AGI/Singolarità: 10.000 Previsioni Analizzate
L'intelligenza artificiale generale (AGI) si ha quando un sistema di IA eguaglia le capacità cognitive umane in tutti i compiti. Abbiamo analizzato 10.000 previsioni di ricercatori di IA, di imprenditori di spicco e della comunità 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.
Cronologia dell'Intelligenza Artificiale Generale
La cronologia sopra delinea l'anno previsto della singolarità, sulla base di indicazioni raccolte da 10 sondaggi con oltre 6.000 partecipanti, dalle risposte di 18 ricercatori di IA e dalle indicazioni della comunità provenienti dai mercati di previsione Manifold, Kalshi e Metaculus.
Come puoi vedere sopra, i partecipanti ai sondaggi si aspettano sempre più che la singolarità si verifichi prima di quanto previsto in precedenza. Scopri i metodi che abbiamo usato per creare questo grafico.
Previsioni sull'AGI dai mercati di previsione
Per i mercati di previsione e le previsioni delle indicazioni della comunità, abbiamo utilizzato:
3.900 previsioni da Manifold, Kalshi e Metaculus, che sono mercati di previsione online in cui i partecipanti scambiano sulla probabilità e sui tempi di eventi futuri a scopo di profitto o reputazione. Abbiamo inoltre incluso la data media di previsione ottenuta da questi mercati di previsione.
Altre domande chiave sull'AGI
Qual è lo stato attuale dell'AGI?
Sebbene l'IA ristretta superi gli esseri umani in compiti specifici, una macchina intelligente non esiste. Alcuni ricercatori affermano che i grandi modelli linguistici dimostrano capacità generaliste emergenti.1
Come possiamo raggiungere l'AGI?
O aumentando calcolo e dati per le architetture attuali come i transformer, oppure inventando nuovi approcci. Non esiste ancora un consenso scientifico sul metodo per raggiungere l'AGI o per validarla.
Di seguito puoi vedere un riepilogo delle previsioni che compongono questa cronologia, 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 2040 e il 2061, con alcuni che stimano che la superintelligenza potrebbe seguire entro pochi decenni.
Sondaggio tra esperti sui progressi nell'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. Sulla base dei risultati dell'Expert Survey on Progress in IA, si stima che l'intelligenza artificiale di alto livello si verifichi entro il 2040.2
Sondaggio tra esperti sui progressi nell'IA
Il sondaggio è stato condotto con 738 esperti che hanno pubblicato alle conferenze NIPS e ICML del 2021. Sulla base dei risultati dell'Expert Survey on Progress in IA, gli esperti stimano che ci sia una probabilità del 50% che l'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 saranno i fattori principali del progresso dell'IA.
Sondaggio sulla previsione dei progressi dell'IA
Baobao Zhang ha intervistato 296 esperti di IA nel 2019, chiedendo loro di prevedere quando le macchine avrebbero superato il lavoratore umano mediano nello svolgere oltre 90% dei compiti economicamente rilevanti. Secondo i risultati del sondaggio Forecasting IA Progress, la metà degli intervistati ha stimato che ciò avverrà prima del 2060.4
Sondaggio degli esperti di IA sulla tempistica dell'AGI
Le previsioni del sondaggio IA Experts’ Survey on AGI Timing del 20195sono:
- 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.
Sondaggio sul potenziale impatto dell'IA sulla dislocazione del lavoro
Ross Gruetzemacher ha intervistato 165 esperti di IA nel 2018 per valutare il potenziale impatto dell'IA sulla dislocazione del lavoro. Agli esperti è stato chiesto di stimare quando i sistemi di IA saranno in grado di svolgere 99% dei compiti per i quali attualmente gli esseri umani sono pagati, a un livello pari o superiore a quello di un essere umano medio.
Sulla base dei risultati del sondaggio sul potenziale impatto dell'IA sulla dislocazione del lavoro, 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 degli esperti di IA alle conferenze NIPS e ICML
Nel maggio 2017, 352 esperti di IA che hanno pubblicato alle conferenze NIPS e ICML del 2015 sono stati intervistati.7
Sulla base dei 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, esiste una significativa differenza di opinioni in base alla geografia:
- Gli intervistati asiatici si aspettano l'AGI in 30 anni,
- I nordamericani se la aspettano in 74 anni.
Alcune funzioni lavorative significative che si prevede saranno automatizzate entro il 2030 includono gli operatori dei call center, la guida di camion e le vendite al dettaglio.
Sondaggio sui progressi futuri nell'intelligenza artificiale
Vincent C. Muller, presidente dell'Associazione europea per i sistemi cognitivi, 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 (probabilità superiore al 50%) 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 brevi, con un arco temporale che va da appena 2 anni (improbabile, probabilità del 10%) a circa 30 anni (probabilità elevata, 75%).
Sondaggio con gli esperti di IA partecipanti alla conferenza AGI-09
Sulla base dei 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.9Di 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 di un Nobel e raggiungere l'intelligenza sovrumana.
Figura 1: Risultati del sondaggio distribuito ai partecipanti alla conferenza Artificial General Intelligence 2009 (AGI-09).
Indicazioni dalla comunità
Abbiamo anche valutato le previsioni di Samotsvety Forecasting e della comunità Metaculus sull'AGI e i risultati dei mercati di previsione di Manifold, Kalshi e Polymarket:
Samotsvety Forecasting
Samotsvety Forecasting è un team di previsori che elabora previsioni probabilistiche sugli eventi del mondo reale, in particolare in geopolitica, tecnologia e rischi globali, utilizzando ragionamento strutturato e metodi quantitativi. Dimostra un solido curriculum competitivo sulle principali piattaforme e tornei di previsione (ad es. INFER/CSET-Foretell), dove la sua accuratezza viene misurata tramite metriche di punteggio formali come il Brier score.10
A gennaio 2026, il team ha aggiornato le proprie previsioni sull'AGI con 8 previsori.11Ecco i risultati aggregati:
- Probabilità del 10% di raggiungere l'AGI nel 2026
- Probabilità del 50% di raggiungere l'AGI entro il 2041
- Probabilità del 90% 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 circa 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
Mercato di previsione Kalshi
Ad agosto 2026, i contributori del mercato di previsione Kalshi dichiarano 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 comunità 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 e informato test di Turing 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
Indicazioni da imprenditori di IA e singoli ricercatori
Anche gli imprenditori di 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 differiscono 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 la ritiene plausibile ma resta prudente, citando sfide irrisolte nella creatività scientifica e nell'auto-miglioramento autonomo.
Ecco le previsioni di 15 dei più importanti imprenditori e ricercatori di IA:
- Shane Legg, cofondatore di DeepMind Technologies, definisce la 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 alla stessa persona venisse assegnato lo stesso compito. La sua previsione a gennaio 2026 è che ci sia una probabilità del 50% che l'AGI minima si realizzi entro il 2028.
- Secondo Legg, raggiungere l'AGI minima non significa che comprendiamo appieno o possiamo riprodurre le forme più alte di intelligenza umana, come le grandi scoperte scientifiche o le realizzazioni artistiche. La 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 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 la maggior parte dei compiti di ingegneria del software end-to-end e di accelerare il proprio sviluppo attraverso cicli di feedback.
- Sebbene riconosca vincoli come la disponibilità di hardware e i tempi di addestramento, considera improbabile una tempistica più lunga e prevede una rapida accelerazione una volta maturati questi cicli.21
- Allo stesso evento nel 2026, Demis Hassabis, fondatore di DeepMind, ha mantenuto una prospettiva più prudente, ribadendo una stima di circa una probabilità del 50% di raggiungere l'AGI entro la fine del decennio (2030).
- Hassabis concorda che i progressi sono rapidi 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 nella generazione di 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 certe le tempistiche 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 dichiarato 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 previsto entro 2-3 anni (ovvero nel 2027 o nel 2028).
- Nel marzo 2024, il CEO di Nvidia Jensen Huang ha previsto che entro cinque anni l'IA eguaglierà o supererà le prestazioni umane in qualsiasi test: 2029.24
- Louis Rosenberg, informatico, imprenditore e scrittore, entro il 2030.
- Ray Kurzweil, informatico, imprenditore e scrittore di 5 bestseller nazionali, tra cui The Singularity Is Near: precedentemente 2045, nel 2024, 2032.25
- Nel 2023, Hinton ha ritenuto che l'AGI potrebbe richiedere 5-20 anni.26
- Sam Altman, CEO di OpenAI, entro il 2035. Ha menzionato "poche migliaia di giorni" nel 2024 nel suo blog "The Intelligence Age".
- Ajeya Cotra, ricercatrice di IA, ha analizzato la crescita del calcolo 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, cofondatore della società di IA NNAISENSE e direttore del laboratorio svizzero di IA IDSIA, entro il 2050.26
Altri commenti e sviluppi sull'AGI
Gruppo presidenziale AAAI sul futuro della ricerca sull'IA
475 intervistati, principalmente del mondo accademico (67%) e del Nord America (53%), sono stati interrogati sui progressi dell'IA. Sebbene il sondaggio del Gruppo presidenziale AAAI 2025 sul futuro della ricerca sull'IA non chiedesse una tempistica per l'AGI, il 76% degli intervistati ha dichiarato che l'aumento di scala degli attuali approcci all'IA difficilmente porterebbe all'AGI.28
OpenAI espande le sue ambizioni nella robotica
OpenAI sta aumentando l'attenzione sulla robotica come parte del suo 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 agire autonomamente nel mondo fisico.
Questo segna un cambiamento rispetto alla precedente attenzione di OpenAI sui modelli linguistici e di immagini. L'azienda punta ora a collegare il ragionamento avanzato con l'interazione fisica, suggerendo di considerare la robotica un passo essenziale verso il test 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 nella costruzione di 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 che possano lavorare in sicurezza accanto alle persone.29
Microsoft: il report sui primi esperimenti con GPT-4
Microsoft Research ha studiato una prima versione di OpenAI GPT-4 nel 2023. Il report sosteneva che mostrasse un'intelligenza generale superiore rispetto ai precedenti modelli di IA, con prestazioni a livello umano in ambiti come matematica, programmazione e diritto. Ciò ha acceso il dibattito sull'ipotesi che GPT-4 fosse una forma preliminare di intelligenza artificiale generale. 30
Il report "The road to artificial general intelligence" del MIT
Il report "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 di livello umano in ambiti specifici, capacità multimodali su testo, audio e interfacce fisiche e un'autonomia limitata orientata agli obiettivi.
Il report combina previsioni aggregate e suggerisce una probabilità del 50% che diversi traguardi generalizzati, come il trasferimento di conoscenze e l'ampio ragionamento, 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 entro circa il 2047, a condizione di 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 del 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 abilità 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 specifici punti di forza e debolezza nei modelli attuali. Osservano che lettura, scrittura, matematica e conoscenza generale soddisfano o superano i livelli di riferimento umani e non sono più fattori limitanti.
Gli autori evidenziano le lacune rimanenti nel ragionamento visivo, nella fisica intuitiva, nell'elaborazione uditiva, nella velocità dipendente dalla percezione e nella memoria di lavoro visiva e uditiva. Riportano rapidi miglioramenti in 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 rimanente più significativo è l'apprendimento continuo e l'archiviazione della memoria a lungo termine. I sistemi attuali non possono conservare le informazioni tra le sessioni e la risoluzione di 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 dal passato eccesso di ottimismo nelle previsioni sull'IA
Tieni presente che in passato i ricercatori di IA sono stati troppo ottimisti. Gli esempi includono:
- Geoff Hinton ha affermato nel 2016 che non avremmo più avuto bisogno di 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 in grado, entro vent'anni, di fare qualsiasi lavoro che un uomo può fare".35
- Il computer di quinta generazione del Giappone nel 1980 aveva una tempistica decennale con obiettivi come "condurre conversazioni informali".36
Questa esperienza storica ha contribuito a far sì che la maggior parte degli scienziati attuali eviti di prevedere l'AGI in intervalli temporali audaci come 10-20 anni, ma questo è cambiato con l'ascesa dell'IA generativa.
Capire 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 che spengono i bot perché sono diventati troppo intelligenti.37
La maggior parte di questi miti deriva da ricerche interpretate male da chi è al di fuori dei settori dell'IA e dell'IA generativa. Alcuni stakeholder dichiarano 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 si prevede porti a un rapido aumento dell'intelligenza delle macchine. Ciò è previsto quando un sistema combina il pensiero di 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 tale macchina potrebbe auto-migliorarsi e superare le capacità umane. Anche prima che l'intelligenza artificiale diventasse un tema di ricerca informatica, scrittori di fantascienza come Asimov erano preoccupati per questo. Studiavano meccanismi (ovvero le Leggi della Robotica di Asimov) per garantire la benevolenza delle macchine intelligenti, oggi più comunemente chiamata ricerca sull'allineamento.
Perché gli esperti ritengono inevitabile l'AGI: argomenti chiave e prove
Raggiungere l'AGI sembra una previsione azzardata, ma appare un obiettivo piuttosto ragionevole se si considera che l'intelligenza umana è fissa mentre l'intelligenza delle macchine sta crescendo. È solo questione di tempo prima che le macchine ci superino, a meno che non esista un limite rigido alla loro intelligenza. Finora non abbiamo incontrato un limite del genere.
L'intelligenza umana è fissa, a meno che non uniamo in qualche modo le nostre capacità cognitive con le macchine. La startup di neural lace di Elon Musk punta a farlo, ma la ricerca sulle interfacce cervello-computer è nelle fasi iniziali.38
L'intelligenza delle macchine dipende da algoritmi, potenza di elaborazione e dati.
- La potenza di elaborazione è cresciuta a un ritmo esponenziale con l'afflusso di investimenti in R&S e data center.
- Finora siamo stati bravi a fornire alle macchine gli algoritmi necessari per usare efficacemente la loro potenza di elaborazione e memoria.
- Infine, aziende e individui creano 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
A febbraio 2026, Claude ha rilasciato Opus 4.6 con una finestra di contesto di 1M e risultati impressionanti nei benchmark.
Anthropic si sta inoltre concentrando sui casi d'uso rilasciando plugin come Claude Legal, che sono file markdown per aiutare i modelli a orientarsi in ambiti specifici. Sebbene si tratti di un'aggiunta minore a Claude, ha innescato una svendita sul mercato azionario, compresi 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 di 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 senza ricorrere a strumenti simbolici formali.
Le sue capacità derivano da diverse innovazioni: la modalità Deep Think consente l'esplorazione parallela dei percorsi risolutivi, l'addestramento incorpora dimostrazioni matematiche a livello di esperto e l'apprendimento per rinforzo affina il suo approccio strategico.
Questo progresso dimostra che l'IA avanzata può ora impegnarsi in un ragionamento sofisticato e interpretabile a un livello un tempo riservato ai migliori risolutori umani.40
Opencrawl
Opencrawl 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 opencrawl.
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 in un prossimo futuro.
Crescita recente delle capacità di calcolo dell'IA
Figura 2: La figura mostra un riepilogo dei modelli di crescita del calcolo osservati in varie categorie: modelli notevoli complessivi (in alto a sinistra), modelli di frontiera (in alto a destra), principali modelli linguistici (in basso a sinistra) e migliori modelli delle aziende leader (in basso a destra).
