L'AGI è arrivata? La nuova tesi della UC San Diego

L'intelligenza artificiale generale è qui? Le prove e le definizioni della UC San Diego

Per sostenere la loro tesi secondo cui l'AGI sia arrivata, i ricercatori puntano sul comportamento: i moderni modelli linguistici di grandi dimensioni (LLM) superano regolarmente le soglie conversazionali in stile Turing e, in compiti di benchmark, possono raggiungere o superare le prestazioni umane di livello esperto in molte aree. Gli autori citano studi che mostrano come i modelli recenti siano stati giudicati umani nelle valutazioni in stile Turing molto più spesso di quanto avvenga per puro caso, e notano che normalmente attribuiamo l'intelligenza generale agli esseri umani sulla base di comportamenti osservabili simili — non scrutiamo all'interno del cervello umano per giudicarne la comprensione.

Fondamentalmente, il gruppo della UC San Diego distingue l'intelligenza generale dalla superintelligenza e dalla cognizione di tipo umano. La loro tesi non richiede che una macchina impari come impara un bambino, che possieda un corpo di tipo umano o che sia infallibile. Chiede invece: dati gli standard che usiamo per le altre menti, esistono prove comportamentali convincenti che alcune macchine mostrino la competenza flessibile e cross-dominio che associamo all'intelligenza generale? La loro risposta: sì, sotto certi aspetti.

L'intelligenza artificiale generale è qui? Voci dell'industria e la contro-narrativa

I leader del settore alimentano il dibattito. Alcuni dirigenti — inclusi importanti CEO di piattaforme cloud e di IA — hanno dichiarato pubblicamente di considerare i sistemi attuali come già arrivati all'AGI o che il confine sia ormai effettivamente permeabile. Tali affermazioni sono spesso una sintesi della fiducia commerciale: i modelli possono produrre linguaggio, ragionare su documenti, scrivere codice ed eseguire flussi di lavoro quando vengono concatenati in "agenti". Per clienti e investitori, queste capacità sono già economicamente trasformative.

Ma non tutti accettano che la parità comportamentale equivalga all'AGI. I critici sostengono che descrivere gli attuali LLM come generalmente intelligenti annulli distinzioni importanti. Le obiezioni tecniche rientrano in alcune grandi categorie: modelli che effettuano meri confronti statistici di pattern senza modelli causali del mondo; sistemi che allucinano o producono output sicuri ma falsi; architetture che mancano di obiettivi persistenti, agentività o interazione incarnata (embodied); e sistemi che richiedono ordini di grandezza di dati in più rispetto agli esseri umani per raggiungere la competenza. Per molti scettici, queste differenze non sono estetiche — rivelano lacune fondamentali tra l'IA attuale e un'intelligenza generale resiliente e autonoma.

Come i ricercatori definiscono l'AGI — e perché le definizioni contano

Cos'è esattamente l'intelligenza artificiale generale? Le definizioni variano, ma due idee ricorrono nei dibattiti seri. Una considera l'AGI come la capacità pratica di eseguire quasi tutti i compiti cognitivi che un essere umano può svolgere: linguaggio, matematica, pianificazione, percezione, risoluzione di problemi, pensiero creativo e scientifico. Un altro filone di ricerca, più formale, cerca una metrica universale della capacità di problem-solving attraverso distribuzioni di compiti (un programma teorico presente nei lavori sull'"intelligenza universale").

Coloro che affermano che l'AGI sia ancora teorica pongono l'accento sul meccanismo: un sistema che possa formare obiettivi in modo flessibile, trasferire l'apprendimento tra domini molto diversi con pochi dati, interagire fisicamente con un ambiente e imparare da tale interazione continua. Essi sottolineano che i modelli attuali, per quanto potenti, spesso mancano di un ragionamento causale affidabile, richiedono una pesante impalcatura umana per comportarsi in modo agentico e falliscono in modo imprevedibile al di fuori della loro distribuzione di addestramento. I sostenitori ribattono che esigere dalle macchine prove che non chiediamo mai agli esseri umani — come, ad esempio, scrutare i processi interni — è incoerente.

