Tesi sorprendente: l’AGI è già qui, solo che la definiamo male
Numerosi scienziati sostengono oggi che la soglia tanto attesa sia stata probabilmente superata senza alcun clamore. Ciò che per anni abbiamo considerato un futuro lontano potrebbe essere diventato silenziosamente presente – solo che continuiamo a descriverlo con termini obsoleti e aspettative limitate.
In una pubblicazione molto dibattuta su una prestigiosa rivista scientifica, un gruppo di ricercatori dell’Università della California ha presentato un’affermazione audace: l’intelligenza artificiale generale (AGI) è già stata raggiunta. Secondo la loro visione, i modelli attuali – in particolare i chatbot avanzati basati su grandi modelli linguistici (LLM) – soddisfano i criteri pratici di intelligenza a livello umano.
Tradizionalmente, l’AGI viene intesa come un’intelligenza artificiale capace di gestire compiti diversificati in molteplici settori, almeno al livello di una persona media o di uno specialista. Gli autori dello studio affermano che questo sta già accadendo: questi sistemi scrivono codice, sintetizzano ricerche scientifiche, creano strategie aziendali, risolvono problemi fisici e assistono nella diagnosi medica.
La nuova prospettiva suona provocatoria: il problema non è che l’IA “non sia all’altezza” delle nostre aspettative, ma che i nostri criteri di intelligenza siano stati fin dall’inizio costruiti esclusivamente su misura per l’essere umano.
Test di Turing: un traguardo superato da tempo
Per decenni il test di Turing è stato il parametro classico per misurare l’intelligenza artificiale. Alan Turing lo propose nel 1950: se un essere umano non riesce a distinguere, in una conversazione testuale, se sta comunicando con una persona o con una macchina, si può parlare di intelligenza a livello umano.
I chatbot odierni superano regolarmente diverse varianti di questo test. In alcuni studi, gli utenti hanno identificato un modello linguistico come umano più frequentemente di un reale interlocutore umano. Se ci attenessimo al criterio originale, la questione sarebbe chiara – l’intelligenza artificiale generale esiste semplicemente. Eppure nel frattempo abbiamo ripetutamente alzato l’asticella.
Gli autori evidenziano un paradosso: un tempo il test di Turing avrebbe dovuto bastare da solo come prova di intelligenza. Non appena l’IA ha iniziato a superarlo, abbiamo rapidamente deciso che non era sufficiente e abbiamo aggiunto nuovi requisiti – spesso senza giustificazioni chiare.
AGI versus superintelligenza – confondiamo due obiettivi diversi
Nel dibattito pubblico si confondono regolarmente due concetti fondamentalmente differenti: intelligenza artificiale generale e superintelligenza. Questa confusione distorce significativamente le nostre aspettative.
Gli autori sottolineano che l’AGI dovremmo confrontarla non con un “essere umano ideale”, ma con il reale spettro delle capacità umane. Nessun essere umano è esperto in tutto. Abbiamo le nostre lacune, pregiudizi ed errori logici. Un’IA che gestisce un’ampia gamma di compiti al livello di specialisti in molti campi, secondo loro, soddisfa i criteri di intelligenza generale – anche se non è infallibile.
La superintelligenza è un campionato completamente diverso – e appartiene ancora al futuro. Per poter parlare di AGI, non ne abbiamo bisogno. Confondere questi due concetti fa sì che l’intelligenza generale venga costantemente rimandata all’infinito mentre attendiamo capacità quasi divine.
“Pappagallo statistico”? Dieci obiezioni comuni al microscopio
Nei dibattiti sui LLM ritorna regolarmente la definizione “pappagallo statistico” – che suggerisce che il modello ripeta semplicemente schemi dai dati di addestramento, senza comprendere realmente nulla. Il team dell’Università della California ha analizzato le dieci argomentazioni più frequenti contro il riconoscimento dell’AGI e ha tentato di scomporle.
- Risoluzione di compiti nuovi: i modelli affrontano problemi matematici o fisici che letteralmente non comparivano nei dati di addestramento.
