LE AI ATTUALI EVOLVONO IN AGI?

Prima di tutto: le AI non evolvono da sole

Se avete seguito l'Intelligenza Artificiale negli ultimi tre o quattro anni saprete certamente quanto sia diventato facile raccontare ogni nuova generazione di modelli come se fosse una tappa biologica, quasi che GPT, Gemini, Claude e compagnia bella crescessero spontaneamente dentro un datacenter fino a svegliarsi un mattino trasformati in AGI. Io la vedo in maniera molto più concreta: le AI attuali NON EVOLVONO DA SOLE, siamo noi a far evolvere i sistemi attraverso più potenza di calcolo, migliori procedure di addestramento, reinforcement learning, dati più curati, multimodalità, memoria, uso di strumenti, architetture agentiche ed una quantità di ricerca che cambia continuamente il modo nel quale quei modelli vengono utilizzati. La domanda interessante però rimane intatta, perché non sappiamo ancora se continuando su questa strada arriveremo gradualmente ad una intelligenza generale oppure se ad un certo punto incontreremo un limite che richiederà qualche cosa di sostanzialmente nuovo.

A me interessa soprattutto evitare le due risposte troppo comode; la prima è dire che basta aumentare i parametri e le GPU (si fà per dire, vale per qualsiasi infrastruttura tecnologica che possa essere scalata) ed inevitabilmente comparirà l'AGI, perché questa inevitabilità non è stata dimostrata. La seconda, per opposto, è sostenere che gli attuali sistemi siano per definizione incapaci di arrivarci perché sono nati come modelli predittivi, come a dire che l'origine tecnica di un sistema stabilisca per sempre il tetto delle capacità che può acquisire o meno. Quello che possiamo fare oggi è molto meno filosofico ma più utile, ossia osservare quali capacità stanno aumentando e dove continuano a comparire fallimenti sistematici, ed in che modo il confine fra intelligenza specializzata ed intelligenza generale si stia effettivamente spostando.

Il primo problema è che non esiste l'esame di maturità dell'AGI

Qui c'è una cosa che secondo me andrebbe scritta sopra ogni discussione sull'argomento, ovvero che NON ESISTE UN TEST STANDARDIZZATO E UNIVERSALMENTE ACCETTATO che, superata una certa soglia, permetta di timbrare una macchina con la scritta AGI ed anzi proprio Google DeepMind lo ha ammesso ed in maniera molto esplicita quando a marzo 2026 ha presentato il proprio framework cognitivo per misurare il progresso verso l'intelligenza generale, partendo proprio dalla constatazione che mancano strumenti empirici adeguati per misurarla. Questa è una situazione che ricalcherò più avanti ed è dovuta al fatto che le AI sono addestrate con la nostra conoscenza, e quindi fare emergere un test che permetta di discriminare una AGI equivale a chiederci di fare qualche cosa che assolutamente non conosciamo e della quale non abbiamo informazioni precostituite tali da non "imporre" alcun condizionamento o forma preconcetta: provateci, è impossibile.

Già il precedente lavoro di DeepMind sui Levels of AGI aveva provato ad uscire dalla logica dell'interruttore acceso o spento, descrivendo i sistemi secondo la generalità delle capacità, il livello delle prestazioni ed il grado di autonomia, e questa secondo me potrebbe essere una maniera più sensata di affrontare il problema, perché un sistema può essere molto generale ma mediocre, oppure eccezionale ma solo in certi domini e fragile in altri. In parole povere possiamo avere una macchina che programma meglio di moltissimi programmatori, risolve problemi matematici difficili, interpreta immagini, usa un computer e consulta documentazione, e che poi quando la mettiamo davanti ad una situazione apparentemente banale ma solamente formulata in modo insolito la vediamo crollare ed inciampare; ecco, questa è quella che viene spesso chiamata JAGGED INTELLIGENCE, ovvero un'intelligenza frastagliata che non assomiglia affatto al profilo regolare che istintivamente immaginiamo quando diciamo generale.

I famosi mattoncini (ma con una precisazione!)

