AGI/Singolarità: 9.800 previsioni analizzate
L'intelligenza artificiale generale (AGI) si verifica quando un sistema di IA eguaglia le capacità cognitive umane in tutti i compiti. Abbiamo analizzato 9.800 previsioni di ricercatori di IA, imprenditori di punta e previsioni della comunità sulla tempistica dell'AGI:
L'AGI/la singolarità accadranno? Secondo la maggior parte degli esperti di IA, l'AGI è inevitabile.
Quando raggiungeremo l'AGI? Tra la fine degli anni '20 e l'inizio degli anni '30. La tempistica dell'AGI si è accorciata dopo il lancio di ChatGPT.
Tempistica dell'intelligenza artificiale generale
Il grafico sopra illustra l'anno previsto per la singolarità, basato su informazioni raccolte da 10 sondaggi con oltre 6.000 partecipanti, risposte di 18 ricercatori di IA e informazioni della comunità dai mercati predittivi Manifold, Kalshi e Metaculus.
Come si può vedere sopra, i partecipanti ai sondaggi si aspettano sempre di più che la singolarità avvenga prima di quanto precedentemente previsto. Scopri i metodi che abbiamo usato per creare questo grafico.
Previsioni AGI dai mercati predittivi
Per le previsioni dei mercati predittivi e della comunità, abbiamo utilizzato:
Oltre 3.800 previsioni da Manifold, Kalshi e Metaculus, che sono mercati predittivi online in cui i partecipanti scommettono sulla probabilità e sul momento di eventi futuri per profitto o reputazione. Abbiamo incluso anche la data media prevista ottenuta da questi mercati predittivi.
Altre domande chiave sull'AGI
Qual è la nostra situazione attuale sull'AGI?
Sebbene l'IA ristretta superi gli esseri umani in compiti specifici, una macchina generalmente intelligente non esiste. Alcuni ricercatori affermano che i modelli linguistici di grandi dimensioni dimostrano capacità generaliste emergenti.1 Secondo il nostro benchmark AGI, le macchine sono ancora lontane dal generare autonomamente valore economico.
Come possiamo raggiungere l'AGI?
O aumentando la potenza di calcolo e i dati dietro le attuali architetture come i transformer, oppure inventando nuovi approcci. Non esiste ancora un consenso scientifico sul metodo per raggiungere l'AGI o per convalidarlo.
Di seguito puoi vedere un riepilogo delle previsioni che compongono questa tempistica, oppure vedi la tabella completa.
Risultati dei principali sondaggi sui ricercatori di IA
Abbiamo esaminato i risultati di 10 sondaggi che coinvolgono più di 6.000 ricercatori ed esperti di IA, nei quali hanno stimato quando potrebbe verificarsi l'AGI/la 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 degli esperti sui progressi in IA
Nel ottobre 2023, AI 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 2022. In base ai risultati del Sondaggio degli esperti sui progressi in IA, si stima che l'intelligenza artificiale di alto livello si verificherà entro il 2040.2
Sondaggio degli esperti sui progressi in IA
Il sondaggio è stato condotto con 738 esperti che hanno pubblicato alle conferenze NIPS e ICML del 2021. In base ai risultati del Sondaggio degli esperti sui progressi 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 sarebbero stati i fattori più importanti nei progressi 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 medio umano nel svolgere oltre il 90% dei compiti economicamente rilevanti. Secondo i risultati del Sondaggio sulla previsione dei progressi dell'IA, metà dei rispondenti ha stimato che ciò sarebbe accaduto prima del 2060.4
Sondaggio degli esperti di IA sulla tempistica dell'AGI
Le previsioni del Sondaggio degli esperti di IA sulla tempistica dell'AGI nel 20195 sono:
- 45% dei rispondenti 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 sull'impatto potenziale dell'IA sullo spostamento del lavoro
Ross Gruetzemacher ha intervistato 165 esperti di IA nel 2018 per valutare l'impatto potenziale dell'IA sullo spostamento del lavoro. È stato chiesto agli esperti di stimare quando i sistemi di IA sarebbero stati in grado di svolgere il 99% dei compiti per cui gli esseri umani vengono attualmente pagati, a un livello pari o superiore a quello di un essere umano medio.
In base ai risultati del sondaggio sull'impatto potenziale dell'IA sullo spostamento del lavoro, metà dei rispondenti ha previsto che questo traguardo sarebbe stato raggiunto prima del 2068, mentre il 75% si aspettava che ciò accadesse entro i prossimi 100 anni.6
Sondaggio sugli 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 sulle conferenze NIPS e ICML, gli esperti stimano una probabilità del 50% che l'AGI si verifichi entro il 2060. Detto questo, esiste una differenza significativa di opinione in base alla geografia:
- I rispondenti asiatici si aspettano l'AGI in 30 anni,
- Gli americani del Nord in 74 anni.
Alcune funzioni lavorative significative previste per essere automatizzate entro il 2030 includono rappresentanti del call center, autisti di camion e vendite al dettaglio.
Sondaggio sui futuri progressi 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 sui futuri progressi nell'intelligenza artificiale nel 2012 e 2013. 550 partecipanti hanno risposto alla domanda: Quando è probabile che accada l'AGI?8
In base ai risultati del sondaggio sui futuri progressi nell'intelligenza artificiale:
- Gli esperti di IA intervistati stimano che l'AGI emergerà probabilmente (più del 50% di probabilità) tra il 2040 e il 2050 ed è altamente probabile (90% di probabilità) che appaia entro il 2075.
- Una volta raggiunta l'AGI, la maggior parte degli esperti afferma che progredirà rapidamente verso la superintelligenza, con un arco temporale che va da appena 2 anni (poco probabile, 10% di probabilità) a circa 30 anni (alta probabilità, 75%).
Sondaggio con esperti di IA partecipanti alla conferenza AGI-09
In base ai risultati del sondaggio con 21 esperti di IA partecipanti alla conferenza AGI-09 nel 2009, l'AGI si verificherà intorno al 2050, e probabilmente prima.9 Puoi vedere di seguito le loro stime riguardo a specifici traguardi dell'IA: superare il test Turing, superare la terza elementare, compiere scoperte scientifiche degne di un Nobel e raggiungere un'intelligenza superumana.
Figura 1: Risultati del sondaggio distribuito ai partecipanti alla conferenza di Intelligenza Artificiale Generale 2009 (AGI-09).
Informazioni della comunità
Abbiamo anche valutato le previsioni di Samotsvety Forecasting e della comunità Metaculus sull'AGI, e i risultati dei mercati predittivi di Manifold, Kalshi e Polymarket:
Samotsvety Forecasting
Samotsvety Forecasting è un team di previsionisti che fa previsioni probabilistiche su eventi del mondo reale, specialmente in geopolitica, tecnologia e rischi globali, utilizzando ragionamenti strutturati e metodi quantitativi. Dimostrano un forte record competitivo su importanti piattaforme e tornei di previsione (ad esempio, INFER/CSET-Foretell), dove la loro accuratezza è misurata utilizzando metriche formali come il punteggio Brier.10
Nel gennaio 2026, il team ha aggiornato le sue previsioni sull'AGI con 8 previsionisti.11 Ecco i risultati aggregati:
- 10% di probabilità di raggiungere l'AGI nel 2026
- 50% di probabilità di raggiungere l'AGI entro il 2041
- 90% di probabilità di raggiungere l'AGI entro il 2164
In una precedente previsione del 2022, il team ha stimato una probabilità del 32% di AGI entro 20 anni (entro ~2042) e 73% entro il 2100, entrambe inferiori alle loro attuali proiezioni.12
Mercato Manifold
A partire dall'aprile 2026, oltre 1.100 contributor del mercato Manifold hanno previsto l'anno in cui un'IA supererà per la prima volta un test Turing "di alta qualità, avversario" come 2033.13
Mercato predittivo Kalshi
A partire dall'aprile 2026, i contributor del mercato predittivo Kalshi affermano che c'è una probabilità del 55% che OpenAI raggiunga l'AGI entro il 2030.14
Polymarket
I risultati delle previsioni di Polymarket nell'aprile 2026 indicavano che c'è una probabilità del 14% che OpenAI raggiunga l'AGI entro il 2027.15
Previsioni della comunità Metaculus
A partire dall'aprile 2026:
- 1.700 partecipanti hanno risposto alla domanda "Quando sarà ideato, testato e annunciato pubblicamente il primo sistema di IA debolmente generale?" e la previsione è 20 aprile 2028.16
- 180 partecipanti hanno risposto alla domanda "Quando un'IA supererà per la prima volta un test Turing lungo, informato e avversario?" e la loro previsione è 25 agosto 2029.17
- 1.800 partecipanti hanno risposto alla domanda "Quando sarà ideato, testato e annunciato pubblicamente il primo sistema di IA generale?" e la loro previsione è ottobre 2032.18
Nel 2022, 81 partecipanti hanno risposto alla domanda "Quando i migliori previsionisti si aspettano che venga sviluppata e dimostrata la prima Intelligenza Artificiale Generale?" e la loro previsione era 2035.19
Informazioni da imprenditori di IA e ricercatori individuali
Gli imprenditori di IA stanno anche facendo stime su quando raggiungeremo la singolarità, e sono più ottimisti dei ricercatori. Questo è previsto poiché traggono beneficio da un maggiore interesse per l'IA.
Le loro opinioni differiscono sulla velocità e sul percorso di sviluppo. Amodei di Anthropic si aspetta che l'AGI arrivi a breve termine a causa di rapidi progressi autoalimentanti, mentre Hassabis di DeepMind la considera plausibile ma rimane cauto, citando sfide irrisolte nella creatività scientifica e nel miglioramento autonomo.
Ecco le previsioni di 15 tra i più importanti imprenditori e ricercatori di IA:
- Shane Legg, cofondatore di DeepMind Technologies, definisce AGI minimo un agente artificiale in grado di svolgere in modo affidabile l'intera gamma di compiti cognitivi che un essere umano medio può fare, senza fallire in modi che ci sorprenderebbero se fosse un essere umano a ricevere lo stesso compito. La sua previsione nel gennaio 2026 è che ci sia una probabilità del 50% che l'AGI minimo accada entro il 2028.
- Secondo Legg, raggiungere l'AGI minimo non significa che comprendiamo pienamente o possiamo riprodurre le forme più elevate di intelligenza umana, come scoperte scientifiche importanti o realizzazioni artistiche. L'AGI completo sarebbe raggiunto solo quando l'IA potrà eguagliare l'intero spettro della cognizione umana.20
- Dario Amodei, CEO di Anthropic, ha espresso una forte fiducia che i sistemi di livello AGI si stiano avvicinando a breve termine al Forum Economico Mondiale del 2026 a Davos. Ha affermato che l'AGI si verificherà probabilmente entro pochi anni (2027), forse prima del previsto.
