Non è chiaro.

In gran parte, il campo sta procedendo alla cieca. Potrebbe essere che non ci siano più ostacoli reali e che piccoli aggiustamenti alle tecniche attuali portino alla superintelligenza, o portino a IA abbastanza intelligenti da costruire IA leggermente più intelligenti che costruiscono IA leggermente più intelligenti che costruiscono IA superintelligenti.

Se ci sono ostacoli importanti, non sappiamo quanto tempo ci vorrà all'umanità per superarli (con o senza l'aiuto dell'IA).

Quello che sappiamo è che i principali laboratori di IA stanno spingendo esplicitamente in quella direzione, e sappiamo che stanno facendo progressi. Una volta le macchine non sapevano disegnare, parlare o scrivere codice; ora lo fanno.

Il settore è bravo a superare gli ostacoli.

Per decenni, le IA hanno faticato persino a distinguere un'immagine di un gatto da quella di un'auto. La svolta è arrivata nel 2012, quando i ricercatori dell'Università di Toronto Alex Krizhevsky, Ilya Sutskever e Geoffrey Hinton hanno progettato AlexNet, una rete neurale convoluzionale che ha superato di gran lunga lo stato dell'arte. Questo evento è ampiamente riconosciuto come l'inizio della rivoluzione moderna dell'IA, in cui le reti neurali artificiali sono utilizzate per far funzionare quasi tutte le IA moderne.

L'IA non era brava nei giochi da tavolo. Anche dopo che l'IA per gli scacchi Deep Blue ha sconfitto il grande maestro Garry Kasparov nel 1997, i computer facevano fatica con il numero molto più grande di mosse possibili nel gioco del Go. Questo fino al 2016, quando AlphaGo ha battuto il campione del mondo Lee Sedol dopo essersi addestrato su migliaia di partite giocate da umani, usando una nuova architettura che combinava reti neurali profonde con la ricerca ad albero. Dopo aver battuto il Go, il team di DeepMind ha usato lo stesso algoritmo in modo più generale, chiamato AlphaZero, e ha scoperto che dominava non solo nel Go, ma anche in altri giochi come gli scacchi e lo shogi.

I primi chatbot erano comunicatori limitati. Poi, nel 2020, il maturarsi dell'architettura dei trasformatori ha reso possibile GPT-3, che era abbastanza sofisticato da tradurre testi, rispondere a domande e persino generare campioni di articoli di notizie che sembravano reali. Una volta riaddestrato leggermente per comportarsi come un chatbot, è diventato l'applicazione consumer con la crescita più rapida di tutti i tempi.

Ci sono ostacoli tra l'IA moderna e quella "vera", il tipo di IA che potrebbe diventare o creare una superintelligenza?

Forse sì. Forse servono più intuizioni architettoniche, come quelle dietro ad AlexNet che hanno aperto la strada all'intero campo dell'IA moderna, o quelle dietro ad AlphaZero che hanno finalmente permesso alle IA di eccellere in più giochi utilizzando lo stesso algoritmo, o quelle dietro a ChatGPT che hanno fatto sì che i computer iniziassero a parlare. (O forse no; forse le moderne IA supereranno silenziosamente qualche soglia e sarà tutto lì.)

Ma se ci sono ancora degli ostacoli, i ricercatori del settore probabilmente li supereranno. Sono piuttosto bravi in questo, e ora ci sono molti più ricercatori che lavorano a questo problema rispetto al 2012.

A luglio 2025, le IA faticano a svolgere compiti che richiedono memoria a lungo termine e pianificazione coerente, come giocare al videogioco Pokémon. Si potrebbe essere tentati di unirsi agli scettici e ridere degli ultimi fallimenti delle IA: come possono delle IA che faticano con semplici videogiochi avvicinarsi alla superintelligenza?

Allo stesso modo, nel 2019 le IA facevano davvero fatica a parlare in modo coerente. Ma questo non significava che il successo fosse lontano vent'anni. I laboratori stanno lavorando sodo per capire cosa impedisce alle IA di fare bene in certi tipi di compiti e probabilmente stanno trovando nuove architetture che funzionano meglio con la memoria a lungo termine e la pianificazione. Nessuno sa cosa saranno in grado di fare queste IA.

Se questa nuova fase non sarà sufficiente perché le IA comincino ad automatizzare la ricerca scientifica e tecnologica (compreso lo sviluppo di IA ancora più intelligenti), i ricercatori si concentreranno semplicemente sull'ostacolo successivo. Continueranno ad andare avanti, a meno che e fino a quando l'umanità non intervenga e vieti tale ricerca, un argomento che tratteremo nei capitoli successivi.

Notes