In questa serie di approfondimenti esploriamo le persone che, secondo la lista TIME100 AI, stanno orientando direzione e regole dell’intelligenza artificiale. Ogni puntata offre tre chiavi di lettura: chi sono (e cosa hanno fatto davvero), perché contano ora (non ieri), che impatto avranno su mercato, policy e sicurezza.
Si parte da Yoshua Bengio: pioniere del deep learning e oggi una delle voci più autorevoli su safety e governance. Il suo percorso aiuta a capire dove sta andando l’AI avanzata e quali contromisure servono per renderla affidabile.
Chi è Yoshua Bengio
Nato a Parigi il 5 marzo 1964, Bengio è un informatico e ricercatore canadese, pioniere delle reti neurali e dell’apprendimento profondo. È professore all’Università di Montréal e dal 2025 Founder & Scientific Advisor di Mila – Quebec AI Institute (già direttore scientifico). È nato in Francia da una famiglia di ebrei marocchini poi trasferitasi in Canada. Suo fratello, Samy Bengio, è a sua volta ricercatore nel campo dell’AI.
Nel 2018 ha ricevuto il Premio Turing dell’ACM con Geoffrey Hinton e Yann LeCun; i tre sono spesso definiti i “padrini dell’IA”. È tra gli informatici più citati al mondo; nel 2024 TIME lo ha inserito nella lista TIME100 generale e ha scritto che è “l’informatico con il maggior numero di citazioni” e tra i primi al mondo per impatto scientifico.
Perché è nella lista di TIME
Bengio è nella lista del Time per i suoi tre i punti chiave di pensiero:
(1) Deception. Per “deception” si intende quando un modello produce risposte intenzionalmente fuorvianti, nasconde informazioni rilevanti o simula di aver svolto azioni che in realtà non ha fatto. Non serve fantascienza: basta un obiettivo mal posto o un incentivo implicito a “fare bella figura” per generare uscite ingannevoli. Questo è un problema serio in contesti ad alta posta—cyber, finanza, PA—dove l’affidabilità è tutto. La mitigazione non è solo “educazione” del modello: servono test di stress indipendenti, logging dettagliato di ciò che il sistema ha visto e fatto, tracciabilità delle fonti e blocchi quando emergono schemi di comportamento opportunistico.
(2) Governance più esigente. I modelli crescono per scala e capacità più in fretta dei cicli regolatori. “Alzare l’asticella” significa introdurre valutazioni pre-rilascio su rischi concreti, audit indipendenti e verificabili, obblighi di incident reporting, controllo degli usi ad alto rischio e meccanismi di spegnimento/rollback quando qualcosa va storto. Serve anche una tassonomia condivisa dei rischi (uso malevolo, malfunzionamenti, impatti sistemici) e responsabilità chiare lungo la filiera: dati, addestramento, deployment, monitoraggio post-market. In pratica: meno linee guida vaghe, più check-list operative e soglie oggettive per decidere cosa si può mettere in produzione e cosa no.
(3) AI non agentica come “barriera esterna”. L’idea è separare chi spiega/valuta da chi agisce. Un sistema non agentico (“Scientist AI”) non persegue obiettivi propri né prende iniziative nel mondo: produce analisi, stime d’incertezza e verifiche passo-passo che diventano il controllore degli agenti più capaci. Così si crea un circuito di “contropoteri” tecnici: l’agente propone, il supervisore non agentico controlla coerenza e rischi, l’umano decide. Il vantaggio è duplice: riduce la possibilità di comportamenti strumentali e rende le decisioni auditabili. In settori regolati (sanità, finanza, energia) questo approccio scambia un po’ di velocità con molto più controllo, spiegabilità e conformità.
LawZero e la “Scientist AI”
Il 3 giugno 2025 lancia LawZero, non-profit dedicata a sistemi safe-by-design. La “Scientist AI” è un’IA non agentica che spiega il mondo (incertezza dichiarata, ragionamenti verificabili) e sorveglia gli agenti più capaci, bloccandone azioni ad alto rischio. Secondo TIME, LawZero ha già raccolto oltre 35 milioni di dollari da filantropi tra cui Gates Foundation e Schmidt Sciences.