- Sostiene che i rapidi progressi nella codifica e nell'automazione della ricerca sull'IA siano centrali, consentendo ai sistemi di IA di gestire autonomamente la maggior parte dei compiti di ingegneria del software e di accelerare il proprio sviluppo attraverso cicli di feedback.
- Sebbene riconosca limitazioni come la disponibilità di hardware e il tempo di addestramento, considera improbabile un orizzonte temporale molto più lungo e prevede un'accelerazione rapida una volta che questi cicli matureranno.21
- Alla stessa manifestazione nel 2026, Demis Hassabis, fondatore di DeepMind, ha mantenuto un'opinione più cauta, ribadendo una stima di circa il 50% di probabilità di raggiungere l'AGI entro la fine del decennio (2030).
- Hassabis concorda sul fatto che i progressi siano rapidi in domini verificabili come la codifica e la matematica, ma sottolinea che la scoperta scientifica e il ragionamento creativo rimangono più difficili.
- Evidenzia limitazioni irrisolte nella generazione di nuove domande e teorie ed esprime incertezza sul miglioramento autonomo completo, specialmente in domini complessi e reali, che ritiene renda le tempistiche dell'AGI meno certe.
- Combinando i progressi dell'IA nel ragionamento, nella programmazione e nella matematica, Eric Schmidt, ex CEO di Google, afferma che stiamo andando verso l'Intelligenza Artificiale Generale entro 3-5 anni (come dichiarato nell'aprile 2025).22
- Elon Musk si aspetta 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 ha previsto ciò in 2-3 anni (cioè 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 scrittore di 5 best seller nazionali, tra cui La singolarità è vicina: precedentemente 2045,25 , nel 2024, 2032.26
- Nel 2023, Hinton ha scoperto che l'AGI potrebbe richiedere da 5 a 20 anni.27
- Sam Altman, CEO di OpenAI, entro il 2035. Ha menzionato "alcune migliaia di giorni" nel 2024 nel suo blog "The Intelligence Age".
- Ajeya Cotra, un ricercatore 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 2040.28
- Patrick Winston, professore del MIT e direttore del Laboratorio di Intelligenza Artificiale del MIT dal 1972 al 1997, ha menzionato 2040, sottolineando che sebbene sia una data che si verificherà, è difficile stimarlare.
- Jürgen Schmidhuber, co-fondatore della società di IA NNAISENSE e direttore del laboratorio svizzero di IA IDSIA, entro il 2050.29
Altri commenti e sviluppi sull'AGI
Pannello presidenziale AAAI sul futuro della ricerca in IA
475 rispondenti, principalmente provenienti dall'accademia (67%) e dal Nord America (53%), sono stati interrogati sui progressi nell'IA. Sebbene il sondaggio del Pannello presidenziale AAAI 2025 sul futuro della ricerca in IA non abbia chiesto una tempistica per l'AGI, il 76% dei rispondenti ha condiviso che aumentare la scala degli attuali approcci all'IA sarebbe improbabile a portare all'AGI.30
OpenAI espande le sue ambizioni nella robotica
OpenAI sta aumentando la sua attenzione sulla robotica come parte del suo obiettivo di avanzare l'intelligenza artificiale generale. L'azienda sta assumendo specialisti nei sistemi di robot umanoide e sta formando un team per progettare algoritmi che aiutino i robot a imparare e agire autonomamente nel mondo fisico.
Questo segna un cambiamento rispetto al precedente focus di OpenAI sui modelli linguistici e delle immagini. L'azienda mira ora a collegare il ragionamento avanzato all'interazione fisica, suggerendo che considera la robotica un passo essenziale per testare e raggiungere l'AGI.
Contesto e implicazioni
Dopo aver interrotto il suo primo team di robotica intorno al 2020, OpenAI sta tornando allo sviluppo attivo nel campo. Le recenti assunzioni e potenziali partnership indicano un nuovo sforzo per costruire robot in grado di apprendere e manipolare 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 anche obiettivi a lungo termine che vanno oltre l'automazione, verso robot in grado di lavorare in sicurezza accanto alle persone.31
Il rapporto di Microsoft sui primi esperimenti con GPT-4
Microsoft Research ha studiato una versione preliminare del GPT-4 di OpenAI nel 2023. Il rapporto affermava che mostrava una maggiore intelligenza generale rispetto ai precedenti modelli di IA, prestandosi a livello umano in aree come matematica, codifica e diritto. Ciò ha innescato un dibattito su se GPT-4 fosse una forma preliminare di intelligenza artificiale generale. 32
Il rapporto sul percorso verso l'intelligenza artificiale generale del MIT
Il rapporto "Il percorso verso l'intelligenza artificiale generale" dell'agosto 2025 prevede che i primi sistemi simili all'AGI potrebbero iniziare a emergere tra il 2026 e il 2028, mostrando un ragionamento al livello umano in domini specifici, capacità multimodali tra 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, saranno raggiunti entro il 2028.
Le proiezioni a 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 del calcolo, in breakthrough algoritmici e nell'apprendimento autonomo.33
AI Frontiers sulle probabilità di AGI
Adam Khoja e Laura Hiscott di AI 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.34
Khoja e Hiscott valutano i progressi verso l'intelligenza artificiale generale utilizzando una definizione sviluppata da Khoja, Dan Hendrycks e i loro coautori.35 Il 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 approssimativamente 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 mira a creare chiarezza identificando punti di forza e debolezze specifici nei modelli attuali. Notano che lettura, scrittura, matematica e conoscenza generale soddisfano o superano i parametri umani e non sono più fattori limitanti.
Gli autori evidenziano lacune rimanenti nel ragionamento visivo, nella fisica intuitiva, nell'elaborazione uditiva, nella velocità dipendente dalla percezione e nella memoria di lavoro visiva e uditiva. Segnalano un rapido miglioramento nei benchmark come SPACE e MindCube e suggeriscono che queste lacune possono probabilmente essere affrontate attraverso una ricerca incrementale continua. Osservano anche che le allucinazioni rimangono una preoccupazione ma sono gestibili date le differenze di prestazione tra i modelli principali.
Secondo Khoja, Hiscott e Hendrycks, l'ostacolo più significativo rimanente è l'apprendimento continuo e l'archiviazione della memoria a lungo termine. I sistemi attuali non possono conservare informazioni tra sessioni, e la risoluzione di questa limitazione richiederà almeno un breakthrough significativo. Tuttavia, gli autori sottolineano che i principali laboratori di IA stanno ora dando priorità a quest'area.
Imparare dall'eccessivo ottimismo passato nelle previsioni di IA
Tieni presente che i ricercatori di IA sono stati eccessivamente ottimisti in passato. Esempi includono:
- Geoff Hinton ha affermato nel 2016 che non avremmo 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 loro.36
- Il pioniere dell'IA Herbert A. Simon nel 1965: "le macchine saranno in grado, entro vent'anni, di fare qualsiasi lavoro un uomo può fare".37
- Il computer di quinta generazione del Giappone nel 1980 aveva una tempistica decennale con obiettivi come "condurre conversazioni casuali".38
Questa esperienza storica ha contribuito a far sì che la maggior parte degli scienziati attuali eviti di prevedere l'AGI in tempistiche audaci come 10-20 anni, ma questo è cambiato con l'ascesa dell'IA generativa.
Comprendere cos'è la singolarità
L'intelligenza artificiale ci spaventa e ci affascina. Quasi ogni settimana, c'è un nuovo allarme sull'IA sui notiziari, come sviluppatori che temono ciò che hanno creato o che spengono chatbot perché sono diventati troppo intelligenti.39
La maggior parte di questi miti deriva da ricerche interpretate male da chi non appartiene ai campi dell'IA e della GenIA. Alcune parti interessate affermano di temere l'IA perché potrebbero trarne profitto da una maggiore regolamentazione, o perché potrebbe portare loro più attenzione.
La maggiore paura riguardo all'IA è la singolarità (chiamata anche Intelligenza Artificiale Generale o AGI), un evento che si prevede porterà a un rapido aumento dell'intelligenza delle macchine. Ciò è previsto quando un sistema combina un pensiero al livello umano con una velocità superumana e una memoria quasi perfetta 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 fosse un argomento di ricerca in informatica, scrittori di fantascienza come Asimov erano preoccupati per questo. Stavano escogitando meccanismi (cioè le Leggi della Robotica di Asimov) per garantire la benevolenza delle macchine intelligenti, che oggi è più comunemente chiamata ricerca sull'allineamento.
Perché gli esperti credono che l'AGI sia inevitabile: argomenti chiave e prove
Raggiungere l'AGI sembra una previsione folle, ma sembra un obiettivo abbastanza ragionevole quando si considera che l'intelligenza umana è fissa e quella delle macchine è in crescita. È solo questione di tempo prima che le macchine ci superino, a meno che non ci sia un limite rigido alla loro intelligenza. Non abbiamo ancora incontrato un tale limite.
L'intelligenza umana è fissa a meno che non riusciamo in qualche modo a fondere le nostre capacità cognitive con le macchine. L'azienda di Elon Musk sulla ragnatela neurale mira a farlo, ma la ricerca sulle interfacce cervello-computer è agli inizi.40
L'intelligenza delle macchine dipende da algoritmi, potenza di calcolo e dati.
- La potenza di calcolo è cresciuta a un ritmo esponenziale man mano che gli investimenti affluiscono in R&S e centri dati.
- Finora, siamo stati bravi a fornire alle macchine gli algoritmi necessari per utilizzare efficacemente la loro potenza di calcolo e memoria.
- Infine, aziende e individui stanno creando dati digitali a un ritmo crescente. I dati sintetici possono corrompere i modelli o arricchirli. 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 1 milione e impressionanti risultati nei benchmark.
Anthropic si sta concentrando anche sugli utilizzi rilasciando plugin come Claude legale, che sono file markdown per aiutare i modelli a navigare in domini specifici. Sebbene si trattasse di un piccolo aggiunta a Claude, ha innescato una vendita sul mercato azionario, inclusi software SaaS e software legale.41
Deep Think di Gemini
Un altro esempio è la modalità Deep Think di DeepMind Gemini, che ha ottenuto prestazioni da medaglia d'oro alle Olimpiadi Internazionali di Matematica del 2025, segnando un passo importante nella capacità dell'IA di ragionare su problemi complessi.
Operando interamente in linguaggio naturale, Gemini ha risolto cinque su sei problemi entro la finestra ufficiale di 4,5 ore di gara, producendo prove 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 di percorsi di soluzione, l'addestramento incorpora prove 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 un ragionamento sofisticato e interpretabile a un livello riservato in precedenza ai migliori risolutori di problemi umani.42
Opencrawl
Opencrawl è un progetto open source per trasformare i LLM in agenti. È diventato uno dei progetti più popolari su GitHub e ha dato il via all'ecosistema opencrawl.
Crescita esponenziale
Il seguente è un'analogia utile per comprendere la crescita esponenziale. Sebbene le macchine possano non sembrare molto intelligenti in questo momento, potrebbero diventare abbastanza intelligenti nel prossimo futuro.
Crescita recente nelle 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 punta (in alto a destra), principali modelli linguistici (in basso a sinistra) e modelli principali delle principali aziende (in basso a destra).
Le risorse di calcolo per l'addestramento dei modelli di IA sono aumentate significativamente, con circa due terzi delle prestazioni del modello linguistico attribuiti ai miglioramenti della scala del modello.
Secondo un articolo del 2024,43 la crescita dell'uso del calcolo nell'addestramento dei modelli di IA è aumentata costantemente di circa 4-5 volte all'anno, riflettendo le tendenze nei modelli notevoli, modelli di punta e principali aziende come OpenAI, Google DeepMind e Meta AI (vedi Figura 2).
Tuttavia, il tasso di crescita si è rallentato un po' dal 2018, specialmente per i modelli di punta, ma i modelli linguistici hanno sperimentato una crescita più rapida fino a 9 volte/anno fino alla metà del 2020, dopo di che il ritmo si è rallentato a 4-5 volte/anno.
La tendenza generale per la crescita del calcolo dell'IA rimane forte, e le proiezioni suggeriscono che il tasso di crescita del 4-5 volte/anno continuerà a meno che non si verifichino nuove sfide o breakthrough. Questa crescita si osserva anche nelle strategie di scala delle principali aziende di IA, sebbene esistano lievi variazioni tra di loro.
Nonostante un rallentamento nella crescita dei modelli di punta, 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 molto lontano. Gli algoritmi di IA su 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 sulla terra.44 Tuttavia, ci stiamo avvicinando ai limiti della velocità dei computer classici.
La legge di Moore, basata sull'osservazione che il numero di transistor in un circuito integrato denso raddoppia ogni due anni circa, implica che il costo del calcolo si dimezza approssimativamente ogni due anni.
D'altra parte, la maggior parte degli esperti crede che la legge di Moore stia per finire durante questo decennio.45 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 diversi stati allo stesso tempo, mentre i computer classici possono calcolare uno stato alla volta.
La natura unica del calcolo quantistico può essere utilizzata per addestrare in modo efficiente reti neurali, attualmente l'architettura di IA più popolare nelle applicazioni commerciali. Gli algoritmi di IA che funzionano su computer quantistici stabili hanno la possibilità di sbloccare la singolarità.
Perché alcuni esperti credono che non raggiungeremo l'AGI?
Esistono 3 principali argomenti contro l'importanza o l'esistenza dell'AGI. Li abbiamo esaminati insieme alle loro comuni confutazioni:
1- L'intelligenza è multidimensionale
Di conseguenza, l'AGI sarà diverso, non necessariamente superiore all'intelligenza umana.
Questo è vero, e l'intelligenza umana è anche diversa dall'intelligenza animale. Alcuni animali sono capaci di imprese mentali, come gli scoiattoli che ricordano dove hanno nascosto centinaia di noci per mesi.
Yann LeCun, uno dei pionieri dell'apprendimento profondo, crede che dovremmo abbandonare la parola AGI e concentrarci sul raggiungimento di un'"intelligenza artificiale avanzata".46 Sostiene che la mente umana sia specializzata e che l'intelligenza sia una collezione di abilità e della capacità di apprendere nuove abilità. Ogni essere umano può compiere solo un sottoinsieme dei compiti dell'intelligenza umana.47
È anche difficile comprendere il livello di specializzazione della mente umana, poiché noi esseri umani non conosciamo e non possiamo sperimentare l'intero spettro dell'intelligenza.
In aree in cui le macchine hanno mostrato intelligenza superumana, gli esseri umani sono stati in grado di batterle sfruttando le debolezze specifiche delle macchine. Ad esempio, un dilettante è stato in grado di battere un programma di Go che è pari ai programmi di Go che hanno battuto i campioni del mondo studiando e sfruttando le debolezze del programma.48
2- L'intelligenza non è la soluzione a tutti i problemi
Scienza
Anche la migliore macchina che analizza dati esistenti potrebbe non essere in grado di trovare una cura per il cancro. Potrebbe dover eseguire esperimenti nel mondo reale e analizzarne i risultati per scoprire nuove conoscenze nella maggior parte dei settori.
Una maggiore intelligenza può portare a esperimenti meglio progettati e gestiti, consentendo una maggiore scoperta 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 settori a causa della casualità intrinseca o dell'impossibilità di misurazione di quel settore. Ad esempio, anche con una ricchezza di dati, non siamo in grado di prevedere alcuni esiti della vita con un alto livello di accuratezza.49
Economia
L'intelligenza non è l'unico ingrediente per la generazione di valore economico.
- Il QI, la misura più comunemente accettata dell'intelligenza umana, non è correlato al patrimonio netto per valori superiori a ~40.000 dollari (vedi immagine sotto):
Figura 3: Il QI è correlato alla ricchezza a bassi livelli di ricchezza.50
Figura 4: Il QI non è correlato alla ricchezza se ci concentriamo solo su alti livelli di ricchezza. Questo grafico è lo stesso di quello sopra tranne che i livelli di reddito netto inferiori a 40.000 dollari sono stati nascosti51
- Nel mondo degli investimenti, l'intelligenza del team di un'azienda non è considerata un fattore di competitività. Si assume implicitamente che anche altre aziende possano identificare strategie intelligenti. Gli investitori preferiscono aziende con vantaggi ingiusti che includono proprietà intellettuale, scala, accesso esclusivo alle risorse, ecc. La maggior parte di questi vantaggi ingiusti 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, inclusivo il cervello umano, con una macchina relativamente semplice che può eseguire calcoli di base e accedere a memoria e tempo infiniti. Questa è l'universalmente accettata ipotesi di Church-Turing formulata nel 1950. Tuttavia, come affermato, richiede certe condizioni difficili: tempo e memoria infiniti.
