Google DeepMind ha pubblicato un documento di oltre 60 pagine intitolato “From AGI to ASI”, nel quale i ricercatori delineano una possibile roadmap tecnica per l’evoluzione dell’intelligenza artificiale generale verso forme di superintelligenza artificiale. Il lavoro affronta una domanda che finora è rimasta in secondo piano nel dibattito sull’AI: cosa potrebbe accadere una volta raggiunta l’AGI, ovvero sistemi in grado di eguagliare o superare le capacità cognitive umane nella maggior parte dei compiti.
Secondo DeepMind, il raggiungimento dell’AGI non rappresenterebbe necessariamente il punto finale dello sviluppo dell’intelligenza artificiale. Al contrario, potrebbe costituire una fase intermedia verso sistemi dotati di capacità significativamente superiori a quelle umane in numerosi domini scientifici, tecnologici e decisionali. Per descrivere questo possibile percorso, il documento identifica quattro direttrici di sviluppo che potrebbero agire contemporaneamente anziché in modo alternativo.
La prima direttrice è la continua crescita delle risorse computazionali, delle dimensioni dei modelli e dei dataset utilizzati per l’addestramento. Si tratta dell’approccio che ha caratterizzato l’evoluzione dei grandi modelli linguistici negli ultimi anni e che, secondo gli autori, potrebbe continuare a generare incrementi significativi delle capacità cognitive dei sistemi AI attraverso un semplice aumento della scala operativa.
Il secondo percorso riguarda l’introduzione di nuovi algoritmi. DeepMind evidenzia come molti dei progressi più importanti nella storia dell’intelligenza artificiale non siano derivati esclusivamente da una maggiore disponibilità di hardware, ma da innovazioni architetturali capaci di migliorare l’efficienza dell’apprendimento, del ragionamento e della generalizzazione. In questo scenario, futuri avanzamenti algoritmici potrebbero produrre salti prestazionali paragonabili o superiori a quelli ottenuti attraverso il semplice scaling.
Una terza possibilità analizzata nel documento è rappresentata dal miglioramento ricorsivo dei sistemi AI. In questo modello, un’intelligenza artificiale sufficientemente avanzata potrebbe contribuire alla progettazione di versioni successive più efficienti, accelerando il ritmo dell’innovazione tecnologica. Questo concetto, spesso discusso nella letteratura sull’AGI, viene trattato da DeepMind come una delle possibili fonti di crescita esponenziale delle capacità future.
L’ultima direttrice identificata riguarda la cooperazione tra numerosi agenti AI specializzati. Invece di affidare ogni attività a un singolo modello, la superintelligenza potrebbe emergere dall’interazione coordinata di grandi reti di agenti capaci di collaborare, condividere conoscenze e distribuire i compiti in modo dinamico. Secondo i ricercatori, sistemi multi-agente di dimensioni sufficientemente elevate potrebbero sviluppare capacità collettive superiori a quelle ottenibili da singoli modelli isolati.
Il documento non presenta una previsione temporale precisa per l’arrivo della superintelligenza artificiale, ma propone un quadro teorico per comprendere come l’evoluzione dell’AI potrebbe proseguire oltre il raggiungimento dell’AGI. La roadmap evidenzia inoltre che i quattro percorsi descritti non sono mutuamente esclusivi e che l’eventuale transizione verso sistemi superintelligenti potrebbe derivare dalla combinazione simultanea di scaling, innovazione algoritmica, auto-miglioramento e coordinamento multi-agente.
Con questa pubblicazione Google DeepMind amplia il dibattito tecnico sull’intelligenza artificiale avanzata, spostando l’attenzione dal semplice raggiungimento dell’AGI alle possibili architetture e dinamiche che potrebbero caratterizzare una fase successiva dello sviluppo dei sistemi intelligenti.