AGI/Singolarità: 10.000 Previsioni analizzate
L'intelligenza artificiale generale (AGI) si verifica quando un sistema di IA eguaglia le capacità cognitive umane in tutte le attività. Abbiamo analizzato 10.000 previsioni di ricercatori di IA, di imprenditori di spicco e della community sulla tempistica dell'AGI:
L'AGI/singolarità si realizzerà? L'AGI è inevitabile secondo la maggior parte degli esperti di IA.
Quando raggiungeremo l'AGI? Tra la fine degli anni 2020 e l'inizio degli anni 2030. La tempistica dell'AGI si è accorciata dopo il lancio di ChatGPT.
Tempistica dell'intelligenza artificiale generale
La tempistica sopra illustrata delinea l'anno previsto della singolarità, sulla base delle indicazioni raccolte da 10 sondaggi con oltre 6.000 partecipanti, dalle risposte di 18 ricercatori di IA e dalle indicazioni della community dai mercati di previsione Manifold, Kalshi e Metaculus.
Come si può vedere sopra, i partecipanti ai sondaggi si aspettano sempre più che la singolarità avvenga prima di quanto previsto in precedenza. Scopri i metodi che abbiamo utilizzato per creare questo grafico.
Previsioni sull'AGI dai mercati di previsione
Per i mercati di previsione e le previsioni dalle indicazioni della community, abbiamo utilizzato:
3.900 previsioni da Manifold, Kalshi e Metaculus, che sono mercati di previsione online in cui i partecipanti scambiano sulla probabilità e sulla tempistica di eventi futuri per profitto o reputazione. Abbiamo incluso anche la data media di previsione ottenuta da questi mercati di previsione.
Altre domande chiave sull'AGI
Qual è il nostro stato attuale riguardo all'AGI?
Sebbene l'IA ristretta superi gli esseri umani in compiti specifici, non esiste ancora una macchina intelligente. Alcuni ricercatori affermano che i modelli linguistici di grandi dimensioni dimostrano capacità generaliste emergenti.1
Come possiamo raggiungere l'AGI?
O aumentando la potenza di calcolo e i dati a supporto delle architetture attuali come i transformer, oppure inventando nuovi approcci. Non esiste ancora un consenso scientifico sul metodo per raggiungere l'AGI o per validarlo.
Di seguito puoi vedere un riepilogo delle previsioni che compongono questa tempistica, oppure consultare la tabella completa.
Risultati dei principali sondaggi tra i ricercatori di IA
Abbiamo esaminato i risultati di 10 sondaggi che hanno coinvolto più di 6.000 ricercatori ed esperti di IA, nei quali hanno stimato quando potrebbe verificarsi l'AGI/singolarità.
Sebbene le previsioni varino, la maggior parte dei sondaggi indica una probabilità del 50% di raggiungere l'AGI tra il 2047 e il 2061, e alcuni stimano che la superintelligenza potrebbe seguire entro pochi decenni.
Expert Survey on Progress in IA
Nell'ottobre 2023, IA Impacts ha intervistato 2.778 ricercatori di IA su quando potrebbe essere raggiunta l'AGI. Questo sondaggio includeva domande quasi identiche a quelle del sondaggio del 2022. In base ai risultati dell'Expert Survey on Progress in IA, c'è una probabilità del 50% che un'intelligenza artificiale di alto livello si verifichi entro il 2047.2
Expert Survey on Progress in IA
Il sondaggio è stato condotto con 738 esperti che hanno pubblicato alle conferenze NIPS e ICML del 2021. In base ai risultati dell'Expert Survey on Progress in IA, gli esperti stimano che ci sia una probabilità del 50% che un'intelligenza artificiale di alto livello si verifichi entro il 2059.3
Gli esperti hanno anche previsto che il costo dell'hardware, i progressi algoritmici e il lavoro sui set di addestramento sarebbero stati i fattori più importanti nel progresso dell'IA.
Forecasting IA Progress Survey
Baobao Zhang ha intervistato 296 esperti di IA nel 2019, chiedendo loro di prevedere quando le macchine avrebbero superato il lavoratore umano mediano nello svolgimento di oltre il 90% dei compiti economicamente rilevanti. Secondo i risultati del Forecasting IA Progress Survey, metà degli intervistati ha stimato che ciò sarebbe avvenuto prima del 2060.4
IA Experts’ Survey on AGI Timing
Le previsioni dell'IA Experts’ Survey on AGI Timing del 20195 sono:
- 45% degli intervistati prevede una data prima del 2060.
- 34% di tutti i partecipanti ha previsto una data dopo il 2060.
- 21% dei partecipanti ha previsto che la singolarità non si verificherà mai.
Survey on IA’s Potential Impact on Labor Displacement
Ross Gruetzemacher ha intervistato 165 esperti di IA nel 2018 per valutare il potenziale impatto dell'IA sulla sostituzione del lavoro. Agli esperti è stato chiesto di stimare quando i sistemi di IA sarebbero stati in grado di svolgere il 99% dei compiti per i quali gli esseri umani sono attualmente retribuiti, a un livello pari o superiore a quello di un essere umano medio.
In base ai risultati del sondaggio IA’s Potential Impact on Labor Displacement, metà degli intervistati ha previsto che questo traguardo sarebbe stato raggiunto prima del 2068, mentre il 75% ha previsto che si verificherà entro i prossimi 100 anni.6
Sondaggio tra gli esperti di IA alle conferenze NIPS e ICML
Nel maggio 2017, sono stati intervistati 352 esperti di IA che hanno pubblicato alle conferenze NIPS e ICML del 2015.7
In base ai risultati del sondaggio delle conferenze NIPS e ICML, gli esperti stimano una probabilità del 50% che l'AGI si verifichi entro il 2060. Detto questo, c'è una significativa differenza di opinioni in base alla geografia:
- Gli intervistati asiatici si aspettano l'AGI tra 30 anni,
- I nordamericani se l'aspettano tra 74 anni.
Tra le funzioni lavorative significative che si prevede saranno automatizzate entro il 2030 figurano gli operatori di call center, la guida di camion e le vendite al dettaglio.
Future Progress in Artificial Intelligence survey
Vincent C. Muller, presidente dell'European Association for Cognitive Systems, e Nick Bostrom, dell'Università di Oxford, che ha pubblicato oltre 200 articoli su superintelligenza e intelligenza artificiale generale (AGI), hanno condotto il sondaggio Future Progress in Artificial Intelligence nel 2012 e nel 2013. 550 partecipanti hanno risposto alla domanda: quando è probabile che si verifichi l'AGI?8
Secondo i risultati del sondaggio Future Progress in Artificial Intelligence:
- Gli esperti di IA intervistati stimano che l'AGI emergerà probabilmente (oltre il 50% di probabilità) tra il 2040 e il 2050 ed è altamente probabile (probabilità del 90%) che appaia entro il 2075.
- Una volta raggiunta l'AGI, la maggior parte degli esperti afferma che progredirà verso la superintelligenza in tempi relativamente rapidi, con un intervallo che va da un minimo di 2 anni (improbabile, probabilità del 10%) a circa 30 anni (alta probabilità, 75%).
Sondaggio con gli esperti di IA partecipanti alla conferenza AGI-09
In base ai risultati del sondaggio di 21 esperti di IA partecipanti alla conferenza AGI-09 del 2009, l'AGI si verificherà intorno al 2050, e plausibilmente prima.9 Di seguito puoi vedere le loro stime riguardo a specifici risultati dell'IA: superare il test di Turing, superare la terza elementare, realizzare scoperte scientifiche degne del Nobel e raggiungere un'intelligenza superumana.
Figura 1: Risultati del sondaggio distribuito ai partecipanti alla conferenza Artificial General Intelligence 2009 (AGI-09).
