Durante una recente intervista sul podcast di Lex Fridman, Dario Amodei, co-fondatore di Anthropic, ha fatto una dichiarazione che sta facendo molto discutere nel mondo tecnologico. Amodei ha affermato che, “se si segue un’estrapolazione lineare”, l’umanità potrebbe raggiungere l’intelligenza artificiale generale (AGI) nel 2026 o 2027. Tuttavia, ha anche evidenziato le numerose incertezze e variabili che minano questa previsione, suggerendo che il raggiungimento di un’intelligenza artificiale con capacità generalistiche potrebbe richiedere molto più tempo.
La previsione di Amodei non si basa su un ottimismo superficiale, ma piuttosto su un’osservazione delle attuali tendenze di crescita dei modelli linguistici e delle capacità dell’IA. Tuttavia, sebbene il ritmo di sviluppo dell’intelligenza artificiale sia innegabilmente rapido, ipotizzare che questa crescita sia lineare può essere illusorio. Il parallelo ironico di Amodei – se i trend lineari fossero sempre veri, a dieci anni sarebbe dovuto diventare grande come un dinosauro – coglie perfettamente i limiti del ragionamento che proietta il progresso dell’IA sulla base di un’esponenzialità incontrollata.
Perché l’AGI Potrebbe non Arrivare Così Presto
Nel suo intervento, Amodei ha evitato una visione ottimistica e ha invece sottolineato alcuni aspetti critici. Non ha infatti indicato i Large Language Models (LLM) come la via definitiva verso l’AGI, un’affermazione che merita un’analisi profonda. Questo implica che, nonostante gli LLM siano sempre più potenti e versatili, potrebbero non essere la soluzione giusta per creare una macchina in grado di ragionare, apprendere e comprendere il mondo al livello umano.
Le questioni che Amodei ha sollevato si basano su:
I modelli attuali, pur essendo impressionanti, sono addestrati per pattern di linguaggio e non per la comprensione vera e propria del contesto. Per quanto sofisticati, LLM come quelli di OpenAI o Anthropic sono privi di una forma di “buon senso” simile a quella umana, elemento cruciale per qualsiasi tipo di intelligenza generale.
I sistemi attuali tendono a esibire “intelligenza” basata sui dati ma sono ancora incapaci di astrazione e adattamento indipendente, caratteristiche fondamentali di una vera AGI. Gli LLM sono “addestrati” a replicare ma non a innovare o comprendere nel senso stretto del termine, evidenziando una differenza strutturale tra loro e l’intelligenza umana.
Man mano che i modelli crescono, le risorse necessarie per addestrarli aumentano in modo sproporzionato. La gestione dei costi e dell’energia per addestrare modelli ancora più grandi diventa una sfida. Questa problematica non può essere trascurata, poiché la sostenibilità computazionale è un limite concreto.
Anche se si riuscisse a superare le sfide tecniche, vi sono questioni di natura etica e morale che sorgono nella progettazione di un’IA in grado di prendere decisioni “umane.” Una vera AGI necessiterebbe di una comprensione profonda delle sfumature culturali e dei valori sociali, che non possono essere replicate semplicemente con pattern di dati.
L’Effetto del Dibattito sull’Industria
Le dichiarazioni di Amodei riflettono una crescente consapevolezza nel settore tecnologico riguardo all’importanza di abbandonare ipotesi ottimistiche e di esplorare percorsi paralleli per il futuro dell’IA. Mentre gli investimenti in IA continuano a crescere, molte aziende stanno iniziando a reindirizzare la loro ricerca verso soluzioni che combinino LLM con altre forme di apprendimento e che considerino una visione “ibrida” dell’intelligenza artificiale, combinando elementi di calcolo simbolico e machine learning.
Se Anthropic e altre aziende riusciranno a compiere un passo decisivo nei prossimi anni, l’AGI potrebbe divenire una realtà prima del previsto. Tuttavia, il concetto stesso di AGI, come suggerisce Amodei, potrebbe anche essere in continua evoluzione, e il termine “intelligenza artificiale generale” potrebbe divenire sfocato e mutevole, spostando la frontiera tecnologica in modo molto diverso rispetto a come la immaginiamo oggi.
VIDEO dell’intervista.