Shane Legg — Il Co-Fondatore DeepMind che Definisce AGI da 15 Anni

Chi è: Shane Legg è uno dei tre co-fondatori di DeepMind (insieme a Demis Hassabis e Mustafa Suleyman), oggi Chief AGI Scientist di Google DeepMind. Neozelandese, matematico e informatico, ha dedicato la sua intera carriera scientifica a un singolo problema: dare una definizione matematica rigorosa di intelligenza generale e prevederne l'arrivo. È una delle voci meno mediatiche ma più ascoltate all'interno dei laboratori frontier.

Il PhD del 2008: "Machine Super Intelligence"

Legg completa il dottorato nel 2008 a Lugano sotto la supervisione di Marcus Hutter, autore del libro "Universal Artificial Intelligence" e padre del formalismo AIXI — un modello matematico ideale di agente perfettamente intelligente, non computabile ma definito rigorosamente. La tesi di Legg, intitolata "Machine Super Intelligence", parte dall'osservazione che il termine "intelligenza" è usato in modo confuso nel dibattito AI: ogni autore ne dà la propria definizione, rendendo impossibile il confronto scientifico tra approcci diversi.

Legg propone una definizione formale di "intelligenza universale" derivata dal framework di Hutter: l'intelligenza di un agente è la sua capacità attesa di raggiungere obiettivi in una vasta gamma di ambienti, pesati secondo la complessità di Kolmogorov dell'ambiente. La formula è elegante ma astratta — non aiuta direttamente a costruire un'AI — ma fornisce un linguaggio comune per confrontare sistemi. Più importante, sancisce che AGI non è un punto binario ma uno spettro continuo: un sistema può essere "più generale" di un altro in modo misurabile.

Co-fondatore DeepMind: la missione "solve intelligence"

Nel 2010 Legg fonda DeepMind a Londra con Demis Hassabis (ex enfant prodige degli scacchi e PhD in neuroscienze) e Mustafa Suleyman (oggi CEO di Microsoft AI). La missione dichiarata è esplicitamente "solve intelligence and then use it to solve everything else" — una formulazione di una direzionalità che all'epoca era considerata fantascienza dai più seri ricercatori di machine learning, ancora occupati con SVM, Random Forest e i primi successi del deep learning su ImageNet.

Google acquisisce DeepMind nel 2014 per circa $500-650 milioni, una delle acquisizioni più strategiche della storia tech. Da allora Legg ha mantenuto un profilo basso ma centrale: mentre Hassabis è il volto pubblico (TED talk, copertine, premi Nobel per AlphaFold nel 2024) e Suleyman è diventato l'imprenditore-policy maker (autore di "The Coming Wave"), Legg ha rimasto l'architetto concettuale della roadmap AGI. Il suo titolo ufficiale, Chief AGI Scientist, è stato creato per lui ed è uno dei pochissimi del settore.

La previsione: AGI entro il 2028 (mediana)

Nel 2011, anno dopo la fondazione di DeepMind, Legg pubblica sul blog vetta.org una previsione esplicita: la sua distribuzione di probabilità soggettiva per l'arrivo di AGI ha mediana al 2028, con quartili 2020-2030 circa. La previsione è documentata nero su bianco da quattordici anni e Legg la cita regolarmente come baseline a cui confrontarsi. Nel 2023, in una intervista con Dwarkesh Patel di oltre due ore, Legg conferma che il numero non è cambiato significativamente — anzi, la traiettoria 2020-2023 con GPT-4 e i suoi successori lo rafforza nella convinzione che il valore mediano del 2028 sia ancora plausibile.

La metodologia dietro la previsione è stata raffinata negli anni ma resta sostanzialmente la stessa: estrapolazione di scaling laws applicate a compute, dati e parametri; analisi di quali capacità emergono a quali scale; valutazione delle barriere algoritmiche residue (memoria a lungo termine, ragionamento causale, embodiment). Legg sostiene che la maggior parte delle critiche alle previsioni AGI sono critiche metodologiche valide ma non sufficienti: l'incertezza è reale, ma il valore atteso del tempo all'AGI calcolato secondo i modelli noti continua a posizionarsi nell'intervallo 2025-2035 con mediana intorno alla fine del decennio. Non è certezza: è la migliore stima compatibile con i dati di scaling.

La voce sotto-rappresentata del laboratorio "AGI-first"

Il discorso pubblico sull'AGI nel 2023-2025 è stato dominato da poche voci ricorrenti — Sam Altman, Dario Amodei, Yann LeCun, Geoffrey Hinton, Elon Musk. Shane Legg è raramente in questa lista, eppure è la persona che probabilmente ha pensato più a lungo e con maggiore rigore matematico al problema. La sua relativa invisibilità è in parte scelta personale (preferisce ricerca a comunicazione esterna), in parte effetto della cultura DeepMind che storicamente parla poco pubblicamente, lasciando la voce al CEO Hassabis.

Per chi vuole capire come pensa il management di un laboratorio frontier all'AGI — al di là delle dichiarazioni di marketing — il blog vetta.org e l'intervista con Dwarkesh Patel del 2023 sono materiale obbligatorio. Legg discute esplicitamente il safety problem (allineamento, controllo, deployment graduale), la sua visione del ruolo di scaling laws, il rapporto tra AI simbolica e connessionista, e la sua posizione (cauta ma non catastrofista) sull'AI risk. È una voce che pesa sul piano strategico nelle decisioni di Google DeepMind, anche se raramente compare sui titoli dei giornali. Per chi lavora in policy o investe nel settore, sottovalutare Legg significa perdere uno dei nodi più informati della rete di pensiero AGI.

---