Nel quinto episodio del podcast di OpenAI, Andrew Mayne conversa con Jakub Pachocki, Chief Scientist di OpenAI, e Szymon Sidor, ricercatore senior della stessa organizzazione, ricostruendo il filo che li porta dagli anni di liceo a Varsavia ai ruoli di vertice nella ricerca. Entrambi indicano un docente di informatica come figura decisiva e ricordano l’allenamento alle gare di programmazione come palestra mentale che ancora oggi plasma il loro modo di progettare esperimenti e valutare i risultati. L’incipit biografico non è ornamentale: serve a spiegare come si forma uno sguardo tecnico che mira a metriche solide e a traguardi verificabili.
Il dialogo entra subito nel cuore della questione: che cosa intendere per AGI, sia in termini tecnici sia dal punto di vista di un utente comune. Per i due ricercatori è utile differenziare le capacità: conversazione naturale su molti temi, abilità nel problem solving matematico, tenuta su progetti di ricerca. Oggi i modelli coprono bene la prima area, fanno passi misurabili nella seconda e cominciano a incidere sulla terza, motivo per cui spostano l’attenzione dagli indicatori “a punto singolo” all’impatto reale sul lavoro e sulla produzione di nuova conoscenza.
Da qui l’idea più ambiziosa dell’episodio: automatizzare la scoperta scientifica. Pachocki descrive l’obiettivo dell’“automated researcher” come priorità di lungo periodo, non legata a un dominio specifico ma alla generalità delle competenze. La tesi è netta: gran parte del processo che conduce a idee e tecnologie nuove può essere portata su macchine che generano e testano ipotesi in modo iterativo e su larga scala. Alcuni contesti, come la medicina, offrono già segnali promettenti; in parallelo, il gruppo lavora a strumenti che aiutino ad automatizzare anche la ricerca sui modelli e sull’allineamento.
Sidor inquadra il presente come il risultato di dieci anni di progressi continui. Dai primi sistemi di analisi del sentiment, facili da ingannare con frasi ambigue, si è passati a generare testi coerenti con GPT-2, poi a salti più visibili con GPT-3 e GPT-4, fino ai modelli recenti focalizzati sul ragionamento. La traiettoria non è lineare, ma la distanza rispetto a un decennio fa è evidente a chi ha lavorato su queste tecnologie sin dall’inizio.
Quando si parla di misurare i progressi, emergono i limiti dei benchmark classici. Molti stanno saturando; alcuni contengono risposte errate; soprattutto, l’addestramento mirato può far crescere il punteggio su un compito senza migliorare l’abilità generale. Per questo Pachocki e Sidor propongono di valutare anche la “utilità” concreta, con modelli capaci di produrre artefatti tecnici e insight nuovi, e non soltanto di superare test.
In questo quadro si capisce perché le competizioni umane restino utili. L’International Mathematical Olympiad e le gare di informatica testano creatività, rigore e concentrazione prolungata su un singolo problema con conoscenze limitate e verificabili. Il recente livello “medaglia d’oro” all’IMO è rilevante non per il punteggio in sé, ma per il tipo di abilità che certifica.
Un dettaglio tecnico sottolineato con cura: queste prove sono state risolte senza calcolatrice o strumenti esterni. Il modello ha lavorato in pura modalità di ragionamento, cosa che rende il risultato più informativo sulla qualità della catena di pensiero rispetto a compiti in cui si appoggia a tool esterni.
C’è poi un comportamento metacognitivo che colpisce gli autori: davanti al “problema 6” dell’IMO, notoriamente il più ostico, il modello ha riconosciuto di non fare progresso, evitando di forzare una risposta. Non è un trionfalismo: è un segnale che la gestione dell’incertezza sta migliorando e che i sistemi imparano quando fermarsi.
Dal lato opposto dello spettro, dove non esiste una soluzione univoca, arriva l’aneddoto dell’AtCoder in Giappone: dieci ore su un unico problema di ottimizzazione, con il modello di OpenAI al secondo posto dietro a un campione umano. Un format che richiede pianificazione a lungo orizzonte, strategie, iterazione continua. Il racconto serve a mostrare che la “tenuta” su compiti lunghi sta crescendo anche fuori dalle arene scolastiche.
Come si è arrivati a questi passi avanti nel ragionamento? Pachocki spiega che “far pensare più a lungo” i modelli non è una trovata di superficie. È stata necessaria una mole di lavoro notevole per renderla affidabile; quando l’aumento di dati e addestramento ha cominciato a migliorare stabilmente la qualità delle soluzioni, all’interno del team è scattata la consapevolezza di trovarsi davanti a un’accelerazione reale.
Lo sguardo sui prossimi mesi tiene insieme due linee: non perdere i benefici dello scaling del pre-training e prolungare l’orizzonte di pianificazione e ragionamento. L’idea è che i modelli impieghino molta più potenza di calcolo su problemi che contano davvero, mantenendo lo stato del lavoro per periodi lunghi fino a produrre risultati utili nel mondo, come avanzamenti in ricerca medica o nella progettazione di nuove generazioni di sistemi.
Alla domanda “che aspetto avrà l’AGI per gli utenti”, Pachocki delinea un’organizzazione di ricerca e ingegneria largamente automatizzata, capace di parlare con le persone, ricevere input, condurre esperimenti, scrivere codice e generare artefatti tecnici. In parallelo, si prevede un forte miglioramento delle interfacce e della persistenza delle interazioni, con sistemi più coerenti nel tempo.
Nel tratto conclusivo entra un tema pratico: il bilanciamento tra fiducia e valore personale. Dare ai modelli accesso esteso ai propri dati produce vantaggi immediati e misurabili; allo stesso tempo, occorre ancora lavorare sulla robustezza per ridurre il rischio che tali sistemi vengano sfruttati da attori esterni. È un’area di ingegneria che richiede iterazioni ulteriori.
Infine, il consiglio agli studenti delle superiori del 2025: imparare a programmare rimane una scelta saggia. Non perché il codice in sé resti immutabile, ma perché allena a scomporre problemi complessi e a strutturare il pensiero, una competenza trasferibile anche quando cambiano gli strumenti. Diffidare dell’idea che “non serva più”: comprendere come funziona un sistema rende più efficaci anche nell’uso della lingua e nella progettazione di prompt e workflow.
L’episodio costruisce un percorso coerente: origini competitive e metodo scientifico, ridefinizione delle metriche oltre i benchmark saturi, risultati misurabili in matematica e nelle gare a lungo orizzonte, una tesi forte sull’automazione della ricerca e una road map che unisce scaling e persistenza. Con un messaggio operativo sul presente: valutare i modelli per ciò che riescono a produrre nel mondo, non solo per i punteggi nei test.