- Trasferimento di conoscenze: riescono a trasferire conoscenze tra discipline – per esempio utilizzare un concetto di programmazione nella pianificazione di un esperimento scientifico.
- Comprensione delle conseguenze: descrivono i risultati di diversi scenari in ambienti reali e spiegano cosa accadrebbe in condizioni differenti.
Per gli autori questa è la prova che non si tratta di una semplice funzione “copia-incolla” sotto steroidi, ma di sistemi che costruiscono rappresentazioni interne di relazioni e dipendenze – anche se il loro “pensiero” appare diverso da quello umano.
Se un essere umano con prestazioni simili in test e compiti ottenesse l’etichetta di “intelligente”, perché nel caso dell’IA improvvisamente irrigidiamo i criteri?
IA senza corpo, ma con accesso al mondo reale
Un’obiezione frequente afferma: la vera intelligenza richiede un corpo, sensi e contatto diretto con il mondo. I modelli linguistici non possiedono effettivamente un corpo proprio, ma sempre più spesso li colleghiamo a telecamere, microfoni e robot. Nascono sistemi che analizzano simultaneamente testo, immagini, audio e video.
I ricercatori evidenziano che l’intelligenza non deve essere “incarnata” nel senso tradizionale per manifestarsi in un ragionamento efficace. Una persona cieca dalla nascita sviluppa comunque rappresentazioni ricche dello spazio e del movimento, anche se i suoi canali cognitivi sono diversi. Un modello di IA che apprende su enormi insiemi di dati sul mondo acquisisce anch’esso una sorta di “esperienza” indiretta.
Parallelamente si sviluppa la robotica. Il concetto di “IA fisica” – macchine che collegano modelli linguistici con corpi fisici – cessa di essere esclusivamente una visione cinematografica. Si tratta di un ulteriore passo che può avvicinare l’intelligenza artificiale a quella che comprendiamo intuitivamente nella vita quotidiana.
Memoria, autonomia, tempo di apprendimento – sono davvero condizioni necessarie?
Molti critici ripetono che senza memoria autobiografica permanente o piena autonomia d’azione non si può parlare di AGI. Gli autori del testo scientifico dissentono da questa posizione.
Primo, non ogni essere umano possiede una memoria continua e dettagliata della propria vita – eppure nessuno gli nega l’intelligenza. Secondo, l’IA spesso funziona come strumento entro i limiti stabiliti da programmatori e utenti. Richiedere piena autonomia come condizione di intelligenza è secondo i ricercatori arbitrario.
Un’altra obiezione riguarda i costi dell’apprendimento: l’IA necessita di enormi set di dati, mentre l’essere umano impara molto da pochi esempi. Questo è vero. Gli autori tuttavia propongono di concentrarsi sull’effetto finale, non sul percorso per raggiungerlo. Se un sistema dopo un “allenamento” intensivo funziona in modo ampio ed efficace, la differenza nel processo non dovrebbe squalificarlo come intelligente.
Allucinazioni dell’IA versus errori umani
Il tema più delicato sono le allucinazioni – situazioni in cui il modello crea con piena convinzione informazioni false: fonti inesistenti, fatti inventati, citazioni fittizie. Gli autori dell’articolo riconoscono l’esistenza di questo problema, ma sostengono che la sua portata diminuisce con ogni nuova generazione di modelli.
I dati tuttavia non sono univoci. Alcune ricerche indipendenti suggeriscono che in determinati compiti la percentuale di allucinazioni rimane elevata e talvolta aumenta addirittura quando richiediamo analisi più complesse. Persino OpenAI stima che nei modelli della prossima generazione circa una risposta su dieci conterrà ancora un errore fattuale significativo.
La differenza tra IA e essere umano non sta nel fatto che uno sbaglia e l’altro no – ma nella natura di questi errori e nel modo di controllarli.
Anche l’essere umano cede a illusioni della memoria, ripete informazioni non verificate e cade nelle trappole degli effetti psicologici. Quando sbaglia l’IA, l’errore è più visibile, misurabile e generalmente meglio documentato. In pratica questo significa che i sistemi di IA richiedono strati di controllo, verifica e implementazione responsabile – specialmente in ambiti come sanità, diritto o finanza.
