Cos'è l'intelligenza generale artificiale (AGI) e perché non è ancora qui: una verifica della realtà per gli appassionati di intelligenza artificiale

Artificial Intelligence (AI) è ovunque. Dagli assistenti intelligenti a automobili auto-guida, i sistemi di intelligenza artificiale stanno trasformando le nostre vite e le nostre attività. Ma cosa accadrebbe se esistesse un’intelligenza artificiale in grado di fare di più che eseguire compiti specifici? E se esistesse un tipo di intelligenza artificiale in grado di apprendere e pensare come un essere umano o addirittura superare l’intelligenza umana?

Questa è la visione di Intelligenza Artificiale Generale (AGI), una forma ipotetica di intelligenza artificiale che ha il potenziale per svolgere qualsiasi compito intellettuale che gli esseri umani possono compiere. AGI è spesso in contrasto con Intelligenza artificiale stretta (ANI), lo stato attuale dell'intelligenza artificiale che può eccellere solo in uno o pochi ambiti, come giocare a scacchi o riconoscere i volti. L’AGI, d’altra parte, avrebbe la capacità di comprendere e ragionare in più ambiti, come il linguaggio, la logica, la creatività, il buon senso e le emozioni.

L’AGI non è un concetto nuovo. È stata la visione guida della ricerca sull’intelligenza artificiale fin dagli albori e rimane la sua idea più controversa. Alcuni entusiasti dell’intelligenza artificiale ritengono che l’AGI sia inevitabile e imminente e porterà a una nuova era di progresso tecnologico e sociale. Altri sono più scettici e cauti e avvertono dei rischi etici ed esistenziali legati alla creazione e al controllo di un’entità così potente e imprevedibile.

Ma quanto siamo vicini al raggiungimento dell’AGI e ha senso provarci? Questa è, infatti, una domanda importante la cui risposta potrebbe fornire un confronto con la realtà per gli appassionati di intelligenza artificiale desiderosi di assistere all’era dell’intelligenza sovrumana.

Cos'è AGI e in cosa differisce dall'intelligenza artificiale?

L’AGI si distingue dall’intelligenza artificiale attuale per la sua capacità di svolgere qualsiasi compito intellettuale che gli esseri umani possono, se non addirittura superarli. Questa distinzione riguarda diverse caratteristiche chiave, tra cui:

• pensiero astratto
• la capacità di generalizzare da istanze specifiche
• attingendo da conoscenze di base diverse
• utilizzare il buon senso e la coscienza per prendere decisioni
• comprendere la causalità piuttosto che la semplice correlazione
• comunicazione e interazione efficaci con gli esseri umani e altri agenti.

Sebbene queste caratteristiche siano vitali per ottenere un’intelligenza simile a quella umana o sovrumana, rimangono difficili da catturare per gli attuali sistemi di intelligenza artificiale.

L’attuale intelligenza artificiale si basa prevalentemente sull’apprendimento automatico, una branca dell’informatica che consente alle macchine di apprendere da dati ed esperienze. L'apprendimento automatico funziona attraverso supervisionato, senza sorveglianzae insegnamento rafforzativo.

L’apprendimento supervisionato prevede l’apprendimento automatico da dati etichettati per prevedere o classificare nuovi dati. L’apprendimento non supervisionato implica la ricerca di modelli in dati non etichettati, mentre l’apprendimento di rinforzo si concentra sull’apprendimento da azioni e feedback, sull’ottimizzazione dei premi o sulla minimizzazione dei costi.

Nonostante abbia ottenuto risultati notevoli in settori come visione computerizzata ed elaborazione del linguaggio naturale, gli attuali sistemi di intelligenza artificiale sono vincolati dalla qualità e dalla quantità dei dati di addestramento, da algoritmi predefiniti e da obiettivi di ottimizzazione specifici. Spesso hanno bisogno di aiuto con l’adattabilità, soprattutto in situazioni nuove, e di maggiore trasparenza nello spiegare il loro ragionamento.

Al contrario, si prevede che l’AGI sia libera da queste limitazioni e non faccia affidamento su dati, algoritmi o obiettivi predefiniti ma piuttosto sulle proprie capacità di apprendimento e di pensiero. Inoltre, l’AGI potrebbe acquisire e integrare conoscenze provenienti da diverse fonti e domini, applicandole senza soluzione di continuità a compiti nuovi e diversificati. Inoltre, l’AGI eccellerebbe nel ragionamento, nella comunicazione, nella comprensione e nella manipolazione del mondo e di se stessa.

Quali sono le sfide e gli approcci per raggiungere l’AGI?

La realizzazione dell’AGI pone sfide considerevoli che comprendono dimensioni tecniche, concettuali ed etiche.

Ad esempio, definire e misurare l’intelligenza, comprese componenti come memoria, attenzione, creatività ed emozioni, è un ostacolo fondamentale. Inoltre, modellare e simulare le funzioni del cervello umano, come percezione, cognizione ed emozione, presenta sfide complesse.

