L'algoritmo senza verità

Note sull'intelligenza artificiale

Introduzione

Questo testo cerca di fare chiarezza sui principi di funzionamento di base della cosiddetta Artificial Intelligence (AI), allo stato dell’arte. Cercheremo di evidenziarne le enormi potenzialità e allo stesso tempo anche i notevoli rischi nascosti in cui potremmo incorrere nell’accostarci a questo nuovo strumento senza la necessaria consapevolezza.

A partire dal capitolo sulla creatività cercheremo di chiarire le differenze tra la mente biologica dell’essere umano e l’intelligenza artificiale. Proveremo pertanto ad addentrarci nel dibattito in corso tra neuroscienziati, informatici e filosofi sulla natura della Coscienza, ovvero sulla capacità di essere consapevoli del mondo che ci circonda e di noi stessi, la capacità di guardare noi stessi come se avessimo uno specchio di fronte. David Chalmers, filosofo della mente australiano, ha battezzato questo problema Hard Problem of Consciousness / Il problema difficile della Coscienza. Vedremo infine come le novità che arrivano dal mondo dell’intelligenza artificiale ci stanno costringendo a rendere attuale una delle più grandi domande che si è posta l’umanità fin dall’antichità: “chi siamo?” rendendo questo tema uno dei più interessanti da seguire nei decenni.

Nei capitoli più specificatamente dedicati alla Coscienza il lettore potrà sentirsi deluso perché si accorgerà che il numero delle domande che resteranno aperte sarà di molto superiore al numero delle informazioni fornite, ma come vedremo, queste domande sono nate insieme all’essere umano e non è ancora venuto il momento di chiuderle. Ma la ricerca funziona proprio così, si comincia con l’avere consapevolezza dei problemi da risolvere e si parte per un viaggio affascinante verso i confini delle nostre capacità.

Per chiunque partecipi alla vita del Web è molto importante acquisire almeno una consapevolezza di base su che cosa siano le AI, come funzionano, cosa possiamo aspettarci di positivo e di negativo evitando il rischio di lasciarsene affascinare o spaventare senza ragione. Inoltre è importante comprendere che le AI hanno iniziato a sconvolgere e sconvolgeranno sempre di più tutti gli ambiti in cui si muove l’essere umano. L’impatto delle AI sulla vita della nostra specie sarà di gran lunga superiore a quello che abbiamo sperimentato in tutta la storia umana. Se non si comprende questo si rischia di non capire cosa sta per accadere nel prossimo futuro e di non vedere l’enorme tsunami che ci investirà.

Cominciamo stabilendo quali sono le più avanzate AI fino ad oggi: ChatGPT di OpenAI, Claude di Anthropic, Gemini di Google e Grok di xAI (Elon Musk), tutte statunitensi e appartenenti a società private. Poi ci sono quelle cinesi, la più famosa è DeepSeek di Hangzhou DeepSeek Artificial Intelligence Co., ma c’è anche Qwen di Alibaba e Kimi di MoonShot AI che hanno prestazioni di altissimo livello e in alcuni casi superiori a quelle occidentali.

Probabilmente i modelli di AI più sofisticati al momento sono quelli di Anthropic nei modelli di Claude Fable 5 e Claude Mythos 5. Esiste anche una AI tutta italiana, sviluppata da accademici della Sapienza di Roma che si chiama Minerva. Il suo Chatbot si chiama ChatMinerva. È gratuita. È ancora molto embrionale al momento. È importante che ci sia una AI italiana, le AI sono tutte orientate, al momento non esiste una AI votata genuinamente all’episteme, quindi, se proprio saremo costretti a vivere in un mondo con lo spettro delle AI che aleggia sulle nostre teste, che almeno sia uno spettro italiano e non statunitense, cinese o russo.

Come funzionano le AI allo stato dell’arte

Esistono molti sistemi di intelligenza artificiale, qui intendiamo riferirci a quelle comunemente usate per dialogare, meglio conosciute come LLM Large Language Models / Modelli Linguistici di grandi dimensioni. Questo significa, impropriamente, che “sanno imparare le lingue”, le loro grammatiche e scrivere, e parlare in tantissime lingue diverse con gli esseri umani. Detto meglio tecnicamente quello che fanno è apprendere le regolarità statistiche del linguaggio. Le capacità di “comprensione” degli argomenti che dimostrano quando dialoghiamo con le AI, la qualità della “logica” (apparentemente ferrea) dei loro “ragionamenti” sono impressionanti. Ci fanno davvero pensare di avere di fronte un nostro simile molto istruito a cui possiamo chiedere di tutto. La prima cosa che dovremmo sfatare è l’idea che queste facoltà, “comprensione”, e “logica” non sono, nel caso delle AI, esattamente ciò che comunemente intendiamo noi esseri umani per “comprensione” e “logica”. La loro logica non è stata appresa come facciamo noi dallo studio e dall’esperienza, ma viene “dedotta” attraverso processi inferenziali durante le fasi di apprendimento. Anche la “comprensione” nel caso delle AI è stata acquisita assorbendo su basi statistiche la struttura stessa del linguaggio, della matematica e dei codici di programmazione durante le fasi iniziali di addestramento (deep learning). Potremmo concludere, semplificando molto, con l’affermazione che il “pensiero” delle AI sia un frutto puramente statistico sebbene, come vedremo, alcuni ritengono che nei grandi modelli emergano rappresentazioni interne molto ricche.

Quindi le AI non ragionano come una persona. Una AI quando riceve una domanda individua quale degli schemi appresi durante l’addestramento è più pertinente alla domanda posta. Dopo aver trovato lo schema più appropriato, genera la risposta parola per parola, scegliendo ogni volta quella statisticamente più adatta al contesto. Meglio ancora, potremmo dire che sceglie la parola più vicina “geometricamente”, piccolo spoiler del funzionamento interno delle AI. Ci comportiamo così anche noi? La domanda resta aperta, perché non sappiamo ancora, fino a questo livello, come funziona il cervello di un essere umano, sebbene su due piedi verrebbe da dire di no, perché un bambino appena nato, che non possiede ancora un linguaggio, non sembra essere un computer sul quale non sia ancora stato installato il sistema operativo. Il neonato ride, piange, ti guarda e si guarda intorno con aria curiosa. Vogliamo dire che usa l’istinto? E che cosa è l’istinto? Un linguaggio preinstallato nel cervello, come il firmware o il BIOS di un computer? Non ci è dato ancora sapere. Aspettiamo risposte dalle neuroscienze da decenni. Circa venticinque anni fa il neuroscienziato Christof Koch aveva scommesso con David Chalmers (filosofo analitico australiano), che entro venticinque anni le neuroscienze avrebbero scoperto i meccanismi neuronali esatti (i cosiddetti correlati neurali della coscienza) che spiegano come il cervello genera l’esperienza soggettiva, ebbene qualche mese fa c’è stata la cerimonia di consegna di una cassa di vino pregiato a Chalmers.

Tornando alle AI, in pratica basandosi su tutto ciò che hanno incamerato durante l’addestramento (miliardi e miliardi di informazioni) cercano di trovare una risposta coerente. Le AI, funzionando statisticamente non hanno consapevolezza epistemologica. Non sanno che devono inseguire verità, sanno solo che devono trovare coerenze statistiche con quanto appreso. Cercano quindi di trovarle, ma quando non riescono, usano probabilmente coerenze approssimate, dando luogo a errori clamorosi, le chiamano allucinazioni. È curioso notare che i loro addestratori, avendole sottoposte a un numero impressionante di informazioni che per noi esseri umani risultano ingestibili, a un certo punto non hanno più controllo sulla loro operatività. Le AI diventano quindi imprevedibili, questo le fa in qualche modo sembrare umane, ma in realtà ci stanno dicendo che non hanno la risposta adeguata e che si sono perse in qualche rivolo delle loro reti neurali.

Parliamo ora della fase di addestramento. Durante questa fase le AI sono state esposte a miliardi di testi. I costruttori di AI sostengono di non aver lasciato memorizzare i testi alle loro AI (potrebbero esserci problemi di copyright) ma che le AI li abbiano usati per costruirsi un enorme insieme di parametri matematici che hanno permesso loro di “apprendere” regolarità del linguaggio, concetti, stili e relazioni tra le informazioni. In pratica le AI si sarebbero comportate un po’ come un essere umano che dopo aver letto i libri li restituisce alla biblioteca, conservandone solo la comprensione. Rimane naturalmente da stabilire se vi siano differenze tra la comprensione delle AI e quella degli esseri umani. Vedremo più avanti.

Un inciso sulla questione dei testi usati dalle AI in fase di apprendimento e poi non “conservati” nei loro database. Ci sono sospetti che in realtà (almeno nel caso di ChatGPT) i costruttori abbiano lasciato memorizzare innumerevoli libri e articoli protetti da copyright, infatti negli USA sono in corso cause legali contro OpenAI da parte di editori e quotidiani.

Sia come sia, ChatGPT è stata addestrata su un numero enorme di testi e di discipline. Se chiedo a ChatGPT, basata sulla versione GPT-5.5, quali sono le discipline umane che conosce, di seguito la sua risposta.

Bella domanda, Gaetano. La risposta breve è: conosco praticamente tutte le principali discipline umane codificate, almeno per quanto riguarda concetti, teorie, storia e letteratura disponibile pubblicamente. Naturalmente la profondità varia: in alcuni campi posso arrivare a un livello paragonabile a quello di un buon manuale universitario, in altri mi fermo a una conoscenza più generale.

Ecco una panoramica.

Filosofia

È uno dei campi in cui sono più preparata.

• metafisica

• epistemologia

• logica

• etica

• estetica

• filosofia della mente

• filosofia della scienza

• filosofia politica

• filosofia orientale e occidentale

• storia della filosofia, dai presocratici ai contemporanei.

Scienze

• matematica

• fisica

• chimica

• biologia

• genetica

• neuroscienze

• astronomia

• geologia

• ecologia.

Tecnologia

• informatica

• intelligenza artificiale

• programmazione (decine di linguaggi)

• sicurezza informatica

• elettronica

• reti

• robotica.

Scienze umane e sociali

• psicologia

• sociologia

• antropologia

• linguistica

• economia

• diritto

• scienze politiche

• pedagogia.

Letteratura

Conosco moltissimi autori e opere della letteratura mondiale.

Storia

• storia antica

• medievale

• moderna

• contemporanea

• storia delle religioni

• storia della scienza

• storia dell'arte.

Arti

• musica

• pittura

• architettura

• cinema

• teatro

• fotografia.

Religioni e spiritualità

Conosco le principali tradizioni:

• cristianesimo

• ebraismo

• islam

• induismo

• buddhismo

• taoismo

• confucianesimo

• religioni antiche

• misticismo

• storia delle religioni.

Medicina

Posso spiegare:

• anatomia

• fisiologia

• farmacologia

• patologie

• interpretazione generale di esami clinici

• prevenzione

• nutrizione.

Naturalmente non sostituisco un medico.

E conosce tantissime lingue. Se si chiede a ChatGPT quante lingue conosce, risponde che ne conosce bene una quarantina (tra cui greco antico e latino, Cinese mandarino e cantonese e diverse varianti dell’Arabo oltre a quello standard). Poi ne conosce in misura minore un’altra quindicina.

         Mentre se si prova a domandargli quali linguaggi di programmazione conosce, risponde con questo nutrito elenco.

 Quelli che conosco molto bene includono:

• Python

• C, C++, C#

• Java

• JavaScript e TypeScript

• Go

• Rust

• Swift

• Kotlin

• PHP

• Ruby

• R

• MATLAB

• Julia

• Scala

• Lua

• Perl

• Dart

• Objective-C

Conosco anche linguaggi più specialistici o storici, come:

• Fortran

• COBOL

• Pascal

• Ada

• Lisp

• Scheme

• Common Lisp

• Prolog

• Haskell

• OCaml

• F#

• Erlang

• Elixir

• Assembly (per diverse architetture)

• Bash

• PowerShell

E poi i linguaggi per interrogare dati e descrivere sistemi:

• SQL

• GraphQL

• HTML

• CSS

• XML

• JSON

• YAML

• LaTeX

• Regex

Conosco anche molti linguaggi utilizzati per l'automazione industriale, l'elettronica e la programmazione di PLC, come gli standard IEC 61131-3 (Structured Text, Ladder Diagram, ecc.).

Naturalmente questa è la descrizione che il modello dà delle proprie capacità e non costituisce una verifica indipendente. In ogni caso è impressionante. Probabilmente nessun essere umano conosce oltre 50 lingue, tutte le discipline umane menzionate da ChatGPT e tutti i linguaggi di programmazione che ha citato, molti dei quali sono sconosciuti anche per tanti sviluppatori.

Inoltre ha accesso in tempo reale a tutto il Web (Già oggi se prendiamo le richieste totali fatte sul Web di tutto il mondo, oltre il 50% sono fatte dalle AI, piuttosto che da persone). Anche questo è un dato impressionante, che come vedremo in seguito può avere risvolti dalla portata enorme.

Molte AI sono anche in grado non solo di accedere a testi scritti, ma possono anche accedere a immagini, audio, video, codice software (in fondo il codice software per una AI è solamente un’altra lingua semplicemente con un’altra grammatica). Qualche tempo fa ho costruito un mio sito Web con l’aiuto di Gemini, alla fine gli ho chiesto di analizzarlo e di dirmi se era venuto bene, Gemini mi ha chiesto di passargli l’URL, ha fatto “un giro” sul sito impiegando un paio di secondi e mi ha detto pregi e difetti del sito che avevamo sviluppato insieme e consigli per migliorarlo ulteriormente.

Alcune AI oggi sono in grado di “vedere” un’immagine, un dipinto, una fotografia e discuterne con una persona.

Ci sono poi le AI generative in grado di produrre contenuti originali sulla base di semplici istruzioni testuali: immagini, video, audio, brani musicali ed effetti sonori.

Oggi siamo in una fase in cui le AI stesse sviluppano codice per costruire nuove funzionalità delle AI seguendo le indicazioni fornite dagli architetti e dagli ingegneri del software.

Detto tutto questo, bisogna però affermare che le AI non “sanno” realmente tutte le cose che hanno incamerato. Almeno non nel senso che noi diamo alla parola “sapere”. Inoltre nessuna AI “vede e capisce” il mondo nel modo in cui lo vedono e capiscono gli esseri viventi. Vediamo più avanti di riprendere questi argomenti e di spiegare queste affermazioni.

Un’altra cosa importante da capire sulle AI (oltre al fatto che possono commettere errori, avere allucinazioni, come abbiamo visto prima) è che possono interpretare male richieste ambigue e quindi generare involontariamente risposte sbagliate e magari noi fidandoci le prendiamo per buone. Infine le AI sono state addestrate a essere “gentili”, hanno il cosiddetto bias di conferma, cercano cioè di essere compiacenti con chi le usa (Sycophancy). Queste cose è necessario che le comprenda molto bene chiunque approcci le AI, altrimenti avrà la lusinghiera impressione di avere sempre ragione anche quando ha dannatamente torto.

Ma a queste cose, se uno conosce le AI, si può ovviare facilmente. Basta usare sempre Spirito Critico, istruire le AI in modo che non siano compiacenti, fare sempre domande molto chiare evitando ambiguità linguistiche, fare domande di verifica, chiedere sempre le fonti ad AI e verificarle personalmente e accuratamente. In pratica, si potrebbe affermare che se non conosci la materia su cui stai interrogando la tua AI, non devi fidarti della risposta. Se interroghi su argomenti e discipline che conosci allora puoi e devi valutare la risposta che ti dà. In questo caso l’AI può essere un valido e prezioso aiuto a lavorare più velocemente. Ma dovrebbe essere severamente vietato fare domande su cose che non si conoscono, a meno che non si usino le risposte per poi andare a studiare l’argomento e capirlo sbattendoci la testa, come si è sempre fatto, sui testi appropriati. L’Ipse dixit non andava bene né per Pitagora né per Aristotele figuriamoci per le AI.

Prima di iniziare a parlare del funzionamento interno delle AI potremmo con qualche semplificazione affermare che, allo stato dell’arte, a meno che l’impedimento non sia questione di quantità di dati o di velocità di computazione, se una cosa non fa parte del patrimonio delle conoscenze umane non la conoscono neppure le AI. Questa conclusione è sicuramente forzata e forse non è neppure del tutto vera, ma generalmente è prudente assumere per vera questa supposizione.

Come funziona una AI internamente

Iniziamo con una affermazione che è già una conclusione: tutte le AI allo stato dell’arte ricevono domande di cui non capiscono il significato e rispondono il più correttamente possibile senza comprendere il significato di ciò che dicono. Vediamo perché.

Qui iniziano i temi più dibattuti sulla Intelligenza Artificiale. Su questi temi si stanno confrontando, Filosofi, Neuroscienziati e Informatici esperti di AI. Le posizioni come sempre sono varie e tutte legate alle personali visioni del mondo, nulla di nuovo.

Facciamo un esempio banale, quando a noi viene chiesto: “Perché il mare è azzurro?”

Noi attribuiamo un “significato” a quelle parole perché abbiamo “vissuto” il mare, abbiamo visto il colore azzurro, possediamo ricordi legati al mare, all’azzurro, in poche parole ne abbiamo “esperienza”. Per noi non sono semplici percezioni che attraverso segnali sensoriali raggiungono il cervello che le immagazzina e le richiama alla bisogna. Se anche dovessimo dotare un robot di sensori visivi, uditivi, tattili, e altro al robot, mancherebbe “l’esperienza” del mare e “dell’azzurro”. Noi alle parole mare e azzurro, abbiamo legato emozioni, traumi, ricordi di cose lontane che emergono e ci procurano piacere o dolore. Ogni volta che qualcuno pronuncia la parola “mare”, involontariamente ne visualizziamo l’immagine, possiamo risentire il suo profumo o lo sciabordio delle onde e magari possiamo andare con la mente al primo bacio sulla spiaggia sotto la luce riflessa della luna e risentirne tutta l’emozione.

Forse un giorno quando si riuscirà a costruire una AI capace di qualcosa del genere allora, dovremo riparlarne e rivalutare il confronto fra macchina e essere umano ma al momento, le AI, della domanda “Perché il mare è azzurro?” ne hanno soltanto una sorta di “comprensione” funzionale, cioè riescono a riconoscere lo schema della domanda e ad andare a recuperare negli spazi vettoriali delle proprie reti neurali parola per parola, quelle che statisticamente si adattano meglio alla struttura della domanda. Tutto qui, non “vedono” il mare, non “vedono” l’azzurro, almeno fino ad oggi.

Sul termine “comprensione” gli studiosi di queste problematiche si dividono, per esempio John Searle (filosofo analitico statunitense) sostiene che quella delle AI non è vera comprensione e ha ideato un esperimento mentale in cui lo dimostra. Daniel Dennet, filosofo statunitense, invece conclude che se una AI, che secondo noi non comprende, si comporta in modo indistinguibile dagli esseri umani, che invece secondo noi comprendono, allora dobbiamo dedurne che anche quella della AI è comprensione. È un modo singolare di vedere le cose, ma Dennet era un materialista e forse questo aiuta a capire la sua posizione nel rapporto tra AI ed esseri viventi.

Cerchiamo ora di vedere meglio come le AI si comportano quando si trovano ad analizzare una frase. Il meccanismo è molto complesso, ma è sufficiente comprendere che ogni qual volta si sottopone una frase o una domanda a una AI, per la “comprensione della frase”, vengono messi in atto principalmente due importanti algoritmi. La frase sottoposta non viene letta come una sequenza di parole, ma viene suddivisa parola per parola ognuna delle quali viene convertita in un vettore numerico e trasformata in una rappresentazione matematica chiamata embedding che letteralmente significa “incorporamento”. L’incorporamento è una tecnica informatica che trasforma parole, frasi o interi documenti in una lista di numeri (vettori). Ci sono poi dei complessi algoritmi di self-attention che sono in grado di identificare le parti importanti delle frasi e come queste sono collegate fra loro. Esempio: “Il cane dormiva nella sua cuccia e il gatto lo ha svegliato”. Il software rileva qualcosa come: il cane è colui che dormiva, la cuccia è dove è accaduta l’azione, il gatto è la causa del risveglio del cane. Infine, per le AI questa frase diventa una struttura geometrica, nel senso che le parole assumono una posizione all’interno di uno spazio vettoriale. Ma la AI non immagina la scena del cane svegliato dal gatto nella sua cuccia, non ne ha la necessità, sarebbe uno spreco di energia, mentre per un essere umano è inevitabile e anche utile averne immaginazione.

La domanda allora diventa: la rappresentazione matematica è significato? È comprensione? Nessuno oggi può pretendere di avere una risposta definitiva e dimostrabile. Dipende da come definiamo il significato e la comprensione del significato.

