L'intelligenza artificiale generale è un'IA in grado di gestire quasi tutti i compiti intellettuali di una persona, inclusi quelli per cui non è mai stata addestrata. È importante perché chiunque rivendichi in modo credibile il suo possesso avrà il potere di riscrivere le regole in materia di lavoro, denaro e sicurezza. E la risposta onesta alla domanda “quanto siamo vicini?” dipende interamente dal punto di vista da cui si osserva il traguardo.
Punti chiave
- L'intelligenza artificiale generale non ha una definizione univoca e condivisa, quindi ogni data di lancio presuppone implicitamente un test specifico.
- I modelli linguistici appaiono ampi grazie a un addestramento intensivo, tuttavia i loro pesi solitamente rimangono invariati una volta terminato l'addestramento.
- Nel test ARC-AGI-3 con ragionamento massimo, GPT-6.2 Astra ha ottenuto un punteggio del 70,3% nella configurazione standard e del 99,8% con stato di ragionamento persistente.
- I ricercatori nel campo dell'intelligenza artificiale intervistati prevedono che le macchine supereranno gli esseri umani in determinati compiti decenni prima di poter automatizzare ogni professione.
- Le impalcature che aggiungono memoria ai modelli colmano lacune reali, sfumando il confine tra modello e sistema.
Che cos'è l'intelligenza artificiale generale e quanto siamo vicini a essa?
L'intelligenza artificiale generale, o AGI, è l'IA promessa da tempo che non necessita di un nuovo team di sviluppo per ogni nuova funzione. I chatbot odierni scrivono codice, redigono contratti e spiegano la normativa fiscale, attività che già di per sé sembrano piuttosto generiche.
Non proprio.
Ecco la distinzione che la maggior parte degli articoli tralascia: sapere molto non è la stessa cosa che imparare qualcosa. Un modello addestrato sulla maggior parte di ciò che si trova su internet è generico, proprio come un'enciclopedia. L'intelligenza generale è la capacità di affrontare qualcosa che non è stato coperto dai dati di addestramento, di trovare una soluzione e di ricordare ciò che si è appreso.
L'ampiezza è ciò che un modello apporta alla discussione. La generalità è ciò che si porta a termine.
Quindi, quanto siamo vicini? Più vicini di quanto si aspettassero gli scettici del 2023, più lontani di quanto lascino intendere i discorsi di lancio, e il divario più evidente che rimane si trova in un luogo sorprendentemente poco appariscente: la memoria. Ogni titolo sull'AGI è in realtà un'affermazione su un test specifico, e sapere quale test è stato eseguito vi dice se potete scrollarvi le spalle o prestarci attenzione.
Perché l'intelligenza artificiale odierna sembra generica quando in realtà non lo è?
La risposta sta nel modo in cui vengono costruiti i modelli linguistici di grandi dimensioni. Vengono addestrati una sola volta su un'enorme quantità di testo, dopodiché i loro pesi (i miliardi di numeri interni che memorizzano ciò che il modello ha appreso) vengono congelati. Qualsiasi apprendimento successivo avviene all'interno della conversazione e svanisce al termine della sessione, a meno che un sistema esterno non lo salvi.
Ecco perché ChatGPT ha cambiato la percezione pubblica in un modo che nessuna IA precedente era mai riuscita a fare. Deep Blue giocava a scacchi e AlphaGo a Go, ma ChatGPT parlava di qualsiasi cosa e, dall'esterno, l'ampiezza di vedute sembrava proprio sinonimo di generalità.
Guarda all'interno e il profilo diventa irregolare. Quando Una definizione di AGI, un modello elaborato da un gruppo guidato da Dan Hendrycks con coautori tra cui Yoshua Bengio e Gary Marcus, ha valutato i modelli sulle batterie di test cognitivi che gli psicologi usano sulle persone, GPT-4 ha raggiunto il 27% e GPT-5 ha raggiunto il 57%. Gli autori hanno definito il profilo “irregolare”, forte nella conoscenza ma con deficit critici nella memoria a lungo termine.
Immaginate un consulente brillante affetto da amnesia: eccezionale durante la riunione, un perfetto sconosciuto la mattina successiva. Immensamente utile, ma non ancora di uso comune. Per voi, questo significa che ciò che un chatbot sa è impressionante, mentre ciò che ricorda della sua interazione con voi dipende dal prodotto che lo supporta.
