Immagine AI

Il DeepMind Institute ha presentato il 19 novembre 2026 un quadro teorico dedicato ai possibili percorsi di evoluzione dall’intelligenza artificiale generale (AGI) alla superintelligenza artificiale (ASI), identificando quattro meccanismi tecnologici attraverso i quali le capacità dei sistemi potrebbero superare progressivamente quelle umane. L’analisi riprende e approfondisce il rapporto tecnico From AGI to ASI, pubblicato da Google DeepMind il 12 giugno 2026, distinguendo l’intelligenza artificiale generale, definita come una capacità sostanzialmente equivalente a quella umana nella quasi totalità delle attività cognitive, dalla superintelligenza, intesa come un sistema capace di superare stabilmente il lavoro di grandi gruppi di esperti altamente qualificati, impiegando meno risorse e tempi inferiori. Il riferimento non riguarda quindi prestazioni superiori a quelle umane in singole discipline, come gli scacchi, il Go o la previsione delle strutture proteiche, ma competenze trasversali applicabili a problemi complessi. Il rapporto utilizza come esempio una capacità equivalente o superiore a quella di decine di migliaia di specialisti coordinati per dieci anni sullo stesso problema.

Il primo percorso è rappresentato dall’ampliamento progressivo delle dimensioni dei modelli, dei dataset e delle infrastrutture computazionali. Secondo le stime considerate, la capacità di calcolo effettiva disponibile a livello globale, comprendendo miglioramenti hardware, investimenti e maggiore efficienza algoritmica, sarebbe aumentata di almeno dieci volte all’anno. Il mantenimento di questa progressione per un decennio determinerebbe un incremento teorico di dieci miliardi di volte. Un secondo scenario considera una riduzione annuale di circa quattro volte delle risorse necessarie per eseguire una determinata elaborazione: un carico computazionale dal costo iniziale di un miliardo di dollari potrebbe scendere, dopo dieci anni, a circa mille dollari. Questa trasformazione viene descritta attraverso il concetto di industrializzazione cognitiva, nel quale operazioni intellettuali ripetibili diventano progressivamente standardizzate ed economicamente accessibili. Rimangono tuttavia vincoli relativi alla disponibilità di dati di qualità, ai rendimenti decrescenti, alla produzione di energia, alle reti elettriche, alla fabbricazione dei semiconduttori e alle interconnessioni hardware.

Il secondo percorso riguarda i cambiamenti dei paradigmi tecnologici. Le architetture attuali, prevalentemente basate sui transformer, presentano ancora limitazioni nell’apprendimento continuo, nella costruzione di rappresentazioni del mondo, nell’efficienza nell’utilizzo degli esempi e nella formulazione di concetti realmente nuovi. Non è stabilito se tali difficoltà possano essere superate attraverso modifiche incrementali delle architetture esistenti oppure richiedano nuovi approcci fondamentali. Il terzo percorso è costituito dal coordinamento di grandi popolazioni di agenti artificiali, capaci di distribuire attività, condividere conoscenze e sfruttare velocità di elaborazione, memoria digitale e replicabilità dei propri stati operativi. Il comportamento complessivo di questi sistemi non dispone ancora di leggi di scalabilità consolidate e può essere compromesso da inefficienze organizzative, informazioni errate, manipolazione e collusione.

Il quarto meccanismo consiste nel miglioramento ricorsivo, attraverso il quale i sistemi artificiali contribuiscono direttamente allo sviluppo delle generazioni successive, intervenendo sul codice, sulla progettazione hardware, sui dati generati durante l’utilizzo e sulla specializzazione degli agenti. L’efficacia dipende dalla qualità dei meccanismi di verifica, particolarmente importanti nelle attività in cui i risultati possono essere controllati automaticamente, come le dimostrazioni matematiche. I quattro percorsi potrebbero inoltre rafforzarsi reciprocamente, rendendo insufficiente un’eventuale limitazione riferita esclusivamente alla potenza computazionale destinata all’addestramento.

Il quadro proposto distingue infine la superintelligenza dai limiti teorici assoluti dell’intelligenza, che rimarrebbero condizionati da vincoli fisici, logici e di complessità computazionale. Anche sistemi estremamente avanzati non potrebbero prevedere arbitrariamente ogni dettaglio di fenomeni come il clima, il funzionamento del sistema immunitario o le dinamiche sociali. Per valutare concretamente l’avanzamento tecnologico vengono pertanto richiesti nuovi benchmark, accesso ai modelli più avanzati, risorse computazionali dedicate alla valutazione e metodologie capaci di distinguere l’incremento della velocità e del numero degli agenti dalla comparsa di capacità cognitive effettivamente nuove.

Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)

Di Fantasy