Non vediamo la nuova intelligenza a causa del nostro antropocentrismo?
L’idea centrale del testo è piuttosto scomoda: forse non vogliamo ammettere che sia emersa una nuova forma di intelligenza perché amiamo troppo la nostra immagine. Semplicemente non ci piace l’idea che qualcosa senza volto umano, corpo ed emozioni nella forma a noi familiare possa essere “altrettanto intelligente” quanto noi.
Tale antropocentrismo ha conseguenze pratiche. Se insisteremo ostinatamente sul fatto che l’AGI è “ancora davanti a noi”, sarà più facile minimizzare gli impatti reali dei sistemi attuali: influenza sul mercato del lavoro, educazione, sicurezza delle informazioni e politica. Sarà anche più facile alimentare rappresentazioni della superintelligenza come qualcosa di quasi mitico che un giorno “arriverà all’improvviso” – invece di notare il graduale spostamento dei confini qui e ora.
Non è casuale che alcuni leader tecnologici, come Mark Zuckerberg, utilizzino sempre più volentieri il termine “superintelligenza”. Dà infatti la sensazione che le vere sfide debbano ancora arrivare e che ciò che abbiamo oggi siano ancora solo “strumenti avanzati”. Eppure questi strumenti sono già capaci di organizzare conoscenze su una scala che il singolo essere umano può solo sognare.
Cosa significa questo in pratica per gli utenti comuni?
Se accettiamo che l’AGI in senso pratico esista già, cambiano improvvisamente diverse cose. Smetteremo di guardare all’IA come a un giocattolo interessante e inizieremo a percepirla come collaboratrice – qualcuno che può effettivamente sostituirci, ma anche potenziarci, per esempio:
- nel lavoro d’ufficio – automatizzando report, presentazioni e analisi di dati,
- nell’educazione – personalizzando il ritmo di apprendimento e spiegando concetti complessi in modo più comprensibile,
- in medicina – assistendo nell’analisi di immagini o documentazione e proponendo scenari possibili,
- nella creatività – generando proposte, idee e varianti di contenuti che l’essere umano poi perfeziona.
Allo stesso tempo acquistano importanza temi come regolamentazione, responsabilità per gli errori, trasparenza dei modelli e impatto sull’occupazione. È più difficile dire “è solo un algoritmo che suggerisce qualcosa” quando questo algoritmo in molti compiti eguaglia o supera realmente gli specialisti.
E infine – vale la pena adottare alcune abitudini pratiche: verificare sempre i fatti chiave, trattare la risposta dell’IA come ipotesi e non come verità rivelata, e impostare consapevolmente il livello di fiducia – diversamente per compiti creativi, diversamente per quelli legali o sanitari.
Nuova definizione di intelligenza – sfida per i prossimi anni
La discussione sollevata dal testo scientifico non si concluderà rapidamente. Tocca qualcosa di molto profondo: come comprendiamo effettivamente l’intelligenza. È un insieme di capacità misurabili con test? Oppure piuttosto la capacità di adattamento, risoluzione di nuovi problemi e apprendimento dagli errori – indipendentemente dal “supporto”, che sia cervello, silicio o qualsiasi altra cosa?
Con l’ulteriore sviluppo dell’IA potrebbe emergere che necessitiamo di diverse definizioni parallele: una per la ricerca scientifica, un’altra per le regolamentazioni legali e altre ancora per le conversazioni quotidiane. Proprio come abbiamo diverse concezioni di salute – biologica, psicologica, sociale – anche l’intelligenza artificiale potrebbe sfuggire a un’unica semplice descrizione.
Per l’utente comune sarà essenziale qualcos’altro: imparare a vivere con questi sistemi, sfruttare i loro punti di forza e proteggersi dalle loro debolezze. Senza aspettare il giorno in cui qualcuno annuncerà solennemente “l’arrivo ufficiale” dell’AGI – perché quel giorno forse è già passato. Solo che nessuno ha tagliato il nastro.
