La discussione sull’intelligenza artificiale generale (AGI) ha acquisito ancora una volta rilevanza, soprattutto con i recenti progressi nell’intelligenza artificiale e l’interesse per modelli innovativi come Sora di OpenAI. L’AGI promette di equiparare la capacità di apprendere e di svolgere compiti intellettuali al livello umano, una prospettiva allo stesso tempo entusiasmante e inquietante. Tuttavia, la domanda che rimane è se l’attuale percorso dell’intelligenza artificiale, in particolare attraverso il deep learning, ci stia davvero avvicinando all’AGI.
Il futuro dell’Intelligenza Artificiale Generale (AGI): prospettive e sfide
Il deep learning, nonostante il suo successo e la sua popolarità in applicazioni come ChatGPT, presenta limitazioni significative nel raggiungimento dell’AGI. Richiede grandi insiemi di dati e costose risorse computazionali e, sebbene sia eccezionale nel derivare regole statistiche per prevedere i fenomeni, questo approccio basato sulla previsione si scontra con l’incertezza insita nel mondo naturale.
L’AGI, ispirandosi alla capacità decisionale umana, esige qualcosa di più della creazione esaustiva di regole per ciascun fenomeno. Noi, come esseri umani, adattiamo e modifichiamo le regole esistenti per prendere decisioni efficaci, una capacità che il deep learning attualmente non può replicare. Invece di classificare ogni nuovo oggetto che incontriamo in base a caratteristiche predefinite, utilizziamo un approccio più robusto e adattivo, imparando da situazioni analoghe precedenti.
Il processo decisionale in condizioni di profonda incertezza (DMDU) potrebbe offrire un quadro concettuale più appropriato per sviluppare un ragionamento di tipo AGI. Metodi come il Robust Decision Making si concentrano sull’analisi della vulnerabilità delle decisioni alternative in vari scenari futuri senza richiedere una riqualificazione costante. Questi metodi cercano di identificare decisioni che dimostrino robustezza, ovvero la capacità di funzionare bene in futuri diversi, offrendo un approccio più allineato al ragionamento umano e adattabile alle incertezze del mondo reale.
Lo sviluppo di veicoli autonomi (AV) illustra l’applicazione di questo approccio. Nonostante gli investimenti significativi nel deep learning, i modelli attuali spesso falliscono in situazioni impreviste. L’adozione di un approccio decisionale solido, che valuti in tempo reale l’adeguatezza delle varie decisioni in scenari di traffico specifici, potrebbe migliorare le prestazioni AV riducendo la necessità di una riqualificazione costante e un migliore adattamento alle incertezze del mondo reale.
Prevedere quando sarà raggiunta l’Intelligenza Generale Artificiale (AGI) è un argomento di notevole dibattito e speculazione all’interno della comunità scientifica e tecnologica. L’AGI, definita come un’intelligenza artificiale in grado di apprendere, comprendere e applicare la conoscenza in un’ampia gamma di compiti a livello di un essere umano, presenta significative sfide tecniche, etiche e teoriche. Personalmente non la vedo chiara prima del 2050.
I progressi nel deep learning e in altre aree dell’intelligenza artificiale hanno portato a progressi impressionanti in compiti specifici, dal riconoscimento delle immagini alla generazione di testo e al gioco degli scacchi. Tuttavia, queste applicazioni operano ancora in ambiti limitati e non possiedono la flessibilità, l’adattabilità e la comprensione generale che caratterizzerebbero l’AGI.
I fattori che influenzano il tempo stimato per raggiungere l’AGI includono:
- Progressi tecnologici: la velocità del progresso nella ricerca e nello sviluppo di nuove architetture di intelligenza artificiale, algoritmi e approcci computazionali.
- Investimenti e risorse: la quantità di risorse, sia finanziarie che umane, dedicate alla ricerca sull’IA.
- Sfide tecniche: superare gli attuali limiti nella comprensione della cognizione umana e nell’implementazione di questa comprensione nei sistemi di intelligenza artificiale.
- Considerazioni etiche e di sicurezza: la necessità di garantire che l’AGI agisca in modo etico e sicuro, il che potrebbe richiedere lo sviluppo di nuovi quadri normativi ed etici.
Anche altri esperti prevedono che l’AGI potrebbe diventare realtà nei prossimi decenni, citando la rapida accelerazione della tecnologia e i crescenti investimenti nel campo dell’intelligenza artificiale. Altri, tuttavia, mettono in guardia dall’eccessivo ottimismo e sottolineano le enormi sfide che restano da superare, suggerendo che l’AGI potrebbe essere più lontana di quanto alcuni prevedono. C’è anche chi crede che arriverà tra meno di 5 anni…