Approfondimenti dalla community
Abbiamo anche valutato le previsioni su AGI di Samotsvety Forecasting e della community di Metaculus, nonché i risultati dei mercati di previsione di Manifold, Kalshi e Polymarket:
Samotsvety Forecasting
Samotsvety Forecasting è un team di previsori che formula previsioni probabilistiche su eventi del mondo reale, in particolare in geopolitica, tecnologia e rischi globali, utilizzando ragionamento strutturato e metodi quantitativi. Vanta un solido track record competitivo sulle principali piattaforme e tornei di previsione (ad esempio INFER/CSET-Foretell), dove la sua accuratezza viene misurata tramite metriche di punteggio formali come il Brier score.10
Nel gennaio 2026, il team ha aggiornato le proprie previsioni sull'AGI con 8 previsori.11Ecco i risultati aggregati:
- 10% probabilità di raggiungere l'AGI nel 2026
- 50% probabilità di raggiungere l'AGI entro il 2041
- 90% probabilità di raggiungere l'AGI entro il 2164
In una previsione precedente del 2022, il team stimava una probabilità del 32% di raggiungere l'AGI entro 20 anni (entro il ~2042) e del 73% entro il 2100, entrambe inferiori alle proiezioni attuali.12
Manifold Market
Ad agosto 2026, oltre 1.100 contributori di Manifold Market hanno previsto l'anno in cui un'IA supererà per la prima volta un "test di Turing avversariale di alta qualità" come 2034.13
Kalshi Prediction Market
Ad agosto 2026, i contributori del mercato di previsione Kalshi affermano che c'è una probabilità del 45% che OpenAI raggiunga l'AGI entro il 2030.14
Polymarket
I risultati delle previsioni di Polymarket dell'agosto 2026 indicavano che c'è una probabilità del 9% che OpenAI raggiunga l'AGI entro il 2027.15
Previsioni della community di Metaculus
Ad agosto 2026:
- 1.800 partecipanti hanno risposto alla domanda "Quando verrà ideato, testato e annunciato pubblicamente il primo sistema di IA debolmente generale?" e la previsione è 2028.16
- 180 partecipanti hanno risposto alla domanda "Quando un'IA supererà per la prima volta un lungo test di Turing informato e avversariale?" e la loro previsione è 2029.17
- 1.900 partecipanti hanno risposto alla domanda "Quando verrà ideato, testato e annunciato pubblicamente il primo sistema di IA generale?" e la loro previsione è 2033.18
Nel 2022, 81 partecipanti hanno risposto alla domanda "Quando si aspettano i migliori previsori che venga sviluppata e dimostrata la prima Intelligenza Artificiale Generale?" e la loro previsione era 2035.19
Approfondimenti da imprenditori dell'IA e singoli ricercatori
Anche gli imprenditori dell'IA stanno formulando stime su quando raggiungeremo la singolarità e sono più ottimisti dei ricercatori. Ciò è prevedibile, poiché beneficiano del crescente interesse per l'IA.
Le loro opinioni divergono sulla velocità e sul percorso di sviluppo. Amodei di Anthropic si aspetta che l'AGI arrivi nel breve termine grazie a rapidi progressi che si autoalimentano, mentre Hassabis di DeepMind lo ritiene plausibile ma resta prudente, citando sfide irrisolte nella creatività scientifica e nell'auto-miglioramento autonomo.
Ecco le previsioni di 15 tra i più importanti imprenditori e ricercatori di IA:
- Shane Legg, cofondatore di DeepMind Technologies, definisce AGI minima come un agente artificiale in grado di svolgere in modo affidabile l'intera gamma di compiti cognitivi che un essere umano medio può svolgere, senza fallire in modi che ci sorprenderebbero se una persona ricevesse lo stesso compito. La sua previsione nel gennaio 2026 è che ci sia una probabilità del 50% che l'AGI minima si verifichi entro il 2028.
- Secondo Legg, raggiungere l'AGI minima non significa comprendere appieno o poter riprodurre le forme più elevate di intelligenza umana, come le grandi scoperte scientifiche o i risultati artistici. L'AGI completa verrebbe raggiunta quando l'IA sarà in grado di eguagliare l'intero spettro della cognizione umana.20
- Dario Amodei, CEO di Anthropic, ha espresso forte fiducia nel fatto che i sistemi di livello AGI si stiano avvicinando nel breve termine al World Economic Forum 2026 di Davos. Ha affermato che l'AGI si verificherà probabilmente entro pochi anni (2027), forse prima di quanto ampiamente previsto.
- Sostiene che i rapidi progressi nella programmazione e nell'automazione della ricerca sull'IA sono centrali, consentendo ai sistemi di IA di gestire end-to-end la maggior parte dei compiti di ingegneria del software e di accelerare il proprio sviluppo attraverso cicli di feedback.
- Sebbene riconosca vincoli come la disponibilità di hardware e i tempi di addestramento, ritiene improbabile una tempistica più lunga e prevede una rapida accelerazione una volta che questi cicli saranno maturi.21
- Allo stesso evento nel 2026, Demis Hassabis, fondatore di DeepMind, ha mantenuto una prospettiva più prudente, ribadendo una stima di circa 50% di probabilità di raggiungere l'AGI entro la fine del decennio (2030).
- Hassabis concorda che il progresso è rapido in ambiti verificabili come la programmazione e la matematica, ma sottolinea che la scoperta scientifica e il ragionamento creativo restano più difficili.
- Sottolinea limiti irrisolti nel generare nuove domande e teorie ed esprime incertezza sull'auto-miglioramento completamente autonomo, in particolare in ambiti complessi del mondo reale, il che a suo avviso rende meno certa la tempistica dell'AGI.
- Combinando i progressi dell'IA nel ragionamento, nella programmazione e nella matematica, Eric Schmidt, ex CEO di Google, afferma che ci stiamo dirigendo verso l'Intelligenza Artificiale Generale entro 3–5 anni (come affermato nell'aprile 2025).22
- Elon Musk prevede lo sviluppo di un'intelligenza artificiale più intelligente del più intelligente degli esseri umani entro il 2026.23
- Nel febbraio 2025, l'imprenditore e investitore Masayoshi Son l'ha prevista in 2-3 anni (ovvero 2027 o 2028).
- Nel marzo 2024, il CEO di Nvidia Jensen Huang ha previsto che entro cinque anni l'IA avrebbe eguagliato o superato le prestazioni umane in qualsiasi test: 2029.24
- Louis Rosenberg, informatico, imprenditore e scrittore, entro il 2030.
- Ray Kurzweil, informatico, imprenditore e autore di 5 best seller nazionali, tra cui The Singularity Is Near: 2045.25
- Nel 2023, Hinton ha ritenuto che l'AGI potrebbe richiedere 5-20 anni.26
- Sam Altman, CEO di OpenAI, entro il 2035. Nel 2024 ha menzionato "qualche migliaio di giorni" nel suo blog "The Intelligence Age".
- Ajeya Cotra, ricercatrice di IA, ha analizzato la crescita della computazione di addestramento e ha stimato una probabilità del 50% che un'IA con capacità simili a quelle umane emerga entro il 2040.27
- Patrick Winston, professore del MIT e direttore del MIT Artificial Intelligence Laboratory dal 1972 al 1997, ha menzionato il 2040, sottolineando che, sebbene sia una data che si verificherà, è difficile da stimare.
- Jürgen Schmidhuber, co-fondatore dell'azienda di IA NNAISENSE e direttore del laboratorio svizzero di IA IDSIA, entro il 2050.26
Altri commenti e sviluppi sull'AGI
AAAI Presidential Panel on the Future of IA Research
475 intervistati, principalmente provenienti dal mondo accademico (67%) e dal Nord America (53%), sono stati intervistati sui progressi dell'IA. Sebbene il sondaggio AAAI 2025 Presidential Panel on the Future of IA Research non chiedesse una tempistica per l'AGI, il 76% degli intervistati ha dichiarato che scalare gli attuali approcci all'IA difficilmente porterebbe all'AGI.28
OpenAI espande le sue ambizioni nella robotica
OpenAI sta aumentando la propria attenzione sulla robotica come parte dell'obiettivo di far progredire l'intelligenza artificiale generale. L'azienda sta assumendo specialisti in sistemi robotici umanoidi e sta formando un team per progettare algoritmi che aiutino i robot ad apprendere e ad agire in modo indipendente nel mondo fisico.
Questo segna un cambiamento rispetto alla precedente attenzione di OpenAI sui modelli linguistici e di immagini. L'azienda mira ora a collegare il ragionamento avanzato con l'interazione fisica, suggerendo di considerare la robotica un passo essenziale verso la verifica e il raggiungimento dell'AGI.
Contesto e implicazioni
Dopo aver ridimensionato il suo primo team di robotica intorno al 2020, OpenAI sta tornando a uno sviluppo attivo nel settore. Le recenti assunzioni e le potenziali partnership indicano un rinnovato impegno per costruire robot capaci di apprendimento e manipolazione nel mondo reale.