La maggior parte degli informatici crede che modellare il cervello umano richiederà meno di tempo e memoria infiniti. Tuttavia, non esiste un modo matematicamente solido per dimostrare questa convinzione, perché non comprendiamo ancora abbastanza bene il cervello per caratterizzarne con precisione la potenza computazionale. Dovremo costruire una tale macchina!
Come possiamo raggiungere l'AGI?
Figura 5: L'orizzonte temporale dei modelli di IA di punta nel tempo mostra la durata massima dei compiti (in tempo equivalente umano) che ogni modello può completare con una affidabilità del 50%.52
La figura sopra mostra come le capacità degli agenti di IA siano migliorate nel tempo misurando la durata massima dei compiti che possono completare con una affidabilità del 50%.
Il risultato chiave è che la durata dei compiti che i modelli di punta possono gestire è cresciuta esponenzialmente, raddoppiando approssimativamente ogni sette mesi. Ciò significa che modelli più recenti, come Claude 3.7 Sonnet e o1, possono ora completare compiti che richiederebbero a un essere umano quasi un'ora, mentre modelli più vecchi come GPT-2 potevano a malapena gestire compiti più lunghi di pochi secondi.
La regione ombreggiata riflette l'incertezza statistica, ma la tendenza generale è affidabile. Se questo schema continua, i sistemi di IA potrebbero presto gestire compiti complessi che richiedono agli esseri umani giorni o addirittura settimane, segnando un passo importante verso un'autonomia più ampia e capacità simili all'AGI.
La scalabilità come percorso verso l'AGI
I leader dei laboratori di IA di punta credono che scalare gli attuali approcci basati su transformer possa produrre AGI, il che alimenta le loro previsioni sul raggiungimento dell'AGI in pochi anni.
Un percorso proposto verso l'AGI è aumentare la scala delle architetture esistenti come i transformer aumentando il calcolo e i dati, mentre un altro è sviluppare approcci completamente nuovi.
A sostegno dell'ipotesi di scalabilità, un rapporto del 2024 di Epoch AI ha analizzato se la crescita del calcolo dell'IA può 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 FLOP entro la fine del decennio, assumendo investimenti significativi in infrastrutture.
Tali progressi potrebbero produrre sistemi di IA molto più capaci degli attuali modelli all'avanguardia come GPT-4, avvicinandoci all'AGI.53
Figura 6: Il grafico illustra i limiti superiori stimati per il calcolo di addestramento dell'IA entro il 2030 sotto i vincoli chiave, energia, produzione di chip, dati e latenza, con mediane che vanno da 2e29 a 3e31 FLOP.
Oltre la scalabilità: il caso per nuove architetture
Tuttavia, influenti scienziati dell'IA come Yann LeCun e Richard Sutton credono che scalare i modelli linguistici di grandi dimensioni non porterà all'intelligenza al livello umano.54 55 Credono che siano necessarie nuove architetture o approcci per l'AGI.
Aggiungi come fonte preferitaCome possiamo misurare se abbiamo raggiunto l'AGI?
I modelli linguistici di grandi dimensioni stanno superando nuovi benchmark ogni settimana, ma valutare i LLM è difficile a causa di problemi come l'avvelenamento dei dati e la mancanza di una definizione scientifica accettata per l'intelligenza al livello umano.
Queste preoccupazioni sono amplificate da informazioni della ricerca recente56 che evidenziano che scalare i LLM non è un percorso sostenibile per prestazioni migliori, specialmente nei settori scientifici e ad alto rischio. Gli autori mostrano che:
- I LLM presentano esponenti di scalabilità molto bassi (~0,1), il che significa che anche aumenti massicci di dati o calcolo producono guadagni di accuratezza minimi.
- Il potere di apprendimento dei LLM deriva dalla loro capacità di produrre output non gaussiani, ma ciò porta anche a accumuli di errori e previsioni fragili.
- Le metriche tradizionali come le funzioni di perdita sono metriche pseudo che non si allineano con la convergenza reale o l'accuratezza.
- Potrebbe sorgere un regime di IA degenerativa (DAI) quando i modelli, addestrati su dati sintetici o ripetitivi, accumulano errori più velocemente di quanto possano essere corretti.
Queste scoperte mettono in dubbio l'affidabilità dei benchmark standard e sottolineano la necessità di strategie di valutazione più diverse ed evolutive.
Vecchie metriche come il test Turing non sono all'altezza delle macchine odierne, e nuove metriche come ARC-AGI potrebbero mancare delle capacità di generalizzazione di benchmark più ampi.
Le metriche emergenti come ARC-AGI mirano a testare l'astrazione e la generalizzazione, ma potrebbero ancora mancare di resilienza contro la contaminazione dei dati o l'overfitting.
Inoltre, come evidenziato dal documento, anche punteggi di perdita "buoni" potrebbero mascherare catastrofi informative sottostanti a causa di fluttuazioni non gaussiane e instabilità di addestramento.57
Come possiamo tracciare i progressi dei LLM?
