L'"Imbuto AI" di Karpathy rivela una pericolosa divisione nel nostro futuro digitale

Il futuro dell'intelligenza artificiale è destinato a essere modellato da pochi eletti, mentre la stragrande maggioranza rimane ignara del suo vero potere? Questa è l'inquietante implicazione delle recenti riflessioni di Andrej Karpathy su X, dove l'eminente ricercatore di IA ha delineato quello che lui chiama un "imbuto a quattro livelli" di comprensione e accesso all'IA. La sua schietta valutazione dipinge un quadro non di diffusa emancipazione, ma di un crescente divario che potrebbe definire i prossimi decenni di progresso tecnologico.

Karpathy, membro fondatore di OpenAI e ora ricercatore presso Anthropic, ha condiviso le sue osservazioni l'11 ottobre 2026, basandosi su precedenti intuizioni di aprile. Egli sostiene che il divario tra ciò che l'IA può veramente fare e ciò che la maggior parte delle persone percepisce non è solo ampio, ma si sta attivamente allargando. Il cuore del suo argomento è un modello stratificato di interazione con i grandi modelli linguistici (LLM), che va da miliardi di utenti occasionali a una minuscola élite con accesso a capacità che sembrano quasi fantastiche agli estranei.

L'imbuto inizia con una base enorme: circa 6 miliardi di persone, ovvero il 75% della popolazione globale, che hanno a malapena o mai interagito con un LLM. Sopra di loro, 1 o 2 miliardi di individui utilizzano occasionalmente servizi IA gratuiti, vedendoli principalmente come chatbot glorificati per la scrittura o la ricerca di base, inclusi molti professionisti i cui lavori non richiedono un profondo impegno tecnico. Poi arriva un livello critico di circa 20 milioni di professionisti, per lo più sviluppatori e matematici, che assistono a LLM agenti che completano progetti complessi in giorni o settimane, che una volta richiedevano mesi. Eppure, anche questo gruppo, in cui Karpathy include sé stesso, è distinto dall'apice.

Al vertice, un gruppo incredibilmente piccolo di circa 5.000 individui ha accesso a sistemi IA interni altamente avanzati all'interno dei principali laboratori. Questi sistemi, come descrive Karpathy, possono distribuire "sciami di agenti" per affrontare in collaborazione vasti progetti software, scoprire vulnerabilità zero-day o condurre operazioni cibernetiche alla velocità della macchina — risultati che richiederebbero anni di lavoro dai migliori esperti umani. Questa è l'IA che il 99,99% dell'umanità non ha mai visto, una frontiera le cui vere capacità sono in gran parte nascoste.

La rivoluzione invisibile: una nuova definizione di "frontiera"

La descrizione di Karpathy del livello più alto del suo imbuto è meno una proiezione e più un silenzioso campanello d'allarme. Quando parla di agenti IA che collaborano a "vasti progetti software" o "generano zero-day" ed eseguono offensive e difese cibernetiche alla velocità della macchina, è chiaro che non stiamo parlando solo di miglioramenti incrementali ai chatbot. Questi sono sistemi che alterano fondamentalmente il panorama della scoperta scientifica, della cybersecurity e persino della sicurezza nazionale. L'implicazione è profonda: mentre il pubblico dibatte le sfumature dei chatbot rivolti al pubblico, l'effettiva avanguardia sta operando su una scala e con un'autonomia che supera di gran lunga l'immaginazione popolare. Questo divario significa che il discorso pubblico e politico sulla regolamentazione dell'IA, sull'etica e sull'impatto economico è spesso basato su una comprensione obsoleta di ciò di cui questi sistemi sono veramente capaci, creando una pericolosa disconnessione tra politica e realtà, come Le Fil IA osserva.

Perché l'imbuto si sta restringendo: ambizione, accesso e profitto

Karpathy offre tre ragioni chiave per questo imbuto sempre più stretto: l'ambizione dei problemi posti, il livello di accesso ai modelli e il dominio in cui questi sistemi operano. Gli LLM più avanzati eccellono in domini digitali, verificabili ed economicamente preziosi, come la programmazione e la matematica. Questo non è accidentale; è un risultato diretto del modo in cui questi modelli vengono addestrati, sfruttando l'apprendimento per rinforzo su ricompense verificabili. Le aziende stanno, abbastanza logicamente, dirigendo le loro considerevoli risorse di addestramento verso aree che producono i rendimenti più alti e misurabili. Questa attenzione a compiti redditizi e quantificabili significa che i progressi dell'IA che fanno davvero la differenza non sono necessariamente quelli che risolvono i problemi quotidiani per l'utente medio, ma quelli che offrono significativi vantaggi economici o strategici in campi specializzati. È un ciclo che si autoalimenta: più prezioso è il dominio, più risorse vi vengono dedicate, ampliando ulteriormente il divario nelle capacità.

La vertigine dell'accelerazione: una minaccia alla comprensione pubblica

Una delle osservazioni più sorprendenti è la nota di Karpathy secondo cui "la revisione e la comprensione umana stanno iniziando a rimanere indietro". Egli indica casi come lo sforzo in corso per ricostruire l'incidente OpenAI-Hugging Face o il ritiro di alcuni dei 722 manoscritti matematici di OpenAI a causa di errori, evidenziando come anche gli esperti fatichino a tenere il passo con gli output generati dall'IA. Questo suggerisce un futuro in cui i sistemi IA possono generare risultati complessi e ad alto rischio più velocemente di quanto gli esseri umani possano verificarli o persino comprenderli. Il pericolo qui non è solo in potenziali errori, ma nell'erosione della supervisione. Se solo 5.000 persone comprendono veramente l'intero spettro delle capacità dell'IA, come può la società nel suo complesso garantirne uno sviluppo sicuro, etico ed equo? La rapida accelerazione sentita da una minuscola minoranza crea una "vertigine" che il resto del mondo semplicemente non sta sperimentando, portando a percezioni molto diverse di urgenza e rischio.

Una richiesta di trasparenza o una giustificazione per la segretezza?

La posizione di Karpathy come insider sia in OpenAI che in Anthropic conferisce un peso significativo alle sue osservazioni. Tuttavia, solleva anche delle domande. Questo imbuto è una richiesta di maggiore trasparenza e democratizzazione di questi strumenti avanzati, o un'involontaria giustificazione per il potere concentrato all'interno di pochi laboratori d'élite? Sebbene esistano alcuni sforzi per abbassare le barriere all'educazione all'IA e condividere risorse open source, questi sembrano essere principalmente per il terzo livello di professionisti, non per le capacità di frontiera che Karpathy descrive. La sfida per la comunità dell'IA, e per la società in generale, è colmare questo divario di conoscenza prima che le decisioni sul nostro futuro collettivo siano irrevocabilmente plasmate da un gruppo selezionato che opera con strumenti invisibili. L'imbuto serve come un avvertimento critico: il futuro dell'IA non è un campo di gioco equo e universalmente accessibile, e fingere il contrario rischia di cedere il controllo a pochissimi che comprendono veramente il suo vero, formidabile potenziale.