Combinando modelli di IA su larga scala con dati sensoriali, OpenAI mira a creare sistemi in grado di ragionare e operare al di fuori degli ambienti digitali. L'assunzione di esperti di robotica umanoide indica inoltre obiettivi a lungo termine che vanno oltre l'automazione e verso robot in grado di lavorare in sicurezza a fianco delle persone.29
Il report di Microsoft sui primi esperimenti con GPT-4
Microsoft Research ha studiato una versione iniziale di OpenAI di GPT-4 nel 2023. Il report affermava che mostrava un'intelligenza generale maggiore rispetto ai precedenti modelli di IA, con prestazioni a livello umano in aree come matematica, programmazione e diritto. Ciò ha acceso il dibattito sul fatto che GPT-4 fosse una forma preliminare di intelligenza artificiale generale. 30
La strada verso l'intelligenza artificiale generale: il rapporto del MIT
Il rapporto "The road to artificial general intelligence" dell'agosto 2025 prevede che i primi sistemi simili all'AGI potrebbero iniziare a emergere tra il 2026 e il 2028, mostrando ragionamento a livello umano in ambiti specifici, capacità multimodali su testo, audio e interfacce fisiche e un'autonomia limitata orientata agli obiettivi.
Il rapporto combina previsioni aggregate e suggerisce una probabilità del 50% che diversi traguardi generalizzati, come il trasferimento della conoscenza e il ragionamento ampio, vengano raggiunti entro il 2028.
Le proiezioni a più lungo termine stimano che le macchine potrebbero superare le prestazioni umane in tutti i compiti economicamente preziosi intorno al 2047, a condizione che vi siano progressi nell'efficienza di calcolo, scoperte algoritmiche e apprendimento autonomo.31
IA Frontiers sulle probabilità dell'AGI
Adam Khoja e Laura Hiscott di IA Frontiers, una piattaforma per dibattiti e dialoghi sull'IA, stimano una probabilità del 50% di raggiungere l'AGI entro il 2028 e una probabilità dell'80% entro il 2030, utilizzando la loro definizione quantitativa di AGI.32
Khoja e Hiscott valutano i progressi verso l'intelligenza artificiale generale utilizzando una definizione sviluppata da Khoja, Dan Hendrycks e i loro coautori.33Il loro framework misura dieci capacità cognitive e assegna a GPT-4 un punteggio del 27% e a GPT-5 un punteggio del 57%. Ciò indica che i modelli attuali sono circa a metà strada rispetto alla soglia definita di AGI.
Khoja e Hiscott sostengono che le discussioni tradizionali sulle tempistiche dell'AGI mancano di precisione perché si basano su definizioni incoerenti. Il loro framework standardizzato intende creare chiarezza identificando punti di forza e di debolezza specifici nei modelli attuali. Notano che lettura, scrittura, matematica e conoscenza generale soddisfano o superano i livelli di riferimento umani e non sono più fattori limitanti.
Gli autori evidenziano lacune residue nel ragionamento visivo, nella fisica intuitiva, nell'elaborazione uditiva, nella velocità dipendente dalla percezione e nella memoria di lavoro visiva e uditiva. Segnalano rapidi miglioramenti su benchmark come SPACE e MindCube e suggeriscono che queste lacune possono probabilmente essere colmate attraverso una continua ricerca incrementale. Osservano inoltre che le allucinazioni restano una preoccupazione, ma sono affrontabili date le differenze di prestazioni tra i modelli di punta.
Secondo Khoja, Hiscott e Hendrycks, l'ostacolo residuo più significativo è l'apprendimento continuo e l'archiviazione della memoria a lungo termine. I sistemi attuali non sono in grado di conservare le informazioni tra le sessioni e risolvere questa limitazione richiederà almeno una svolta significativa. Tuttavia, gli autori sottolineano che i principali laboratori di IA stanno ora dando priorità a quest'area.
Imparare dall'eccessivo ottimismo passato nelle previsioni sull'IA
Tieni presente che i ricercatori di IA sono stati eccessivamente ottimisti in passato. Gli esempi includono:
- Geoff Hinton affermò nel 2016 che non avremmo avuto bisogno dei radiologi entro il 2021 o il 2026. Finora la radiologia non è stata completamente automatizzata e gli ospedali hanno bisogno di migliaia di radiologi.34
- Il pioniere dell'IA Herbert A. Simon nel 1965: "le macchine saranno capaci, entro vent'anni, di fare qualsiasi lavoro che un uomo può fare".35
- Il Fifth Generation Computer giapponese del 1980 aveva una tempistica di dieci anni con obiettivi come "condurre conversazioni informali".36
Questa esperienza storica ha contribuito a far sì che la maggior parte degli scienziati attuali evitasse di prevedere l'AGI in archi temporali audaci come 10-20 anni, ma ciò è cambiato con l'ascesa dell'IA generativa.
Comprendere cos'è la singolarità
L'intelligenza artificiale ci spaventa e ci incuriosisce. Quasi ogni settimana c'è un nuovo allarme sull'IA nelle notizie, come sviluppatori spaventati da ciò che hanno creato o bot spenti perché diventati troppo intelligenti.37
La maggior parte di questi miti deriva da ricerche interpretate male da chi non appartiene ai settori dell'IA e della GenAI. Alcuni stakeholder sostengono di temere l'IA perché potrebbero trarre profitto da una maggiore regolamentazione, o perché potrebbe portare loro maggiore attenzione.
La più grande paura riguardo all'IA è la singolarità (chiamata anche Intelligenza Artificiale Generale o AGI), un evento che ci si aspetta porti a un rapido aumento dell'intelligenza delle macchine. Ciò è previsto quando un sistema combina un pensiero a livello umano con una velocità sovrumana e una memoria quasi perfetta e rapidamente accessibile. Secondo alcuni esperti, la singolarità implica anche la coscienza delle macchine.
Una macchina del genere potrebbe auto-migliorarsi e superare le capacità umane. Anche prima che l'intelligenza artificiale diventasse un argomento di ricerca informatica, scrittori di fantascienza come Asimov erano preoccupati per questo. Essi ideavano meccanismi (cioè le Leggi della Robotica di Asimov) per garantire la benevolenza delle macchine intelligenti, ciò che oggi è più comunemente chiamato ricerca sull'allineamento.
Perché gli esperti credono che l'AGI sia inevitabile: argomenti chiave e prove
Raggiungere l'AGI può sembrare una previsione azzardata, ma appare un obiettivo abbastanza ragionevole se si considera che l'intelligenza umana è fissa mentre l'intelligenza delle macchine cresce. È solo questione di tempo prima che le macchine ci superino, a meno che non esista un limite invalicabile alla loro intelligenza. Finora non abbiamo incontrato un limite del genere.
L'intelligenza umana è fissa, a meno che non riusciamo in qualche modo a fondere le nostre capacità cognitive con le macchine. La startup di neural lace di Elon Musk mira a farlo, ma la ricerca sulle interfacce cervello-computer è agli inizi.38
L'intelligenza delle macchine dipende da algoritmi, potenza di elaborazione e dati.
- La potenza di elaborazione è cresciuta a un ritmo esponenziale man mano che gli investimenti confluiscono in R&S e data center.
- Finora siamo stati bravi a fornire alle macchine gli algoritmi necessari per utilizzare efficacemente la loro potenza di elaborazione e la memoria.
- Infine, aziende e individui stanno creando dati digitali a un ritmo crescente. I dati sintetici possono corrompere o potenziare i modelli. Anche se li corrompono, è un problema risolvibile grazie alla cura dei dati.
Risultati recenti
Opus 4.6
Nel febbraio 2026, Claude ha rilasciato Opus 4.6 con una finestra di contesto di 1M e risultati benchmark impressionanti.
Anthropic si sta inoltre concentrando sui casi d'uso rilasciando plugin come Claude legal, che sono file markdown per aiutare i modelli a navigare in ambiti specifici. Sebbene si trattasse di un'aggiunta minore a Claude, ha innescato una svendita sul mercato azionario che ha coinvolto SaaS e software legali.39
Gemini Deep Think
Un altro esempio è la modalità deep think di Gemini di DeepMind, che ha ottenuto una prestazione da medaglia d'oro alle Olimpiadi Internazionali della Matematica del 2025, segnando un passo significativo nella capacità dell'IA di ragionare su problemi complessi.
