Link per leggere/scaricare il documento: https://royalsocietypublishing.org/rsta/article/384/2320/20240533/481677/World-models-artificial-general-intelligence-and
Tipo di documento: articolo scientifico / introduzione a numero tematico, open access, disponibile in PDF ed EPUB.
Un nuovo numero tematico di Philosophical Transactions of the Royal Society A riapre il dibattito sull’intelligenza artificiale generale: i modelli linguistici stanno davvero costruendo una comprensione del mondo o imitano soltanto regolarità statistiche?
Pubblicato il 14 maggio 2026, l’articolo “World models, artificial general intelligence and the hard problems of life–mind continuity” introduce una raccolta dedicata ai “modelli del mondo” nell’intelligenza naturale e artificiale. Il contributo, firmato tra gli altri da Adam Safron, Michael Levin, David Ha, Irina Rish, David Krakauer, Melanie Mitchell, Samuel J. Gershman e Joshua B. Tenenbaum, appare su Philosophical Transactions A, volume 384, numero 2320, con DOI 10.1098/rsta.2024.0533.
Il punto centrale è cruciale: per raggiungere una vera AGI, l’IA deve limitarsi a prevedere parole e immagini o deve costruire modelli causali, temporali, incarnati e orientati all’azione, simili a quelli degli organismi viventi? La raccolta analizza forme diverse di modellazione: causale, autoreferenziale, collettiva, narrativa, orientata agli obiettivi e legata all’incarnazione.
Gli autori non liquidano i progressi dell’IA generativa. Al contrario, riconoscono che i modelli attuali mostrano capacità impressionanti. Ma invitano a distinguere tra prestazione linguistica e comprensione robusta. Secondo la sintesi del testo, gli LLM possono modellare il mondo “in vari modi”, ma probabilmente non generano ancora modelli causali coerenti paragonabili a quelli umani, né costituiscono da soli una via sicura verso la superintelligenza generale.
Il tema ha implicazioni etiche e sociali rilevanti: attribuire troppo presto coscienza, intenzionalità o autonomia piena alle macchine può alterare responsabilità, governance e sicurezza. La sfida non è solo tecnica, ma politica: capire quando un sistema “simula” comprensione e quando invece acquisisce capacità operative capaci di incidere sul mondo reale.
Breve approfondimento: cronologia essenziale
2024 — Cresce il dibattito interdisciplinare sui “world models” in neuroscienze e IA, con attenzione a cervelli, agenti artificiali e adattamento ambientale. PubMed segnala incontri scientifici sul tema dei modelli interni in cervelli e macchine.
2025 — Studi e survey collegano AGI, multimodalità, grounding e modelli del mondo, sostenendo che linguaggio, percezione e azione vadano integrati.
14 maggio 2026 — La Royal Society pubblica il numero tematico sui modelli del mondo nell’intelligenza naturale e artificiale.
Consigli di approfondimento
Royal Society Publishing — articolo originale e PDF.
PubMed — “Internal world models in humans, animals, and AI”.
arXiv — survey su LLM e AGI.
Abstract: pro, rischi e conseguenze future
Pro: i “world models” possono rendere l’IA più affidabile, capace di pianificare, apprendere da meno dati e interagire meglio con ambienti complessi.
Rischi: sovrastimare comprensione, coscienza o autonomia dei sistemi può favorire delega cognitiva, opacità decisionale e deresponsabilizzazione.
Conseguenze future: la ricerca potrebbe spostarsi da modelli solo linguistici a sistemi ibridi, multimodali, agentici e più controllabili, ma serviranno standard rigorosi di valutazione, trasparenza e sicurezza.
