Qualsiasi compito risolvibile e facilmente verificabile sarà, prima o poi, conquistato dall'AI

𝘝𝘦𝘳𝘪𝘧𝘪𝘦𝘳’𝘴 𝘓𝘢𝘸 (𝘑𝘢𝘴𝘰𝘯 𝘞𝘦𝘪, 𝘚𝘵𝘢𝘯𝘧𝘰𝘳𝘥)

È una frase che colpisce. Ma non è uno slogan: è una chiave di lettura potente per capire dove sta andando davvero l’Intelligenza Artificiale.
Facciamo un passo indietro.

Se vogliamo rendere un LLM estremamente bravo in un certo tipo di compito (ad esempio risolvere problemi di matematica), la “ricetta” oggi è sorprendentemente chiara:

1️⃣ raccogli (o sintetizza con l’AI) molti esempi del compito
2️⃣ fai generare al modello più risposte
3️⃣ verifica automaticamente ogni risposta e assegnale un punteggio
4️⃣ usa quei punteggi per addestrare ulteriormente il modello (reinforcement learning)
5️⃣ ripeti il ciclo… milioni di volte

👉 𝗤𝘂𝗮𝗻𝗱𝗼 𝗾𝘂𝗲𝘀𝘁𝗮 𝘃𝗲𝗿𝗶𝗳𝗶𝗰𝗮 𝗲 𝗮𝘂𝘁𝗼𝗺𝗮𝘁𝗶𝗰𝗮 𝗲𝗱 𝗲𝗳𝗳𝗶𝗰𝗶𝗲𝗻𝘁𝗲, 𝗶𝗹 𝗺𝗼𝗱𝗲𝗹𝗹𝗼 𝗱𝗶𝘃𝗲𝗻𝘁𝗮 𝗲𝗰𝗰𝗲𝘇𝗶𝗼𝗻𝗮𝗹𝗺𝗲𝗻𝘁𝗲 𝗯𝗿𝗮𝘃𝗼.
È uno dei segreti dietro i cosiddetti “reasoning models”.
𝗜𝗹 𝗽𝘂𝗻𝘁𝗼 𝗰𝗿𝗶𝘁𝗶𝗰𝗼 𝗲 𝗶𝗹 𝗽𝗮𝘀𝘀𝗼 𝟯.
Se non riesci a valutare l’output in modo rapido, oggettivo e scalabile (senza umani nel loop), l’intero meccanismo si inceppa.

E qui nasce la Verifier’s Law.

Sudoku è un esempio banale ma illuminante: verificare una soluzione è immediato.
Lo stesso vale per molte attività di coding, matematica, giochi digitali, ambienti simulati.
Non a caso, è proprio lì che l’AI ha fatto i salti più spettacolari.

Jason Wei lo dice senza giri di parole:
𝘲𝘶𝘢𝘭𝘴𝘪𝘢𝘴𝘪 𝘤𝘰𝘮𝘱𝘪𝘵𝘰 𝘳𝘪𝘴𝘰𝘭𝘷𝘪𝘣𝘪𝘭𝘦 𝘦 𝘧𝘢𝘤𝘪𝘭𝘮𝘦𝘯𝘵𝘦 𝘷𝘦𝘳𝘪𝘧𝘪𝘤𝘢𝘣𝘪𝘭𝘦, 𝘢𝘭𝘭𝘢 𝘭𝘶𝘯𝘨𝘢, 𝘷𝘦𝘳𝘳𝘢 𝘢𝘶𝘵𝘰𝘮𝘢𝘵𝘪𝘻𝘻𝘢𝘵𝘰.

Questa “legge” apre almeno due domande scomode.

🔹 𝗤𝘂𝗮𝗻𝘁𝗲 𝗱𝗲𝗹𝗹𝗲 𝗮𝘁𝘁𝗶𝘃𝗶𝘁𝗮 𝗰𝗵𝗲 𝘀𝘃𝗼𝗹𝗴𝗶𝗮𝗺𝗼 𝗼𝗴𝗻𝗶 𝗴𝗶𝗼𝗿𝗻𝗼 𝘀𝗼𝗻𝗼, 𝗶𝗻 𝗿𝗲𝗮𝗹𝘁𝗮, 𝗳𝗮𝗰𝗶𝗹𝗺𝗲𝗻𝘁𝗲 𝘃𝗲𝗿𝗶𝗳𝗶𝗰𝗮𝗯𝗶𝗹𝗶?
Forse dovremmo iniziare a spostare il nostro lavoro verso compiti meno standardizzabili, meno “misurabili”, più umani. Non per nostalgia, ma per strategia.

🔹 𝗘𝘀𝗶𝘀𝘁𝗼𝗻𝗼 𝗰𝗼𝗻𝘁𝗿𝗼-𝗲𝘀𝗲𝗺𝗽𝗶?
Compiti verificabili che non cedono all’AI?
La Verifier’s Law non è un teorema matematico: è un’osservazione empirica. E come tale va messa alla prova. I “cigni neri” potrebbero arrivare.

Una cosa però è già chiara:
👉 la nuova frontiera non è solo fare cose, ma misurarle.
La verifica, la valutazione, la definizione di “cosa è giusto” diventeranno un enorme campo di innovazione.

Cibo per la mente.

E sì: il resto del talk di Jason Wei merita davvero: