Chi segue Dharma AI sa già che consideriamo la specializzazione uno dei principi fondamentali per sistemi AI efficaci, influenzando tutto, dai costi alle prestazioni, dall'affidabilità alla sovranità. Pochi articoli hanno argomentato questa tesi con il rigore del lavoro del 2026 di Goldfeder, Wyder, LeCun e Shwartz-Ziv.

In questo articolo esploriamo e interpretiamo le idee tratte da AI Must Embrace Specialization via Superhuman Adaptable Intelligence (Goldfeder, Wyder, LeCun, & Shwartz-Ziv, 2026). La tesi di convergenza del paper — che spazia dalla teoria dell'ottimizzazione alla biologia, dall'economia organizzativa al machine learning — fornisce sia la struttura probatoria che le basi intellettuali per la discussione che segue. L'impostazione, l'organizzazione e la sintesi editoriale qui presentate sono di Dharma.

L'aspettativa convenzionale è ragionevole: man mano che i sistemi AI diventano più capaci, dovrebbero anche diventare più generali. Maggiore capacità e più ampia applicabilità sembrano compagni naturali: più risorse, metodi migliori e un addestramento esteso dovrebbero produrre sistemi che affrontano un numero crescente di compiti con crescente sicurezza.

Il modello che emerge realmente è diverso. I sistemi che ottengono i risultati più significativi in un dato dominio tendono a essere quelli più strettamente focalizzati su di esso. La svolta nella previsione della struttura delle proteine è arrivata da un sistema progettato per un singolo compito scientifico. Le tappe storiche dell'AI, esaminate da vicino, riflettono un targeting intensivo del dominio piuttosto che un'espansione della generalità.

Questo modello si ripete. Si ripete attraverso domini, attraverso decenni, attraverso scelte architetturali che non hanno quasi nulla in comune. Un modello così coerente suggerisce una causa comune — una che non ha origine all'interno della ricerca sull'AI.

Un Algoritmo Vince Adattandosi al Suo Obiettivo

Nel 1997, Wolpert e Macready hanno dimostrato qualcosa che raramente emerge nelle discussioni sull'architettura dell'AI: nessun singolo algoritmo di ottimizzazione generico supera tutti gli altri su tutti i possibili problemi (Wolpert & Macready, 1997). La dimostrazione è matematica, non filosofica. Mediata su ogni problema concepibile che un apprendista potrebbe affrontare, ogni algoritmo si comporta ugualmente bene — e ugualmente male. Un algoritmo che guadagna su una distribuzione di problemi necessariamente cede su altre. Le prestazioni vengono ridistribuite, non moltiplicate.

L'implicazione pratica è diretta: "un algoritmo vince essendo un buon adattamento al problema target" (Goldfeder et al., 2026). Il teorema non dice che la generalità sia impossibile — dice che la generalità non è un vantaggio prestazionale. Il percorso strutturale coerente verso prestazioni superiori è la concentrazione: scambiare ampiezza per adattamento.

Questo diventa più netto quando entrano in gioco risorse finite. Qualsiasi sistema reale opera sotto vincoli — potenza di calcolo finita, dati finiti, tempo di sviluppo finito. Data un'energia finita, un approccio che dirige le risorse disponibili verso l'apprendimento di un insieme finito di compiti supererà uno che distribuisce quelle stesse risorse su una gamma illimitata. L'aritmetica è spietata: man mano che l'insieme di compiti si espande senza limiti, le risorse disponibili per compito si riducono verso zero. Copertura universale e prestazioni significative sono, con risorse finite, in diretta tensione.

La conclusione a cui punta il teorema non è che la generalità sia negativa. È più ristretta e operativa: come afferma il paper, "la generalità universale è un concetto teorico, ma in termini pratici è un mito" (Goldfeder et al., 2026). Ciò che sopravvive al contatto con i vincoli reali non è il sistema che cerca di fare tutto — è il sistema che si adatta al suo obiettivo.

La matematica stabilisce questo come una previsione, non una preferenza. Se questa previsione regga nel mondo al di là della teoria dell'ottimizzazione è un'altra questione.

Ciò che Biologia e Mercati Già Sanno

Altri due domini sono arrivati alla stessa previsione prima che la teoria dell'ottimizzazione le desse un nome.

