Un tweet, 180 milioni di visualizzazioni. Nessun follower, nessun post precedente. Suona strano? Forse perché lo è. Recentemente, il dibattito sull’intelligenza artificiale è stato inquinato da un’ondata di allarmismo, con previsioni apocalittiche di super-intelligenze fuori controllo e persino l’estinzione della specie umana. Ma cosa c’è davvero dietro questo clamore, e quanto è pilotata questa narrazione?
L’Origine dell’Hype: Un Tweet Virale
L’8 settembre, un ricercatore di nome Jacob Coxson, in forze ad Anthropic da sole sei settimane, ha scatenato il putiferio. Ha dichiarato che le aziende AI stanno correndo verso una super-intelligenza fuori controllo, mettendo a rischio le nostre vite. Il suo tweet, privo di prove concrete o numeri specifici, ha ricevuto un’attenzione spropositata. Ma la vera scintilla è arrivata da Evan Hubbinger, responsabile dell’Alignment Stress Testing di Anthropic, che ha rilanciato con un inquietante: «Jacob ha ragione, pensiamo davvero che l’AI potrebbe uccidere tutti gli umani. Personalmente, penso che ci sia una probabilità maggiore del 10% nel prossimo decennio».
Questa percentuale, basata su semplici vibes piuttosto che su calcoli complessi, ha fatto il giro del mondo. Un’affermazione irresponsabile, se si considera il ruolo di Hubbinger. Il suo team ha il compito di costruire modelli che si comportano male di nascosto per testare i controlli di sicurezza, agendo come una sorta di “squadra rossa” per l’onestà dei modelli. Eppure, una figura di tale importanza ha diffuso un messaggio così destabilizzante, amplificato dai media globali. Questo non è un incidente, è una strategia.
Dietro le Quinte: Chi Muove i Fili?
La tempestività di alcuni eventi è sospetta. Il Wall Street Journal ha pubblicato un articolo sul tweet di Jacob alle 7:46, mentre il tweet stesso è apparso alle 8:04 dello stesso giorno. Una tempistica importante. Inoltre, come può un account con zero follower e zero post raggiungere 180 milioni di visualizzazioni in così poco tempo? La risposta sta in chi ha spinto il contenuto: tre gruppi chiave - Encode, Policy Network e Foresight Project.
Questi gruppi si descrivono come difensori del popolo americano o formatori di politiche per il significativo miglioramento dell’AI, ma il loro vero mestiere è fare pressione per una regolamentazione. L’obiettivo? Creare un organismo centralizzato che controlli l’AI, una sorta di “Federal Reserve” per i modelli intelligenti, capace di monitorarli e, se necessario, revocarli. E chi finanzia questi gruppi? John Tallin, attraverso il Survival and Flourishing Fund. La curiosità è che Tallin è anche co-lead del Series A di Anthropic. Una coincidenza?
Narrativa Iniziale (Pre-hype)
- Rischi AI già noti, ma ignorati o derisi.
- Sviluppo AI visto come inevitabile, ma poco dibattito sulla governance.
- Esperti autentici (es. Hinton) lanciano allarmi senza grande risonanza.
Narrativa Post-Hype (Pilotata)
- Allarmi improvvisi, amplificati da figure con ruoli “sospetti”.
- Focus su scenari catastrofici (“estinzione umana”).
- Spinta verso una regolamentazione centralizzata dell’AI.
- Obiettivo indiretto: svantaggiare l’open source.
Confronto tra la percezione dei rischi AI prima e dopo l’operazione di comunicazione.
Il Vero Obiettivo: Regolamentare l’Open Source?
Molti hanno interpretato questa operazione come una trovata di marketing per pompare la quotazione di Anthropic. Ma, durante il Silence Period prima di un’IPO, simili dichiarazioni sarebbero controproducenti, generando sfiducia negli investitori. Se un CEO crede che la sua tecnologia abbia il 10% di possibilità di estinguere l’umanità, perché quotare l’azienda? Sembra una contraddizione in termini.
