Tutti dicono la stessa parola

Tutti dicono la stessa parola

Da poli opposti arriva lo stesso termine per il prossimo salto dell'AI. E mentre il decennio della scala finisce, il vero scontro si sposta sul potere e sul lavoro.

Ci sono settimane in cui non succede un grande fatto singolo, ma cambia il modo in cui le persone parlano. Nessuno annuncia niente di clamoroso, eppure se metti in fila le voci ti accorgi che stanno usando le stesse parole, arrivando da direzioni lontanissime tra loro. È quello che è capitato negli ultimi giorni. Da una parte i costruttori, dall'altra gli scettici, su fronti opposti da anni, hanno cominciato a dire la stessa cosa quasi senza accorgersene. E quando succede una cosa così, di solito significa che il terreno si sta muovendo sotto i piedi di tutti.

Partiamo da un dettaglio che da solo non farebbe notizia. In una conversazione recente Demis Hassabis, il capo di DeepMind, racconta di passare ormai moltissimo tempo su una cosa che chiama world model. Tradotto: non un programma che indovina la parola dopo, ma un sistema che si costruisce dentro un modello di come funziona davvero il mondo, le cose che cadono, gli oggetti che restano dove li lasci. Fin qui niente di strano. Lo strano è che la stessa identica espressione, world model, nello stesso periodo, esce dalla bocca di persone che con Hassabis non vanno d'accordo quasi su nulla.

La dice Yann LeCun, che a novembre ha lasciato Meta dopo dodici anni e ha fondato a Parigi un suo laboratorio, raccogliendo oltre un miliardo di dollari nel più grande primo finanziamento mai visto in Europa. La sua tesi è netta: i modelli linguistici di oggi sono bravissimi a ripescare cose già viste, ma non capiscono il mondo, e senza quel modello interno non si arriva da nessuna parte. La dice John Carmack, il leggendario programmatore di videogiochi, che in queste settimane si entusiasma per un esperimento minuscolo: un modello da quindici milioni di parametri, una sola scheda grafica, che impara a muoversi guardando video. E la richiama, da una terza strada ancora, Ilya Sutskever.

Quattro persone, quattro storie diverse, una sola parola. Mi viene in mente quello che è successo col telefono: Bell e Gray depositarono il brevetto lo stesso giorno, senza essersi parlati. Quando un'idea è matura, spunta in più teste contemporaneamente. Ecco, siamo lì.

E questo si lega a una cosa di cui parlavamo già ieri, quindi solo un richiamo veloce: il decennio in cui bastava fare i modelli più grandi è dichiarato chiuso, e stavolta lo dicono quasi tutti insieme. Per dieci anni la ricetta è stata una sola: più dati, più potenza, modelli più giganteschi. Funzionava. Adesso, su un tipo preciso di prove, quelle dove bisogna davvero ragionare passo dopo passo, hanno smesso di migliorare comprando solo più potenza. È come quando le fabbriche, a un certo punto, hanno smesso di guadagnare mettendo motori a vapore più grossi e hanno dovuto ripensare tutto con l'elettricità. Non serviva una caldaia più grande. Serviva un'altra cosa.

Sotto questa storia ne corre una seconda, ancora più importante per chi ascolta. Se non basta più chi ha le macchine più grandi, allora il pregio raro diventa un altro: saper controllare, saper verificare se quello che la macchina produce è giusto. Lo diceva già la scorsa volta Andrej Karpathy. Il punto si sta spostando dal prevedere al verificare. E qui le cose si fanno politiche, perché chi verifica finisce per essere anche chi comanda. Teniamolo da parte, ci torniamo. Prima conviene andare a vedere l'uomo che più di tutti ha messo nero su bianco la fine della vecchia ricetta.

Ilya Sutskever è uno dei nomi che hanno costruito l'intelligenza artificiale moderna. È stato per anni il cervello scientifico di OpenAI, poi se n'è andato per fondare una sua società, Safe Superintelligence, con un'idea quasi monastica: niente prodotti, niente app, nessuna distrazione, solo ricerca verso un unico obiettivo. In queste settimane è arrivata la conferma che ne ha preso anche la guida diretta come amministratore delegato, e che a un'offerta di acquisto da parte di Meta ha detto di no.

La scena interessante però non è societaria, è quando spiega come legge il momento. Sutskever divide la storia recente in tre fasi. C'è stata l'epoca della ricerca pura, quella in cui si provavano idee senza sapere bene dove si andava. Poi è arrivata l'epoca della scala, il decennio in cui la regola era semplice: aggiungi potenza e migliora. E ora, dice, quell'epoca è finita. Non perché la scala non serva più, ma perché ha dato quasi tutto quello che poteva dare. Si torna a un periodo in cui contano le idee nuove, non i muscoli.

E qui entra la sua diagnosi, che vale la pena raccontare perché è concreta. Sutskever fa notare che i modelli di oggi sono fragili in un modo curioso: bravissimi negli esami, molto meno nella vita vera. Il sospetto è che abbiano imparato a passare i test più che a capire. È un po' come lo studente che sa rispondere a memoria a tutte le domande del compito ma va in crisi appena gli cambi una virgola. Per questo si parla tanto di costruire dentro alle macchine qualcosa che assomigli a un modello del mondo, e per questo torna anche l'ossessione per la verifica.