Le risorse computazionali per l'addestramento dei modelli di IA sono aumentate in modo significativo, con circa due terzi delle prestazioni dei modelli linguistici attribuite ai miglioramenti della scala dei modelli.
Secondo un articolo del 2024,41 la crescita dell'uso di calcolo nell'addestramento dei modelli di IA è aumentata costantemente di circa 4-5x all'anno, riflettendo le tendenze dei modelli notevoli, dei modelli di frontiera e delle principali aziende come OpenAI, Google DeepMind e Meta IA (vedi Figura 2).
Tuttavia, il tasso di crescita è leggermente rallentato dal 2018, soprattutto per i modelli di frontiera, ma i modelli linguistici hanno registrato una crescita più rapida fino a 9x/anno fino a metà 2020, dopodiché il ritmo è rallentato a 4-5x/anno.
La tendenza complessiva della crescita del calcolo per l'IA resta forte e le proiezioni suggeriscono che il tasso di crescita di 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 loro.
Nonostante un rallentamento della 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 al 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 dimezzi all'incirca ogni 2 anni.
D'altra parte, la maggior parte degli esperti ritiene che la legge di Moore stia giungendo al termine nel corso di 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.
Quantum Computing, 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 simultanea di stati diversi, 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 in esecuzione su computer quantistici stabili hanno la possibilità di sbloccare la singolarità.
Perché alcuni esperti ritengono che non raggiungeremo l'AGI?
Ci sono 3 argomenti principali contro l'importanza o l'esistenza dell'AGI. Li abbiamo esaminati 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 anche l'intelligenza umana è diversa dall'intelligenza animale. Alcuni animali sono capaci di imprese 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 ritirare 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 apprendere nuove abilità. 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 che è alla pari con i programmi di Go che battono i campioni del mondo, studiando e sfruttando i punti deboli 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 nuove conoscenze nella maggior parte dei settori.
Una maggiore intelligenza può portare a esperimenti progettati e gestiti meglio, consentendo più scoperte per 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, previsioni perfette potrebbero non essere possibili in alcuni ambiti a causa della casualità intrinseca o dell'impossibilità di misurazione di quell'ambito. Ad esempio, anche con una grande quantità di dati, non siamo in grado di prevedere determinati esiti della vita con un elevato livello di accuratezza.47
Economia
L'intelligenza non è l'ingrediente per la generazione di 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 concentriamo su livelli elevati di ricchezza. Questo grafico è uguale al precedente, 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 individuare 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 solo con l'intelligenza.
3- L'AGI non è possibile perché non è possibile modellare il cervello umano
Teoricamente, 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 1950. 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. Tuttavia, non esiste un modo matematicamente rigoroso per dimostrare questa convinzione, perché non comprendiamo ancora il cervello abbastanza bene da caratterizzarne con precisione la potenza 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 siano migliorate le capacità degli agenti di IA, misurando i compiti più lunghi che possono completare con un'affidabilità del 50%.
La scoperta principale è che la lunghezza dei compiti che i modelli di frontiera possono gestire è cresciuta in modo esponenziale, raddoppiando all'incirca 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 schema continua, 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.
La scalabilità come percorso verso l'AGI
I leader dei laboratori di IA di frontiera ritengono che la scalabilità degli attuali approcci basati su transformer possa portare all'AGI, alimentando le loro previsioni sul raggiungimento dell'AGI in pochi anni.
Un percorso proposto verso l'AGI è la scalabilità delle architetture esistenti come i transformer aumentando calcolo e dati, mentre un altro è lo sviluppo di approcci completamente nuovi.
A sostegno dell'ipotesi della scalabilità, un report del 2024 di Epoch IA ha analizzato se la crescita del calcolo per l'IA possa continuare fino al 2030.
Hanno 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, presupponendo investimenti significativi nelle infrastrutture.
