Yann LeCun, una figura fondamentale nell’intelligenza artificiale moderna, avverte pubblicamente che l’attuale traiettoria di sviluppo dell’IA nella Silicon Valley è insostenibile e probabilmente finirà in un vicolo cieco. LeCun, vincitore del Turing Award ed ex capo scienziato dell’intelligenza artificiale presso Meta, sostiene che l’attenzione schiacciante del settore sui modelli linguistici di grandi dimensioni (LLM) – come quelli che alimentano ChatGPT – alla fine si rivelerà infruttuosa nel raggiungimento della vera intelligenza generale artificiale (AGI).
I limiti degli approcci attuali
LeCun afferma che gli LLM, nonostante investimenti significativi e rapidi progressi, presentano limitazioni intrinseche. Il problema principale è che il semplice ampliamento di questi modelli non porterà i computer a eguagliare o superare l’intelligenza umana. Descrive un “effetto gregge” in cui le aziende perseguono ciecamente gli stessi approcci basati sul LLM, soffocando direzioni di ricerca più promettenti ma meno popolari.
Questo è importante perché centinaia di miliardi di dollari vengono investiti in progetti che potrebbero non produrre i risultati desiderati. L’incessante ricerca di un’AGI basata sul LLM rischia di sprecare risorse e ritardare reali progressi.
Il rischio di restare indietro
LeCun sottolinea inoltre che mentre l’Occidente si concentra sugli LLM, altre regioni – in particolare la Cina – potrebbero perseguire architetture AI alternative con un maggiore potenziale a lungo termine. Secondo lui, le aziende cinesi, non gravate dalle stesse pressioni del settore, potrebbero superare gli sforzi occidentali nella corsa all’AGI.
Un appello alla diversificazione
La critica di LeCun non riguarda solo i limiti tecnologici; riguarda anche la mancanza di diversità intellettuale. L’ambiente attuale scoraggia l’esplorazione di metodi alternativi di intelligenza artificiale che potrebbero alla fine rivelarsi superiori. I suoi avvertimenti arrivano dopo decenni di lavoro pionieristico nel campo, compresi contributi fondamentali alle reti neurali convoluzionali e al deep learning.
“C’è questo effetto gregge per cui tutti nella Silicon Valley devono lavorare sulla stessa cosa,” ha dichiarato LeCun. “Non lascia molto spazio ad altri approcci che potrebbero essere molto più promettenti a lungo termine.”
Il messaggio di fondo è chiaro: il settore dell’intelligenza artificiale deve ampliare i propri orizzonti, sfidare le ipotesi prevalenti ed esplorare approcci fondamentalmente diversi se spera di ottenere la vera intelligenza nelle macchine. Senza diversificazione, i progressi attuali potrebbero arrestarsi, lasciando il settore in uno stato di stagnazione nonostante i massicci investimenti.
Il futuro dello sviluppo dell’intelligenza artificiale dipende dal riconoscimento di questi limiti e dalla promozione di un panorama di ricerca più sperimentale e meno conformista.