Trovo molto interessante pensare alle conoscenze apprese da una AI come ad una gigantesca quantità di mattoncini che il sistema può ricombinare quando incontra un problema nuovo, però bisogna stare attenti a non prendere la metafora alla lettera perchè altrimenti finiamo per fare voli pindarici; i pesi di una rete neurale non sono pezzetti di enciclopedia o di concetti umani conservati uno per uno, ma sono parametri numerici nei quali l'addestramento ha distribuito regolarità, associazioni e strutture apprese dai dati stessi. E soprattutto non sono gli stessi mattoncini fisici che usa il nostro cervello, sul quale il meccanismo di rappresentazione è completamente diverso e non ne abbiamo assolutamente la padronanza e la conoscenza necessaria a poter dire di aver capito tutto. Anche perchè così fosse, non saremo qui io a scrivere e voi a leggere. Comunque il punto della metafora rimane valido; quando un essere umano affronta un problema mai visto non parte mai con il cervello vergine, ma utilizza linguaggio, matematica, analogie, memoria, causalità ed esperienza euristiche costruite in anni di vita, e pretendere che una AI dimostri di essere generale risolvendo qualche cosa senza poter riutilizzare strutture apprese sarebbe quindi un test assurdo anche per noi. La domanda corretta è invece un'altra, ed è QUANTO BENE SA RICOMBINARE QUELLO CHE HA APPRESO quando la combinazione necessaria non le è stata mostrata e quando deve capire da sola quali parti della propria esperienza siano utili?

Quindi abbiamo un pezzettino di informazione in più in questa funzione ricorsiva: le AI attuali sono già generali o dipende da cosa intendiamo per generale?

Se con generale intendiamo un sistema utilizzabile in molti domini cognitivi diversi allora pssiamo sostenere che le AI di frontiera del 2026 non siano puramente specialistiche, perchè scrivono, traducono, programmano e ragionano sia su testi che su immagini oltre ad analizzare dati, usare strumenti (browser e computer database ecc. ecc.), consultano fonti, risolvono problemi scientifici, eseguendo certamente lavori composti da molte fasi. Sono quindi GENERALISTE in senso pratico, e questo soltanto pochi anni fa sarebbe sembrato fantascientifico. Quindi dobbiamo dare un significato diverso e più circoscritto a ciò che intendiamo AGI, perchè deve essere una pretesa più forte. La definizione di AGI normalmente implica che questa generalità sia sufficientemente ampia, robusta ed adattiva da avvicinarsi alla capacità cognitiva umana attraverso domini molto differenti, comprese situazioni nuove nelle quali non basta recuperare una competenza già ben allenata. Ed è qui che la domanda diventa difficile, perché se definiamo AGI come capacità di svolgere la maggior parte del lavoro cognitivo economicamente utile, finiremmo nel collocare la soglia in un punto mentre se la definiamo come possesso di tutte le principali facoltà cognitive umane la spostiamo molto più avanti, e se pretendessimo anche creatività scientifica paragonabile ai più grandi esseri umani della storia allora avremmo alzato l'asticella di parecchi piani.

Per questo alla domanda "potrebbe una AI essere già AGI e noi non saperlo?" io risponderei che potrebbe certamente esistere un disaccordo razionale sulla classificazione di un sistema già molto generale, ma che non abbiamo una proprietà fisica nascosta da scoprire aprendo il modello. AGI è una categoria operativa costruita per descrivere capacità, ed allora se non concordiamo sulla definizione non potrà esistere nemmeno il giorno universalmente riconosciuto nel quale qualcuno dirà che ieri non c'era ed oggi sì. Sembra incredibili ma il nocciolo della questione sta proprio nel fatto che diventa difficile anche per noi umani capire che domanda esatta dobbiamo farci per dire che cosa intendiamo (o vogliamo) per AGI.,