Esistono alcuni approcci al benchmarking per superare queste sfide:
- Aggiornare frequentemente le domande del benchmark. Esempio reale: LiveBench
- Utilizzare set di riserva per prevenire l'avvelenamento dei dati: i benchmark di AIMultiple, come il benchmark AGI o ARC-AGI.
Quali sono gli approcci oltre il benchmarking per determinare l'AGI?
Esistono potenziali indicatori forti ma ritardati dell'impatto dell'IA, che possono aiutare a identificare l'AGI.
Crescita economica
Il CEO di Microsoft, Satya Nadella, afferma che una crescita del 10% nel mondo sviluppato indicherebbe l'AGI.58 Tuttavia, il suo incentivo è avere una definizione ritardata di AGI poiché l'AGI metterebbe fine al partenariato esclusivo tra OpenAI e Microsoft.59
Disoccupazione
Ci aspettiamo che l'AGI
- Riduca l'occupazione del settore terziario al 10% del suo picco globale quando misurata come quota di persone nella forza lavoro. Ciò dovrebbe accadere se la quota del lavoro nel reddito 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 davanti a un computer. Di conseguenza, ci aspettiamo che l'occupazione del settore terziario crolli mentre gli esseri umani continuano a prosperare in lavori nel mondo fisico.
Gli enti governativi che raccolgono statistiche sul lavoro classificano i lavori in categorie dettagliate, rendendo l'occupazione del settore terziario una metrica facile da tracciare.
Abbiamo raccolto dati dall'Ufficio Statistico del Lavoro degli Stati Uniti sull'occupazione del settore terziario dal 2019 al 2024.60 Per chiarezza e coerenza, abbiamo classificato i lavoratori del settore terziario nei seguenti gruppi occupazionali:
- Occupazioni in Architettura e Ingegneria
- Occupazioni in Operazioni Aziendali e Finanziarie
- Occupazioni in Informatica e Matematica
- Occupazioni in Operatori Sanitari e Tecnici
- Occupazioni Legali
- Occupazioni in Scienze della Vita, Fisiche e Sociali
- Occupazioni in Gestione
- Occupazioni in Supporto Ufficio e Amministrativo
- Occupazioni in Vendite e Correlate
Secondo la nostra analisi, il rapporto tra lavoratori del settore terziario e occupazione totale è oscillato tra 45% e 48% in questo periodo.
Sebbene questo intervallo suggerisca una relativa stabilità nella quota di occupazione del settore terziario finora, non indica una tendenza a lungo termine, e ci aspettiamo cambiamenti più pronunciati nei prossimi anni man mano che l'automazione e l'adozione dell'IA accelerano. Per ulteriori previsioni su come l'IA cambierà l'occupazione del settore terziario e di livello base, leggi perdita di posti di lavoro a causa dell'IA.
Dovremmo mirare all'AGI?
Esistono informatici che avvertono che concentrarsi sull'AGI come obiettivo finale potrebbe distorcere la ricerca sull'IA.61 Le critiche includono: creare un'illusione di consenso, overfitting dei benchmark, ignorare i valori sociali incorporati, permettere che l'hype detti le priorità, accumulare "debito di generalità" (posticipare domande di progettazione 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 vagamente definito come l'AGI.
Ragionamento matematico dietro le previsioni 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
Un componente chiave del ragionamento matematico coinvolge l'analisi delle leggi di scalabilità. Queste mostrano che le prestazioni del modello migliorano in modo prevedibile con più dati, parametri e calcolo.
La costante crescita del 4-5× all'anno del calcolo di addestramento dell'IA sostiene previsioni che l'AGI potrebbe essere raggiungibile entro uno o due decenni, assumendo che le attuali tendenze continuino.
Queste proiezioni si basano su adattamenti empirici alle curve di prestazione ed estrapolazioni, supportate da relazioni di legge di potenza, un concetto fondamentale nella modellazione matematica.
Previsione probabilistica
I ricercatori applicano anche metodi probabilistici alle previsioni AGI. I sondaggi spesso chiedono agli esperti di stimare la probabilità che l'AGI venga sviluppata entro specifici anni, producendo distribuzioni cumulative di probabilità.
Ad esempio, una probabilità del 50% entro il 2040 riflette un consenso sotto incertezza, guidato da aggiornamenti di stile bayesiano basati sui progressi osservati dell'IA.
Questo approccio di ragionamento matematico cattura l'incertezza degli esperti senza richiedere date precise, consentendo revisioni continue man mano che diventano disponibili nuovi dati.
Fondamenti teorici
Queste previsioni si basano su elementi teorici del ragionamento matematico, inclusa la tesi di Church-Turing, che implica che la cognizione umana possa essere simulata dalle macchine, e concetti come la complessità di Kolmogorov, che collegano l'intelligenza alla compressibilità dell'informazione.
Sebbene tali teorie non garantiscano l'AGI, forniscono un quadro per pensare alla sua possibilità e ai requisiti computazionali coinvolti.
Altre 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 in grado di apprendere ed eccellere in una vasta gamma di compiti; proprio come gli esseri umani possono diventare esperti in campi diversi come la scienza, la musica o lo sport.
A differenza dell'IA ristretta limitata a una singola funzione, l'AGI aspira a rispecchiare l'adattabilità umana e la capacità di risoluzione generale dei problemi.
Nota che sebbene l'AGI sia un obiettivo a lungo termine, raggiungere un'intelligenza al livello umano richiederà probabilmente diversi breakthrough e si svilupperà gradualmente nel tempo (vedi il video qui sotto).
