Google considera il miglioramento ricorsivo dell’intelligenza artificiale, indicato con l’acronimo RSI, uno degli sviluppi tecnologici che potrebbero giustificare gli investimenti senza precedenti destinati ai data center, ai semiconduttori e alle infrastrutture di calcolo. Jasjit Sekhon, chief strategy officer di Google DeepMind, ha spiegato durante l’Agentic AI Summit dell’Università della California a Berkeley che l’RSI rappresenta uno degli elementi centrali su cui si basa l’attuale logica economica dell’industria dell’intelligenza artificiale.
L’intelligenza artificiale generale, o AGI, descrive normalmente un sistema capace di raggiungere o superare le prestazioni umane in numerosi compiti cognitivi. Il miglioramento ricorsivo introduce invece una dinamica differente: un sistema AI non si limita a svolgere attività, generare codice o assistere i ricercatori, ma modifica progressivamente i propri algoritmi, i processi di addestramento e l’architettura utilizzata per costruire versioni successive più efficienti. Ogni miglioramento può quindi contribuire allo sviluppo del modello seguente, creando un ciclo nel quale l’intelligenza artificiale partecipa sempre più direttamente alla propria evoluzione.
Questa prospettiva viene collegata alla crescente distanza tra le spese sostenute dalle grandi aziende tecnologiche e i ricavi prodotti finora dai servizi AI. Secondo Sekhon, le entrate generate attualmente dal settore non sono ancora sufficienti a sostenere il livello degli investimenti in conto capitale. Il rischio è la formazione di una fase definita “AI air pocket”, caratterizzata dalla prosecuzione delle spese infrastrutturali senza una crescita altrettanto rapida dei ricavi.
Google prevede di investire nel 2026 circa 200 miliardi di dollari, equivalenti a circa 285.000 miliardi di won, in infrastrutture, apparecchiature e capacità necessarie allo sviluppo dell’intelligenza artificiale. L’azienda programma inoltre un ulteriore aumento della spesa nel 2027. La costruzione di data center, l’acquisto di acceleratori e lo sviluppo dei modelli richiedono capitali molto superiori ai ricavi immediatamente ottenibili, alimentando tra gli investitori dubbi sulla redditività e sui tempi necessari per recuperare le risorse impiegate.
La possibilità di realizzare sistemi capaci di accelerare autonomamente la ricerca costituisce quindi una parte fondamentale della previsione economica. Se l’intelligenza artificiale riuscisse a migliorare i propri strumenti di sviluppo, potrebbe aumentare rapidamente la produttività della ricerca, ridurre alcuni costi di progettazione e contribuire alla creazione di modelli più avanzati. Sekhon ha descritto l’attuale espansione dell’AI come la più grande scommessa scientifica compiuta dalla civiltà umana, superiore per dimensioni finanziarie e conseguenze potenziali a programmi come Apollo, il Progetto Manhattan e lo sviluppo di Internet.
I sistemi disponibili non hanno ancora raggiunto una vera capacità di miglioramento ricorsivo. I modelli possono già scrivere codice, ottimizzare alcune procedure e assistere gli sviluppatori nella progettazione di altre intelligenze artificiali, ma queste attività rappresentano soltanto una fase iniziale. L’AI viene utilizzata come strumento all’interno di un processo ancora guidato e verificato dagli esseri umani, senza possedere la capacità autonoma di riprogettare in modo completo la propria struttura.
L’impiego di una tecnologia per realizzare versioni migliori della stessa tecnologia non costituisce di per sé un fenomeno nuovo. Sekhon ha richiamato il caso della macchina a vapore, che è stata utilizzata anche per produrre le generazioni successive di macchinari industriali. L’elemento distintivo dell’RSI consiste tuttavia nella velocità potenziale del processo: un sistema software può essere modificato, replicato e distribuito molto più rapidamente rispetto a una macchina fisica.
Google DeepMind ritiene possibile l’emergere delle prime forme effettive di miglioramento ricorsivo nei prossimi anni. Oriol Vinyals, ricercatore di Google DeepMind, e Wojciech Zaremba, cofondatore di OpenAI, hanno indicato il periodo compreso tra il 2027 e il 2028 come una possibile finestra temporale per il raggiungimento di questa capacità. Una vera RSI permetterebbe al sistema di andare oltre la semplice generazione di codice, intervenendo sulla propria architettura, sui metodi di apprendimento e sulla progettazione indipendente di nuovi modelli.
Il possibile aumento delle capacità scientifiche è accompagnato da rischi rilevanti. Un’intelligenza artificiale in grado di accelerare la ricerca potrebbe contribuire allo sviluppo di nuove terapie, alla progettazione di materiali e all’esplorazione spaziale, ma potrebbe anche amplificare le capacità offensive in ambito informatico e biologico. La stessa rapidità utilizzata per scoprire soluzioni potrebbe essere applicata alla produzione di malware, all’individuazione di vulnerabilità o alla progettazione di agenti biologici pericolosi.
Nel campo della sicurezza informatica esiste inoltre un’asimmetria tra attaccanti e difensori. Un aggressore può ottenere un risultato riuscendo a superare le protezioni una sola volta, mentre chi difende un sistema deve intercettare ogni tentativo. Nel breve periodo, strumenti AI più potenti potrebbero quindi offrire un vantaggio maggiore agli attaccanti, soprattutto quando rendono accessibili competenze tecniche attraverso semplici istruzioni formulate in linguaggio naturale.
Una preoccupazione analoga riguarda la biologia computazionale. Sistemi capaci di interpretare richieste testuali e produrre sequenze molecolari potrebbero rendere più semplice la progettazione di virus, proteine o altri elementi biologici. Secondo Sekhon, l’industria si sta avvicinando a uno scenario nel quale un utente potrebbe ottenere indicazioni tecniche avanzate dialogando normalmente con un modello, senza possedere direttamente le competenze scientifiche necessarie.
Google sta quindi studiando l’estensione di SynthID, la tecnologia utilizzata per identificare i contenuti generati dall’intelligenza artificiale, al settore delle scienze biologiche. L’obiettivo è individuare sequenze potenzialmente pericolose progettate con l’assistenza di sistemi AI e costruire strumenti di tracciamento applicabili ai materiali biologici. Questa attività dovrebbe essere accompagnata da sistemi più rigorosi per controllare, registrare e seguire la circolazione delle sostanze utilizzabili nella ricerca.
La strategia di Google lega così gli investimenti infrastrutturali non soltanto alla crescita degli attuali assistenti e servizi generativi, ma alla possibilità di costruire sistemi capaci di partecipare direttamente al progresso dell’intelligenza artificiale. Il raggiungimento dell’RSI potrebbe aumentare il valore delle risorse già impiegate, ma renderebbe allo stesso tempo necessario sviluppare strumenti di sicurezza e controllo in grado di evolvere con una tecnologia capace di migliorare autonomamente.