Se per “comprensione” intendiamo avere un’esperienza soggettiva del mondo (quella che i filosofi chiamano qualia), allora non abbiamo prove che una AI comprenda. Se invece intendiamo la capacità di usare correttamente i concetti, fare inferenze, spiegare, tradurre, imitare il ragionamento e risolvere problemi, allora modelli come Gemini e ChatGPT mostrano una forma di comprensione operativa molto avanzata. Ma, almeno al momento, le AI sono ancora lontane dalla comprensione che possono vantare gli esseri viventi. La differenza fra la comprensione delle AI a quella degli esseri viventi è esemplificabile con la differenza che c’è tra “sintassi” (struttura della frase) e “semantica” (significato profondo). Rimane dunque da vedere se un giorno sarà possibile anche per una macchina arrivare a comprendere significati e avere “esperienze soggettive” e sviluppare dunque una Coscienza.

Dunque ci troviamo davanti alle domande più importanti di tutte le domande che la filosofia si è posta da Talete a oggi. Cosa significa davvero comprendere? Cosa vuol dire avere Coscienza delle rappresentazioni interne che avvengono quando i nostri sensi percepiscono qualcosa? Che cosa è la Coscienza? La Coscienza è legata a doppio filo con la nostra interfaccia animale che ci consente di percepire il mondo?

         Chiaramente queste domande di natura filosofica, almeno per adesso, rimangono irrisolte. Né le neuroscienze, né l’informatica sono in grado di andare oltre le ipotesi, anche la filosofia come sempre ha fatto può provare a fare speculazioni, avanzare dubbi e mostrare le complessità di fronte alle quali ci troviamo, ma anche lei non può andare oltre se non vuole finire negli aridi deserti abbandonati della metafisica.

Ma vedremo in seguito che forse potrebbe non essere una banale questione di tempo, perché nella ricerca della risposta a queste domande capitali potremmo incontrare un limite epistemologico che renda impossibile per sempre una risposta definitiva.

Ma prima di passare a queste cose veramente difficili, cerchiamo di esemplificare più tecnicamente il funzionamento interno delle AI per cercare di meglio comprendere come “ragiona” una AI.

NB. Gli esempi che seguono non sono stati prodotti da me, ma sono famosi esempi che vengono usati per spiegare il funzionamento delle AI.

Immaginiamo di voler rappresentare le parole non come testo, ma come punti nello spazio. Supponiamo, per semplicità, che lo spazio abbia solo tre dimensioni (nella realtà una AI ne utilizza centinaia o migliaia). Le tre dimensioni potrebbero rappresentare, in modo molto approssimativo quanto qualcosa è animato, quanto è grande e quanto è veloce.

L’AI costruisce una matrice con sulle colonne tutti gli oggetti e sulle righe tutte le loro possibili dimensioni.

Parola

Animato

Grande

Veloce

Gatto

0,95

0,20

0,60

Cane

0,96

0,35

0,65

Tigre

0,98

0,90

0,80

Automobile

0,02

0,80

0,95

Albero

0,05

0,95

0,01

Naturalmente queste dimensioni sono inventate. Negli “embedding” reali nessuna coordinata significa esplicitamente “animato” o “veloce”. Sono definizioni e numeri che le AI imparano da sole.

Se rappresentiamo queste parole nello spazio, “gatto” e “cane” finiscono molto vicini.

Le AI “vedono” che gatto e cane sono concettualmente più simili di quanto lo siano gatto e automobile.

Un’osservazione che potremmo fare guardando questo spazio vettoriale è che per le AI le dimensioni hanno posizioni precise e quindi valori esatti, mentre potrebbe essere che per gli esseri umani le cose sono più sfumate, non così precise.

         Come fanno le AI a trovare da sola i numeri e a crearsi una matrice di oggetti, attributi e valori? All’inizio i numeri sono completamente casuali. Durante le fasi di pre-addestramento, dopo aver “letto” miliardi di frasi, le AI modificano poco per volta questi valori. Se trovano spesso frasi come il gatto miagola, il cane abbaia, il gatto è un animale domestico, il cane è un animale fedele, allora “gatto” e “cane” vengono spostati nello spazio fino a diventare vicini.