ARC-AGI-3 ha provato a mettere la macchina in un mondo che non conosce

Al netto di tutte le considerazioni, fra i test che trovo più intelligenti c'è ARC-AGI-3, perché questo test non domanda semplicemente al modello qualche nozione rara oppure un problema di matematica difficilissimo, ma lo mette dentro centinaia di ambienti interattivi a turni costruiti apposta e lo fa senza fornire istruzioni, regole e senza nemmeno spiegare esplicitamente quale sia l'obiettivo. E' l'agente che deve osservare, provare un'azione, vedere cosa cambia con quella azione e poi capire progressivamente le regole del piccolo mondo nel quale è stato messo, e soprattutto riuscire ad usare ciò che ha imparato per completare livelli sempre più difficili. Questa cosa mi piace parecchio perché si avvicina esattamente al mio concetto di problematica AGI-correlata, ovvero arrivarci attraverso il problema dei mattoncini. Naturalmente la macchina arriva con una quantità enorme di conoscenze precedenti, ma anche l'essere umano che affronta il test arriva con concetti di spazio, causa, oggetto, movimento, tentativo ed errore e quindi si lavora ad armi pari, nessuno dei due parte da zero. Quello che si misura è la capacità di ORIENTARSI IN UN AMBIENTE NUOVO e costruire rapidamente un modello utile di ciò che sta succedendo. Una soluzione molto intelligente, a mio avviso.

Quando ARC-AGI-3 venne lanciato il 25 marzo 2026, che sembra tanto tempo fa ma è ieri l'altro, il risultato era quasi comico con gli esseri umani che arrivavano al 100% ed il punteggio indicato per le AI di frontiera che era appena lo 0,51%. Se avessimo congelato la fotografia in quel giorno avremmo avuto un bellissimo esempio di capacità banalmente umana ed ancora quasi assente nelle macchine. Ma la storia era appena iniziata.

In cinque mesi il benchmark ha cominciato ad inseguire le AI!

Nel luglio 2026 la storia diventa veramente interessante, con GPT-5.6 Sol che arrivò, nella valutazione ARC-AGI-3 Semi-Private riportata da ARC Prize, al 7,78% con il massimo reasoning effort ed era già il primo modello capace di vincere completamente uno dei giochi pubblici. Due mesi dopo GPT-6 Astra ha cambiato ancora la scala: con l'harness Standard di ARC Prize ha raggiunto il 62,7% sul Semi-Private, mentre con il Provider Adapter, cioè con la gestione dello stato di ragionamento e del contesto prevista dal fornitore, il miglior risultato osservato è arrivato al 99,9%. Questi si che sono risultati impressionanti: 0,51% a marzo, 7,78% per Sol a luglio, poi 62,7% oppure 99,9% per Astra a settembre a seconda dell'harness. Ma è proprio questa differenza fra 62,7 e 99,9 che ci insegna una cosa fondamentale, ossia che NON STIAMO PIÙ MISURANDO SOLTANTO IL MODELLO ma stiamo misurando assieme gli effetti di memoria di contesto, scaffold, modalità con cui viene conservato lo stato, strumenti e ciclo agente-ambiente che possono cambiare radicalmente ciò che il sistema riesce a fare. In sostanza stiamo misurando assieme gli apporti tecnologici che la ricerca e la tecnologia hanno iniettato nelle AI. E questo è uno dei punti più importanti dell'intero dibattito sull'AGI: se un cervello artificiale raggiunge una certa capacità soltanto quando gli forniamo una memoria esterna oppure un meccanismo migliore per conservare il proprio stato, è meno intelligente oppure abbiamo semplicemente costruito il resto del sistema cognitivo che mancava? Perchè alla fine nemmeno noi non siamo soltanto neuroni isolati, usiamo carta, computer, libri, linguaggio ed altre persone per estendere ciò che riusciamo a fare, giusto? A quel punto stabilire dove finisca il modello e dove inizi l'intelligenza del sistema diventa molto meno banale di quanto possa sembrare.

E quindi Astra ha dimostrato l'AGI SI O NO? NO...

