Un’altra settimana, un altro annuncio mozzafiato sul raggiungimento dell’Intelligenza Artificiale Generale. Saremmo perdonati per aver sviluppato un grave caso di “stanchezza da AGI”. Ma questa volta, l’affermazione non proviene dalle solite megacorporazioni della Silicon Valley, bensì da Integral AI, una startup con hub a Tokyo e nella Silicon Valley, guidata dall’ex pioniere di Google AI, Jad Tarifi. E non stanno solo promettendo un modello linguistico di grandi dimensioni più grande e migliore. Stanno rivendicando un cambio di paradigma fondamentale.
Integral AI ha dichiarato la creazione del primo “modello AGI-capace” al mondo. Prima che i vostri sensori ottici roteino, la loro affermazione si basa su un fondamento che elude deliberatamente la scalabilità a forza bruta e affamata di dati dell’AI attuale. Propongono invece un sistema che impara più come un essere umano, promettendo un futuro di robot che capiscono le cose da soli. È una proclamazione audace che merita uno sguardo più da vicino, sotto il cofano. È la vera svolta, o solo un altro caso di “AGI-washing” in un mercato saturo di hype?
L’Architetto di una Nuova Intelligenza
L’uomo dietro le quinte è Jad Tarifi, Ph.D., che non è il solito fondatore di startup. Ha trascorso quasi un decennio in Google AI, dove ha fondato e guidato il suo primo team di Generative AI, concentrandosi sui “modelli di immaginazione” e su come imparare da dati limitati. Con un dottorato in AI e un master in quantum computing, le sue credenziali sono serie quanto le sue ambizioni.
È interessante notare che Tarifi ha centrato le sue operazioni a Tokyo, una scelta deliberata radicata nella sua convinzione che il Giappone sia il cuore pulsante della robotica globale. Questa non è solo una preferenza geografica; è una scelta strategica. La visione di Integral AI è quella di un’intelligenza “incarnata”—un’AI che vive e impara nel mondo fisico, rendendo la robotica il banco di prova definitivo.
Se Non Puoi Definirla, Non Puoi Costruirla
Forse la parte più rinfrescante dell’annuncio di Integral AI è la sua rigorosa definizione di AGI, guidata dall’ingegneria. Mentre giganti come OpenAI e Google DeepMind spesso parlano di AGI in termini ampi, quasi filosofici, Integral ha stabilito tre pilastri rigorosi e misurabili per qualsiasi sistema che rivendichi il titolo.
- Apprendimento Autonomo delle Abilità: Il modello deve essere in grado di apprendere abilità interamente nuove in ambienti sconosciuti senza set di dati precompilati o assistenza umana. Questa è una sfida diretta a colossi come ChatGPT, che sono fondamentalmente limitati dai dati su cui sono stati addestrati.
- Maestria Sicura e Affidabile: Il processo di apprendimento deve essere intrinsecamente sicuro. Tarifi usa un’analogia splendidamente semplice: un robot che impara a cucinare non dovrebbe incendiare la cucina attraverso tentativi ed errori. La sicurezza deve essere una caratteristica, non una toppa frenetica applicata a posteriori.
- Efficienza Energetica: Questo è il vero colpo di scena. Il modello non può utilizzare più energia per apprendere una nuova abilità di quanto farebbe un essere umano. Questo pilastro affronta l’elefante nella stanza per la Big AI: il consumo energetico assolutamente insostenibile dell’addestramento di modelli sempre più grandi.
Secondo il loro annuncio di dicembre 2025, il modello di Integral AI ha soddisfatto con successo questi tre criteri in un ambiente di test chiuso. Se vero, questo è nient’altro che una rivoluzione.
Modelli del Mondo, Non Modelli di Parole
Allora, qual è l’ingrediente segreto? Integral AI non sta costruendo Large Language Models. Stanno costruendo “Foundation World Models”. Il concetto di modelli del mondo esiste da decenni, con pionieri come Jürgen Schmidhuber e Yann LeCun che sostengono l’idea come un passo chiave verso un’AI più robusta. L’idea centrale è che un’AI costruisca una simulazione interna e predittiva del suo ambiente, permettendole di “immaginare” le conseguenze delle sue azioni prima di intraprenderle.
L’architettura di Integral è ispirata alla neocorteccia umana, progettata per astrarre, pianificare e agire come un’unica entità piuttosto che limitarsi a predire statisticamente il prossimo token in una sequenza. Il sistema utilizza quelli che chiama “operatori universali” che funzionano come il metodo scientifico: formulare un’ipotesi, progettare un esperimento (come muovere un braccio robotico) e imparare dal risultato. Questo processo di apprendimento attivo è ciò che gli consente di operare senza un enorme set di dati statico.
La Prova è nel Spingere i Puzzle
Certo, le chiacchiere stanno a zero. Le prove, per ora, si basano su alcune dimostrazioni chiave. La prima è una classica sfida per l’AI: il gioco di Sokoban. Questo gioco di puzzle da magazzino è ingannevolmente difficile per l’AI perché richiede una pianificazione a lungo termine, dove una singola mossa sbagliata può rendere il puzzle irrisolvibile molto più tardi. L’attuale AI generativa è notoriamente in difficoltà con questo tipo di tracciamento dello stato e conseguenza logica. Tarifi afferma che il loro modello ha imparato il Sokoban da zero (tabula rasa), apprendendo le regole e una strategia di livello professionale semplicemente interagendo con la simulazione.
Per dimostrare che non si tratta solo di giochi, Integral ha anche presentato un progetto per Honda R&S. Il compito prevedeva il coordinamento di sistemi complessi di logistica e pianificazione del mondo reale — essenzialmente, giocare a Sokoban con catene di approvvigionamento e API reali. Le capacità di pianificazione sono state paragonate al leggendario AlphaGo di Google DeepMind, ma applicate al mondo fisico disordinato e dinamico invece di una scacchiera di gioco vincolata.
Allora, l’Hype sull’AGI è Reale Questa Volta?
Torniamo con i piedi per terra. Integral AI ha presentato una visione incredibilmente avvincente e un insieme di affermazioni falsificabili. Tuttavia, questi risultati provengono da una “sandbox” e la comunità scientifica più ampia non li ha ancora verificati in modo indipendente. L’azienda ha essenzialmente creato il proprio metro di misura per l’AGI e poi ha dichiarato di aver superato l’asticella.
Se — ed è un se significativo — queste affermazioni resisteranno al vaglio, le implicazioni sono sbalorditive. Segnalerebbe un allontanamento dal paradigma dell’accumulo di dati, ridurrebbe drasticamente l’impatto ambientale dell’AI e aprirebbe la strada a robot multiuso in grado di adattarsi alle nostre case, non solo a fabbriche altamente strutturate.
Integral AI ha lanciato il guanto di sfida, mettendo in discussione l’approccio dell’intera industria alla costruzione di macchine intelligenti. L’azienda vede questo come il primo passo verso una “superintelligenza che espande la libertà e l’agenzia collettiva”. Per ora, il mondo sta a guardare. Le affermazioni sono straordinarie. Il prossimo passo è fornire la prova straordinaria, spostando questo cervello-in-una-scatola dal laboratorio al nostro mondo — si spera, senza incendiare nessuna cucina.
