- L’Intelligenza Artificiale Generale (AGI) è un concetto ancora dibattuto e controverso, con poche definizioni condivise. Google DeepMind ha proposto una nuova definizione e una tassonomia dettagliata del settore, classificando l’AGI in cinque livelli di capacità: emergente, competente, esperto, virtuoso e sovrumano. Nessun livello oltre l’AGI emergente è stato ancora raggiunto.
- La tassonomia di DeepMind classifica l’AI in Narrow AI (ristretta) e General AI (generale), con ulteriori sottocategorie che variano dai semplici dispositivi non-AI ai sistemi superumani. Questo quadro evidenzia le sfide e le complessità nel raggiungere un’AGI che possa imitare o superare l’intelligenza umana.
- Le opinioni degli esperti sottolineano le sfide tecniche nel raggiungere l’AGI, come la difficoltà di imitare la memoria episodica umana e la comprensione incompleta dei modelli AI avanzati.
L’Intelligenza Artificiale Generale (AGI) rappresenta un traguardo ambito nell’ambito dell’AI, caratterizzato dalla capacità di una macchina di eseguire qualsiasi compito intellettuale che un essere umano può fare. Negli ultimi anni, abbiamo assistito a progressi significativi in cui l’intelligenza artificiale specialistica ha già superato gli esseri umani, ma quanto siamo vicini a raggiungere una vera AGI in grado di imitare e superare l’intelletto umano in modo olistico?
Indice degli argomenti:
Che cosa è l’AGI Intelligenza Artificiale Generale
L’AGI, o intelligenza artificiale generale, è oggi uno degli argomenti più caldi e controversi nel campo tecnologico. Una grande parte del problema è che poche persone concordano su cosa significhi il termine.
Un team di ricercatori di Google DeepMind ha pubblicato un articolo che taglia la confusione con non solo una nuova definizione di AGI, ma un’intera tassonomia del settore.
In termini ampi, l’AGI tipicamente significa intelligenza artificiale che corrisponde (o supera) gli esseri umani in una serie di compiti. Ma i dettagli su cosa si intenda per simile all’uomo, quali compiti e quanti, tendono ad essere trascurati: l’AGI è AI, ma migliore.
Per arrivare alla nuova definizione, il team di Google DeepMind è partito da definizioni esistenti di AGI e ha estratto ciò che ritengono siano le caratteristiche essenziali comuni.
Il team delinea anche cinque livelli ascendenti di AGI:
- emergente (che a loro avviso include chatbot all’avanguardia come ChatGPT e Bard)
- competente
- esperto
- virtuoso
- sovrumano (eseguendo un’ampia gamma di compiti meglio di tutti gli esseri umani, compresi compiti che gli umani non possono fare affatto, come decodificare i pensieri altrui, prevedere eventi futuri e parlare con gli animali).
Importante notare che nessun livello oltre l’AGI emergente è stato raggiunto nell’ambito dell’intelligenza artificiale generale quella che mira a superare le capacità umane mentre nell’ambito dell’intelligenza artificiale specialistica l’AGI ha già superato le capacità umane.
Il quadro dell’AGI proposto da DeepMind
La classificazione DeepMind per l’Intelligenza Artificiale Generale (AGI) si distingue per la sua enfasi sulla combinazione di performance e generalità. Questo quadro, che va oltre la semplice categorizzazione basata su compiti specifici, propone una tassonomia dettagliata che riflette la complessità e le sfide uniche associate allo sviluppo dell’AGI.
Performance e generalità
Performance: si riferisce alla profondità delle capacità di un sistema AI confrontata con le prestazioni umane in un compito specifico. Viene misurata in percentuale rispetto a un campione di adulti con competenze rilevanti.
Generalità: indica la varietà di competenze di un sistema di intelligenza artificiale, definendo il numero di compiti in cui il sistema può raggiungere un livello prestazionale prefissato. Questo concetto distingue tra Intelligenza Artificiale Ristretta, focalizzata su funzioni specifiche, e Intelligenza Artificiale Generale, progettata per imitare o superare le capacità intellettive umane.