Tali progressi potrebbero produrre sistemi di IA molto più capaci degli attuali modelli all'avanguardia come GPT-4, avvicinandoci all'AGI.50
Figura 6: Il grafico illustra i limiti superiori stimati del calcolo di addestramento dell'IA entro il 2030 in presenza di vincoli chiave: energia, produzione di chip, dati e latenza, con mediane comprese tra 2e29 e 3e31 FLOP.
Oltre la scalabilità: la necessità di nuove architetture
Tuttavia, influenti scienziati di IA come Yann LeCun e Richard Sutton ritengono che la scalabilità dei grandi modelli linguistici non porterà a un'intelligenza di livello umano.51 52 Ritengono che servano nuove architetture o approcci per l'AGI.
Come possiamo misurare se abbiamo raggiunto l'AGI?
I grandi modelli linguistici superano nuovi benchmark ogni settimana, ma valutare gli LLM è difficile a causa di problemi come l'avvelenamento dei dati e la mancanza di una definizione scientifica accettata di intelligenza di livello umano.
Queste preoccupazioni sono amplificate dalle indicazioni di ricerche recenti53che evidenziano che la scalabilità degli LLM non è un percorso sostenibile verso prestazioni migliori, soprattutto in ambiti scientifici e ad alto rischio. Gli autori mostrano che:
- Gli LLM mostrano esponenti di scalabilità molto bassi (~0.1), il che significa che anche aumenti massicci 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 convergenza reale o l'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 all'altezza delle macchine odierne, e nuove metriche come ARC-AGI potrebbero non avere le capacità di generalizzazione di benchmark più ampi.
Metriche emergenti come ARC-AGI mirano a testare astrazione e 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?
Esistono alcuni approcci al benchmarking per superare queste sfide:
- Aggiornare frequentemente le domande dei benchmark. Esempio reale: LiveBench
- Usare set di dati di controllo per prevenire l'avvelenamento dei dati: benchmark come ARC-AGI.
Quali sono gli approcci oltre al 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 il CEO Satya Nadella afferma che una crescita del 10% nel mondo sviluppato indicherebbe l'AGI.54. Tuttavia, il suo incentivo è avere una definizione ritardata di AGI, poiché l'AGI porrebbe fine alla partnership esclusiva di 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 una persona per stare seduta 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 i dati del 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 professionali:
- Professioni di architettura e ingegneria
- Professioni di attività commerciali e finanziarie
- Professioni informatiche e matematiche
- Professioni sanitarie e tecniche
- Professioni legali
- Professioni delle scienze della vita, fisiche e sociali
- Professioni dirigenziali
- Professioni di supporto amministrativo e d'ufficio
- Professioni di vendita 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 indica 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 di primo livello, leggi perdita di posti di lavoro dovuta all'IA.
Dovremmo anche 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, overfit dei benchmark, ignorare i valori sociali incorporati, lasciare che l'hype detti le priorità, accumulare "debito di generalità" (rinviare questioni progettuali chiave) ed escludere comunità emarginate e ricercatori con poche risorse.
Obiettivi specifici, misurabili e trasparenti sarebbero migliori per il progresso dell'IA rispetto a un obiettivo definito vagamente come l'AGI.
Aggiungi come fonte preferitaIl ragionamento matematico dietro le 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 scalabilità e crescita del calcolo
Una componente chiave del ragionamento matematico riguarda l'analisi delle leggi di scalabilità. Queste mostrano che le prestazioni dei modelli migliorano in modo prevedibile con più dati, parametri e calcolo.
La costante crescita annuale di 4–5× del calcolo di addestramento dell'IA supporta le previsioni che l'AGI possa essere raggiungibile entro uno o due decenni, presupponendo che le tendenze attuali continuino.
Queste proiezioni si basano su adattamenti empirici alle curve di prestazione ed estrapolazioni, sostenuti da relazioni a 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 determinati anni, producendo distribuzioni di probabilità cumulative.
Ad esempio, una probabilità del 50% entro il 2040 riflette il consenso in condizioni di incertezza, guidato da un aggiornamento di tipo bayesiano basato sui progressi osservati dell'IA.