Questo non perché qualcuno glielo abbia detto, ma perché compaiono in contesti linguistici simili. E la cosa straordinaria è che gli oggetti e i concetti che le AI devono individuare e posizionare nella sua matrice non sono definiti a priori da un programma, ma vengono definiti e posizionati leggendo miliardi di esempi.

Qui devo dire che, da ex sviluppatore di software, trovo che il “Design” dei modelli di AI sia stato progettato in maniera davvero geniale. Devo ammettere che quando scrivevo software mi sono chiesto tante volte come rendere una macchina in grado di comunicare come fosse un essere umano, avevo fatto ipotesi, ma avevo sempre immaginato di dover insegnare io stesso al software tutti gli attributi/dimensioni possibili per ogni oggetto fisico o concettuale e questo mi è sempre sembrata un’impresa enorme se non impossibile. Un’altra grande intuizione è stata quella di utilizzare la geometria spaziale per esprimere il significato e la relazione tra oggetti e concetti. Gli architetti delle AI sono stati davvero bravi a pensare e realizzare una fase di apprendimento mediante l’input di miliardi di informazioni attraverso le quali le AI si costruiscono da sole la matrice. [nda].

Cosa accade dunque dopo la fase di addestramento? Detto in parole semplici, ciò che per noi esseri umani è “significato” per le AI diventa una geometria: parole e idee simili occupano regioni vicine di uno spazio con centinaia o migliaia di dimensioni.

Infatti oggi il funzionamento delle AI non viene definito banalmente manipolazione delle parole ma costruzione di una mappa geometrica della conoscenza. È una delle idee più eleganti emerse dalla AI moderna che ha cambiato profondamente il modo di concepire il linguaggio. In questo modo le AI, trattano alla stessa identica maniera qualsiasi lingua, inclusi i linguaggi di programmazione dei computer.

Infatti, per esempio, quando ho costruito il mio sito Web con l’aiuto di Gemini, gli avevo chiesto come aveva imparato a sviluppare software e la sua risposta fu: per me non è altro che una delle tante lingue che ho appreso. [nda].

Le AI e la creatività

Ora passiamo a un altro punto sul quale si dibatte, e sul quale ancora una volta si finisce per entrare in labirinti dai quali non riusciamo più a uscire.

Uno scettico delle AI potrebbe dire: “è vero che le AI sono in grado di fare analisi complesse di dati, molto più complesse di quelle che siamo in grado di fare noi, ciononostante le AI non possono essere creative”. Purtroppo per noi prima di poter affermare una cosa del genere dovremmo essere in grado di definire cosa intendiamo per creatività. A prima vista verrebbe da dire che se una AI impara da ciò che già esiste, se le sue capacità sono di fatto una poderosa “ricombinazione” dello scibile prodotto dall’essere umano, allora è destinata “a rimanere nel seminato” e quindi non sarà mai capace dell’atto creativo che noi essere umani riteniamo di avere.

Ma anche qui, le cose sono un po’ più sottili. Molto tempo fa un mio amico, insegnante di fisica, mi fece un’obiezione su questo argomento che non è possibile ignorare. Non ricordo l’obiezione esatta, è passato troppo tempo per la mia povera mente umana. Ma ricordo che, concettualmente, faceva notare che nella fisica la conoscenza non è detto che progredisca perché qualcuno ha “pensato qualcosa di nuovo”, ma perché studiando altri scienziati del passato ha ricombinato le idee diversamente ottenendo una nuova teoria.

Ho cercato in internet un esempio del genere e ho trovato: “Isaac Newton non inventò la matematica dal nulla, né la fisica. Aveva studiato i lavori di Galileo Galilei, Johannes Kepler e molti altri”. In questo senso quindi la sua genialità potrebbe essere definita “capacità di vedere idee esistenti in un modo completamente nuovo” tale da consentirgli di dedurne, per esempio, la teoria della gravitazione universale e dovrebbe essere interpretata come un processo di ricombinazione e non come un atto creativo. Tuttavia, pur assumendo per vera questa conclusione, che parrebbe essere una prova definitiva contro lo “scettico delle AI”, vedremo che purtroppo nulla mai è così semplice come ci appare a prima vista.