Livelli di performance dell’AGI secondo DeepMind
Emerging (Emergente – Livello 1): questo livello rappresenta i sistemi AI che iniziano a dimostrare capacità in una varietà di compiti, pur rimanendo limitati in alcuni ambiti.
Competent (Competente – Livello 2): sistemi AI con capacità generali paragonabili alla media degli adulti in una varietà di compiti cognitivi.
Expert (Esperto – Livello 3): sistemi che superano la maggior parte degli esseri umani in una vasta gamma di compiti.
Virtuoso (Livello 4): sistemi che sono tra i migliori nel loro campo, superando quasi tutti gli esseri umani.
Superhuman (Superumano – Livello 5): sistemi che superano le capacità umane in ogni aspetto di un compito specifico.
Implicazioni per la sicurezza e sfide
DeepMind sottolinea l’importanza di considerare le implicazioni per la sicurezza, come il rischio di acquisire conoscenze avanzate in specifici campi senza sviluppare parallelamente competenze etiche. Il progresso tra i livelli di performance e/o generalità potrebbe essere non lineare, influenzando così i rischi associati.
Questo quadro proposto da DeepMind non solo classifica le varie forme di intelligenza artificiale ma ci fornisce anche una visione più chiara del percorso verso l’AGI e dei progressi fatti finora. La comprensione e la definizione di AGI, così come l’integrazione con politiche di scaling responsabile, rimangono un territorio complesso e in rapido sviluppo, rappresentando un importante passo avanti nella classificazione delle capacità dell’AGI.
La classificazione dell’Intelligenza Artificiale Ristretta e Generale
Esploriamo la tassonomia di Deep Mind suddivisa nelle due categorie.
Narrow AI (Intelligenza Artificiale Ristretta)
Narrow Non-AI: si tratta di dispositivi che, pur non essendo veri sistemi di intelligenza artificiale, svolgono funzioni molto specifiche. Esempi sono le calcolatrici e i compilatori che eseguono calcoli matematici o traducono codici sorgente in linguaggio macchina, senza utilizzare l’AI.
Emerging Narrow AI: questi sistemi si basano su regole semplici. Un esempio storico è SHRDLU, un programma degli anni ’70 per l’elaborazione del linguaggio naturale e la manipolazione di oggetti in un ambiente virtuale. Un altro esempio potrebbe essere un software che filtra le email come “spam” o “non spam” basandosi su parole chiave specifiche.
Competent Narrow AI: questi sistemi raggiungono una competenza paragonabile a quella di un adulto medio in determinati compiti. Includono strumenti come Jigsaw di Google per il rilevamento della tossicità online, assistenti vocali intelligenti (Siri, Alexa, Google Assistant) per il riconoscimento vocale e l’assistenza, e sistemi di risposta visiva come PaLI, oltre a modelli di linguaggio come Watson per compiti specifici quali la scrittura di brevi saggi.
Expert Narrow AI: sistemi che eccellono in compiti specifici, superando la maggior parte degli esseri umani. Esempi sono Grammarly, che offre correzioni ortografiche e grammaticali avanzate, e modelli generativi di immagini come Imagen e Dall-E 2, che creano immagini artistiche o realistiche da descrizioni testuali.
Virtuoso Narrow AI: questi sistemi sono leader nel loro campo, superando quasi tutti gli esseri umani. Esempi includono Deep Blue, il computer IBM che ha battuto il campione di scacchi Garry Kasparov, e AlphaGo di DeepMind, che ha sconfitto il campione di Go Lee Sedol.
Superhuman Narrow AI: sistemi che superano le capacità umane in ogni aspetto di un compito specifico, come AlphaFold nella previsione della struttura delle proteine e AlphaZero, eccellente in vari giochi di strategia.
General AI (Intelligenza Artificiale Generale)
General Non-AI: applicazioni che richiedono interventi umani per compiti vari, come Amazon Mechanical Turk, per micro-compiti che necessitano di giudizio umano.