Dove l'IA odierna eguaglia le capacità umane — e dove no

• Capacità eguagliate: linguaggio fluente, sintesi, scrittura di codice, molti compiti standardizzati, comportamento esperto in domini specifici quando perfezionati o potenziati con strumenti.
• Debolezze: base fattuale inaffidabile ("allucinazioni"), generalizzazione fragile al di fuori della distribuzione, pianificazione autonoma a lungo termine limitata quando senza vincoli e scarsa efficienza campionaria rispetto ai neonati umani.
• Ingredienti mancanti cercati dagli esperti: obiettivi persistenti e agentività, apprendimento sensomotorio incarnato (embodied), modelli causali che supportino il ragionamento controfattuale senza enormi quantità di dati e spiegazioni meccanicistiche trasparenti sul perché emergano determinate capacità.

L'AGI è già qui o è solo a portata di mano?

Quanto sono vicini i ricercatori al raggiungimento dell'intelligenza artificiale generale? Il settore è diviso. Alcune tabelle di marcia prevedono che miglioramenti incrementali e sistemi agentici — più affidabili, multimodali e integrati — ci porteranno a una AGI robusta entro un decennio. Altri insistono sul fatto che le architetture attuali siano evolutivamente superficiali e che saranno necessarie nuove scoperte concettuali. Poiché i sistemi attuali già sorprendono i loro stessi progettisti, prevedere una tempistica rimane un compito arduo.

Differenze tra IA e AGI, nella pratica

La distinzione tra l'IA che usate oggi e un'ipotetica AGI è sia tecnica che filosofica. L'IA ristretta (Narrow AI) eccelle in un problema circoscritto disponendo di molti dati; l'AGI implica la risoluzione di problemi generali attraverso i domini con trasferimento, pianificazione e adattamento. In pratica, ciò significa una differenza nell'autonomia (la capacità di formare e perseguire obiettivi senza prompt umani), nella trasferibilità (utilizzare una capacità appresa in un contesto in uno profondamente diverso) e nella robustezza (prestazioni stabili in ambienti nuovi, avversari o con scarsi dati).

Rischi, benefici e implicazioni politiche

Che la si chiami AGI oggi o tra cinque anni, l'emergere di sistemi in grado di eseguire costantemente un'ampia gamma di compiti cognitivi ha conseguenze sociali. I benefici sono reali e misurabili: automazione di analisi complesse, migliore sintesi della letteratura scientifica, nuovi modelli di automazione industriale, supporto alle decisioni mediche e cicli di ricerca e sviluppo più rapidi. I rischi vanno dalla disinformazione amplificata dalla generazione fluente, allo spiazzamento economico, ai fallimenti della sicurezza quando ai modelli viene data libertà d'azione, fino alle questioni sulla responsabilità quando modelli opachi prendono decisioni consequenziali.

Questo mix spiega perché la governance, la trasparenza, il red teaming e l'implementazione regolamentata siano priorità urgenti anche per gli scettici. La sfida politica centrale non è solo l'ingegneria della sicurezza tecnica, ma anche la politica economica e sociale per proteggere lavoratori, consumatori e istituzioni democratiche mentre se ne colgono i benefici.

Cosa ci dice il dibattito su scienza e società

Questo episodio — un commento su Nature, le approvazioni dell'industria e una contro-letteratura di libri e articoli d'opinione scettici — sottolinea due fatti. Primo, le definizioni contano: dire che "l'AGI è qui" è tanto una mossa concettuale quanto un'affermazione empirica. Secondo, l'incertezza sul meccanismo è reale e ha delle conseguenze. Abbiamo sistemi comportamentali straordinari la cui logica interna non comprendiamo appieno; tale combinazione di potenza e opacità spiega sia l'entusiasmo che l'allarme.

Per ora, la posizione più difendibile è questa: siamo in un'era di transizione. Alcuni sistemi raggiungono già prestazioni a livello umano in compiti specifici e in molti compiti cross-dominio; altri rimangono limitati nell'autonomia, nella comprensione causale e nell'apprendimento incarnato. Se chiamare questo stato "AGI" è rilevante ai fini della retorica, la risposta politica dovrebbe essere la stessa: investire in valutazioni rigorose, esigere trasparenza e sicurezza e preparare le istituzioni a rapidi effetti sociali.