Inoltre, le sfide critiche includono la progettazione e l’implementazione di algoritmi e architetture di apprendimento e ragionamento scalabili e generalizzabili. Anche garantire la sicurezza, l’affidabilità e la responsabilità dei sistemi AGI nelle loro interazioni con gli esseri umani e altri agenti e allineare i valori e gli obiettivi dei sistemi AGI con quelli della società è della massima importanza.

Varie direzioni e paradigmi di ricerca sono stati proposti ed esplorati nella ricerca dell'AGI, ciascuno con punti di forza e limiti. AI simbolico, un approccio classico che utilizza la logica e i simboli per la rappresentazione e la manipolazione della conoscenza, eccelle in problemi astratti e strutturati come la matematica e gli scacchi, ma necessita di aiuto per ridimensionare e integrare i dati sensoriali e motori.

Analogamente, IA connessionista, un approccio moderno che impiega reti neurali e deep learning per elaborare grandi quantità di dati, eccelle in ambiti complessi e rumorosi come la visione e il linguaggio, ma necessita di aiuto per l'interpretazione e le generalizzazioni.

IA ibrida combina l’intelligenza artificiale simbolica e connessionista per sfruttare i suoi punti di forza e superare le debolezze, puntando a sistemi più robusti e versatili. Allo stesso modo, EIA volontaria utilizza algoritmi evolutivi e programmazione genetica per far evolvere i sistemi di intelligenza artificiale attraverso la selezione naturale, cercando soluzioni nuove e ottimali non vincolate dalla progettazione umana.

Infine, IA neuromorfica utilizza hardware e software neuromorfici per emulare i sistemi neurali biologici, mirando a modelli cerebrali più efficienti e realistici e consentendo interazioni naturali con esseri umani e agenti.

Questi non sono gli unici approcci all’AGI ma alcuni dei più importanti e promettenti. Ciascun approccio presenta vantaggi e svantaggi e devono comunque raggiungere la generalità e l’intelligenza richieste dall’AGI.

AGI Esempi e applicazioni

Sebbene l’AGI non sia stata ancora raggiunta, alcuni esempi degni di nota di sistemi di intelligenza artificiale mostrano alcuni aspetti o caratteristiche che ricordano l’AGI, contribuendo alla visione di un eventuale raggiungimento dell’AGI. Questi esempi rappresentano i passi avanti verso l'AGI mettendo in mostra capacità specifiche:

Alpha Zero, sviluppato da DeepMind, è un sistema di apprendimento per rinforzo che impara autonomamente a giocare a scacchi, shogi e Go senza la conoscenza o la guida umana. Dimostrando abilità sovrumane, AlphaZero introduce anche strategie innovative che sfidano la saggezza convenzionale.

Analogamente, OpenAI GPT-3 genera testi coerenti e diversificati su vari argomenti e attività. Capace di rispondere a domande, comporre saggi e imitare diversi stili di scrittura, GPT-3 mostra versatilità, anche se entro certi limiti.

Analogamente, NEAT, un algoritmo evolutivo creato da Kenneth Stanley e Risto Miikkulainen, evolve le reti neurali per attività come il controllo dei robot, il gioco e la generazione di immagini. La capacità di NEAT di evolvere la struttura e la funzione della rete produce soluzioni nuove e complesse non predefinite dai programmatori umani.

Se da un lato questi esempi illustrano i progressi verso l’AGI, dall’altro sottolineano anche i limiti e le lacune esistenti che richiedono ulteriore esplorazione e sviluppo nel perseguimento di una vera AGI.

Implicazioni e rischi dell'AGI

L’AGI pone sfide scientifiche, tecnologiche, sociali ed etiche con profonde implicazioni. Dal punto di vista economico, potrebbe creare opportunità e sconvolgere i mercati esistenti, aumentando potenzialmente la disuguaglianza. Migliorando l’istruzione e la salute, l’AGI può introdurre nuove sfide e rischi.

Eticamente, potrebbe promuovere nuove norme, cooperazione ed empatia e introdurre conflitti, competizione e crudeltà. L’AGI può mettere in discussione significati e scopi esistenti, espandere la conoscenza e ridefinire la natura e il destino umani. Pertanto, le parti interessate devono considerare e affrontare queste implicazioni e rischi, inclusi ricercatori, sviluppatori, responsabili politici, educatori e cittadini.

Conclusione

L’AGI è in prima linea nella ricerca sull’intelligenza artificiale, promettendo un livello di intelletto che supera le capacità umane. Anche se la visione affascina gli appassionati, le sfide persistono nel realizzare questo obiettivo. L’attuale intelligenza artificiale, che eccelle in settori specifici, deve soddisfare il potenziale espansivo dell’AGI.

Numerosi approcci, dall’IA simbolica e connessionista ai modelli neuromorfici, mirano alla realizzazione dell’AGI. Esempi degni di nota come AlphaZero e GPT-3 mostrano i progressi, ma la vera AGI rimane sfuggente. Con implicazioni economiche, etiche ed esistenziali, il viaggio verso l’AGI richiede attenzione collettiva ed esplorazione responsabile.