Il concetto di Recursive Self-Improvement (RSI) si sta affermando come il nuovo orizzonte per l'intelligenza artificiale, promettendo un salto evolutivo oltre l'AGI. L'RSI descrive un sistema capace di auto-aggiornarsi continuamente, operando in un ciclo chiuso e autonomo. Questo processo sarebbe limitato solo dalla potenza di calcolo, eliminando la necessità di intervento umano. L'idea, pur seguendo la scia dell'AGI, introduce un'accelerazione esponenziale delle capacità.
Progetti e Ricerca sull'RSI
Diversi ricercatori e startup stanno già esplorando le frontiere dell'RSI.
Richard Socher ha fondato "Recursive Superintelligence" con l'obiettivo di automatizzare l'intero processo di ricerca, dall'ideazione alla verifica, autonomamente.
Alex Karpathy, figura di spicco da Tesla e OpenAI, ha avviato il progetto Auto-Research. Questo si basa su "agent swarms" che migliorano iterativamente i modelli LLM. I risultati, finora limitati a modelli GPT-2, hanno comunque stimolato l'interesse verso l'RSI.
La startup Adaption, fondata da Sara Hooker, ha lanciato AutoScientist, un sistema per automatizzare il training dei modelli di frontiera, con l'obiettivo di evolvere verso l'RSI.
Doris Xin, fondatrice di Disarray, ha guadagnato visibilità con un agente di machine learning auto-addestrato che ha vinto 28 medaglie in una competizione Kaggle.
Xin ipotizza che, con risorse computazionali e tempo illimitati, l'RSI sarebbe già realizzabile, ma l'affidabilità resta la sfida pratica.
Tra Ambizione e Limiti Attuali
Nonostante l'entusiasmo, il settore mantiene una certa cautela. Sundar Pichai, CEO di Google, ha sottolineato che, sebbene i progressi siano costanti, l'accelerazione descritta dall'RSI non è ancora stata raggiunta.
Anche Anthropic rivela una realtà di automazione parziale: quasi il 100% del codice di Claude Code è generato dallo strumento stesso. Una survey interna suggerisce che un modello come Mythos potrebbe sostituire un programmatore L4. Permangono però limiti: compiti ambigui, priorità organizzative, verifica, senso estetico e orientamento epistemico restano prerogative umane.
Le Fasi dell'RSI: Adequacy, Parity, Supremacy
Helen Toner del Georgetown Center for Security e Emerging Technology (CSET) ha delineato tre livelli di RSI: "adequacy", dove un sistema AI opera autonomamente anche se in modo inefficiente; "parity", quando eguaglia le prestazioni umane; e "supremacy", superando la collaborazione uomo-AI. Ayeja Cotra di METR prevede l'adequacy imminente, e la parity capace di innescare un'accelerazione rapida entro un anno.
Ostacoli e Sfide Strutturali dell'RSI
Il percorso verso l'RSI è irto di ostacoli. Toner evidenzia come l'idea di una progressione lineare degli upgrade sia fuorviante. Storicamente, l'uomo ha sempre mantenuto la direzione, pur delegando compiti alle macchine.
Le sfide comprendono risorse computazionali limitate, problemi di alignment e il compromesso uomo-macchina. Un sistema RSI autonomo resta futuribile, lontano dalla realizzazione concreta, come per l'AGI.
Implicazioni Politiche e Regolatorie
Si osserva che l'evoluzione tecnologica sta rendendo obsolete le attuali strutture regolatorie. Un ordine esecutivo per una revisione volontaria di sistemi AI di frontiera, annullato, è un esempio di inadeguatezza regolatoria alla velocità dell'RSI.
Serve una regolamentazione che consideri infrastrutture (energia, chip, cybersicurezza) e impatti sociali estesi. Le logiche di "regolazione di prodotto" sono insufficienti per velocità e autonomia dell'RSI.
RSI: Una Sfida Complessa e Multidisciplinare
L'RSI trascende il concetto astratto, configurandosi come un tema concreto di ingegneria e politica. Le implicazioni, da limiti computazionali e rischi di alignment a impatti sociali, impongono un approccio multidisciplinare e consapevole.
Il passaggio all'RSI rappresenta l'evoluzione da un'AI potenziata dall'uomo a una potenzialmente autonoma. La realtà attuale è una fase ibrida: sistemi che apprendono, migliorano e si auto-codificano, ma con un ruolo umano indispensabile.
È fondamentale affrontare l'RSI con lucidità: non come una superintelligenza imminente, ma come una sfida ambientale, tecnica, etica e politica. La questione è come la società accoglierà e regolerà questa rivoluzione capace di auto-costruirsi, non la sua comparsa.