Il vero bersaglio, a nostro avviso, è l’open source. Se si creasse un ente centrale per monitorare e revocare i modelli AI, per sua natura, un modello open source non potrebbe rientrare in questo schema. Non si tratterebbe di vietare l’open source apertamente (una mossa impopolare), ma di applicare standard che esso non può soddisfare. Così facendo, verrebbe di fatto escluso dal mercato dei “modelli sicuri”, lasciando il controllo ai grandi attori privati. Il principio guida è antico: “C’è una minaccia enorme. Tu non puoi capirla. Dammi il potere di decidere e ti proteggo io.” Questo è il copione usato per ottenere pieni poteri nel corso della storia.
I rischi dell’AI: Niente di Nuovo Sotto il Sole
La parte più frustrante di questa vicenda è che Jacob Coxson non ha rivelato nulla di nuovo. I pericoli dell’AI erano già noti e discussi da anni. Quando personaggi del calibro di Geoffrey Hinton, il “padre delle reti neurali” e qualcuno che conosce la tecnologia dall’interno, aveva lasciato Google per parlare liberamente dei rischi, era stato deriso e accusato di psicosi. Le sue preoccupazioni, fondate e dettagliate, non avevano generato lo stesso clamore mediatico.
Coxson non ha portato nuove prove, nuovi esempi specifici. Non è cambiata la conoscenza, ma l’attenzione. È come se le persone si svegliassero solo quando il pericolo viene urlato al telegiornale, con una percentuale arbitraria appiccicata sopra. Questo non significa che l’AI non sia pericolosa. Certo che lo è. Attacchi informatici avanzati, armi biochimiche: sono rischi concreti. Ma abbiamo anche gli strumenti per difenderci, spesso usando la stessa AI per contrastare i suoi pericoli.
Soluzioni Concrete Oltre l’Allarmismo
Rallentare o fermare lo sviluppo dell’AI, come suggerito da alcuni, è tutt’altro che la soluzione. L’insicurezza è intrinseca a questa tecnologia, e bloccarla ora significherebbe sacrificare il progresso in campi vitali come la medicina. L’AI sta portando a scoperte fondamentali, con centinaia di farmaci in fase di sperimentazione clinica. Bloccare questo avanzamento significherebbe condannare vite che potrebbero essere salvate. Senza contare che, se l’Occidente si fermasse, altri paesi come la Cina non lo farebbero, acquisendo un vantaggio strategico decisivo.
1. Peer Review tra Aziende
Proposta di Elon Musk: Ogni azienda testa i modelli dei concorrenti. Chi trova una falla la rende pubblica. La sanzione non è legale, ma reputazionale, spingendo all’autoregolamentazione e alla responsabilità del prodotto.
2. Soglia di Potenza di Calcolo
Proposta di Jensen Huang (NVIDIA): Invece di regolamentare cosa un modello deve fare, si pone una soglia sulla potenza di calcolo usata per addestrarlo. Sopra tale soglia, scattano i controlli, escludendo l’open source che tipicamente usa meno risorse.
3. Tetto Parametri Legislativo
Proposta di Salvatore San Filippo (Redis): Le tecniche AI evolvono troppo rapidamente per essere normate. Meglio fissare un tetto legale sui parametri dei modelli che cresce di una percentuale fissa. È un numero oggettivo e verificabile, senza dover fidarsi di nessuno.
Tre approcci concreti per una regolamentazione AI equilibrata e pragmatica.
Il Rischio Biologico: Ignoranza Controllata
Per quanto riguarda rischi specifici come lo sviluppo di armi biologiche, non serve un “allineamento” etico complesso. Serve semplicemente non insegnare all’AI a farlo. Filtrare la letteratura scientifica sui patogeni durante l’addestramento può creare modelli super-intelligenti in fisica ma “ignoranti” in materia biologica. La ricerca critica sui patogeni può essere condotta in ambienti isolati e controllati, senza che l’AI debba essere coinvolta.
La questione dell’AI “fuori controllo” è un terreno fertile per l’allarmismo e per chi ha interessi specifici. È cruciale filtrare il rumore mediatico e focalizzarsi sulle soluzioni pratiche. L’AI porta con sé rischi, ma anche opportunità notevoli che non possiamo permetterci di perdere, soprattutto se la paura è strumentalizzata per fini che vanno oltre la sicurezza.
La domanda che resta è: fino a che punto siamo disposti a sacrificare il progresso in nome di una sicurezza che, forse, ha motivazioni più complesse di quanto sembri?