Questo approccio di ragionamento matematico coglie 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 una cornice per riflettere sulla sua possibilità e sui requisiti computazionali coinvolti.
Maggiori informazioni sull'Intelligenza Artificiale Generale
David Silver, Principal Research Scientist presso Google DeepMind
Spiega che l'Intelligenza Artificiale Generale (AGI) si riferisce a sistemi di IA capaci di apprendere ed eccellere in un'ampia gamma di compiti, come gli esseri umani che possono diventare esperti in campi diversi come scienza, musica o sport.
A differenza dell'IA ristretta, limitata a una singola funzione, l'AGI aspira a rispecchiare l'adattabilità umana e la capacità generale di risolvere problemi.
Osserva che, sebbene l'AGI sia un obiettivo a lungo termine, raggiungere una vera intelligenza di livello umano richiederà probabilmente diverse scoperte e si svilupperà gradualmente (vedi il video qui sotto).
Ilya Sutskever, cofondatore e Chief Scientist di OpenAI
Nel TED Talk "The Exciting, Perilous Journey Toward AGI", esplora i rapidi progressi verso l'Intelligenza Artificiale Generale (AGI).
Prevede che l'AGI potrebbe emergere entro i prossimi 5-10 anni, pur riconoscendo l'incertezza di questa tempistica.
Sutskever evidenzia sia l'immenso potenziale sia i profondi rischi dell'AGI, sottolineando la necessità di allineare il suo sviluppo ai valori umani. Nonostante le sfide, è ottimista sul fatto che l'umanità possa guidare in sicurezza questa potente tecnologia (vedi il video qui sotto).
Ray Kurzweil, informatico e imprenditore
Riflette su oltre sei decenni di progressi dell'IA, ripercorrendo la capacità dell'umanità di costruire strumenti che potenziano l'intelligenza, dagli strumenti primitivi ai grandi modelli linguistici.
Prevede inoltre che l'Intelligenza Artificiale Generale arriverà entro il 2029, portando alla singolarità tecnologica entro il 2045. Evidenzia i progressi esponenziali nella potenza di calcolo, nella medicina e nella biotecnologia.
Prevede inoltre scoperte come cure generate dall'IA, sperimentazioni cliniche digitali e velocità di fuga della longevità, in cui il progresso scientifico potrebbe prolungare la vita indefinitamente (vedi il video qui sotto).
Yann LeCun, vincitore del premio Turing
Scopri perché gli LLM non possono darci un'intelligenza di 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 dello sviluppo dell'AGI, abbiamo utilizzato la media ponderata delle previsioni per ogni 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 rappresentato 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 sondaggi precedenti collocavano il suo arrivo più vicino al 2060, le previsioni recenti, soprattutto da parte degli imprenditori, suggeriscono che potrebbe emergere già tra il 2026 e il 2035.
Questo cambiamento è alimentato dai rapidi progressi nei grandi modelli linguistici e dalla crescente potenza di calcolo. Tuttavia, nonostante questi progressi, l'IA odierna manca ancora della flessibilità generale e dell'autonomia associate all'intelligenza di livello umano.
Gli esperti restano divisi su come verrà raggiunta l'AGI: alcuni ritengono che la scalabilità delle architetture attuali sarà sufficiente, mentre altri sostengono che servano nuovi metodi.
Le sfide principali includono l'elevata richiesta 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 si prevede porti a un rapido aumento dell'intelligenza delle macchine.
Per la singolarità, abbiamo bisogno di un sistema che combini il pensiero di livello umano con una velocità sovrumana e una 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 singolarità sia un termine 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 conoscenze 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, che le consentirebbero di ragionare, pianificare e adattarsi a situazioni non familiari.
Lo sviluppo dell'AGI resta un obiettivo di ricerca significativo e oggetto di dibattito etico e filosofico.
La superintelligenza indica un intelletto che supera significativamente 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 critiche su controllo, sicurezza e implicazioni a lungo termine per il ruolo dell'umanità in un mondo dominato da un'intelligenza superiore.
