Veloci, ma non vicini alla meta

Veloci, ma non vicini alla meta

Il progresso dell'intelligenza artificiale corre, ma forse non verso dove pensiamo. Viaggio dentro la differenza tra andare veloci e arrivare.

C'è una vecchia trappola della mente: scambiare la velocità con la vicinanza. Quando un treno corre forte, sentiamo che la stazione è vicina. Ma la velocità non dice nulla sulla distanza. Questa settimana, nel mondo della tecnologia, quella trappola è diventata il tema del giorno. Da una parte chi annuncia che la meta è a un passo. Dall'altra chi, con più calma, ricorda che stiamo correndo, sì, ma non sappiamo ancora dove passi la strada. È il 22 maggio 2026, e questo è Signal Brief. La scena più interessante della settimana comincia con un uomo che cambia lavoro.

Il 19 maggio Andrej Karpathy ha annunciato una cosa semplice: cambia lavoro. Entra in Anthropic, nel gruppo che addestra i modelli da zero. E il motivo che dà è quasi un gioco di specchi: vuole usare l'intelligenza artificiale per accelerare la ricerca sull'intelligenza artificiale. Karpathy racconta che da dicembre non scrive quasi più codice a mano. Lo delega a programmi automatici che lavorano per lui sedici ore al giorno. Di notte, dice, le macchine conducono esperimenti da sole.

A marzo aveva pubblicato un piccolo esperimento che vale più di mille discorsi. Seicentotrenta righe di codice, un agente automatico lasciato libero su una scheda grafica. In due giorni ha provato settecento configurazioni diverse e ne ha trovate venti migliori di quelle che Karpathy stesso aveva messo a punto a mano in vent'anni di mestiere. La macchina ha battuto l'artigiano.

Vista così, sembra la fotografia di una corsa che accelera verso un traguardo. E c'è chi la racconta proprio così. Ma nella stessa settimana si sono fatte sentire altre voci, e dicevano qualcosa di diverso. Ilya Sutskever, uno dei padri dei modelli moderni, ripete che la stagione della pura potenza è finita: di internet ce n'è uno solo, i dati buoni sono quasi esauriti. John Carmack avverte che continuiamo a confondere la velocità del progresso con la vicinanza della destinazione. François Chollet ha costruito un test che le persone risolvono senza fatica e le macchine quasi non risolvono affatto.

Per capire dove siamo, conviene tornare indietro di un secolo. Quando l'elettricità entrò nelle fabbriche, all'inizio non cambiò quasi niente. Gli industriali toglievano il motore a vapore e mettevano un motore elettrico nello stesso identico punto, lasciando tutto il resto com'era. La produttività non si mosse per trent'anni. Il salto arrivò quando qualcuno ripensò la fabbrica intera intorno alla nuova energia: i macchinari disposti in un altro modo, il lavoro organizzato diversamente. Lo strumento era arrivato presto. L'idea di come usarlo, molto dopo. Forse l'intelligenza artificiale oggi è esattamente in quel buco. Il motore c'è. Il disegno della nuova fabbrica, no. E nessuno sa quanto durerà l'attesa.

C'è poi una seconda domanda, più sottile, che attraversa tutta la settimana: chi incassa davvero il valore di tutto questo. Da una parte ci sono persone come Simon Willison, che oggi delega ai programmi automatici il novantacinque per cento del codice che scrive, e si sente potentissimo. Dall'altra ci sono i numeri freddi: la ricchezza vera si sta concentrando in pochissime aziende americane, chi vende i chip e chi vende il cloud. Il beneficio che senti sulla punta delle dita e il valore economico che finisce in cassa non sono la stessa cosa. Tenete a mente queste due domande, quanto siamo vicini e chi incassa, perché tornano in ogni ritratto di oggi.

Cominciamo da chi quella corsa l'ha costruita con le sue mani. Ilya Sutskever è uno degli uomini che hanno reso possibile ChatGPT. Per anni è stato il campione di un'idea precisa: più dati, più calcolo, modelli più grandi, e l'intelligenza sarebbe arrivata da sola. Funzionava. Funzionava così bene che era diventata quasi una legge di natura.

Poi Sutskever ha lasciato OpenAI e ha fondato un laboratorio con un nome che è già un programma: Safe Superintelligence, superintelligenza sicura. E in queste settimane il suo messaggio è netto, quasi malinconico. La stagione della pura potenza, dice, è finita. La ragione è disarmante nella sua semplicità: di internet ce n'è uno solo. I testi con cui si addestrano i modelli sono in gran parte già stati usati. Non puoi continuare a crescere se hai finito la materia prima.

Da qui la conclusione che cambia tutto. Per fare il passo successivo non basta più costruire data center più grandi. Serve capire qualcosa che ancora non capiamo, un'idea nuova su cosa sia davvero l'intelligenza. E un'idea, a differenza di un data center, non si compra e non si pianifica. Arriva quando arriva.

Nello stesso periodo è arrivato anche un riconoscimento che pesa: l'Accademia nazionale delle scienze americana gli ha dato un premio, il primo della sua storia assegnato per il lavoro sull'intelligenza artificiale. C'è una certa ironia gentile in tutto questo. L'uomo premiato per aver portato questa tecnologia nel mondo è lo stesso che ora invita a rallentare, a capire prima di scalare ancora.

La cosa più interessante, per me, è proprio questa figura. Sutskever non è un critico esterno, uno scettico che guarda da fuori. È l'ingegnere capo che ha guidato il motore al massimo dei giri e adesso, da dentro, dice: questa strada l'abbiamo percorsa quasi tutta. Quando è chi ha costruito la macchina a dirti che la macchina da sola non basta, conviene ascoltare.

Un'altra voce che invita alla calma arriva da un personaggio che con la calma ha poco a che fare. John Carmack è una leggenda: è l'uomo che negli anni Novanta ha scritto i videogiochi che hanno insegnato ai computer di tutto il mondo a muoversi in tre dimensioni. Da qualche anno ha lasciato i videogiochi e si dedica a una sola domanda: come si costruisce un'intelligenza vera, una macchina che ragioni come una mente.

In questi mesi Carmack ha fatto una cosa rara in questo ambiente: ha abbassato i toni. Contro il coro che ripete "siamo sulla soglia", lui risponde che la soglia è più lontana di quanto sembri. Tiene ancora una stima ottimista, più o meno metà probabilità di vedere segni di vera intelligenza artificiale entro il 2030, ma la accompagna sempre dallo stesso avvertimento: stiamo scambiando la velocità con cui ci muoviamo per la vicinanza del punto d'arrivo.

Quello che il suo gruppo, Keen Technologies, sta costruendo racconta bene questa filosofia. Non un assistente, non un prodotto da vendere. Un robot che guarda lo schermo di una televisione, tiene in mano un joystick, e impara a giocare ai videogiochi da solo, provando, sbagliando, riprovando. Nessuna data di uscita, nessun piano commerciale. Ricerca pura, di quelle che oggi quasi nessuno si può più permettere.

C'è un'idea di Carmack che mi è rimasta impressa. Dice che il codice di una vera intelligenza artificiale, quando lo troveremo, potrebbe non essere un mostro da milioni di righe. Potrebbe stare in qualche decina di migliaia di righe, scritte da una persona sola. Come dire: non ci manca la potenza, ci manca l'intuizione giusta.

Ed è esattamente il filo di oggi. Carmack sposta il robot dal mondo dei videogiochi a quello dei joystick veri perché è convinto che l'intelligenza non nasca solo dal leggere testi, ma dal fare i conti col mondo fisico. Il collo di bottiglia, di nuovo, non è quanto calcolo hai. È che non sai ancora cosa stai cercando.

Sarebbe comodo, a questo punto, dividere il mondo in due squadre: i saggi prudenti e gli entusiasti ingenui. Ma non funziona così, e il modo migliore per accorgersene è ascoltare Demis Hassabis.

Hassabis non è un venditore di sogni. È uno scienziato serio, ha vinto il premio Nobel per un lavoro che ha cambiato la biologia, un sistema capace di prevedere la forma delle proteine, una di quelle cose che fanno risparmiare anni di laboratorio. Guida DeepMind, il laboratorio di intelligenza artificiale di Google.

E proprio sul palco di Google, questa settimana, Hassabis ha usato una parola grossa. Ha detto che siamo "ai piedi della singolarità", ai piedi, come si è ai piedi di una montagna prima di salirla. Ha aggiunto, quasi a scusarsi della parola, che voleva essere autentico, dire davvero quello che pensa. La sua stima resta quella di sempre: una probabilità su due di arrivare a una vera intelligenza artificiale entro il 2030.

Sul lavoro, Hassabis racconta una storia diversa da quella dei licenziamenti di massa. Non sostituzione, dice, ma creazione: le aziende dovrebbero trasformare quello che risparmiano grazie alle macchine in prodotti e servizi nuovi. E intanto, con un'altra sua creatura, punta a usare l'intelligenza artificiale per attaccare centinaia di malattie.

Ecco perché non regge la divisione in squadre. Carmack e Hassabis guardano gli stessi numeri, gli stessi progressi, gli stessi modelli. Uno ne ricava prudenza, l'altro l'immagine della montagna da scalare. Non è una questione di chi è più intelligente. È che davanti agli stessi fatti si possono raccontare due storie diverse, ed entrambe le persone che le raccontano sanno benissimo di cosa parlano. È questo che rende il momento difficile da leggere. Non c'è un esperto da credere e uno da ignorare. Ci sono persone competenti, in totale buona fede, che non sono d'accordo.

Ricapitoliamo un attimo dove siamo, perché in auto è facile perdere il filo. La prima domanda della giornata è: quanto siamo vicini a una svolta? E la risposta onesta è che nessuno lo sa, perché manca un'idea, non una macchina. La seconda domanda è: chi guadagna da tutto questo? E qui entra in scena Simon Willison.

Willison è uno sviluppatore e un divulgatore molto seguito, uno che da anni racconta con onestà cosa funziona e cosa no negli strumenti che usa. La sua storia di queste settimane è quasi sorprendente da raccontare. Willison dice di scrivere ormai il novantacinque per cento del suo codice dal telefono. Lavora a più progetti in parallelo, lancia un compito a un programma automatico mentre va a fare una passeggiata, ne controlla un altro mentre cucina. Faticoso per la testa, ammette, ma molto più veloce di prima.

Willison indica anche un momento preciso in cui le cose sono cambiate: novembre 2025. È lì che, secondo lui, i programmi che scrivono codice da soli hanno smesso di essere giocattoli da esperimento e sono diventati strumenti affidabili, sbagliano poco, lavorano bene. Da esperimento a mestiere.

Ma Willison non è un entusiasta cieco, e qui sta il valore del suo racconto. Lo stesso uomo che delega quasi tutto descrive due ombre. La prima la chiama, con un'immagine cupa, la "fabbrica al buio": uno scenario in cui nessuno scrive più codice, nessuno lo controlla, e le macchine gestiscono tutto, anche il controllo qualità. La seconda è un problema di sicurezza ancora irrisolto: quando dai a questi programmi accesso ai tuoi dati e al mondo esterno, si aprono porte che nessuno sa ancora chiudere bene.

Il punto, tornando al filo, è questo. Per Willison il potere che arriva sulle dita di chi sa usare questi strumenti è reale, enorme. Ma il valore economico, i soldi veri, segue un'altra strada. E quella strada porta altrove.

