Quando l'intelligenza artificiale generale smette di essere fantascienza
Mentre le grandi aziende tecnologiche continuano a parlare di superintelligenza come di un traguardo lontano, un gruppo di ricercatori lancia una provocazione destabilizzante: sistemi come ChatGPT potrebbero aver già raggiunto il livello dell'intelligenza artificiale generale. Non tra dieci anni, non nel 2030. Adesso.
Tra gli autori figura un filosofo dell'Università della California. La loro tesi, pubblicata sulla prestigiosa rivista Nature, ribalta il modo in cui siamo abituati a pensare al problema. La vera questione, sostengono, non è se l'IA sia abbastanza intelligente — ma se la nostra concezione di intelligenza sia rimasta indietro.
Cosa significa davvero "intelligenza artificiale generale"
Il termine intelligenza artificiale generale viene spesso evocato come qualcosa di quasi mitologico: una macchina onnisciente, infallibile, capace di risolvere qualsiasi problema in qualsiasi campo. Un'entità che sa tutto e non sbaglia mai.
I ricercatori smontano questa visione con un argomento semplice ma efficace. Neanche gli esseri umani corrispondono a quel profilo. Una persona può essere un matematico brillante e trovarsi completamente persa davanti a una pratica burocratica. Eppure nessuno mette in dubbio la sua intelligenza.
Il cuore della loro argomentazione è questo: se applichiamo lo stesso metro di giudizio agli esseri umani e alle macchine, i migliori modelli di IA oggi disponibili raggiungono già regolarmente il livello degli esperti umani in numerosi ambiti.
La proposta è quindi di adottare una definizione più ampia e realistica di intelligenza artificiale generale: un sistema capace di operare su un'ampia gamma di compiti a livello umano o esperto, non perfetto né onnipotente, ma funzionalmente paragonabile a una persona con una solida formazione.
La differenza tra intelligenza artificiale generale e superintelligenza
Nel dibattito pubblico questi due concetti vengono spesso confusi o sovrapposti. I ricercatori tracciano invece una distinzione netta:
- Intelligenza artificiale generale (AGI): sistemi in grado di svolgere compiti in molteplici domini a livello umano o esperto.
- Superintelligenza: sistemi che superano ampiamente le capacità dei migliori esseri umani in praticamente ogni ambito immaginabile.
Secondo gli autori, i grandi modelli linguistici come GPT-4 rientrano chiaramente nella prima categoria, ma non ancora nella seconda. Eppure aziende come Meta e OpenAI tendono già a parlare volentieri di superintelligenza. I ricercatori sospettano che questo serva, almeno in parte, a spostare continuamente l'asticella verso l'alto — così da non dover mai ammettere che l'AGI è già una realtà.
Il test di Turing e il problema dei pali della porta spostati
Uno degli argomenti più intriganti dello studio riguarda il ritorno di un concetto classico: il test di Turing. Nel 1950, Alan Turing propose che una macchina potesse essere considerata "intelligente" se un essere umano, interagendo con essa tramite testo, non riuscisse a distinguerla da un altro essere umano.
Esperimenti recenti mostrano che i moderni chatbot superano questa prova con risultati sorprendenti. In alcuni test, le risposte di ChatGPT vengono valutate come "umane" più spesso di quelle prodotte da persone reali. Fino a pochi anni fa, un risultato del genere sarebbe stato salutato da molti come la prova definitiva dell'AGI.
Ora che il test viene effettivamente superato, però, il dibattito si sposta altrove. La domanda diventa: era davvero il test di Turing un buon criterio? I ricercatori definiscono questo atteggiamento una forma di spostamento dei pali della porta — ogni volta che l'IA raggiunge uno standard precedentemente stabilito, il dibattito migra verso un nuovo criterio, spesso formulato in modo ancora più vago.
I modelli linguistici sono solo "pappagalli"?
Una delle critiche più ricorrenti nei confronti dei chatbot basati sull'IA è che non capirebbero davvero ciò di cui parlano. Si limiterebbero a "indovinare" statisticamente quale parola segue logicamente un'altra, attingendo a miliardi di frasi di addestramento. È la critica racchiusa nell'espressione pappagallo stocastico, diventata popolare negli ultimi anni.
I ricercatori affrontano questa obiezione direttamente, portando diversi elementi a sostegno della loro posizione:
- Problemi matematici inediti: i modelli avanzati riescono a risolvere esercizi mai visti prima, il che va oltre la semplice riproduzione di schemi memorizzati.
- Ragionamento trasferibile: le capacità dimostrate in un dominio vengono applicate con successo in contesti del tutto diversi, suggerendo una forma di generalizzazione autentica.
- Prestazioni da esperto: in numerose valutazioni standardizzate — da esami medici a test legali — i modelli ottengono punteggi comparabili o superiori a quelli di professionisti umani qualificati.
Tutto questo non significa che i sistemi attuali siano privi di limiti o che ragionino esattamente come un essere umano. Ma ignorare queste evidenze in nome di una definizione sempre più restrittiva di intelligenza, avvertono i ricercatori, rischia di diventare un esercizio di negazione più che di rigore scientifico.
Perché questa discussione conta per tutti noi
Al di là delle dispute accademiche, la questione ha implicazioni concrete e urgenti. Se l'AGI è già tra noi, le decisioni su come regolamentarla, integrarla e controllarla non possono essere rinviate. Continuare a trattarla come un problema futuro significa perdere tempo prezioso.
I ricercatori non sostengono che i sistemi attuali siano perfetti o privi di rischi. Sostengono qualcosa di più preciso e più scomodo: che il modo in cui definiamo il problema influenza profondamente le politiche, gli investimenti e le scelte sociali che ne derivano. E che ridefinire continuamente l'intelligenza artificiale generale come qualcosa di sempre irraggiungibile potrebbe rivelarsi, alla lunga, una strategia tanto comoda quanto pericolosa.