L'Intelligenza Artificiale Avanzata (AMI) riguarda 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 dell'IA ristretta, ma restano al di sotto della soglia di una completa intelligenza generale.
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 = aug,
howpublished = {\url{https://aimultiple.com/artificial-general-intelligence-singularity-timing}},
note = {AIMultiple. Consultato il 13 Agosto 2026}
}Risultati e timestamp di 254 punti dati. Scarica i dati utilizzati in questo articolo come file ZIP contenente 4 file CSV e un README.
Registro delle modifiche
32 aggiornamenti- 2026
Aggiunta 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".
- 2025
Aggiunte le ambizioni robotiche di OpenAI alla sezione dopo la Figura 1.
Aggiunto un nuovo rapporto alla sezione 'Approfondimenti della comunità'.
Aggiunta una sezione che definisce singolarità, AGI, superintelligenza e AMI.
Espansa la sezione "Risultati recenti" con nuove informazioni su GPT-5.
Aggiunta la previsione di Eric Schmidt alla sezione degli imprenditori e ricercatori di IA di spicco.
Aggiunti crescita economica e disoccupazione come indicatori di AGI nella sezione "Quali sono gli approcci oltre il benchmarking per determinare l'AGI?".
Aggiunta la sezione Ragionamento matematico dietro le previsioni AGI all'articolo.
Aggiornata l'affermazione sulla superiorità dell'AGI nella sezione 'L'intelligenza è multidimensionale'.
Aggiunta una critica più ampia della ricerca AGI alla sezione AGI/Singolarità.
Aggiunta la sezione "Se l'informatica classica rallenta la sua crescita, l'informatica quantistica potrebbe completarla" alla sezione "Tendenze recenti della crescita dell'informatica AI".
Aggiunto un percorso proposto all'AGI nella sezione AGI/Singolarità.
Aggiornata la risposta alla domanda se l'AGI/singolarità accadrà mai.
Aggiunto una sezione, "Come possiamo raggiungere l'AGI", alla sezione "Qual è il nostro stato attuale".
Aggiunta la previsione di Geoff Hinton del 2016 agli esempi di previsioni AI passate.
Aggiornato il numero di previsioni analizzate nell'introduzione.
Aggiunta una cronologia dell'anno previsto della singolarità all'introduzione.
Aggiunta l'Intelligenza Economica alla sezione 2- L'intelligenza non è la soluzione a tutti i problemi.
Aggiunta un'indagine sul potenziale impatto dell'IA sullo spostamento del lavoro nella sezione dei risultati delle principali indagini sui ricercatori di IA.
Aggiunta l'indagine sugli esperti sui progressi dell'IA nel 2023 alla sezione Indagine sugli esperti sui progressi dell'IA nel 2022.
Espansa l'introduzione della sezione "AGI/Singolarità: 10.000 previsioni analizzate".
- 2024
Aggiunti Dario Amodei e Demis Hassabis all'elenco delle previsioni sull'IA.
Aggiornata la previsione di Elon Musk nella sezione 'Imprenditori AI'.
Aggiornata la sezione delle risposte rapide con nuove previsioni e riferimenti.
- 2023
Espansa la sezione delle risposte rapide con una nuova visione di consenso sui tempi dell'AGI.
Aggiornato il numero di sondaggi e partecipanti nell'introduzione.
- 2022
Aggiunti dati alla sezione su quando avverrà la singolarità.
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.
Prossimo da leggere
I 6 migliori builder di app IA: Lovable, Base44 e Glide
Top 10 software per la scoperta di farmaci
Le 4 principali IA Guardrails: Weights and Biases e NVIDIA NeMo
Commenti 12
Condividi i tuoi pensieri
Il tuo indirizzo email non verrà pubblicato. Tutti i campi sono obbligatori. I commenti vengono lasciati nella loro lingua originale.
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.
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!