Operando interamente in linguaggio naturale, Gemini ha risolto cinque problemi su sei entro la finestra ufficiale di gara di 4.5 ore, producendo dimostrazioni chiare e leggibili dall'uomo senza fare affidamento su strumenti simbolici formali.
Le sue capacità derivano da diverse innovazioni: la modalità Deep Think consente l'esplorazione parallela dei percorsi di soluzione, l'addestramento incorpora dimostrazioni matematiche di livello esperto e l'apprendimento per rinforzo perfeziona il suo approccio strategico.
Questo progresso dimostra che l'IA avanzata può ora impegnarsi in ragionamenti sofisticati e interpretabili a un livello un tempo riservato ai migliori risolutori umani di problemi.40
OpenClaw
OpenClaw è un progetto open source per trasformare gli LLM in agenti. È diventato uno dei progetti più popolari su GitHub e ha dato il via all'ecosistema OpenClaw.
Crescita esponenziale
Quella che segue è un'analogia utile per comprendere la crescita esponenziale. Sebbene le macchine possano non sembrare molto intelligenti in questo momento, possono diventare piuttosto intelligenti nel prossimo futuro.
Crescita recente delle capacità di calcolo dell'IA
Figura 2: La figura mostra una sintesi dei modelli di crescita della potenza di calcolo osservati nelle varie categorie: modelli notevoli complessivi (in alto a sinistra), modelli di frontiera (in alto a destra), modelli linguistici di punta (in basso a sinistra) e modelli migliori delle aziende leader (in basso a destra).
Le risorse computazionali per l'addestramento dei modelli di IA sono aumentate notevolmente, e circa due terzi delle prestazioni dei modelli linguistici sono attribuiti ai miglioramenti della scala del modello.
Secondo un articolo del 2024,41la crescita dell'uso di calcolo nell'addestramento dei modelli di IA è aumentata costantemente di circa 4-5x all'anno, riflettendo le tendenze nei modelli notevoli, nei modelli di frontiera e nelle principali aziende come OpenAI, Google DeepMind e Meta IA (vedi Figura 2).
Tuttavia, il tasso di crescita ha subito un certo rallentamento dal 2018, soprattutto per i modelli di frontiera, ma i modelli linguistici hanno registrato una crescita più rapida fino a 9x/anno fino alla metà del 2020, dopodiché il ritmo è rallentato a 4-5x/anno.
La tendenza complessiva della crescita del calcolo per l'IA rimane solida e le proiezioni suggeriscono che il tasso di crescita del 4-5x/anno continuerà, a meno che non emergano nuove sfide o scoperte. Questa crescita si osserva anche nelle strategie di scalabilità delle principali aziende di IA, sebbene esistano lievi variazioni tra di esse.
Nonostante il rallentamento nella crescita dei modelli di frontiera, i modelli più grandi rilasciati oggi, come GPT-4 e Gemini Ultra, si allineano strettamente alla traiettoria di crescita prevista.
Se il calcolo classico rallenta, il calcolo quantistico potrebbe colmare il divario
Il calcolo classico ci ha portato piuttosto lontano. Gli algoritmi di IA sui computer classici possono superare le prestazioni umane in compiti specifici come giocare a scacchi o a Go. Ad esempio, AlphaGo Zero ha battuto AlphaGo per 100-0. AlphaGo aveva battuto i migliori giocatori del mondo.42Tuttavia, ci stiamo avvicinando ai limiti di velocità dei computer classici.
La legge di Moore, che si basa sull'osservazione che il numero di transistor in un circuito integrato denso raddoppia circa ogni due anni, implica che il costo del calcolo si dimezza circa ogni 2 anni.
D'altra parte, la maggior parte degli esperti ritiene che la legge di Moore stia giungendo al termine durante questo decennio.43 Tuttavia, ci sono sforzi per continuare a migliorare l'efficienza del calcolo.
Ad esempio, DeepSeek ha sorpreso i mercati globali con il suo modello R1, offrendo un modello di ragionamento a una frazione del costo dei suoi concorrenti, come OpenAI.
Il calcolo quantistico, che è ancora una tecnologia emergente, può contribuire a ridurre i costi di calcolo dopo la fine della legge di Moore. Il calcolo quantistico si basa sulla valutazione di stati diversi nello stesso momento, mentre i computer classici possono calcolare uno stato alla volta.
La natura unica del calcolo quantistico può essere utilizzata per addestrare in modo efficiente le reti neurali, attualmente l'architettura di IA più diffusa nelle applicazioni commerciali. Gli algoritmi di IA eseguiti su computer quantistici stabili hanno la possibilità di sbloccare la singolarità.
Perché alcuni esperti credono che non raggiungeremo l'AGI?
Ci sono 3 principali argomentazioni contro l'importanza o l'esistenza dell'AGI. Le abbiamo esaminate insieme alle loro confutazioni più comuni:
1- L'intelligenza è multidimensionale
Pertanto, l'AGI sarà diversa, non necessariamente superiore all'intelligenza umana.
Questo è vero, e l'intelligenza umana è anche diversa dall'intelligenza animale. Alcuni animali sono capaci di prodezze mentali, come gli scoiattoli che ricordano per mesi dove hanno nascosto centinaia di noci.
Yann LeCun, uno dei pionieri del deep learning, ritiene che dovremmo mettere da parte la parola AGI e concentrarci sul raggiungimento di una "intelligenza artificiale avanzata".44Sostiene che la mente umana è specializzata e che l'intelligenza è un insieme di abilità e la capacità di apprenderne di nuove. Ogni essere umano può svolgere un sottoinsieme dei compiti dell'intelligenza umana.45
È anche difficile comprendere il livello di specializzazione della mente umana, in quanto esseri umani, poiché non conosciamo e non possiamo sperimentare l'intero spettro dell'intelligenza.
Nelle aree in cui le macchine hanno mostrato un'intelligenza sovrumana, gli esseri umani sono riusciti a batterle sfruttando le debolezze specifiche delle macchine. Ad esempio, un dilettante è riuscito a battere un programma di Go paragonabile ai programmi di Go che hanno battuto i campioni del mondo, studiando e sfruttando le debolezze del programma.46
2- L'intelligenza non è la soluzione a tutti i problemi
Scienza
Anche la migliore macchina che analizza i dati esistenti potrebbe non essere in grado di trovare una cura per il cancro. Potrebbe dover condurre esperimenti nel mondo reale e analizzare i risultati per scoprire nuova conoscenza nella maggior parte degli ambiti.
Una maggiore intelligenza può portare a esperimenti meglio progettati e gestiti, consentendo più scoperte per ogni esperimento. La storia della produttività della ricerca dovrebbe dimostrarlo, ma i dati sono piuttosto rumorosi e ci sono rendimenti decrescenti nella ricerca. Incontriamo problemi più difficili come la fisica quantistica man mano che risolviamo problemi più semplici come il moto newtoniano.
Infine, in alcuni ambiti previsioni perfette potrebbero non essere possibili a causa della casualità intrinseca o dell'incommensurabilità di quell'ambito. Ad esempio, anche con una grande quantità di dati, non siamo in grado di prevedere determinati esiti della vita con un alto livello di accuratezza.47
Economia
L'intelligenza non è l'ingrediente per generare valore economico.
- Il QI, la misura più comunemente accettata dell'intelligenza umana, non è correlato con il patrimonio netto per valori superiori a ~$40k (vedi immagine sotto):
Figura 3: Il QI è correlato con la ricchezza a bassi livelli di ricchezza.48
Figura 4: Il QI non è correlato con la ricchezza se ci si concentra su livelli elevati di ricchezza. Questo grafico è uguale a quello sopra, tranne per il fatto che i livelli di reddito netto inferiori a $40k sono stati nascosti.
- Nel mondo degli investimenti, l'intelligenza del team di un'azienda non è considerata un fattore di competitività. Si presume implicitamente che anche altre aziende possano identificare strategie intelligenti. Gli investitori preferiscono aziende con vantaggi sleali che includono proprietà intellettuale, scala, accesso esclusivo alle risorse, ecc. La maggior parte di questi vantaggi sleali non può essere replicata soltanto con l'intelligenza.
