NUOVE ricerche da Stanford. Il dibattito sull'AGI è bloccato su una falsa dicotomia. Posizione uno: scalare i LLM e l'intelligenza emerge. Posizione due: i LLM sono abbinatori di schemi incapaci di ragionare, un vicolo cieco. Questo documento sostiene una terza posizione: Substrato più Coordinazione. I LLM sono il necessario repository di schemi di Sistema-1. Il componente mancante è uno strato di coordinazione di Sistema-2 che seleziona, vincola e lega questi schemi a obiettivi esterni. L'autore sostiene che l'intuizione chiave proviene da una metafora di pesca. L'oceano è la vasta conoscenza latente del modello. Lanciare senza esca recupera il massimo prior di probabilità: output generici e comuni. I critici che osservano l'allucinazione non vedono un sistema rotto. Vedono un lancio senza esca. Un comportamento intelligente richiede esca e filtraggio. Il documento formalizza questo tramite UCCT, una teoria in cui il ragionamento emerge come una transizione di fase. Tre fattori governano il cambiamento: supporto efficace (densità di esca che attrae concetti target), disallineamento rappresentativo (quanto il prior resiste) e un budget di ancoraggio adattivo (il costo del contesto). Quando la forza di ancoraggio supera una soglia, il comportamento passa da allucinazione a controllo orientato agli obiettivi. Due esempi in contesto possono sovrascrivere l'aritmetica appresa da miliardi di token. La transizione è discreta, non graduale. La coordinazione è un collo di bottiglia nei moderni sistemi di intelligenza artificiale. MACI implementa questo strato di coordinazione: dibattito modulato dal comportamento tra agenti, giudizio socratico che filtra argomenti mal posti e memoria transazionale che mantiene lo stato attraverso episodi di ragionamento. Leggi il documento sull'ingegneria del contesto agentico per idee sulla parte della memoria. Il percorso verso l'AGI passa attraverso i LLM, non intorno a loro. La domanda non è se i repository di schemi siano sufficienti. È quali meccanismi di coordinazione possono trasformare la capacità di schemi in ragionamento affidabile e verificabile. Documento: Impara a costruire agenti AI efficaci nella nostra accademia: