OpenAI punta a una singolarità imminente, ma la realtà ingegneristica frena le ambizioni

La Silicon Valley non ha mai sofferto di una carenza di tabelle di marcia audaci, ma l'amministratore delegato di OpenAI, Sam Altman, ha alzato ancora una volta la posta in gioco. Attraverso dichiarazioni pubbliche e recenti scritti sull'alba di un'"era dell'intelligenza", Altman ha ipotizzato che l'intelligenza artificiale superumana — e la vasta singolarità tecnologica che ne consegue — potrebbe arrivare nel giro di "poche migliaia di giorni". Mentre le smentite a previsioni così aggressive arrivano spesso rapidamente da parte di ingegneri conservatori, i ricercatori di istituzioni come il Technion in Israele hanno adottato una posizione più misurata e analitica. La loro valutazione suggerisce che la traiettoria matematica di Altman potrebbe effettivamente reggere, a condizione che l'attuale tasso di scoperte algoritmiche e di scalabilità computazionale rimanga privo di ostacoli teorici insormontabili.

Tuttavia, passare dalla pura proiezione algoritmica alla realtà industriale funzionale introduce variabili che i benchmark del software ignorano abitualmente. Quando gli informatici parlano di singolarità, in genere misurano le prestazioni dei benchmark su compiti linguistici astratti, logica simbolica e ambienti di programmazione isolati. Per chi di noi esamina questi sistemi attraverso la disciplina dell'ingegneria meccanica e dei sistemi industriali, l'intelligenza non è un concetto etereo intrappolato all'interno di un cluster di server. Deve agire, manipolare, produrre e integrarsi in un mondo fisico governato dalla termodinamica, dall'attrito e da reti elettriche finite.

L'argomento principale dietro la singolarità accelerata

Questo cambiamento strutturale è esattamente ciò che ha catturato l'attenzione degli informatici accademici, inclusi i ricercatori del Technion. Quando si esamina il ritmo con cui i motori di ragionamento automatizzato risolvono dimostrazioni scientifiche e matematiche di livello universitario, la pendenza della curva di capacità non sembra appiattirsi. Al contrario, i sistemi autonomi stanno dimostrando primi segnali di euristica per l'auto-miglioramento: scrivono i propri unit test, generano ambienti di addestramento sintetici e identificano inefficienze nelle proprie architetture sottostanti. Se un'intelligenza artificiale può ottimizzare autonomamente il compilatore, perfezionare il layout del silicio e progettare la prossima generazione di pesi dei modelli, il ciclo di feedback che definisce una singolarità tecnologica classica passa dalla fantascienza a una tabella di marcia ingegneristica.

Gli esperti del Technion che analizzano questi sviluppi notano che la soglia per l'intelligenza generale non richiede che un sistema imiti la biologia umana; richiede semplicemente la parità funzionale attraverso il ragionamento tra domini diversi, la pianificazione delle attività e la correzione degli errori. Se le ottimizzazioni algoritmiche combinate delle architetture di deep learning, l'apprendimento per rinforzo tramite ricompense verificabili e l'inferenza distribuita mantengono la loro velocità attuale, raggiungere un'architettura cognitiva che superi il throughput intellettuale umano in quasi tutti i lavori commercialmente validi è matematicamente difendibile entro il decennio descritto da Altman.

Il muro del silicio e i colli di bottiglia termodinamici

Riconoscere la possibilità algoritmica della singolarità è una cosa; costruire l'infrastruttura computazionale fisica per ospitarla è tutt'altra faccenda. Le grandi visioni della superintelligenza articolate dagli sviluppatori di modelli di frontiera richiedono installazioni hardware su una scala che l'umanità non ha mai tentato. I cicli di addestramento ad alta densità e i cluster di inferenza distribuita a bassissima latenza mettono già alla prova i limiti della fotolitografia moderna e della progettazione delle reti elettriche.

Inoltre, l'impronta energetica di questi sistemi si scontra direttamente con le infrastrutture civili. Le proposte per data center da diversi gigawatt non sono più curiosità teoriche; sono obiettivi di progettazione attivi. I fornitori di servizi pubblici negli Stati Uniti e in Europa stanno già avvertendo gli hyperscaler che i ritardi di interconnessione per le linee di trasmissione possono superare i cinque anni. Altman ha riconosciuto pubblicamente che una svolta nella fissione nucleare di prossima generazione o nella fusione nucleare commerciale sarà obbligatoria per alimentare questo ecosistema di intelligenza. Quando una tabella di marcia algoritmica dipende dalla revisione globale della generazione di energia civile e dall'espansione della rete elettrica pesante, i tempi sono dettati non dai commit del codice, ma dalle gettate di cemento, dalla fabbricazione delle turbine e dalle approvazioni normative.

Il vuoto critico dell'incarnazione fisica

Anche se un nucleo cognitivo ultra-capace fosse realizzato in un data center remoto entro poche migliaia di giorni, l'umanità non vive né produce valore esclusivamente in un buffer di testo. La vera singolarità industriale richiede l'incarnazione. Un'intelligenza digitale in grado di scrivere complessi sistemi di controllo o progettare motori termodinamici innovativi non può influenzare le catene di approvvigionamento fisiche finché non possiede l'hardware robotico per implementarle.

La robotica richiede un'affidabilità deterministica. In una camera bianca per semiconduttori, in un impianto di assemblaggio automobilistico di precisione o in una piattaforma energetica offshore, un errore di azionamento di due millimetri o un ritardo di latenza di cinquanta millisecondi possono causare guasti meccanici catastrofici o lesioni umane. La natura probabilistica delle moderne reti neurali — dove i casi limite portano ad allucinazioni o a movimenti meccanici involontari — è fondamentalmente incompatibile con i macchinari industriali deterministici. Finché l'ingegneria meccanica alla base dell'agire fisico non raggiungerà il ragionamento digitale, qualsiasi singolarità proclamata rimarrà funzionalmente separata dalla catena di approvvigionamento globale.

Razionalità economica in un'era di massicce spese in conto capitale

Affinché la tabella di marcia di Altman si realizzi, gli acquirenti di software aziendale e le industrie pesanti devono vedere un ritorno sull'investimento inequivocabile che giustifichi questi colossali investimenti infrastrutturali. Se un'azienda implementa un cluster di modelli dal costo di centinaia di milioni di dollari, quel sistema deve sostituire interi costi operativi o sbloccare dividendi di produttività senza precedenti. Se i ritorni economici rimangono indietro rispetto agli sbalorditivi cicli di ammortamento dei cluster GPU di breve durata — che spesso diventano economicamente obsoleti entro tre o quattro anni — il capitale che alimenta questa rapida spinta verso la singolarità potrebbe facilmente contrarsi prima che venga raggiunto il traguardo tecnico.

Gli osservatori accademici del Technion e altrove notano giustamente che la traiettoria intellettuale è innegabile. Il software funziona, i comportamenti emergenti sono verificabili e i modelli teorici suggeriscono che il ragionamento generale è una sfida matematica risolvibile. Ma i giornalisti tecnici e gli ingegneri meccanici devono rimanere ancorati alla realtà dell'officina, dello stabilimento di fabbricazione e della sottostazione elettrica. Se la singolarità arriverà secondo i tempi di Sam Altman, non sarà perché gli algoritmi software hanno decifrato il codice dell'intelligenza generale; sarà perché la base manifatturiera globale è riuscita a forgiare il corpo fisico e a generare il wattaggio grezzo necessario per portare quell'intelligenza nel mondo fisico.