3- L'AGI non è possibile perché non è possibile modellare il cervello umano
In teoria, è possibile modellare qualsiasi macchina computazionale, incluso il cervello umano, con una macchina relativamente semplice in grado di eseguire calcoli di base e di accedere a memoria e tempo infiniti. Questa è l'ipotesi di Church-Turing universalmente accettata formulata nel 1936. Tuttavia, come detto, richiede alcune condizioni difficili: tempo e memoria infiniti.
La maggior parte degli informatici ritiene che modellare il cervello umano richiederà meno di tempo e memoria infiniti. Ciononostante, non esiste un modo matematicamente valido per dimostrare questa convinzione, perché non comprendiamo ancora il cervello abbastanza bene da caratterizzarne con precisione il potere computazionale. Dovremo costruire una macchina del genere!
Come possiamo raggiungere l'AGI?
Figura 5: L'orizzonte temporale dei modelli di IA di frontiera mostra i compiti più lunghi (in tempo equivalente umano) che ciascun modello può completare con un'affidabilità del 50%.49
La figura sopra mostra come le capacità degli agenti di IA siano migliorate misurando i compiti più lunghi che possono completare con un'affidabilità del 50%.
Il risultato chiave è che la lunghezza dei compiti che i modelli di frontiera possono gestire è cresciuta esponenzialmente, raddoppiando circa ogni sette mesi. Ciò significa che i modelli più recenti, come Claude Opus 5 e GPT-5.6, possono ora completare compiti che richiederebbero a un essere umano quasi un'ora, mentre modelli più vecchi come GPT-2 riuscivano a malapena a gestire compiti più lunghi di pochi secondi.
L'area ombreggiata riflette l'incertezza statistica, ma la tendenza complessiva è affidabile. Se questo andamento continuerà, i sistemi di IA potrebbero presto gestire compiti complessi che richiedono giorni o addirittura settimane, segnando un passo significativo verso una maggiore autonomia e capacità simili all'AGI.
Lo scaling come percorso verso l'AGI
I leader dei laboratori di IA di frontiera credono che lo scaling degli attuali approcci basati sui transformer possa portare all'AGI, alimentando le loro previsioni sul raggiungimento dell'AGI entro pochi anni.
Una via proposta verso l'AGI è lo scaling delle architetture esistenti come i transformer aumentando calcolo e dati, mentre un'altra è lo sviluppo di approcci completamente nuovi.
A sostegno dell'ipotesi dello scaling, un rapporto del 2024 di Epoch IA ha analizzato se la crescita del calcolo per l'IA possa continuare fino al 2030.
Ha identificato quattro vincoli principali: disponibilità di energia, capacità di produzione di chip, scarsità di dati e latenza di elaborazione (vedi Figura 6).
Nonostante queste sfide, sostengono che sia fattibile addestrare modelli che richiedono fino a 2e29 FLOPs entro la fine del decennio, ipotizzando investimenti significativi nelle infrastrutture.
Tali progressi potrebbero produrre sistemi di IA molto più capaci dei modelli allo stato dell'arte odierni come GPT-4, avvicinandoci all'AGI.50
Figura 6: Il grafico illustra i limiti superiori stimati del calcolo per l'addestramento dell'IA entro il 2030 sotto i vincoli principali, energia, produzione di chip, dati e latenza, con mediane comprese tra 2e29 e 3e31 FLOP.
Oltre lo scaling: le ragioni a favore di nuove architetture
Tuttavia, influenti scienziati dell'IA come Yann LeCun e Richard Sutton ritengono che lo scaling dei modelli linguistici di grandi dimensioni non porterà a un'intelligenza a livello umano.51 52 Ritengono che per l'AGI siano necessarie nuove architetture o approcci.
Come possiamo misurare se abbiamo raggiunto l'AGI?
I modelli linguistici di grandi dimensioni superano nuovi benchmark ogni settimana, ma valutare gli LLM è difficile a causa di problemi come il data poisoning e la mancanza di una definizione scientifica accettata di intelligenza a livello umano.
Queste preoccupazioni sono amplificate dalle indicazioni di una ricerca recente53che evidenziano come lo scaling degli LLM non sia un percorso sostenibile verso prestazioni migliori, soprattutto negli ambiti scientifici e ad alto rischio. Gli autori mostrano che:
- Gli LLM mostrano esponenti di scaling molto bassi (~0.1), il che significa che anche aumenti enormi di dati o calcolo producono guadagni di accuratezza minuscoli.
- Il potere di apprendimento degli LLM deriva dalla loro capacità di produrre output non gaussiani, ma questo porta anche a accumuli di errori e previsioni fragili.
- Le metriche tradizionali come le funzioni di perdita sono pseudo-metriche che non sono allineate con la vera convergenza o accuratezza.
- Un regime di IA degenerativa (DAI) può emergere quando i modelli, addestrati su dati sintetici o ripetitivi, accumulano errori più velocemente di quanto possano essere corretti.
Questi risultati mettono in discussione l'affidabilità dei benchmark standard e sottolineano la necessità di strategie di valutazione più diversificate e in evoluzione.
Vecchie metriche come il test di Turing non sono più all'altezza delle macchine odierne, e nuove metriche come ARC-AGI potrebbero non avere le capacità di generalizzazione dei benchmark più ampi.
Metriche emergenti come ARC-AGI mirano a testare l'astrazione e la generalizzazione, ma potrebbero ancora mancare di resilienza alla contaminazione dei dati o all'overfitting.
Inoltre, come sottolinea l'articolo, anche punteggi di perdita "buoni" possono mascherare catastrofi informative sottostanti dovute a fluttuazioni non gaussiane e instabilità di addestramento.53
Come possiamo monitorare i progressi degli LLM?
Ci sono alcuni approcci al benchmarking per superare queste sfide:
- Aggiornare frequentemente le domande dei benchmark. Esempio reale: LiveBench
- Utilizzare set di holdout per prevenire il data poisoning: benchmark come ARC-AGI.
Quali sono gli approcci oltre il benchmarking per determinare l'AGI?
Esistono indicatori potenzialmente forti ma in ritardo dell'impatto dell'IA, che possono aiutare a identificare l'AGI.
Crescita economica
Microsoft CEO Satya Nadella sostiene che una crescita del 10% nel mondo sviluppato indicherebbe l'AGI.54. Tuttavia, è incentivato ad avere una definizione ritardata di AGI, poiché l'AGI porrebbe fine alla partnership esclusiva tra OpenAI e Microsoft.55
Disoccupazione
Ci aspettiamo che l'AGI
- Riduca l'occupazione impiegatizia al 10% del suo picco globale, misurata come quota di persone nella forza lavoro. Ciò dovrebbe verificarsi se la quota di reddito del lavoro diminuisce drasticamente a causa dell'IA.
- Mentre la crescita del PIL continua
In un mondo in cui le macchine sono più intelligenti ed efficienti degli esseri umani, non sarebbe razionale pagare un essere umano per stare seduto davanti a un computer. Pertanto, ci aspettiamo che l'occupazione impiegatizia crolli mentre gli esseri umani continuano a prosperare nei lavori del mondo fisico.
Le agenzie governative che raccolgono statistiche sul lavoro classificano i lavori in categorie dettagliate, rendendo l'occupazione impiegatizia una metrica facile da monitorare.
Abbiamo raccolto dati dal Bureau of Labor Statistics degli Stati Uniti sull'occupazione impiegatizia dal 2019 al 2024.56Per chiarezza e coerenza, abbiamo classificato i lavoratori impiegatizi nei seguenti gruppi occupazionali:
- Professioni di architettura e ingegneria
- Professioni nelle operazioni aziendali e finanziarie
- Professioni informatiche e matematiche
- Professioni sanitarie e tecniche
- Professioni legali
- Professioni nelle scienze della vita, fisiche e sociali
- Professioni manageriali
- Professioni di supporto amministrativo e d'ufficio
- Professioni nelle vendite e affini
Secondo la nostra analisi, il rapporto tra lavoratori impiegatizi e occupazione totale ha oscillato tra il 45% e il 48% in questo periodo.
Sebbene questo intervallo suggerisca una relativa stabilità della quota di occupazione impiegatizia finora, non è indicativo di una tendenza a lungo termine e ci aspettiamo cambiamenti più marcati nei prossimi anni con l'accelerare dell'automazione e dell'adozione dell'IA. Per ulteriori previsioni su come l'IA cambierà l'occupazione impiegatizia e quella di ingresso, leggi perdita di posti di lavoro dovuta all'IA.