Emerging AGI: sistemi AI che iniziano a mostrare capacità in una varietà di compiti ma non sono ancora pienamente competenti. Esempi sono piattaforme come ChatGPT e Bard, che mostrano avanzate capacità nel processamento del linguaggio naturale.
Competent AGI: questo livello, ancora non raggiunto, rappresenterebbe sistemi AI con capacità generali paragonabili alla media degli adulti in una vasta gamma di compiti cognitivi.
Expert AGI, Virtuoso AGI, e Artificial Superintelligence (ASI): questi livelli rappresentano stadi futuri di AGI in cui i sistemi superano significativamente le capacità umane in vari compiti, dalla creatività alla risoluzione di problemi complessi.
Questa classificazione evidenzia come l’AI possa variare da sistemi altamente specializzati a quelli che mirano a emulare o superare l’intelligenza umana in quasi tutti gli aspetti.
Visioni e riflessioni degli esperti sull’Intelligenza Artificiale Generale (AGI): tra sfide tecniche ed etiche
Cos’hanno da dire alcuni tra i più influenti pensatori nell’ambito dell’Intelligenza Artificiale Generale (AGI)?
Shane Legg, Chief AGI Scientist di Google DeepMind, un uomo la cui visione ha plasmato il futuro dell’AI, guarda al 2028 con una prospettiva affascinante: vede una probabilità del 50% di raggiungere l’AGI entro tale data. Tuttavia, ci avverte di un ostacolo significativo – il divario tra la memoria di addestramento a breve termine e quella a lungo termine, nota come memoria episodica. Secondo Legg, imitare questa doppia capacità di apprendimento umano è essenziale per realizzare l’AGI, una sfida che richiede un equilibrio delicato tra innovazione e comprensione della mente umana.
Meredith Ringel Morris, anch’essa di Google DeepMind, ci porta più in profondità nel cuore del problema. Morris enfatizza l’importanza di comprendere come funzionano i modelli AI all’avanguardia, come i grandi modelli di linguaggio. Tuttavia, ammette che ancora molto resta da scoprire e che la nostra comprensione attuale potrebbe non essere sufficiente per definire l’AGI in modo completo. Il suo approccio pragmatico ci ricorda che l’AGI è un terreno in continua evoluzione, dove ciò che possiamo misurare e comprendere oggi potrebbe essere la chiave per sbloccare i misteri di domani.
Julian Togelius, ricercatore in intelligenza artificiale e giochi, ci offre una prospettiva unica, mettendo in discussione l’utilità di dibattiti sulla superintelligenza e l’AGI. Sottolinea come il nostro attuale approccio alla costruzione di macchine intelligenti sia frutto di una collaborazione collettiva, piuttosto che del genio isolato. Togelius ci ricorda che la nostra comprensione dell’intelligenza umana è ancora limitata e che i nostri tentativi di creare un AGI dovrebbero riflettere questa umile consapevolezza.
Timnit Gebru, un’autorevole voce nel movimento per la diversità nella tecnologia e nell’intelligenza artificiale, ci porta a riflettere sui rischi dell’AGI. Critica l’idea di perseguire un sistema AI onnicomprensivo, quasi divino, mettendo in guardia dalle ambizioni smisurate delle grandi aziende tecnologiche. Gebru ci invita a riflettere sulle implicazioni etiche e sociali dell’AGI, mettendo in luce i pericoli di un approccio non regolamentato e l’importanza di mantenere il controllo umano su queste potenti tecnologie.
Queste voci ci offrono una visione sfaccettata dell’AGI, tra sfide tecniche, questioni etiche e dilemmi filosofici. Siamo di fronte a un campo in rapida evoluzione, dove ogni passo avanti nella tecnologia ci porta più vicini a comprendere non solo l’intelligenza artificiale, ma anche noi stessi come esseri umani.
