Gemini 3.5: 70 lingue live e 1,7 anni di apprendimento in otto settimane

Vent'anni fa, la traduzione su Google nasceva come esperimento di machine learning. Il 9 giugno 2026, quel progetto fa un salto di formato: Gemini 3.5 Live Translate porta la traduzione vocale quasi istantanea in oltre 70 lingue, preservando intonazione e ritmo della voce originale senza aspettare la fine di una frase. Nello stesso giorno, Google DeepMind ha pubblicato i risultati di uno studio randomizzato controllato in Sierra Leone: otto settimane con la funzione Guided Learning di Gemini hanno prodotto tra 1,2 e 1,7 anni di progressi matematici misurati. Prese insieme, le due notizie indicano che l'AI non sta solo aggiornando strumenti esistenti, ma sta ridisegnando i tempi della comunicazione e dell'apprendimento su scala globale.

Gemini 3.5 Live Translate: 70 lingue in tempo reale e 2.000 combinazioni su Meet

Gemini 3.5 Live Translate è un modello speech-to-speech che genera audio tradotto mentre il parlante sta ancora parlando. Rileva automaticamente la lingua tra le 70 supportate, conserva intonazione, ritmo e pitch della voce originale, e rimane sfasato di pochi secondi rispetto al parlante — abbastanza da avere contesto, abbastanza poco da risultare quasi simultaneo.

Per Google Meet, il cambiamento è netto. La traduzione vocale era fino a oggi disponibile in 5 lingue e richiedeva l'inglese come lingua pivot; con il nuovo modello le lingue salgono a 70+ e le combinazioni possibili in una singola riunione superano le 2.000, eliminando il vincolo della mediazione anglofona. Il roll-out inizia in private preview per clienti Workspace selezionati a giugno 2026. Per gli sviluppatori il modello è già accessibile via Gemini Live API e Google AI Studio, con piattaforme come Agora, LiveKit e Pipecat che semplificano l'integrazione nelle applicazioni voce. L'app Google Translate su Android e iOS riceve il modello per tutti gli utenti, con una nuova "modalità ascolto" su Android che trasmette la traduzione direttamente all'auricolare del telefono, senza cuffie.

Tutta l'uscita audio è marcata con SynthID, il watermark impercettibile che garantisce la tracciabilità dei contenuti generati. Il servizio Grab sta testando il modello per le comunicazioni tra autisti e passeggeri: la piattaforma conta oltre 10 milioni di chiamate vocali mensili.

In Sierra Leone 1.763 studenti guadagnano 1,7 anni di matematica in otto settimane

Nel distretto di Port Loko, Sierra Leone, 1.763 studenti di scuola media in 12 scuole hanno partecipato a un trial randomizzato controllato pre-registrato di otto settimane, condotto in partnership con Fab AI e con il supporto del Ministero dell'Istruzione locale.

Il gruppo che ha usato Guided Learning di Gemini ha registrato un guadagno di +0,258 deviazioni standard nei test di matematica rispetto al gruppo di controllo — equivalente a tra 1,2 e 1,7 anni di progressi tipici, ottenuti in due mesi. Nelle classi dove i docenti hanno integrato Gemini in circa metà delle lezioni, raggiungendo circa 12 ore totali durante il trial, il guadagno sale a un intervallo di 1,8-2,5 anni di apprendimento.

Conrad Sackey, Ministro dell'Istruzione di Base e Secondaria Superiore della Sierra Leone, ha dichiarato di essere «lieto di disporre ora di prove solide che un'AI progettata con cura possa migliorare i risultati di apprendimento, a supporto degli insegnanti».

Gli studenti cercano capire, non copiare

Il dato più sorprendente dello studio riguarda il comportamento degli studenti, non solo i punteggi. Dall'analisi di oltre 113.000 interazioni, risulta che nel 91,4% delle conversazioni gli studenti hanno usato Gemini per costruire comprensione concettuale, non per ottenere soluzioni. Il modello ha ricambiato: nel 76% dei messaggi ha posto domande di scaffolding, fornendo la risposta diretta solo nel 2% dei casi.

Nella prima settimana, le query orientate all'apprendimento erano al 68%, quelle in cerca della risposta diretta al 25%. Nell'ultima settimana, le prime erano al 90% e le seconde al 10%: gli studenti hanno imparato non solo matematica, ma a usare lo strumento in modo pedagogicamente più maturo. L'engagement ha stupito: il 69% ha raggiunto o superato i target di utilizzo previsti, contro il 5% tipico per le tecnologie educative ad adozione volontaria — soglia così bassa da avere un nome in letteratura, "The Five Percent Problem".

L'effetto è reale, ma il divario non si chiude da solo

Tre calcoli derivati dai dati del trial aiutano a inquadrare la portata. Il rapporto tra engagement osservato (69%) e media dell'ed-tech (5%) è pari a 13,8 volte la norma — segnale di un'adozione genuina, non indotta. Nelle classi con utilizzo più intenso, il guadagno medio stimato è di circa 2,15 anni di progresso (il centro dell'intervallo 1,8-2,5). La struttura RCT pre-registrata e l'analisi di oltre centomila conversazioni collocano questo studio sopra la media della ricerca sull'ed-tech in termini di robustezza metodologica. Il trial ha ricevuto supporto da Google.org e dalla Gates Foundation.

Il limite è esplicito nel report: gli studenti con basi più solide in matematica hanno beneficiato di più. Il gap iniziale non si è ridotto, si è ampliato. Google DeepMind lo riconosce e annuncia ulteriori RCT in altri paesi, pubblicando anche un playbook metodologico per accelerare studi simili.

Il vero banco di prova, per Live Translate come per Guided Learning, è la replica fuori dal contesto originale: quanto reggono i guadagni in altri paesi e quanto si mantiene la qualità di traduzione sulle lingue meno rappresentate tra le 70 supportate.