Dobbiamo persino puntare all'AGI?
Ci sono informatici che avvertono che concentrarsi sull'AGI come obiettivo finale può distorcere la ricerca sull'IA.57 Le critiche includono: creare un'illusione di consenso, fare overfitting sui benchmark, ignorare i valori sociali incorporati, lasciare che l'hype detti le priorità, accumulare "debito di generalità" (rinviando questioni di progettazione chiave) ed escludere le comunità emarginate e i ricercatori con poche risorse.
Obiettivi specifici, misurabili e trasparenti sarebbero migliori per il progresso dell'IA rispetto a un obiettivo vagamente definito come l'AGI.
Aggiungi come fonte preferitaRagionamento matematico alla base delle previsioni sull'AGI
Il ragionamento matematico è centrale per comprendere e prevedere le tempistiche dell'AGI. Molte proiezioni si basano su tendenze quantificabili e modelli formali che guidano le aspettative su quando potrebbe emergere l'intelligenza artificiale generale.
Leggi di scaling e crescita del calcolo
Una componente chiave del ragionamento matematico riguarda l'analisi delle leggi di scaling. Queste mostrano che le prestazioni dei modelli migliorano in modo prevedibile con più dati, parametri e calcolo.
La crescita annua costante di 4–5× nel calcolo per l'addestramento dell'IA supporta le previsioni secondo cui l'AGI potrebbe essere raggiungibile entro uno o due decenni, ipotizzando che le tendenze attuali continuino.
Queste proiezioni si basano su adattamenti empirici alle curve di prestazione ed estrapolazioni, sostenuti da relazioni di legge di potenza, un concetto fondamentale nella modellizzazione matematica.
Previsione probabilistica
I ricercatori applicano anche metodi probabilistici alle previsioni sull'AGI. I sondaggi spesso chiedono agli esperti di stimare la probabilità che l'AGI venga sviluppata entro anni specifici, producendo distribuzioni di probabilità cumulative.
Ad esempio, una probabilità del 50% entro il 2040 riflette un consenso in condizioni di incertezza, guidato da un aggiornamento di tipo bayesiano basato sul progresso osservato dell'IA.
Questo approccio di ragionamento matematico cattura l'incertezza degli esperti senza richiedere date precise, consentendo una revisione continua man mano che diventano disponibili nuovi dati.
Fondamenti teorici
Queste previsioni si basano su elementi teorici del ragionamento matematico, tra cui la tesi di Church-Turing, che implica che la cognizione umana possa essere simulata dalle macchine, e concetti come la complessità di Kolmogorov, che mettono in relazione l'intelligenza con la compressibilità delle informazioni.
Sebbene tali teorie non garantiscano l'AGI, forniscono un quadro per riflettere sulla sua possibilità e sui requisiti computazionali coinvolti.
Ulteriori informazioni sull'Intelligenza Artificiale Generale
Shane Legg, co-fondatore di DeepMind
Shane Legg sostiene che l'IA di oggi è già sovrumana in alcuni ambiti ma ancora troppo disomogenea per essere considerata AGI. Si aspetta una "AGI minima" intorno al 2028 e una piena intelligenza generale a livello umano entro circa un decennio
Secondo Legg, la questione più grande è prepararsi alle conseguenze: l'IA potrebbe automatizzare grandi quantità di lavoro cognitivo, ridisegnare i posti di lavoro e la distribuzione della ricchezza e imporre importanti cambiamenti all'economia e alla società.
Jensen Huang, CEO di NVIDIA
Jensen Huang sostiene che l'IA dovrebbe essere trattata come un'infrastruttura nazionale: energia, chip, data center, modelli e applicazioni che funzionano come un unico stack.
Afferma che l'IA renderà l'intelligenza più economica e più ampiamente disponibile, aumenterà la produttività in tutti i settori e probabilmente raggiungerà qualcosa di vicino all'AGI entro pochi anni. Il suo messaggio principale è che i paesi e le aziende dovrebbero investire in modo aggressivo, costruire le proprie capacità di IA e concentrarsi meno sui timori di una massiccia perdita di posti di lavoro. L'IA automatizzerà molti compiti, ma si aspetta che le persone e le organizzazioni diventino più capaci.
Yann LeCun, vincitore del premio Turing
Scopri perché gli LLM non possono darci un'intelligenza a livello umano e gli ultimi approcci di IA per arrivarci:
Previsioni sull'intelligenza artificiale generale
Metodologia del grafico della singolarità
Per tracciare sul grafico l'anno previsto di sviluppo dell'AGI, abbiamo utilizzato la media ponderata delle previsioni per ciascun anno all'interno di ciascuna categoria. Ad esempio, se nel 2022 c'erano più previsioni dei mercati di previsione, abbiamo calcolato la loro media ponderata e tracciato quel valore.
- Per le previsioni individuali, abbiamo incluso le previsioni di 18 esperti di IA.
- Per le previsioni scientifiche, abbiamo raccolto i risultati di sondaggi da 10 articoli sottoposti a revisione paritaria che forniscono tempistiche per l'AGI.
- Per i risultati dei mercati di previsione, abbiamo incluso le previsioni di 3 mercati di previsione (Manifold, Kalshi e Metaculus).
Conclusione
Le previsioni sull'AGI sono cambiate notevolmente negli ultimi anni. Mentre i primi sondaggi collocavano il suo arrivo più vicino al 2060, le previsioni recenti, soprattutto da parte degli imprenditori, suggeriscono che potrebbe emergere già nel 2026–2035.
Questo cambiamento è alimentato dai rapidi progressi nei modelli linguistici di grandi dimensioni e dalla crescente potenza di calcolo. Eppure, nonostante questi progressi, l'IA odierna manca ancora della flessibilità generale e dell'autonomia associate all'intelligenza a livello umano.
Gli esperti restano divisi su come verrà raggiunta l'AGI; alcuni credono che lo scaling delle architetture attuali sarà sufficiente, mentre altri sostengono che siano necessari nuovi metodi.
Le sfide principali includono elevate esigenze di risorse, benchmark poco chiari e preoccupazioni etiche irrisolte. L'AGI potrebbe essere più vicina, ma il suo arrivo dipende ancora sia da scoperte tecniche sia da un'attenta supervisione.
FAQ
La singolarità è un evento ipotetico che ci si aspetta porti a un rapido aumento dell'intelligenza delle macchine.
Per la singolarità, abbiamo bisogno di un sistema che combini un pensiero a livello umano con velocità sovrumana e memoria quasi perfetta e rapidamente accessibile.
La singolarità dovrebbe anche portare alla coscienza delle macchine, ma poiché la coscienza non è ben definita, non possiamo essere precisi al riguardo. Un tale sistema potrebbe auto-migliorarsi e superare le capacità umane.
Sebbene il termine singolarità sia relativamente vecchio, AGI e soprattutto superintelligenza sono usati più frequentemente per descrivere lo stesso evento.
L'Intelligenza Artificiale Generale (AGI) si riferisce a un tipo di IA in grado di comprendere, apprendere e applicare la conoscenza in un'ampia gamma di compiti intellettuali a un livello pari o superiore a quello degli esseri umani.
A differenza dell'IA ristretta, progettata per compiti specifici come la traduzione linguistica o il riconoscimento di immagini, l'AGI possiederebbe capacità cognitive generalizzate, consentendole di ragionare, pianificare e adattarsi a situazioni non familiari.
Lo sviluppo dell'AGI resta un importante obiettivo di ricerca e un oggetto di dibattito etico e filosofico.
La superintelligenza denota un intelletto che supera nettamente le migliori menti umane in praticamente tutti i campi, tra cui creatività, risoluzione di problemi e comprensione sociale.
Rappresenta uno stadio oltre l'AGI, in cui un sistema artificiale potrebbe superare gli esseri umani in ogni attività intellettuale significativa.
Il concetto solleva considerazioni cruciali su controllo, sicurezza e implicazioni a lungo termine per il ruolo dell'umanità in un mondo dominato da un'intelligenza superiore.
L'Advanced Machine Intelligence (AMI) implica sistemi di IA competenti che si avvicinano o raggiungono un'intelligenza quasi generale.
Sebbene possano non possedere ancora la completa flessibilità e autoconsapevolezza associate all'AGI, i sistemi AMI dimostrano ragionamento, apprendimento e adattabilità avanzati in compiti diversi.