Come descrive il paper per il caso biologico: ogni guadagno prestazionale in una nicchia ha un costo altrove. Un generalista porta tratti adatti a molti ambienti ma ottimali per nessuno — competenza troppo diluita per dominare una qualsiasi condizione particolare. Non ci sono guadagni prestazionali senza compromessi; le risorse investite in una capacità non sono disponibili per un'altra. La selezione favorisce progetti adattati alle condizioni locali rispetto a quelli ottimizzati per una copertura uniforme su tutti gli ambienti possibili. Gli organismi che sopravvivono per riprodursi non sono i più generalmente capaci — sono i più specificamente adattati. Il risultato, accumulato su scale temporali evolutive, non è il dominio dei generalisti — sono gli specialisti che riempiono le nicchie. Come afferma il paper:

"La specializzazione non è un incidente della biologia; è una conseguenza prevedibile di risorse limitate, obiettivi concorrenti e ambienti che premiano le prestazioni su un piccolo sottoinsieme di sfide evolutivamente rilevanti" (Goldfeder et al., 2026).

I mercati competitivi seguono la stessa dinamica attraverso mezzi diversi. Le organizzazioni e le strategie che non raggiungono le soglie di prestazione vengono eliminate — non attraverso l'estinzione, ma attraverso l'uscita, il defunding e la sostituzione con alternative meglio adattate. La competizione agisce come un meccanismo di selezione: amplifica le strategie efficaci ed elimina quelle inefficaci. Il meccanismo non ha nulla in comune con la selezione biologica — nessuna ereditarietà, nessuna mutazione, nessuna scala temporale evolutiva. L'unità di selezione non è l'organismo ma l'organizzazione, il prodotto, la strategia. Eppure la pressione strutturale è la stessa: risorse finite, requisiti prestazionali e la rimozione sistematica di entità troppo ampiamente distribuite per eccellere dove conta. La capacità concentrata supera la capacità distribuita quando gli standard prestazionali sono chiari e coerenti.

Evoluzione e mercati operano attraverso meccanismi completamente diversi — scale temporali diverse, unità di selezione diverse, meccanismi di ereditarietà diversi. Eppure entrambi producono lo stesso risultato sotto pressione delle risorse: adattamento rispetto all'ampiezza. Il teorema lo prevede. Biologia e mercati ci arrivano indipendentemente. Quando un terzo dominio arriva alla stessa conclusione attraverso mezzi completamente diversi, il modello cessa di sembrare un teorema e inizia a sembrare qualcosa di più generale su come si comportano i sistemi vincolati.

Il Machine Learning Continua a Riscoprire la Specializzazione

Lo stesso modello è emerso all'interno del machine learning — non derivato dalla teoria dell'ottimizzazione, ma raggiunto attraverso l'esperienza accumulata nel costruire sistemi e osservare cosa li migliora.

La forma più chiara è il trasferimento negativo: un degrado misurabile che si verifica quando un sistema addestrato su più compiti soffre perché quei compiti competono anziché cooperare (Ruder, 2017). Quando i compiti condividono struttura, l'addestramento insieme aiuta. Ma quando i compiti competono per la capacità rappresentazionale, o impongono gradienti contrastanti durante l'addestramento, le prestazioni sui singoli compiti scendono al di sotto di ciò che un sistema dedicato raggiungerebbe. Il guadagno in ampiezza diventa un costo in profondità. È una conseguenza documentata della divisione della capacità finita tra compiti che si contrastano a vicenda. Lo specialista, non affrontando tale competizione, non paga questo costo.

L'architettura dei modelli all'avanguardia offre una forma diversa di evidenza. I sistemi mixture-of-experts raggiungono la loro ampiezza non attraverso una generalità uniforme su tutti i parametri, ma instradando ogni input a un sottoinsieme specializzato della rete — attivando esperti diversi per compiti diversi. Questa scelta architetturale rispecchia i modelli biologici e di mercato: la capacità complessiva del sistema è la somma di componenti specializzate, ciascuna ottimizzata per una fetta ristretta dello spazio problematico. La tendenza verso la specializzazione nell'AI non è una fase temporanea — è il risultato prevedibile di sistemi vincolati che ottimizzano per le prestazioni. Finché le risorse rimarranno finite e le richieste prestazionali si intensificheranno, il futuro dell'AI apparterrà a sistemi non solo capaci, ma precisamente adattati ai loro obiettivi.