C'è poi un passaggio più umano, quasi filosofico, che lo separa dagli altri tecnici. Sutskever ragiona sul fatto che le nostre emozioni non sono un disturbo da eliminare, ma una specie di sistema di valori integrato, qualcosa che ci dice cosa conta. È una pista insolita per chi costruisce macchine: invece di considerare i sentimenti un rumore, li guarda come un meccanismo da capire.

Mi colpisce il contrasto. La stessa persona che dichiara chiusa l'era della forza bruta è quella che torna a parlare di cose difficili da misurare, come il giudizio e il valore. Come se, finita la corsa alla potenza, il problema vero tornasse a essere il più antico di tutti: non quanto è grande la macchina, ma se ha capito qualcosa.

Spostiamoci da chi costruisce in silenzio a chi, invece, in queste settimane parla moltissimo: Sam Altman, il capo di OpenAI. L'8 giugno ha pubblicato un documento dal titolo che è già un programma, Costruita per giovare a tutti. Tre obiettivi: un ricercatore artificiale capace di lavorare da solo entro un paio d'anni, una crescita economica che non finisca in mano a pochi, e una specie di intelligenza personale per ogni persona. La frase chiave la dice chiara: un buon futuro dell'AI non può essere quello in cui poche istituzioni controllano quasi tutta la capacità.

Nello stesso periodo lancia Frontier, una piattaforma per aziende che vogliono far lavorare squadre di agenti su compiti complicati, e scrive che le imprese del futuro funzioneranno così: persone che gestiscono squadre di programmi, non più solo di colleghi.

Tutto bello, se non fosse per il contesto. Perché questo è anche il periodo in cui OpenAI si prepara alla quotazione in borsa, e qui c'è la nota che vale la pena tenere a mente. Solo qualche tempo fa Altman, come altri, raccontava un'apocalisse del lavoro impiegatizio dietro l'angolo. Ora ha fatto marcia indietro. In un'intervista ha detto, più o meno: pensavo che l'impatto sui lavori d'ingresso sarebbe stato più forte, sono felice di essermi sbagliato. E non è il solo: Fortune ha notato che Dario Amodei, capo di Anthropic, ha cambiato tono nella stessa settimana, con lo stesso messaggio rassicurante.

Qui un osservatore prudente alza un sopracciglio. Annunciare la catastrofe quando devi attirare attenzione, e rassicurare tutti proprio quando devi vendere azioni, è una coincidenza che merita di essere notata. Non dico che sia in malafede. Dico che il momento conta. È un po' come il padrone di casa che ti elenca tutti i difetti del quartiere finché tratta l'acquisto, e poi, il giorno della firma, scopre che si vive benissimo.

Ricapitoliamo un attimo dove siamo, perché il filo è doppio e in macchina è facile perderlo. Primo filo: tutti convergono sull'idea che il prossimo salto non sarà più grande, sarà diverso, e nasce dall'idea di un modello del mondo. Secondo filo: mentre i tecnici discutono di questo, i capi delle aziende discutono di un'altra cosa, cioè chi avrà in mano questa potenza, e cosa succede al lavoro. Su questo secondo filo, le due risposte più nette arrivano da chi al potere concentrato vuole opporre non lo Stato, ma una struttura diversa. Andiamo a vederle.

Jack Dorsey lo conoscono in tanti come il fondatore di Twitter. Oggi guida Block, la società dietro l'app di pagamenti Cash App e i terminali Square. A fine marzo ha firmato, insieme a un nome storico del capitale di rischio, un manifesto dal titolo che è tutto un programma: Dalla gerarchia all'intelligenza.

La tesi è tagliente. Dorsey sostiene che gran parte della piramide aziendale, i capi, i capi dei capi, i livelli intermedi, esista solo per far passare le informazioni dall'alto al basso e viceversa. Smistare informazioni. Ma se c'è una cosa che le macchine fanno meglio di noi, dice, è proprio questa. E quindi quella piramide può crollare. Non è teoria: Block ha già tagliato circa il quaranta per cento del personale, quattromila posti, e ha schiacciato la struttura a due o tre livelli, mettendo al centro un sistema che raccoglie tutto, le chat, le riunioni, il codice, e lo rende interrogabile da chiunque in azienda.

Il punto che mi sembra il più forte è il rovesciamento. Per decenni l'organigramma è stato il modo in cui un'impresa pensava se stessa. Dorsey dice: l'organigramma era solo una protesi, serviva a far girare le informazioni quando non avevamo di meglio. Ora abbiamo di meglio. È la stessa logica per cui il centralino telefonico, con le signorine che spostavano gli spinotti, è sparito quando è arrivata la commutazione automatica. Non era cattiveria, era diventato inutile.

