Demis Hassabis ha proposto una nuova interpretazione del concetto di AGI, sostenendo che un’intelligenza artificiale non possa essere considerata realmente generale soltanto perché eccelle nei benchmark, supera esami accademici o produce output convincenti. Secondo Hassabis, il vero punto di svolta arriverà quando un sistema AI sarà capace di formulare autonomamente nuove teorie scientifiche, introducendo conoscenza originale non derivata dalla semplice combinazione statistica di dati esistenti.
L’idea è stata descritta come “Einstein Test”, un riferimento alla capacità di un sistema di generare intuizioni comparabili a quelle che portarono Albert Einstein alla formulazione della relatività. Il concetto implica un salto radicale rispetto agli attuali modelli generativi: non più soltanto sistemi in grado di sintetizzare informazioni apprese durante l’addestramento, ma piattaforme capaci di produrre scoperte realmente nuove, verificabili e scientificamente rilevanti.
La posizione di Hassabis evidenzia una distinzione sempre più centrale nel dibattito sull’AI avanzata: quella tra competenza apparente e comprensione profonda. Gli attuali LLM mostrano prestazioni elevate nella risoluzione di problemi, nella scrittura di codice, nella matematica e nell’analisi linguistica, ma operano ancora principalmente attraverso correlazioni statistiche su enormi quantità di dati. Il “test di Einstein” introduce invece un criterio legato alla creatività scientifica autonoma, cioè alla capacità di individuare strutture teoriche che non siano già presenti implicitamente nei dataset di training.
Questa visione si collega direttamente alla crescente integrazione tra AI e ricerca scientifica automatizzata. Negli ultimi anni, modelli avanzati sono già stati impiegati nella scoperta di farmaci, nell’ottimizzazione di materiali e nella predizione di strutture proteiche, ma quasi sempre all’interno di framework guidati da esseri umani. Hassabis suggerisce invece uno scenario in cui l’AI possa diventare un soggetto attivo della ricerca teorica, contribuendo alla formulazione di nuove leggi fisiche, modelli matematici o ipotesi sperimentali.
Il tema è particolarmente rilevante perché arriva in una fase in cui l’intero settore AI sta ridefinendo cosa significhi davvero “intelligenza generale”. Aziende e laboratori utilizzano definizioni differenti di AGI: alcuni si concentrano sull’automazione economica del lavoro cognitivo, altri sulla versatilità dei modelli, altri ancora sulla capacità di ragionamento multimodale. L’approccio di Hassabis sposta invece il criterio verso la produzione di conoscenza originale, proponendo una soglia molto più elevata rispetto agli standard attuali del settore.