Questo è il punto nel quale bisogna resistere alla tentazione di trasformare un numero spettacolare in un verdetto universale. ARC Prize stessa distingue il 62,7% ottenuto con l'interfaccia Standard, pensata per confrontare i modelli con un harness neutrale, dal 99,9% ottenuto con il Provider Adapter. E soprattutto ARC-AGI-3 misura una forma molto importante di intelligenza agentica, cioè esplorare ambienti nuovi, inferirne le regole ed agire efficacemente, non ogni possibile facoltà che associamo all'intelligenza generale. Se domani una AI facesse 100% su ARC-AGI-3 avremo solo dimostrato che sa fare estremamente bene ARC-AGI-3, ed avremo certamente eliminato uno dei differenziali che fino a pochi mesi prima separavano nettamente uomo e macchina, ma non avremo automaticamente provato apprendimento continuo per mesi, metacognizione, capacità sociale generale o addirittura creatività ed autonomia affidabile in ambienti reali, e nemmeno qualsiasi altra proprietà che qualcuno includa nella propria definizione di AGI. È notate che è il destino di ogni buon benchmark, che nasce perché trova un punto nel quale i sistemi falliscono, ma poi la ricerca impara a superarlo ed il benchmark smette progressivamente di essere una frontiera, e questo non significa che fosse inutile, significa solo che HA FATTO IL SUO LAVORO quando è servito.

DeepMind approccia l'AGI frammentando la problematica.

Nel marzo 2026 Google DeepMind ha proposto una strada che trovo perfino più convincente della caccia al singolo esame definitivo. Invece di cercare IL TEST DELL'AGI divide il problema in dieci facoltà cognitive: percezione, generazione, attenzione, apprendimento, memoria, ragionamento, metacognizione, funzioni esecutive, problem solving e cognizione sociale. Poi propone di sottoporre AI ed esseri umani agli stessi test, usare set tenuti fuori dalla valutazione pubblica per limitare la contaminazione ed infine collocare la prestazione della macchina dentro la distribuzione delle prestazioni umane. La cosa più interessante di questo approccio è che DeepMind non sostiene di possedere già la batteria definitiva, anzi il progetto nasce proprio perché alcune aree sono misurate male, ma le cinque sulle quali ha chiesto alla comunità di costruire nuove valutazioni sono apprendimento, metacognizione, attenzione, funzioni esecutive e cognizione sociale, e sono proprio il le capacità cardine ravvisare delle capcità AGI. Questa intuizione è interessante perchè cerca di risolvere il problema dei benchmark tradizionali che sono diventati bravissimi a misurare ciò che le AI sono diventate bravissime a fare, mentre proprio nelle facoltà per le quali sospettiamo che possa esistere ancora una distanza umana forniscono spesso dati utili ad essere trasformati in numeri puliti.

Quindi questo approccio sposta la domanda da "ha superato il test?" a "CHE FORMA HA IL SUO PROFILO COGNITIVO RISPETTO AL NOSTRO?". Se il profilo continua ad avere voragini sistematiche, chiamarlo AGI diventa allora davvero difficile mentre se quelle voragini spariscono una dopo l'altra, ad un certo punto sarà sempre più difficile spiegare perché dovremmo continuare a considerarlo non generale.

Humanity's Last Exam misura l'eccellenza, non necessariamente la generalità

Un altro benchmark che aveva fatto molto parlare è HLE (Humanity's Last Exam), pubblicato su Nature nel gennaio 2026 a seguito di una ricerca che inizia del 2025. Nasce anche lui dalla necessità di contrastare i problemi reali dei benchmark come MMLU che, una volta considerati difficili, avevano ormai superati oltre il 90% dai sistemi migliori e quindi perdevano capacità discriminante. È un test utilissimo per sapere quanto un modello riesca a ragionare e rispondere su problemi da esperti, ma la comunità scientifica non lo considera esente da difetti e non lo ritiene un certificato definitivo per l'AGI. Uno dei problemi principali è stato che, subito dopo il rilascio, istituti di ricerca indipendenti (come il laboratorio Future House) hanno analizzato il dataset scoprendo che circa il 20-30% delle risposte fornite come "corrette" nei campi della chimica e della biologia erano in realtà errate o ambigue.

