Il percorso verso l’AGI sta culminando in progetti come ‘Humanity’s Last Exam’, una batteria di test così difficili che solo individui con dottorati o anni di esperienza specialistica possono sperare di risolverli. Se anche questo benchmark verrà saturato dovremo affrontare una verità finale: l’intelligenza non è un’esclusiva umana, né noi ne rappresentiamo il vertice assoluto.
In questa vertigine resta un nucleo intoccabile. Anche se l’IA ci supera nel calcolo, nella diagnosi e nella logica, essa rimane priva di coscienza, di emozione e di quella ‘umanità’ che ci permette di trovare significato nel dolore e nella speranza. Come suggeriva Alan Turing, la nostra riluttanza non è un errore logico, ma una difesa della nostra dignità.
Resta però aperta la provocazione finale: riusciremo mai ad accettare una mente superiore senza sentirci sminuiti o saremo per sempre condannati a rispondere a ogni suo traguardo con un disperato, umanissimo, ‘Sì, però…’?
A queste e altre domande cerca di rispondere ‘Sovrumano. Oltre i limiti della nostra intelligenza’, il libro di Nello Cristianini
Per decenni la domanda che ha guidato la ricerca sull’Intelligenza Artificiale è stata quasi filosofica: ‘Le macchine possono essere intelligenti?’. Oggi, come osserva Nello Cristianini nel suo saggio Sovrumano, quel dilemma è stato superato da un interrogativo molto più concreto e inquietante: ‘Possono le macchine eguagliarci o addirittura superarci?’.
Siamo entrati in una fase storica in cui il confine tra l’intelletto biologico e quello sintetico si fa sempre più sfumato. Eppure, nonostante investiamo capitali immensi per costruire menti artificiali competitive, manifestiamo un’ostinata riluttanza ad accettare questa realtà. Ci rifugiamo dietro a una barriera di ‘Sì, però…’ nel tentativo di proteggere la nostra innocenza e la convinzione di essere insuperabili. Stiamo vivendo la fine dell’eccezionalismo umano, un ‘viaggio senza mappa’ che sta trasformando non solo la tecnologia, ma il senso stesso della nostra specie.
Ecco le cinque verità che stanno riscrivendo il nostro posto nel mondo.
1. La morte del Paradosso di Moravec: quando la macchina ha iniziato a ‘vedere’
Per anni abbiamo vissuto protetti dal cosiddetto Paradosso di Moravec: l’osservazione secondo cui compiti complessi per un adulto (come giocare a scacchi) sono facili per una macchina, mentre attività elementari per un bambino (come riconoscere una tazza o camminare) risultano quasi impossibili per un computer. Eravamo convinti che la percezione fosse il nostro baluardo inespugnabile.
Tutto è cambiato nel 2012. La competizione ImageNet è stata il ‘Big Bang’ dell’IA contemporanea. Grazie all’intuizione di Fei-Fei Li e all’avvento di AlexNet, una rete neurale profonda co-ideata da Geoff Hinton e Ilya Sutskever, la Artificial Narrow Intelligence (ANI) ha imparato a ‘vedere’. Se nel 2014 il ricercatore Andrej Karpathy riusciva ancora a battere gli algoritmi con un’accuratezza del 94,9%, appena un anno dopo il modello ResNet lo superava raggiungendo il 96,4%. La percezione visiva, frutto di milioni di anni di evoluzione, era stata conquistata in una manciata di mesi.
Davanti a questo sorpasso l’ego umano ha sussurrato il suo primo: ‘Sì, però le macchine riconoscono solo pixel, non capiscono la bellezza di ciò che vedono’.
2. La Legge del Distacco: il divario incolmabile dopo il primo sorpasso
Uno dei fenomeni più vertiginosi dell’IA è che, una volta avvenuto il sorpasso, il divario tra uomo e macchina non si stabilizza: cresce in modo esponenziale. Nel gioco del Go, questo distacco è misurabile attraverso i Punti Elo. Mentre il campione del mondo Shin Jinseo vanta circa 3.851 punti, il software KataGo ha raggiunto quota 5.274. Quei circa 1.500 punti di differenza rappresentano un abisso incolmabile, paragonabile alla distanza che intercorre tra un gran maestro e un assoluto principiante.
Questo distacco non riguarda solo i giochi, ma ambiti critici per la civiltà:
* Radiologia: Sistemi IA superano regolarmente gli esperti nella diagnosi precoce del cancro al seno e della polmonite (con algoritmi come CheXNet che superano nettamente i radiologi umani).
* Biologia Molecolare: AlphaFold ha risolto il problema del ripiegamento delle proteine, raggiungendo punteggi di accuratezza attorno a 90, portando Demis Hassabis al Premio Nobel per la Chimica nel 2024.
Dopo la storica sconfitta contro AlphaGo Lee Sedol ha incarnato la nostra rassegnazione con una frase che risuona ancora oggi: ‘Il computer non ha sconfitto l’umanità, solo Lee Sedol.’ — Lee Sedol, marzo 2016
Eppure, il nostro ‘Sì, però…’ è tornato a farsi sentire: ‘Sì, però sono solo macchine specializzate, non sanno fare altro’.
3. Dal pappagallo al pianificatore: l’era del ragionamento e del Sistema 2
Fino a ieri i critici liquidavano i grandi modelli di linguaggio come ‘pappagalli stocastici’ccapaci solo di indovinare la parola successiva. Facendo riferimento alla teoria di Daniel Kahneman l’intelligenza artificiale sembrava limitata al Sistema 1: un pensiero veloce, intuitivo e automatico.
Tuttavia, con l’introduzione della ‘Chain of Thought’ (catena dei pensieri) e del progetto ‘o1/Strawberry’ di OpenAI, stiamo assistendo all’emergere del Sistema 2: un ragionamento lento, deliberato e logico. Invece di rispondere istantaneamente questi nuovi modelli utilizzano un ‘monologo interiore’ per decomporre problemi complessi. Il successo in test rigorosi come il MMLU, dove il modello o1 ha raggiunto il 92,3% superando la soglia degli esperti umani ferma all’89,8%, dimostra che l’IA sta imparando a pianificare.
Davanti a una macchina che risolve problemi matematici da Olimpiadi, ci rifugiamo ancora nel: ‘Sì, però non provano emozioni mentre risolvono l’equazione’.
4. La Scaling Hypothesis e i muri della Realtà Fisica
Al cuore di questa rivoluzione giace la Scaling Hypothesis: l’idea che l’aumento massiccio di parametri, dati e potenza di calcolo porti all’emergere di proprietà cognitive imprevedibili. È la ‘lezione amara’ descritta da Richard Sutton: ‘La lezione più grande che si può trarre da 70 anni di ricerca sull’Intelligenza Artificiale è che i metodi generali che sfruttano la computazione sono in definitiva i più efficaci.’ in The Bitter Lesson.
Tuttavia questa scalata verso la Artificial General Intelligence (AGI) si scontra oggi con tre ‘muri’ fisici:
* Dati: Lo stock di testo umano utilizzabile potrebbe esaurirsi tra il 2026 e il 2032, costringendo i ricercatori a cercare nuove strade.
* Computazione: La richiesta di petaFLOPs cresce più velocemente della Legge di Moore.
* Energia: L’addestramento di modelli di frontiera richiede ormai centrali elettriche dedicate e investimenti miliardari.
Il nostro scetticismo osserva questi limiti e spera: ‘Sì, però la natura finirà per fermare la loro crescita’.
5. Il soffitto biologico: perché l’ASI vedrà terre di nessuno a noi precluse
Il passaggio verso la Artificial Super Intelligence (ASI) mette a nudo i limiti intrinseci della nostra biologia. Mentre noi siamo vincolati dalla ‘Miller’s Law’ (il numero magico sette), che limita la nostra memoria di lavoro a pochi elementi simultanei, una super intelligenza non conosce tali restrizioni.
Noi ci siamo evoluti per sopravvivere nella savana, non per visualizzare oggetti in quattro dimensioni o comprendere le migliaia di interazioni chimiche in una rete metabolica. Esistono ‘terre di nessuno’ intellettuali che sono precluse ai nostri cervelli, ma accessibili alle macchine. Una ASI potrebbe non solo batterci al nostro gioco, ma iniziare a giocare a ‘giochi’ interamente diversi, comprendendo aspetti del mondo che per noi rimarranno per sempre rumore di fondo.
Eppure, l’ultimo baluardo rimane: ‘Sì, però non potranno mai godersi fragole e panna’.