Se vuoi conoscere i dettagli tecnici di come un modello trasforma il tuo prompt in una risposta, consulta la nostra spiegazione su come l'IA prende decisioni ci passa attraverso.
I tre traguardi dell'intelligenza artificiale generale
Nessuno si mette d'accordo su una data, in parte perché le persone corrono verso traguardi diversi. Noi raggruppiamo le definizioni più importanti in tre, che chiamiamo i Tre Traguardi: Conoscere, Imparare e Lavorare.
La linea Know chiede se l'IA eguaglia un adulto ben istruito in dieci domini cognitivi, che è lo standard Hendrycks. La linea Learn chiede se può acquisire qualsiasi nuova abilità con la stessa efficienza di una persona, che è esattamente come Il premio ARC definisce l'AGI. La linea di lavoro è quella commerciale, scritta nel Carta OpenAI come “sistemi altamente autonomi che superano le prestazioni umane nella maggior parte delle attività economicamente più redditizie”.”
| Linea del traguardo | Chi lo disegna | Cosa testa | A che punto si trova l'intelligenza artificiale, novembre 2026 |
|---|---|---|---|
| Sapere | Hendrycks e coautori | Ampiezza in dieci ambiti cognitivi | Forte nelle conoscenze, debole nella memoria a lungo termine. |
| Imparare | Premio ARC | Acquisire nuove competenze con la stessa efficacia degli esseri umani | Cancellato ARC-AGI-3 solo con strumenti di memoria del fornitore |
| Lavoro | Carta OpenAI | Battere gli esseri umani nel lavoro economicamente più redditizio | Gli esperti prevedono l'automazione completa del lavoro decenni dopo la parità dei compiti |
Le linee non sono gerarchizzate e oltrepassarne una non comporta il superamento delle altre. I ricercatori di Google DeepMind, tra cui il cofondatore Shane Legg, hanno spinto questo stesso concetto ancora oltre, proponendo diversi livelli di intelligenza artificiale generale (AGI) anziché un singolo momento binario, un sì o un no.
La prossima volta che un CEO afferma che l'intelligenza artificiale generale (AGI) sarà disponibile tra due anni, chiedetegli di quale linea di prodotti si tratta. La risposta, di solito, rivela più dettagli sul modello di business che sulla tecnologia.
Quanto è vicina l'intelligenza artificiale all'intelligenza artificiale generale al momento?
La linea Learn era un tempo quella accademica, il test che si poteva ignorare mentre i chatbot miglioravano negli esami. Tutto è cambiato quando gli agenti IA hanno iniziato a svolgere autonomamente attività complesse, perché un agente che non può imparare sul campo deve essere guidato passo passo in ogni nuova situazione.
ARC-AGI-3, lanciato nel marzo 2026, inserisce agenti IA in piccoli mondi di gioco senza istruzioni, senza regole e senza un obiettivo dichiarato, e gli umani possono risolverli tutti. Il 17 novembre, Risultati verificati di GPT-6.2 Astra I risultati hanno mostrato che il modello di OpenAI, al massimo livello di ragionamento, ha ottenuto un punteggio del 70,3% nell'ambiente standard di ARC (il wrapper software che collega un modello al test), dove il modello decide quali note portare avanti, e del 99,8% nell'ambiente Provider Adapter, che preserva il suo stato di ragionamento nascosto tra le fasi.
Stesso modello, stessi giochi, stessa impostazione di ragionamento. La differenza tra il 70% e quasi il 100% era la memoria.
Quando a settembre il precedente modello GPT-6 Astra ha ottenuto punteggi quasi perfetti, ARC Prize ha dichiarato chiaramente di “non voler affermare di essere un'intelligenza artificiale generale” e ha sottolineato che i suoi giochi hanno regole chiuse e deterministiche, a differenza del caotico mondo reale. Riteniamo che questa sia la scelta giusta e il resoconto più onesto dei progressi compiuti nel settore: l'IA è ora in grado di apprendere un nuovo mondo in una singola sessione, e la questione aperta riguarda l'apprendimento continuo (abilità che persistono e si consolidano anche dopo la fine della sessione).
Per te, questo diventa un test concreto. Osserva se i tuoi strumenti di intelligenza artificiale migliorano nel tuo specifico lavoro più a lungo lo svolgono, senza che nessuno li addestri nuovamente.
Perché gli esperti non riescono a concordare su una data per l'AGI
Se si chiede quando arriverà l'intelligenza artificiale generale (AGI), la risposta dipende dalla linea temporale che il previsore sta monitorando; ecco perché le previsioni più attendibili vanno da pochi anni al prossimo secolo.
La prova più chiara proviene da un singolo studio. Nel Indagine sull'impatto dell'IA Su 2.778 ricercatori nel campo dell'intelligenza artificiale, gli intervistati hanno stimato una probabilità del 50% che le macchine superino gli esseri umani in ogni possibile compito entro il 2047, ma una probabilità del 50% che ogni professione umana diventi completamente automatizzabile solo entro il 2116.
Gli stessi esperti, lo stesso sondaggio, un divario di 69 anni tra svolgere compiti e svolgere lavori.
Le definizioni aziendali sono ancora più sfuggenti. Nell'ottobre 2025, OpenAI e Microsoft hanno concordato che un gruppo di esperti indipendenti verificherebbe qualsiasi dichiarazione AGI, e entro aprile 2026 L'annuncio di Microsoft Un accordo modificato prevede che i pagamenti di quote di ricavi continuino fino al 2030 “indipendentemente dai progressi tecnologici di OpenAI ”. In altre parole, una data AGI è una definizione mascherata da calendario.
L'abitudine utile è quella di tradurre ogni previsione nel suo traguardo finale prima di decidere quanto preoccuparsi o entusiasmarsi.
È importante che l'IA impari davvero, purché svolga il lavoro?
L'obiezione più forte a tutto quanto detto sopra è diretta: se un sistema scrive il codice, chiude i ticket e invia il report, a chi importa se “impara davvero”? Questa è essenzialmente la linea di pensiero di Work, ed è una contestazione legittima.
Dobbiamo ammetterlo, laddove regge. Per un libero professionista che automatizza le fatture o per un'azienda che gestisce agenti di codifica, uno scaffold che aggiunge memoria a un modello è valido quanto la memoria integrata nel modello stesso, e i risultati di ARC dimostrano che gli scaffold colmano lacune reali.
Il problema sorge nella parte non pianificata del lavoro, che costituisce la maggior parte di esso. Il cliente che cambia idea, il processo che è cambiato martedì scorso, la regola non scritta che tutti conoscono: un sistema che non riesce a integrare queste lezioni rimane un semplice lavoratore interinale piuttosto che un collega a tempo pieno.
Il mondo fisico è un'ulteriore prova che nessuna delle tre linee copre completamente. aziende di robot umanoidi Ora, l'impiego di macchine negli stabilimenti produttivi rappresenta un utile riscontro di realtà per le affermazioni sull'intelligenza artificiale generale fatte all'interno di una finestra di chat.
Traduttore di gergo
Pesi: I miliardi di numeri all'interno di un modello che memorizzano tutto ciò che ha appreso durante l'addestramento. Nella maggior parte dei prodotti odierni, questi numeri rimangono fissi dopo il lancio, ed è per questo che i chatbot non diventano più intelligenti interagendo con te.
Imbracatura: Il software wrapper che collega un modello a un'attività, decidendo cosa vede, quali strumenti utilizza e cosa può memorizzare. Stesso modello, strumentazione diversa, risultati molto diversi.
Intelligenza spigolosa: Un profilo di capacità caratterizzato da picchi altissimi e improvvisi cali, come superare brillantemente un esame di diritto dimenticando la conversazione del giorno prima. Ecco perché i punteggi ottenuti in singoli test di riferimento sono così spesso fuorvianti.
Apprendimento continuo: La capacità di continuare ad acquisire competenze anche dopo la fine del percorso formativo, con lezioni che permangono e si basano l'una sull'altra. È questo l'elemento che, secondo la maggior parte dei ricercatori, manca nei sistemi attuali.
Domande frequenti sull'intelligenza artificiale generale
Siamo davvero entusiasti della rapidità con cui le linee Know and Learn stanno scendendo. Tuttavia, ci fidiamo di un segnale inequivocabile più di qualsiasi discorso: l'AGI arriverà quando un'IA migliorerà nel tuo lavoro facendolo e ricorderà il perché. Fino ad allora, lavoreremo con il collega più brillante e smemorato mai creato, e questo è già un grande risultato.

Leave A Comment