Anthropic, l'IA che si migliora da sola potrebbe arrivare nel 2027
Jack Clark, cofondatore di Anthropic, ha spostato dal 2028 al 2027 la sua previsione sull'arrivo di sistemi di intelligenza artificiale capaci di migliorare se stessi. Alla base del cambio di idea ci sono i risultati di un nuovo test chiamato TasteVal.
- Clark anticipa al 2027 la possibile auto-migliorazione dell'IA.
- TasteVal misura progettazione e interpretazione degli esperimenti.
- Opus 5.5 pareggia 24 esperti usando metà del calcolo.
Che cosa misura TasteVal
TasteVal è un benchmark, cioè una prova standardizzata per confrontare le prestazioni dei modelli di intelligenza artificiale. È stato realizzato dal laboratorio P-Zero Research e misura quello che i ricercatori chiamano "gusto per la ricerca": la capacità di scegliere le domande giuste, progettare gli esperimenti per rispondere e interpretarne correttamente i risultati. Il test, però, valuta solo gli ultimi due aspetti: l'obiettivo di ricerca viene assegnato in partenza.
Le prove sono otto e riguardano temi tipici dello sviluppo dei modelli linguistici: selezione dei dati di addestramento, pre-addestramento e messa a punto, apprendimento dalle preferenze umane, difesa dai prompt ostili. Il modello decide quale esperimento lanciare e usa i risultati per orientare il passo successivo. Per evitare che il risultato dipenda dall'abilità di programmazione, gli esperimenti vengono eseguiti sempre dallo stesso agente di coding su una singola GPU Nvidia H100, con un limite di 40 ore di calcolo o 120 ore di tempo reale.
Il confronto con 24 esperti umani
Il riferimento umano è stato costruito con 24 esperti che avevano lavorato di recente in realtà come OpenAI, Google DeepMind, Nvidia e Microsoft Research, almeno due per ciascun compito. Il modello migliore, Opus 5.5 di Anthropic, ha raggiunto i punteggi degli esperti usando meno della metà del calcolo, con un "moltiplicatore di calcolo" di 2,3. L'intervallo statistico, però, va da 1,15 a 4,37: nell'ipotesi più prudente il vantaggio sarebbe minimo. Una singola esecuzione è costata circa un trentesimo del tentativo medio di un esperto.
Secondo The Decoder, da dicembre 2025 questo indicatore è all'incirca raddoppiato ogni tre mesi, con un margine di incertezza che va da 1,7 a 5 mesi. È su questa curva che Clark, cofondatore di Anthropic e autore della newsletter Import AI, basa la nuova stima sull'auto-miglioramento ricorsivo, cioè sistemi che sviluppano i propri successori.
Perché conta
Il benchmark non dimostra che i modelli si stiano già migliorando da soli: copre una fetta ristretta del lavoro scientifico e gli stessi autori ammettono che i risultati potrebbero sovrastimare la velocità dei progressi. Segnala però uno spostamento del dibattito: non più solo quanto un modello risponde bene, ma quanta ricerca autonoma riesce davvero a svolgere. Una differenza che, se confermata, cambierebbe i tempi con cui nuove capacità dell'IA arrivano a imprese, scuole e amministrazioni, Italia compresa.