Comunque, per chi volesse cimentarsi nello studiare questo interessantissimo approccio, consiglio la lettura della pubblicazione ufficiale su Nature disponibile su https://www.nature.com/articles/s41586-025-09962-4

Il test di Einstein è bellissimo, ma alza troppo l'asticella. . . e dentro c'è pure Einstein

Demis Hassabis, un prodigio neuroscienziato, informatico, ex scacchista ampiamente considerato una delle figure più influenti e visionarie nella storia della AI, ha proposto un esperimento che trovo affascinante, ossia addestrare un sistema soltanto sulla conoscenza disponibile fino al 1911 e vedere se riesce ad arrivare autonomamente alla relatività generale che Einstein formulò nel 1915. Considero questa intuizione geniale, perchè coincide proprio con il discorso dei mattoncini e di toglierne di sti mattoncini e poi dire: ecco, ora vediamo fino a dove arrivi. L'idea infatti elimina, e lo fa in maniera radicale, il sospetto più fastidioso cioè che la risposta sia stata semplicemente assorbita dal training, e domanda alla macchina di produrre una vera scoperta scientifica partendo dagli stessi ingredienti storici disponibili prima della scoperta. Come test della creatività scientifica è magnifico ma come condizione necessaria per dichiarare AGI c'è qualche dubbio, perché se una macchina deve rifare ciò che ha fatto EINSTEIN per meritarsi il titolo di intelligenza generale allora la grandissima maggioranza degli esseri umani non supererebbe il nostro stesso esame. La definizione di Hassabis è volutamente molto esigente e coerente con la sua idea di un sistema che possieda l'intero spettro delle capacità cognitive umane, ma se AGI significa prestazione generale paragonabile ad una persona competente media non posso bocciarla soltanto perché non reinventa la relatività generale.

La cosa curiosa è che Nature ha dedicato proprio il 9 settembre 2026 un approfondimento ai primi tentativi di costruire questi cosiddetti vintage models e le prove iniziali sembrano mostrare molto più chiaramente i limiti dei sistemi attuali che una nuova capacità di produrre rivoluzioni scientifiche dal nulla. È un terreno che secondo me diventerà molto importante perché ci permette finalmente di distinguere meglio fra risolvere problemi difficili già formulati da altri e SAPER INVENTARE IL PROBLEMA GIUSTO.

METR misura una cosa diversa ancora: per quanto tempo regge un lavoro

METR ha scelto un'altra metrica che secondo me coglie una parte essenziale della generalità pratica, il task-completion time horizon. Invece di chiedere quanto sia difficile una singola domanda, prende lavori di software engineering, Machine Learning e cybersecurity e stima quanto tempo impiegherebbe un professionista umano a completarli, quindi cerca la durata alla quale l'agente AI mantiene una determinata probabilità di successo.

È importante capire bene cosa significa. Un time horizon di due ore NON significa che l'AI possa restare autonoma per due ore oppure svolgere qualsiasi lavoro umano di due ore, significa che sui compiti appartenenti alla suite METR riesce con una certa probabilità a completare task che richiederebbero circa quel tempo ad un esperto con poco contesto iniziale. METR stessa avverte che i suoi test sono soprattutto tecnici, ben specificati ed automaticamente valutabili, mentre il lavoro reale è più sporco, ambiguo e pieno di informazioni tacite.

Però la tendenza è interessante. METR osserva una crescita approssimativamente esponenziale dell'orizzonte misurato e nella propria analisi non vede ancora evidenza di un rallentamento di quella tendenza, anche se dichiara che sopra le 16 ore la suite attuale non permette stime affidabili. Questo per me è uno dei segnali più concreti del passaggio da "sa rispondere" a "SA PORTARE AVANTI UN LAVORO", che è una differenza gigantesca quando si parla di agenti.

La potenza di calcolo conta moltissimo, ma non lavora da sola

Arriviamo quindi alla domanda iniziale: più ricerca e più potenza di calcolo possono trasformare le AI attuali in AGI? La risposta corretta oggi è POSSONO, ma non sappiamo se bastino.