I problemi irrisolti nella tassonomia di DeepMind e la comprensione dell’AI
Le indagini di DeepMind nel campo dell’Intelligenza Artificiale Generale (AGI) rappresentano un contributo significativo, offrendo una visione dettagliata e innovativa attraverso la loro tassonomia. Questo sforzo non si limita a tracciare le linee guida nel settore, ma stimola anche un dibattito fondamentale sul futuro dell’AI. Nonostante questi passi avanti, restano tuttavia questioni aperte che sollecitano ulteriori riflessioni e rappresentano una sfida continua per la ricerca.
Uno dei problemi più evidenti e insidiosi è l’errore nella misurazione delle capacità umane. In un campo delicato come l’AI, la misurazione delle abilità umane non è un compito da poco. Spesso soggette a errori significativi, queste valutazioni si scontrano con la necessità di confrontare oggettivamente e accuratamente le prestazioni delle macchine con quelle umane. La sfida qui non è solo tecnica, ma anche filosofica: come si può misurare qualcosa di così vario e complesso come l’intelligenza umana in modo da poterla confrontare con sistemi artificiali?
In aggiunta, emerge il problema della definizione stessa dell’intelligenza umana. Non abbiamo ancora una definizione chiara e universalmente accettata dell’intelligenza che possa essere modellata matematicamente. Questo dilemma ci porta nel cuore stesso della questione: senza una comprensione chiara di cosa sia l’intelligenza umana, come possiamo aspettarci di creare o valutare un’intelligenza artificiale che la imiti o la superi?
Un’ulteriore osservazione che merita attenzione è la velocità dell’AI specialistica. L’AI ristretta, specializzata in compiti specifici, ha già superato le capacità umane in molti ambiti. Ma attenzione, questo non implica necessariamente una superiore intelligenza intrinseca. Piuttosto, riflette la maggiore velocità di elaborazione delle tecnologie digitali. Questo è un punto cruciale: l’AI può essere incredibilmente efficiente, ma l’efficienza non è sinonimo di intelligenza generale.
Le sfide si intensificano quando ci spostiamo verso lo sviluppo dell’AGI generale. Stiamo tentando di realizzare qualcosa che non solo imiti, ma superi l’essere umano in un dominio che è stato al centro del pensiero umano per millenni. La domanda “Cosa è veramente l’intelligenza?” rimane aperta, una domanda senza una risposta definitiva, ma che guida la nostra ricerca.
Il lavoro di Deep Mind costituisce un’importante pietra miliare nella nostra comprensione dell’AI. Non è solo un progresso tecnologico, ma è anche un viaggio nell’intelligenza umana, nei suoi limiti e nelle sue potenzialità.
Conclusioni
In un ambito in continua evoluzione come quello dell’Intelligenza Artificiale Generale (AGI), il contributo di Google DeepMind è fondamentale. Con una tassonomia innovativa che pone l’accento sulla generalità e le prestazioni, il loro lavoro apre nuove prospettive per definire e classificare le capacità dell’AGI. La loro ricerca, caratterizzata da una classificazione meticolosa delle diverse forme di intelligenza artificiale, illumina il cammino verso la comprensione dell’AGI, delineando i traguardi già raggiunti e quelli che ci aspettano.
Tuttavia, il percorso verso la piena realizzazione dell’AGI, e infine dell’Intelligenza Artificiale Superintelligente (ASI), si prospetta ancora impervio e ricco di sfide. Oltre agli aspetti tecnologici, emergono questioni complesse che abbracciano diverse aree di conoscenza e richiedono un’attenzione profonda. La strada verso l’ASI non è soltanto un viaggio tecnologico, ma un percorso che intreccia tecnologia, filosofia, etica e un profondo esame delle capacità umane e delle loro potenzialità. In questo viaggio, ogni passo avanti non solo ci avvicina alla realizzazione dell’AGI, ma ci invita anche a riflettere sul significato stesso dell’intelligenza, sia artificiale che umana, aprendo un dialogo continuo tra l’uomo e la macchina.