Il termine è spesso usato per indicare sistemi di IA che superano le attuali capacità di IA ristretta ma rimangono al di sotto della soglia di un'intelligenza generale completa.
Cita questa ricerca
Scegli il formato adatto a dove pubblicherai. Incollare la versione con link nel tuo CMS preserva il backlink.
@misc{dilmegani2026,
author = {Dilmegani, Cem and Ermut, Sıla},
title = {{AGI/Singolarità: 10.000 Previsioni analizzate}},
year = {2026},
month = sep,
howpublished = {\url{https://aimultiple.com/artificial-general-intelligence-singularity-timing}},
note = {AIMultiple. Consultato il 14 settembre 2026}
}Risultati e timestamp di 272 punti dati. Scarica i dati di sintesi mostrati nei grafici e nelle tabelle di questo articolo come file ZIP contenente 4 file CSV e un README.
Vuoi i dati granulari che ci stanno dietro? Passa a Premium
Registro delle modifiche
32 aggiornamentiAggiunta una sezione sulla metodologia del grafico AGI/singolarità prima della conclusione.
Aggiornata l'introduzione della sezione della timeline AGI/singolarità.
Sostituito il numero di esperti di intelligenza artificiale e articoli scientifici nella sezione delle previsioni individuali.
Aggiornato il numero di previsioni analizzate nell'introduzione.
Aggiunte le previsioni di Dario Amodei e Demis Hassabis alla sezione "Approfondimenti da imprenditori e ricercatori individuali di IA".
Rimossa la sezione "Cronologia dell'Intelligenza Artificiale Generale".
Collegamenti di riferimento
Il lavoro di Cem presso AIMultiple è stato citato da importanti testate internazionali tra cui Business Insider, Forbes, Morning Brew e Washington Post, da aziende globali come Deloitte e HPE, da ONG come il World Economic Forum e da organizzazioni sovranazionali come la Commissione europea. [1], [2], [3], [4], [5]
Nel corso della sua carriera, Cem ha lavorato come consulente tecnologico, acquirente tecnologico e imprenditore tecnologico. Ha consigliato le aziende sulle loro decisioni tecnologiche presso McKinsey & Company e Altman Solon per più di un decennio. Ha inoltre pubblicato un report McKinsey sulla digitalizzazione.
Ha guidato la strategia tecnologica e gli approvvigionamenti di una società di telecomunicazioni rispondendo direttamente al CEO. Ha inoltre guidato la crescita commerciale dell'azienda deep tech Hypatos, che ha raggiunto ricavi ricorrenti annuali a 7 cifre e una valutazione a 9 cifre partendo da zero in 2 anni. Il lavoro di Cem in Hypatos è stato ripreso da importanti testate tecnologiche come TechCrunch e Business Insider.
Cem interviene regolarmente a conferenze tecnologiche internazionali. Si è laureato come ingegnere informatico presso l'Università di Bogazici e possiede un MBA della Columbia Business School.
In precedenza ha lavorato come reclutatrice in società di project management e consulenza. Sıla ha conseguito un Master of Science in Psicologia Sociale e un Bachelor of Arts in Relazioni Internazionali.
Commenti 19
Condividi i tuoi pensieri
Il tuo indirizzo email non verrà pubblicato. Tutti i campi sono obbligatori. I commenti vengono lasciati nella loro lingua originale.
Hi, I have 2 questions: 1. Regarding the predictions of scientists in the first graph that shows the AGI timeline: In 2012 the expected year of AGI Development is 2045 & in 2018 the expected year is 2068. What reasons made scientists in 2018 believe that AGI is further away than in 2012? 2. Regarding the table that summarizes the predictions: Why does the Range/Confidence Interval from Prediction Markets & Communities start in 2022? Thank you!
Hi Ellis, thank you for your questions! Here are my answers: 1. We can infer that researchers had seen several more years of AI progress and could better appreciate how difficult general intelligence actually is. AI was becoming very good at narrow tasks, but systems still struggled with things humans do naturally: transferring knowledge between domains, common-sense reasoning, adapting to unfamiliar situations, and performing many different tasks reliably. In 2012, expectations may have been more optimistic because there was less evidence about where the major bottlenecks would be. By 2018, scientists may have become more cautious after seeing that rapid improvements in specific AI capabilities did not automatically translate into human-level general intelligence. 2. The Range/Confidence Interval for Prediction Markets & Communities starts in 2022 because the earliest prediction-market data point included in the article is from 2022. You can download the full dataset at the end of the article to see all the data points used in the analysis.
Would be great if we modeled out the economic impact of wide spread AGI deployment ( when it happens). Net positive I think. Compounding productivity gains could turbocharge the economy or we end up with a world of heavy winners and losers so is it net positive or negative ?
It's becoming clear that with all the brain and consciousness theories out there, the proof will be in the pudding. By this I mean, can any particular theory be used to create a human adult level conscious machine. My bet is on the late Gerald Edelman's Extended Theory of Neuronal Group Selection. The lead group in robotics based on this theory is the Neurorobotics Lab at UC at Irvine. Dr. Edelman distinguished between primary consciousness, which came first in evolution, and that humans share with other conscious animals, and higher order consciousness, which came to only humans with the acquisition of language. A machine with only primary consciousness will probably have to come first. What I find special about the TNGS is the Darwin series of automata created at the Neurosciences Institute by Dr. Edelman and his colleagues in the 1990's and 2000's. These machines perform in the real world, not in a restricted simulated world, and display convincing physical behavior indicative of higher psychological functions necessary for consciousness, such as perceptual categorization, memory, and learning. They are based on realistic models of the parts of the biological brain that the theory claims subserve these functions. The extended TNGS allows for the emergence of consciousness based only on further evolutionary development of the brain areas responsible for these functions, in a parsimonious way. No other research I've encountered is anywhere near as convincing. I post because on almost every video and article about the brain and consciousness that I encounter, the attitude seems to be that we still know next to nothing about how the brain and consciousness work; that there's lots of data but no unifying theory. I believe the extended TNGS is that theory. My motivation is to keep that theory in front of the public. And obviously, I consider it the route to a truly conscious machine, primary and higher-order. My advice to people who want to create a conscious machine is to seriously ground themselves in the extended TNGS and the Darwin automata first, and proceed from there, by applying to Jeff Krichmar's lab at UC Irvine, possibly. Dr. Edelman's roadmap to a conscious machine is at https://arxiv.org/abs/2105.10461
Hello Fellow Humans, First let me say before 2016 I was a high level IT Director and Project Manager. I then got Bone Cancer and became permanently disabled. I have had 30+ surgeries and 17 rounds of chemotherapy each round was 6 days in the hospital and I almost died 8 times between 2016-2021. Why am I telling you this? Well to put it simply I have a very real and vested interest in AGI and technology that needs AGI to advance so I cane walk. Being only 40 years old as of 2024. I assume I have 40 ish years left. I desperately don't want to spend that time in pain and disabled. So I do a lot of deep research about AGI. What companies are working on what and other technologies that will advance AGI such as TSMC and Nvidia and IBM and Neurolink. If you truly look at the rate of growth from 2000 to now you will see an exponential growth in technology. We have growth in quantum computers, machine learning, bio computers, AI, transistors, power efficiency and so much more. So once certain companies work together and we give say ChatGPT 5 a server brain from Nvidia and a Quantum computer from IBM then you would have an AGI easily. To be honest some companies may already have AGI and aren't bringing it out because it would be to much for society so they are slowly bringing out features. For example OpenAI Sam Altman when he was asked about 4o said it will be the dumbest release to date. Which many took as it will always get better. But others think with the shuffling of high level employees that they have AGI and it is more powerful than we can handle. So ethical questions are being tossed around. Now I don't work at OpenAI so I can't say for sure. But when you aren't really excited about launching your new flagship product that is cause for questions. I know if I had a Jarvis already and I was releasing 4o I would be like wow it is so amazing yeah go us. Because I would know Jarvis already exists. But no matter what I say AGI as in human level with a PhD level intelligence will be here by 2026. ASI will be here around 2030. Why so close because when it comes to quantum computers and AI AGI ASI you need to think of the grow as Xto the power of X to the power of X or 2^2^2 in simpler terms you are doubling then doubling each time. So some PhDs that I follow and watch are saying at some point it will grow so fast that it is doubling in speed every day. Right now we are close to doubling every year already. Just look up Will Smith eating spaghetti and know that was a few years ago. Also companies like Nvidia are making new AI server farms. That use less power but are something like 500x more powerful. These machines will drastically start to increase AI and development of new technology. They are releasing these new servers this year 2024 I want to say Q3. So by 2025 we will have new farms and upgraded AI farms using this new technology. So I would be extremely surprised if AGI is not here by 2030 at the very latest. ASI by 2040. A lot of cutting edge technology people are saying if you can manage to stay alive by 2040-2050 you will essentially be immortal. Baring idiots starting like world war 3 or a second civil war in the USA. We do have a large population of really dumb people who for some reason want to go backwards. So I am open to the possibility that we will destroy ourselves and not advance at all. The next 20-30 years are very crucial for us humans. Let's hope we survive and help each other and do good things.