Dove porti la strada del valore lo si è visto bene questa settimana, in un posto inatteso: una cerimonia di laurea. Jensen Huang, l'uomo che guida NVIDIA, l'azienda che fabbrica i chip su cui gira praticamente tutta l'intelligenza artificiale del pianeta, è salito sul palco della Carnegie Mellon University a parlare ai neolaureati.

Huang ha raccontato che siamo entrati nell'era dell'intelligenza artificiale "utile", e che per questo la domanda dei suoi chip cresce in modo quasi verticale. Ha usato un'immagine efficace: le settimane diventano giorni, i giorni diventano ore. E ha allargato il discorso fino a una promessa nazionale: un'occasione irripetibile, ha detto, per reindustrializzare l'America e ricostruire la capacità di un Paese di costruire cose.

C'è un dettaglio che mi ha colpito. Huang ha detto agli elettricisti, agli idraulici, agli operai edili che sta arrivando la loro epoca d'oro. Perché tutta questa intelligenza artificiale ha bisogno di edifici, di cavi, di corrente, di mani che li mettano in posa. È un pensiero quasi confortante. Ma sotto c'è la solita, semplice verità: chiunque costruisca quei data center, alla fine, compra i chip da lui.

E qui arriva la nota che pesa. Sempre questa settimana, Huang ha ammesso che NVIDIA ha di fatto ceduto il mercato cinese: per via dei divieti americani sull'esportazione, quel terreno è stato lasciato a un concorrente cinese, Huawei. Ha invitato gli investitori a non aspettarsi più nulla da quella parte del mondo.

Mettiamo insieme i due gesti. Da un lato una promessa di prosperità diffusa, lavoro per tutti, fabbriche che riaprono. Dall'altro la fotografia di un mondo che si sta dividendo in blocchi, e di una ricchezza che si concentra in pochissimi punti. Tornano le due domande di oggi. La velocità è enorme, su questo Huang ha ragione. Ma su dove finisce il valore, la risposta è meno generosa di quanto suoni dal palco di una laurea.

Chiudiamo come sempre con qualche progetto da tenere d'occhio, e oggi parlano tutti la stessa lingua: fare di più con meno, e tenere le cose vicine a sé.

Il primo si chiama nanochat, ed è di Karpathy. È una specie di ricetta minima per addestrare un piccolo modello linguistico in un paio d'ore. Niente di rivoluzionario nei risultati: il punto è proprio la sobrietà, dimostra che un singolo ricercatore, da solo, può fare quello che fino a ieri richiedeva un grande gruppo.

Sempre di Karpathy c'è AutoResearch, quello dell'esperimento di cui parlavamo all'inizio: seicentotrenta righe che mettono al lavoro un ricercatore automatico. È il piccolo seme concreto di un'idea grande, la macchina che aiuta a studiare la macchina.

Poi c'è uno strumento di Simon Willison, chiamato semplicemente "llm": un programmino da riga di comando per dialogare con i modelli, sia quelli in casa sia quelli in cloud. È l'attrezzo da banco con cui Willison costruisce tutto il resto.

Da Chollet arriva ARC-AGI: non un prodotto, ma una collezione di test. Indovinelli che le persone risolvono quasi sempre e le macchine quasi mai. Serve a misurare onestamente quanto siamo lontani, invece di affidarsi alle promesse.

E infine llama.cpp, un motore che fa girare modelli linguistici direttamente sul tuo computer, senza mandare niente a nessuno. Piccolo, essenziale, ed è diventato il cuore di chi vuole l'intelligenza artificiale in casa propria, non in affitto.

Cinque progetti, un'unica aria: meno codice, più controllo, e la voglia di tenersi vicino quello che conta.

Resta un'immagine, da portarsi dietro per la giornata: la fabbrica di un secolo fa, con il motore elettrico nuovo già montato e la fabbrica vecchia tutta intorno. Lo strumento arriva sempre prima dell'idea di come usarlo. Stiamo correndo forte. Dove sia la stazione, ancora non lo sappiamo. È stato Signal Brief. Alla prossima.