Ilya Sutskever, cofondatore e Chief Scientist di OpenAI
Nel TED Talk "Il percorso eccitante e pericoloso verso l'AGI", esplora i rapidi progressi verso l'Intelligenza Artificiale Generale (AGI).
Prevede che l'AGI potrebbe emergere nei prossimi 5-10 anni, sebbene riconosca l'incertezza in questa tempistica.
Sutskever evidenzia sia il potenziale immenso che i rischi profondi dell'AGI, sottolineando la necessità di allinearne lo sviluppo ai valori umani. Nonostante le sfide, è ottimista sul fatto che l'umanità possa guidare in sicurezza questa tecnologia potente (vedi il video qui sotto).
Ray Kurzweil, informatico e imprenditore
Riflette su oltre sei decenni di progressi nell'IA, tracciando la capacità dell'umanità di costruire strumenti che potenziano l'intelligenza, da strumenti primitivi a modelli linguistici di grandi dimensioni.
Prevede anche che l'Intelligenza Artificiale Generale arriverà entro il 2029, portando alla singolarità tecnologica entro il 2045. Evidenzia progressi esponenziali nella potenza di calcolo, medicina e biotecnologia.
Prevede anche breakthrough come cure generate dall'IA, prove cliniche digitali e velocità di fuga della longevità, in cui i progressi scientifici potrebbero estendere la vita all'infinito (vedi il video qui sotto).
Yann LeCun, destinatario del premio Turing
Scopri perché i LLM non possono darci un'intelligenza al livello umano e i più recenti approcci di IA per arrivarci:
Previsioni sull'intelligenza artificiale generale
Metodologia del grafico della singolarità
Per tracciare l'anno previsto per lo sviluppo dell'AGI sul grafico, abbiamo utilizzato la media ponderata delle previsioni per ogni anno all'interno di ogni categoria. Ad esempio, se ci sono state più previsioni del mercato predittivo nel 2022, abbiamo calcolato la loro media ponderata e tracciato quel valore.
- Per le previsioni individuali, abbiamo incluso previsioni di 18 esperti di IA.
- Per le previsioni scientifiche, abbiamo raccolto i risultati dei sondaggi da 10 articoli peer-reviewed che forniscono tempistiche per l'AGI.
- Per i risultati dei mercati predittivi, abbiamo incluso previsioni da 3 mercati predittivi (Manifold, Kalshi e Metaculus).
Conclusione
Le previsioni per l'AGI sono cambiate notevolmente negli ultimi anni. Mentre sondaggi precedenti collocavano il suo arrivo più vicino al 2060, previsioni recenti, specialmente da parte di 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. Tuttavia, nonostante questi progressi, l'IA attuale manca ancora della flessibilità e autonomia generali associate all'intelligenza al livello umano.
Gli esperti rimangono divisi su come verrà raggiunta l'AGI; alcuni credono che scalare le attuali architetture sarà sufficiente, mentre altri sostengono che sono necessari nuovi metodi.
Le sfide chiave includono elevati requisiti di risorse, benchmark non chiari e preoccupazioni etiche irrisolte. L'AGI potrebbe essere più vicina che mai, ma il suo arrivo dipende ancora da breakthrough tecnici e da un'attenta supervisione.
FAQ
La singolarità è un evento ipotetico che si prevede porterà a un rapido aumento dell'intelligenza delle macchine.
Per la singolarità, abbiamo bisogno di un sistema che combini un pensiero al livello umano con una velocità superumana e una memoria quasi perfetta 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 la singolarità sia un termine relativamente vecchio, l'AGI e soprattutto la superintelligenza sono usati più frequentemente oggigiorno 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 una vasta 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 delle immagini, l'AGI possiederebbe capacità cognitive generalizzate, consentendole di ragionare, pianificare e adattarsi a situazioni sconosciute.
Lo sviluppo dell'AGI rimane un importante obiettivo di ricerca e soggetto di dibattito etico e filosofico.
La superintelligenza indica un'intelligenza che supera significativamente le migliori menti umane in quasi tutti i domini, inclusa la creatività, la risoluzione dei problemi e la comprensione sociale.
Rappresenta una fase oltre l'AGI, in cui un sistema artificiale potrebbe superare gli esseri umani in ogni impresa intellettuale significativa.
Il concetto solleva considerazioni critiche su controllo, sicurezza e le implicazioni a lungo termine per il ruolo dell'umanità in un mondo dominato da un'intelligenza superiore.
L'Intelligenza Artificiale Avanzata (AMI) coinvolge sistemi di IA competenti che si avvicinano o raggiungono un'intelligenza quasi generale.
Sebbene potrebbero non possedere ancora la flessibilità completa e l'autocoscienza associate all'AGI, i sistemi AMI dimostrano un ragionamento avanzato, apprendimento e adattabilità in compiti diversi.
Il termine è spesso usato per indicare sistemi di IA che superano le attuali capacità dell'IA ristretta ma rimangono al di sotto della soglia dell'intelligenza generale completa.
Cita questo benchmark
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: 9.800 previsioni analizzate}},
year = {2026},
month = may,
howpublished = {\url{https://aimultiple.com/artificial-general-intelligence-singularity-timing}},
note = {AIMultiple. Consultato il 22 Maggio 2026}
}Risultati e timestamp di 204 punti dati. Scarica i dati utilizzati in questo articolo come file ZIP contenente 2 file CSV e un README.
Collegamenti di riferimento
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!