I leader dell’AI affermano che sistemi a livello umano stanno arrivando rapidamente
Il rapido progresso nell'intelligenza artificiale sta costringendo governi e istituzioni a confrontarsi con un percorso verso sistemi a livello umano molto più breve di quanto si pensasse in precedenza. I leader del settore ora affermano che il divario tra gli strumenti attuali e l'intelligenza artificiale generale si sta rapidamente riducendo. Con l'accelerazione dello sviluppo, le preoccupazioni riguardanti occupazione, governance e stabilità economica stanno diventando centrali nel dibattito.
In breve
- I leader dell'AI avvertono che i sistemi a livello umano potrebbero arrivare entro pochi anni, lasciando governi e mercati del lavoro impreparati.
- L'AI auto-migliorante accelera lo sviluppo mentre gli ingegneri passano dalla scrittura del codice alla supervisione dei risultati generati dall'AI.
- Hassabis di DeepMind stima una probabilità del 50% di raggiungere l'AGI entro il 2030, citando limiti in creatività e scoperta scientifica.
- I lavori impiegatizi affrontano ristrutturazioni e perdita di autonomia mentre la pressione dell'automazione si diffonde oltre la manifattura.
Amodei afferma che l'AI a livello umano potrebbe arrivare entro pochi anni, non decenni
Al World Economic Forum di Davos, il CEO di Anthropic Dario Amodei ha avvertito che i responsabili politici potrebbero non essere preparati alla rapidità con cui l'AI avanzata si sta avvicinando. Intervenendo insieme al CEO di DeepMind Demis Hassabis, Amodei ha sostenuto che i sistemi sociali e i mercati del lavoro difficilmente si adatteranno allo stesso ritmo del progresso tecnico. A suo avviso, il tempo di preparazione si sta riducendo piuttosto che espandendosi.
Amodei ha ribadito la sua convinzione che l'AI a livello umano sia probabilmente a pochi anni di distanza. Ha affermato che le sue precedenti previsioni restano valide e che i progressi hanno continuato su una curva ripida. Secondo la sua stima, capacità sovrumane potrebbero arrivare già nel 2026 o 2027. Secondo lui, è difficile immaginare che lo sviluppo possa estendersi molto oltre quel periodo.
Gran parte di questa rapidità deriva dal fatto che i sistemi di AI stanno assistendo sempre più al proprio sviluppo. In Anthropic, ha detto Amodei, gli sviluppatori software stanno già passando dalla scrittura del codice alla supervisione dei risultati generati dall'AI. Gli ingegneri ora trascorrono più tempo a revisionare e correggere il codice che a produrlo da zero. Entro sei-dodici mesi, ha suggerito, i modelli di AI potrebbero gestire la maggior parte delle attività di codifica dall'inizio alla fine.
Diverse forze stanno alimentando questo ciclo:
- I modelli di AI ora generano grandi porzioni di codice pronto per la produzione.
- Gli ingegneri agiscono principalmente come revisori invece che come autori principali.
- I miglioramenti nell'addestramento portano direttamente ad aggiornamenti più rapidi dei modelli.
- I limiti nella fornitura di hardware rallentano lo sviluppo più delle capacità di ricerca.
- Cicli di sviluppo più brevi comprimono i tempi di adozione.
Hassabis di DeepMind stima il 50% di possibilità di AGI entro il 2030
Pur riconoscendo i grandi progressi, Hassabis ha sostenuto che non tutti i campi sono ugualmente adatti all'automazione. Aree come la codifica e la matematica sono obiettivi più facili perché i risultati possono essere verificati rapidamente. Altre discipline, in particolare le scienze naturali, si basano su esperimenti che richiedono tempo e risorse.
La scoperta scientifica, ha detto, rimane una barriera importante. I sistemi attuali possono risolvere problemi ben definiti ma hanno difficoltà a generare nuove domande o teorie. Produrre ipotesi originali, secondo lui, rappresenta uno dei massimi livelli di creatività umana. L'AI non ha ancora dimostrato una capacità affidabile in questo ambito, e non è chiaro quando—o se—questo divario verrà colmato.
A causa di questi limiti, Hassabis ha stimato le probabilità di raggiungere l'AGI entro il 2030 intorno al cinquanta percento. Ha sottolineato la differenza tra calcolo veloce e vera innovazione come una delle principali incertezze. Tuttavia, entrambi gli executive hanno concordato che la disruption economica non è più una preoccupazione lontana.
I ruoli impiegatizi sono sempre più esposti. Amodei ha precedentemente stimato che fino alla metà dei lavori professionali entry-level potrebbe scomparire entro cinque anni, e a Davos ha confermato questa cifra. Il lavoro d'ufficio, un tempo considerato protetto, ora affronta pressioni di automazione simili a quelle che decenni fa hanno trasformato la manifattura.
Hassabis ha avvertito che anche le previsioni economiche più caute potrebbero sottovalutare la velocità del cambiamento. Cinque o dieci anni, ha detto, non sono molto tempo perché le società possano adattarsi. Le istituzioni progettate per transizioni più lente potrebbero avere difficoltà a rispondere se le strutture lavorative cambiano tutte insieme.