La potenza di calcolo permette modelli più grandi, più addestramento, più esperimenti, più reinforcement learning e molta più elaborazione al momento dell'inferenza. Però guardando i salti recenti si vede che non stiamo semplicemente mettendo più transistor dietro lo stesso programma. Sono cambiati il post-training, il reasoning, la gestione del contesto, gli strumenti, il computer use, le architetture agentiche e perfino il modo nel quale un modello conserva ciò che ha imparato durante un compito. Il salto di ARC-AGI-3 fra l'harness Standard ed il Provider Adapter è praticamente una dimostrazione didattica di questo fatto: la stessa base modellistica può mostrare capacità enormemente differenti quando cambia il SISTEMA costruito attorno ad essa.

Perciò quando qualcuno dice "basta lo scaling" bisogna chiedere cosa stia chiamando scaling. Se significa soltanto più parametri nello stesso identico schema non abbiamo una prova che porti inevitabilmente all'AGI, se invece include più compute, nuovi metodi di training, memoria, strumenti, multimodalità, ricerca automatizzata, migliori architetture ed agenti che imparano durante il lavoro, allora la frase sta ormai indicando una trasformazione tecnologica molto più ampia di un semplice ingrandimento.

Potrebbe però servire una mutazione tecnologica

L'altra possibilità è che gli attuali sistemi arrivino ad un limite strutturale. Potremmo scoprire che prediction, reasoning e tool use non bastano per ottenere apprendimento continuo robusto, pianificazione realmente lunga, modelli causali sufficientemente affidabili oppure una metacognizione capace di riconoscere sistematicamente i propri errori. In quel caso servirebbe qualche innovazione che oggi non possediamo ancora oppure che esiste soltanto in forma embrionale.

La cosa interessante è che nemmeno i grandi laboratori sembrano considerare chiusa questa domanda. Nel rapporto From AGI to ASI del giugno 2026 Google DeepMind, parlando addirittura del percorso successivo ad una eventuale AGI, considera fra le possibili strade sia ulteriore scaling sia cambiamenti di paradigma, miglioramento ricorsivo e sistemi multi-agente. Se persino il passaggio ipotetico da AGI a superintelligenza viene trattato come un insieme di percorsi alternativi con attriti e colli di bottiglia ancora sconosciuti, mi sembra ancora meno sensato raccontare il tratto che ci separa dall'AGI come una semplice retta inevitabile disegnata su un grafico di GPU.

La parte più sorprendente è quanto velocemente cambiano le prove

Per me il dato più istruttivo di tutto questo articolo non è un punteggio assoluto ma la velocità con la quale ARC-AGI-3 è passato dall'essere quasi impossibile per le AI ad essere quasi saturato in una particolare configurazione. A marzo 2026 il divario era umano 100 contro AI 0,51. A settembre lo stesso benchmark vede un sistema arrivare al 99,9% con l'harness del provider ed al 62,7% con quello Standard.

Questo non dimostra che l'AGI sia arrivata. Dimostra però che usare un singolo fallimento del 2026 come prova di un LIMITE STRUTTURALE delle architetture attuali è molto rischioso, perché quel fallimento può diventare un problema sostanzialmente risolto qualche mese dopo. Allo stesso tempo usare la saturazione dello stesso benchmark come prova che l'AGI sia arrivata è altrettanto ingenuo, perché basta spostarsi su un'altra facoltà cognitiva oppure cambiare il tipo di autonomia richiesta ed il differenziale può ricomparire.

È per questo che la ricerca sta passando dalle classifiche singole ai profili, dai quiz agli ambienti interattivi e dai problemi di pochi minuti ai lavori sempre più lunghi. IL BERSAGLIO SI MUOVE perché si muove la tecnologia.

Potremmo attraversare la soglia senza una data precisa

Questa è l'ipotesi che personalmente trovo più plausibile se la linea tecnologica attuale continuerà ad avanzare. Non è detto che esista una release nella quale il giorno prima avevamo una AI e quello dopo una AGI, potrebbe succedere che sistemi successivi eliminino progressivamente le proprie zone deboli fino al momento nel quale, guardandoci indietro, diventerà difficile stabilire quale versione abbia superato per prima la soglia.

Prima imparano a conversare, poi a programmare, poi ad usare strumenti, quindi a vedere, ascoltare, controllare un computer, conservare memoria, eseguire lavori sempre più lunghi, imparare ambienti sconosciuti ed eventualmente acquisire nuove competenze durante il funzionamento. In quale passaggio esatto cambia la categoria? Dipende quasi interamente dalla definizione che abbiamo deciso di usare.

Ed è proprio qui che il framework a livelli di DeepMind mi sembra meno ingenuo della domanda sì/no. L'intelligenza generale può essere trattata come una regione di uno spazio di capacità e non come una lampadina che si accende.

Il test che userei io non sarebbe un test solo

Se dovessi costruire oggi una definizione operativa, non chiederei ad una AI di superare un unico esame e non pretenderei nemmeno che reinvenga la relatività generale. Cercherei invece sistematicamente classi di problemi nelle quali una normale persona competente riesca ad orientarsi ed il sistema no, mantenendo le condizioni il più possibile comparabili e soprattutto usando problemi che non siano stati pubblicati prima.

Guarderei se sa capire un ambiente nuovo, imparare durante il compito, trasferire una regola da un dominio ad un altro, ricordare ciò che conta, riconoscere quando non sa qualche cosa, chiedere le informazioni necessarie, cambiare strategia dopo un errore, usare uno strumento sconosciuto dopo averne letto il manuale, collaborare con esseri umani ed infine mantenere un obiettivo per tempi sempre più lunghi senza trasformarsi in una macchina che ripete lo stesso errore mille volte.

Se continuiamo a trovare intere categorie nelle quali l'essere umano medio competente riesce quasi sempre e la macchina quasi mai, abbiamo un buon motivo per dire che il divario di generalità esiste ancora. Se quelle categorie diventano sempre più difficili da trovare ed il profilo della macchina entra stabilmente nella distribuzione umana attraverso quasi tutte le principali facoltà cognitive, a quel punto secondo me l'onere della prova comincia quasi a rovesciarsi: non sarei più io a dover dimostrare che è AGI, dovrebbe diventare sempre più difficile spiegare IN QUALE SENSO COGNITIVO IMPORTANTE NON LO È.

Quindi le AI attuali evolvono in AGI?

Io oggi risponderei così: stiamo osservando una LINEA DI SISTEMI che acquisisce capacità sempre più generali, ed i progressi del 2026 rendono perfettamente credibile che questa linea possa condurre ad una AGI senza un singolo salto magico. Ma non abbiamo la prova che la traiettoria continui fino in fondo, non abbiamo la prova che più compute sia sufficiente e soprattutto non possediamo ancora un esame universalmente riconosciuto che ci dica quando la soglia sia stata oltrepassata.

Quello che possediamo è forse più interessante. Abbiamo benchmark che pochi mesi fa esponevano voragini fra uomo e macchina e che oggi sono già quasi saturati in certe configurazioni, abbiamo misure della durata dei lavori autonomi che continuano a crescere ed abbiamo ricercatori che stanno cercando di costruire test proprio sulle facoltà nelle quali le AI rimangono più difficili da valutare, cioè apprendimento, metacognizione, attenzione, funzioni esecutive e cognizione sociale.

Per questo non direi né "l'AGI è inevitabile" né "con questi modelli non arriverà mai" ma piuttosto direi che stiamo facendo un esperimento gigantesco ed in tempo reale, nel quale ogni nuova generazione elimina alcuni argomenti usati pochi mesi prima per dimostrare che una macchina non potesse essere generale, mentre contemporaneamente ne lascia emergere altri che dicono il contario. Ed il giorno in cui smetteremo di trovare problemi cognitivi NORMALI (ossia non eccezionali e non costruiti per essere impossibili) che una persona competente riesce ad imparare mentre la migliore AI continua sistematicamente a non capire, forse ci accorgeremo che la domanda non è più se le AI stiano evolvendo verso l'AGI ma DA QUANTO TEMPO ABBIAMO GIÀ ATTRAVERSATO QUEL CONFINE. Secondo me andrà così.