E qui si chiude il cerchio con la tensione vera della giornata. Davanti alla paura che la potenza finisca in poche mani, ci sono risposte diverse. Amodei, da Anthropic, dice: serve lo Stato, servono regole vincolanti, controlli obbligatori, come si fa con gli aerei. Dorsey, insieme a Vitalik Buterin che dal lato di Ethereum spinge per togliere ogni concessione fatta in nome della comodità, dice l'opposto: alla potenza concentrata si risponde spargendola, con strutture senza un centro che comanda, dove nessuno tiene tutte le chiavi.

Due ricette agli antipodi per la stessa paura. Una si fida delle istituzioni, l'altra delle reti. È vecchia come la politica, in fondo: di fronte al potere che si accentra, c'è chi vuole un arbitro più forte e chi vuole che il potere si sparpagli così tanto da non poter più far male. La novità è che stavolta non litigano su una legge, ma su come costruire le macchine.

Chiudiamo i ritratti con una voce fuori dal coro tecnico, quella di Paul Graham, il signore che ha aiutato a far nascere mezza Silicon Valley e che da anni scrive saggi molto letti. Il 14 giugno ne ha pubblicato uno, nato da una conferenza a Oxford, intitolato Come guadagnare un miliardo di dollari.

Il pezzo è una risposta tranquilla a chi dice che i super-ricchi sono per forza un'anomalia da correggere. Graham riduce il miliardo a due ingredienti: quanto cresci, e per quanto tempo continui a crescere. Fa il conto: a un certo ritmo, partendo da poco, in cinque anni arrivi a cifre enormi. Il meccanismo, dice, è uno solo onesto: costruire qualcosa che alla gente piace così tanto da consigliarlo agli altri. La ricchezza, in questa lettura, non è un furto, è l'ombra che proietta il valore quando è tanto.

Ma la cosa che mi interessa, e che lega Graham al filo di oggi, è un'altra sua idea recente. Graham distingue tra creare valore e simulare i segnali del valore. Sembra una sottigliezza, invece è il punto. Nel mondo che stiamo raccontando, dove le macchine sanno produrre testi, immagini, codice a fiumi, diventa facilissimo fabbricare le apparenze: il documento che sembra fatto bene, la presentazione che suona giusta, il profilo che pare impeccabile. Tutti segnali. Graham dice: attenzione, il segnale non è la cosa.

È lo stesso pensiero che gira sotto a tutto l'episodio, solo detto con altre parole. Karpathy dice che puoi delegare il pensiero ma non la comprensione. Naval Ravikant dice che chi impugna la bacchetta magica deve ancora decidere dove puntarla. Graham lo gira sul valore: la macchina ti fa benissimo i segnali, ma riconoscere cosa vale davvero, il gusto, il giudizio, resta una faccenda umana.

E qui c'è un filo storico che mi piace. Graham ha anche scritto che le industrie mature, quando la tecnologia rende tutti i prodotti ugualmente buoni, smettono di competere sul prodotto e iniziano a competere sul marchio. È successo con gli orologi: a un certo punto la precisione non distingueva più nessuno, e ha cominciato a contare il nome sul quadrante. Se le macchine rendono ugualmente capace chiunque, forse stiamo entrando in un'epoca così anche per il lavoro intellettuale: quando tutti sanno produrre i segnali, l'unica cosa che distingue è chi sa vedere il valore vero sotto i segnali.

Qualche progetto da tenere d'occhio. Stavolta sono tutti vecchie conoscenze che continuano a crescere, quindi solo i nomi, senza dilungarsi, ma il filo che li tiene insieme è proprio quello di oggi: roba piccola, controllabile, in mano a chi vuole capire cosa c'è sotto, non solo usare.

Continua a salire nanochat, il modellino fatto in casa di Andrej Karpathy, e con lui la sua piccola enciclopedia sui modelli e il suo esperimento di ricerca automatica: la stessa idea del fare in piccolo e capire tutto, invece del gigantesco e opaco.

Tiene bene llama.cpp, il programma che permette di far girare i modelli sul proprio computer senza dipendere da nessuno: il cuore tecnico della parola decentralizzazione di cui parlavamo.

Cresce ancora Omarchy, la versione di Linux curata da DHH per rimettere lo sviluppatore in pieno controllo della propria macchina, e accanto cresce anche llm, lo strumento di Simon Willison per parlare con i modelli dalla riga di comando, come un coltellino svizzero personale.

E resta in lista ARC-AGI, la raccolta di rompicapi pensata apposta per misurare se una macchina ragiona davvero o sta solo ripescando. Che è esattamente la domanda con cui abbiamo aperto: non quanto è grande, ma se ha capito.

Sono tutti progetti che vanno nella stessa direzione. Piccolo invece di enorme. In casa propria invece che in affitto. Verificabile invece che da prendere sulla fiducia. È la stessa corrente che attraversa l'intero episodio, vista dal basso, dal lato di chi smanetta la sera.

Resta l'immagine dell'inizio: quattro persone che da strade opposte arrivano davanti alla stessa casa e bussano dicendo la stessa parola. Quando capita, di solito non è una moda, è una svolta. Finita la corsa a chi ha la macchina più grande, torna la domanda più antica: non quanta potenza hai, ma se hai capito qualcosa, e di chi ti puoi fidare per dirtelo. È stato Signal Brief. Alla prossima.