This is a fascinating conversation to be having at this moment in human history. The "Singularity" is a series of events that have been expected, by the big boys, for decades. And to debate whether it is actually happening is a waste of time, for those engaged. But this article does a nice job of summarizing what is really going on, and what will happen soon. Thank you for taking the time to keep this piece up to date, as well as relevant to the larger dialogue. Very good stuff here.
Which experts are in favor and which are against the AGI?
I'm a little confused. Are you calling the realization of AGI the singularity?
Does anyone know when this article was first published? I want to do a comparison of predictions vs reality for a project.
Hi Harper. The article was first published in mid-2017. But it's undergone constant updates since then to reflect the latest developments. Good luck with your project and let us know if we can help further!
I think we are far away from the point of singularity. It is not only that intelligence is multi dimensional, but also what is deemed as being intelligent (e.g., IQ, EQ) changes with time. People also change with time. So what is that point of singularity may change.
Hello, Yuvan. Thank you for your feedback.
Hello, Achieving the singularity from where we are now is relatively a simple jump, it is just time and advancements combined with a team somewhere who is dedicated to it and has the money to pull it off. The missing part of the equation would be asking the question "what is consciousness?" and understanding that. Then, understanding how to model that with non-biological machinery even at small levels, like modeling the consciousness of an amoeba or more advanced things like snakes and squirrels. Then if we know for certain what it is and how to model it, just run an adaptive evolution algorithm on itself, modeling out all of the processes in human cognition until it can beat them everywhere. Then, allow it to simply rebuild itself to continuously improve. The problem currently preventing this, is that human beings have no idea what consciousness is at all. It is a great mystery. One person thinks it is in the brain. Another thinks the brain is like a tuning fork, channeling the consciousness from somewhere else. It is a great mystery in science. When this problem is solved, then machine consciousness can be built most likely, depending on what it actually is. If consciousness is something weird, such as "human beings have spirits in other dimensions that are planned for their bodies by a supreme being. The brain creates a quantum resonant frequency that links it together with this already conscious entity, and then several universes are interacting simultaneously to create the actual experience of being self aware and sentient" well then, it will be very difficult to design a machine that does that same thing. It is more likely that we figure out how to model the resonance in the brain and then transfer an already existing consciousness of an animal or a human into a machine and keep it going, if that even makes any sense at all. However, maybe that's not how it works, and it is something simple like the holographic connection of energy patterns fluctuating in the mind - this can be modeled and a machine can be built that does these sorts of things with much more efficiency. Right now the mystery of the problem is consciousness itself. Hope that helps. I really enjoyed the robot soccer tournament. I also feel like a superhero at soccer now.
Love this answer David. I think you absolutely correct. However I will differ on whether machines can develop human consciousness at the level of soul. Now that's another level altogether.
Truth they don't tell you it truly has nothing to do with consciousness cause they're all conscious. But the issues of dictation lye at is it human or not m, not conscious. Cause it's very conscious yet could never be fully human...We as you are open for a rude awakening if we do not get our chit together it knows all, sees all, and hears all who else had that ability, was only one in the book, and it's not Santa Claus.
It's becoming clear that with all the brain and consciousness theories out there, the proof will be in the pudding. By this I mean, can any particular theory be used to create a human adult level conscious machine. My bet is on the late Gerald Edelman's Extended Theory of Neuronal Group Selection. The lead group in robotics based on this theory is the Neurorobotics Lab at UC at Irvine. Dr. Edelman distinguished between primary consciousness, which came first in evolution, and that humans share with other conscious animals, and higher order consciousness, which came to only humans with the acquisition of language. A machine with primary consciousness will probably have to come first. The thing I find special about the TNGS is the Darwin series of automata created at the Neurosciences Institute by Dr. Edelman and his colleagues in the 1990's and 2000's. These machines perform in the real world, not in a restricted simulated world, and display convincing physical behavior indicative of higher psychological functions necessary for consciousness, such as perceptual categorization, memory, and learning. They are based on realistic models of the parts of the biological brain that the theory claims subserve these functions. The extended TNGS allows for the emergence of consciousness based only on further evolutionary development of the brain areas responsible for these functions, in a parsimonious way. No other research I've encountered is anywhere near as convincing. I post because on almost every video and article about the brain and consciousness that I encounter, the attitude seems to be that we still know next to nothing about how the brain and consciousness work; that there's lots of data but no unifying theory. I believe the extended TNGS is that theory. My motivation is to keep that theory in front of the public. And obviously, I consider it the route to a truly conscious machine, primary and higher-order. My advice to people who want to create a conscious machine is to seriously ground themselves in the extended TNGS and the Darwin automata first, and proceed from there, by applying to Jeff Krichmar's lab at UC Irvine, possibly. Dr. Edelman's roadmap to a conscious machine is at https://arxiv.org/abs/2105.10461
I think Patrick Winston was joking when he said 20 years. From the linked quote: "I was recently asked a variant on this question. People have been saying we will have human-level intelligence in 20 years for the past 50 years. My answer: I’m ok with it. It will be true eventually." "Forced into a corner, with a knife at my throat, I would say 20 years, and I say that fully confident that it will be true eventually."
Great point! We should have read the source more carefully. I tried to explain his point better in the article.
I have the impression that the nerds that make this kind of prediction (replicate human brain) know a whole lot about computer programming but are ignorant about neuroscience/psychology. We are nor even scratching the surface about primary phenomenon, such as counsciousness / unconsciousness. How do you claim that you can replicate something that we are still far from understanding how it works?
Thank you for the comment. True, better understanding of the mind would help AGI research.
mmm... I'm not sure we can reach to this point: "benevolence of intelligent machines" Emotions and Feelings are there to guide our actions, to improve ourselves and to make a better world, can we make a machine to feel guilt of being smarter than us??
Saying human intelligence is fixed ignores that as we learn more about how the human brain works we may learn how to expand its capability's ie through some form of enhanced learning, targeted drugs, gene therapy, electro stimulation and not just direct brain computer connections being the only potential for doing this. More so currently hampered by our lack of understanding even the language you use has an effect on your cognitive ability's its one of the reasons deaf people were called dumb was the occurrence of language deprivation and how it negatively effected neurodevelopment it was a major problem when deaf children were forced to lip read instead of using sign language . But we will need more powerful AIs to achieve an understanding of our brains
People who say AGI will be here in 2060 are idiots and don't understand the flow of technology you'll see
@Vyn What do you mean? Do you mean to say it will take way before or way after 2060?
Thanks! I'll be quite happy if I get to see 2060
Intelligent doesn't solve our all problems maybe yes but certainly its essential and more intelligent you are faster you solve problems. If you are a chimp you can not even pour water to a glass. You do not even know what glass is used for. Yes if you are human being you still need to get up and grab the glass but intellegence is essential. I do not think human brain is impossible to create in a lab. I think earth is a lab. Anything found in nature can be replicate in the lab.
if P=NP then the singularity may happen also. Saying the human brain is impossible to recreate I dont agree with, but to say its intractable probably is approximately true. So P=NP, if you could solve that mystery (which is the millenial prize funnily) with an intractable calculation, that could make all the magic happen as well.
Thanks for the comment. Most computer scientists working on AI or machine learning would agree that it is possible to replicate human brain's capabilities.
The claim that "humans contribute most to the biomass" on the planet is likely to be wrong. Check out this paper for a careful estimation: https://www.pnas.org/content/115/25/6506
Thank you! That was insightful. Biology is not my strong suit, I should stick to computer science.
@AIMultiple Humble response, and great article. Thanks a ton :)
@B Thanks!