L'AI sta erodendo l'autonomia lavorativa molto prima che inizino i licenziamenti di massa
Per Amodei, la sfida si è ampliata oltre l'ingegneria fino a diventare una crisi di coordinamento. Ha sostenuto che i governi dovrebbero concentrare la maggior parte della loro attenzione sulla gestione della transizione. Mentre i rischi legati all'abuso e alle tensioni geopolitiche restano gestibili, il margine di errore si sta riducendo.
Le principali pressioni politiche che emergono dal dibattito includono:
- Cambiamenti nel lavoro che avvengono più rapidamente di quanto i sistemi di riqualificazione possano gestire.
- Lacune normative riguardanti modelli generali e potenti.
- Crescente disuguaglianza causata dall'automazione del lavoro qualificato.
- Concentrazione delle capacità di AI tra un piccolo numero di grandi attori.
- Coordinamento globale limitato sugli standard di sicurezza.
Alcuni analisti del lavoro ritengono che la disruption possa arrivare tramite la ristrutturazione dei posti di lavoro piuttosto che con la sostituzione totale. Bob Hutchins, CEO di Human Voice Media, ha affermato che i ruoli professionali vengono suddivisi in compiti più piccoli e maggiormente monitorati. Gli algoritmi gestiscono sempre più spesso i flussi di lavoro che un tempo venivano controllati dai singoli lavoratori.
Secondo Hutchins, questo cambiamento modifica la percezione e la funzione del lavoro. I ruoli creativi e tecnici passano da posizioni decisionali a ruoli di verifica. I lavoratori controllano i risultati invece di modellare i progetti. Nel tempo, questo processo può privare i lavori dell'autonomia e ridurre i salari, anche se i titoli rimangono invariati.
Piuttosto che chiedersi se le macchine sostituiranno le persone, Hutchins ha sostenuto che l'attenzione dovrebbe spostarsi su come viene modificata la qualità del lavoro. Con la frammentazione dei compiti e l'aumento della supervisione, anche l'identità professionale stessa potrebbe erodersi. Governi e datori di lavoro ora si trovano di fronte a una sfida che va oltre il preservare l'occupazione: si tratta di preservare il lavoro significativo mentre le capacità dell'AI continuano ad espandersi.
Massimizza la tua esperienza su Cointribune con il nostro programma "Read to Earn"! Per ogni articolo letto, guadagna punti e accedi a ricompense esclusive. Iscriviti ora e inizia a ottenere benefici.
Esclusione di responsabilità: il contenuto di questo articolo riflette esclusivamente l’opinione dell’autore e non rappresenta in alcun modo la piattaforma. Questo articolo non deve essere utilizzato come riferimento per prendere decisioni di investimento.
Ti potrebbe interessare anche
Il debito statunitense si avvicina a 40 trilioni di dollari, Hartnett di Bank of America: investire long sull’oro è la soluzione migliore al momento
Il debito pubblico degli Stati Uniti si avvicina alla soglia dei 40.000 miliardi di dollari. Hartnett di Bank of America ritiene che “puntare sull’oro” sia attualmente la soluzione migliore: l’oro rappresenta la copertura ottimale contro il deprezzamento del dollaro, il crollo delle obbligazioni e i rischi politici. Nel frattempo, la frenesia di finanziamenti legati all’intelligenza artificiale ha fatto aumentare l’offerta di obbligazioni societarie del 61% su base annua, spingendo strutturalmente fuori dal mercato gli acquirenti di titoli di Stato. Gli interessi sul debito hanno raggiunto 1.400 miliardi di dollari. Hartnett avverte che il risultato delle elezioni di novembre sarà la variabile principale che determinerà l’andamento dei mercati entro fine anno.
Goldman Sachs analizza i risultati trimestrali delle azioni USA: le infrastrutture AI fanno profitti enormi, mentre i guadagni sul lato applicativo restano ancora solo una promessa
Il stratega di Goldman Sachs, Ben Snyder, ha sottolineato che le aziende stanno aumentando gli investimenti nell'intelligenza artificiale (AI) a un ritmo senza precedenti; tuttavia, per la maggior parte delle società, questa tecnologia non si è ancora tradotta in miglioramenti concreti dei profitti.

Contratto breve o lungo? I nuovi fornitori di cloud percorrono strade diverse rispetto ad AWS
Nebius e CoreWeave stanno promuovendo contratti a breve termine, affermando che, in un contesto di carenza di GPU, possono ottenere un premio di prezzo superiore al doppio e ciò ha portato a un forte aumento delle loro azioni; AWS invece rimane fedele alla strategia dei contratti a lungo termine, puntando a garantire entrate stabili per far fronte all'incertezza degli investimenti nell'IA. Secondo l’analisi, i contratti a breve termine offrono flessibilità e prezzi elevati, ma mancano di prevedibilità, mentre i contratti a lungo termine garantiscono stabilità ma possono perdere opportunità di maggiori profitti.

