Cos'è l'AGI, l'orizzonte dell'AI
L'AGI, in italiano Intelligenza Artificiale Generale – o "forte", in contrapposizione all'AI "debole" – è attualmente un concetto puramente teorico: di fatto, non esiste. Nonostante ciò, l'AGI è l'idea alla base della ricerca sull'AI. L'AGI è il sogno, l'obiettivo, la tendenza e la mèta finale di ogni studioso del settore, il Sacro Graal di tutte le startup tecnologiche (ma anche colossi, vedi Meta) e l'Ultima Thule di ogni ingegnere informatico. In breve, l'AGI è l'ultimo stadio evolutivo dell'AI . Ma, per il momento, ne rappresenta soltanto l'orizzonte. In questo articolo proviamo a fare chiarezza sul concetto di AGI e sullo stato dell'AI attuale.
Un passo indietro: l'AI attuale
L'AI attuale – da quella classica ("rule-based") a quella generativa – esiste in innumerevoli forme, tutte accomunate da un unico grande limite: funzionano solo in alcuni campi specifici. Ad esempio, i sistemi di AI di Computer Vision, specializzati nel riconoscimento e nella generazione di immagini, non possono creare siti web. L'AI generativa conversazionale (come Chat GPT) che pure può essere impiegata in una vasta gamma di applicazioni, opera nel campo dell'elaborazione del linguaggio naturale (NLP), e non può, ad esempio, generare musica. Esistono poi alcuni modelli di AI addestrati per funzionare estremamente bene in un singolo ed unico compito (giocare a scacchi o partecipare a quiz televisivi). Quest'ultimo tipo di AI è detta AI ristretta ("narrow"). L'AGI, al contrario, promette un sistema di AI umanoide che può fare tutto questo alla perfezione (oltre che prepararti il caffè la mattina senza che tu glielo chieda). Questa è la differenza fondamentale tra AI attuale e AGI, ma non è l'unica.
L'AI attuale ha anche altri limiti. La tradizionale AI rule-based, per esempio, non può apprendere dalle esperienze passate: è dotata di un algoritmo e regole predefinite ed è programmata per eseguire sempre gli stessi comandi. Il Machine Learning (apprendimento automatico, che può esser supervisionato, non supervisionato o per rinforzo), decisamente più avanzato, riesce invece ad adattarsi e ad imparare sulla base dell'esperienza, ma la sua efficacia rimane in ogni caso legata alla qualità dei dati di addestramento; dati parziali o distorti possono portare a risultati imprecisi (come si è visto in alcune tecnologie di riconoscimento facciale). L'AI generativa, che è la punta di diamante della tecnologia attuale, riesce infine a generare contenuti realistici e spontanei, ma, oltre ad essere vincolata dal set di dati di addestramento come il ML, ha ampiamente dimostrato di non comprendere il contesto o gli output prodotti (si vedano le allucinazioni).
L'Artificial General Intelligence, l'orizzonte dell'AI
Un sistema dotato di AGI, a differenza dei modelli di AI moderni, dovrebbe non solo essere capace di fare tutto ciò che può fare un essere umano, ma anche di farlo meglio. Questo include anche la capacità di comprendere, ragionare, adattarsi e intuire soluzioni a problemi complessi. Chiaramente, si tratta di competenze che oltrepassano l'intelligenza e che richiedono creatività, adattamento al contesto, comprensione del mondo e consapevolezza emotiva. L'AGI dovrebbe anche avere una sua dimensione concreta e pragmatica, una sua fisicità (il punto di contatto fra AI e robotica), per adempiere compiti in autonomia similmente agli umani. Alcuni esperti ritengono che le recenti evoluzioni dei LLMs, come GPT-4, mostrino "scintille di AGI" ("sparks of AGI"). Va da sé che, nonostante ciò, l'AGI rimane ancora un concetto teorico all'orizzonte. L'impatto di una simile tecnologia sulla nostra società sarebbe veramente rivoluzionario, ma è necessario distinguere l'AGI dall'Intelligenza Artificiale Superintelligente (ASI), un concetto ancora più avanzato che implicherebbe autocoscienza e capacità decisionali autonome (come, ad esempio, lo scenario ancora del tutto fantascientifico dei robot che prendono il controllo).