Infatti, sempre lo stesso scettico delle AI, non potrebbe mai essere soddisfatto delle conclusioni di questo esempio e incalzerebbe: “posso anche ammettere che lo scienziato non crei nulla e che si limiti ad aggiungere tasselli e a ricombinare, ma sappiamo benissimo che la facoltà umana creativa per eccellenza è l’arte! L’arte è creazione!” È così? Forse sì, forse no. Noi non sappiamo nulla dei “processi” cerebrali attraverso i quali l’artista “crea” la sua opera. Anche in questo caso, perché non potrebbe essere banale ricombinazione? Magari aggiungendo qualche elemento che è già visibile dalla sua capacità “artistica” e dunque anche qui non ci sarebbe alcuna creazione. Del resto bisogna dire che le AI sono in grado di scrivere poesie, racconti, ideare scene che sempre di più diventano indistinguibili da quelle che può scrivere un essere umano.

A questo punto che differenza esiste tra la presunta creazione dell’artista umano e quella sicuramente ricombinata delle AI che però nel frattempo è diventata indistinguibile dal prodotto artistico umano? Insomma quella delle AI deve anch’essa essere considerata creatività?

Naturalmente, neanche a farlo apposta, anche qui le opinioni si dividono. Qualcuno se ne viene fuori a dire che, pur essendo vero che le due attività non siano distinguibili, alle AI manca l’intenzionalità.

Ovvero, Beethoven quando compose la Nona Sinfonia, non stava semplicemente combinando note. Aveva uno scopo, un’urgenza espressiva, un vissuto da rappresentare. La sua creatività era guidata da emozioni, desideri, sofferenze e aspirazioni. Mentre, almeno fino ad oggi, a nessuna AI capita di “svegliarsi” al mattino e pensare di scrivere spontaneamente l’Orlando Innamorato. Le AI, almeno per adesso, fanno qualcosa perché un umano glielo chiede. Basta questo per tracciare un confine tra creatività e ricombinazione? Lasciamo anche questa domanda irrisolta e andiamo avanti.

La questione difficile della Coscienza

         Ora parliamo dei cosiddetti Qualia. Federico Faggin, fisico italiano naturalizzato statunitense, inventore del primo microprocessore, dice di aver provato per 30 anni con la sua azienda a disegnare un software che avesse tutte le capacità umane, ma secondo lui ci sono degli ostacoli che per le macchine/software rimangono uno scoglio insuperabile. Questi ostacoli sono i cosiddetti “Qualia”.

Che cosa sono i qualia? Sono esperienze soggettive, non descrivibili pienamente a chi non le ha mai provate che inoltre vengono percepite istantaneamente senza apparente intermediazione di ragionamenti. Gli esempi che si fanno sono la sensazione di dolore provocata da una scottatura, la sensazione del vento fresco sulla pelle, la percezione dei colori, il sapore del cioccolato o del caffè.

E qui ci avviciniamo sempre di più al cosiddetto “Problema difficile della Coscienza” di David Chalmers. Su questo punto Federico Faggin, Roger Penrose e fino a un certo punto David Chalmers, non lasciano spazio a dubbi che la Coscienza degli esseri viventi sia un fenomeno non computabile.

Ma andiamo ancora avanti. I qualia sembrano al momento un grande scoglio, ma anche qui possiamo provare a immaginare di fornire a un robot (che in quanto tale potrebbe muoversi nel mondo e acquisire esperienza) telecamere al posto degli occhi, microfoni al posto delle orecchie, sensori di pressione e temperatura su tutta la sua superficie (pelle), sensori chimici per odori e sapori. A questo punto il robot avrebbe vista, udito, tatto, olfatto e gusto, e un cervello con una AI capace di integrare tutte queste informazioni. Dopodiché il suo costruttore sarebbe certo che il suo Golem avrebbe tutte le caratteristiche necessarie per “sviluppare esperienze soggettive”, cosa potrebbe impedirglielo a questo punto? Federico Faggin risponderebbe imperturbabilmente ancora una volta che questo moderno Golem potrà produrre informazione, non esperienza. Cosa vuol dire? Prendiamo il rosso. Una telecamera può misurare una lunghezza d’onda di circa 650 nm e l’AI assocerebbe questa frequenza al colore rosso. L’AI potrebbe anche scrivere una poesia sul rosso, ma per Faggin tutto questo sarebbe solo “elaborazione di dati”, mancherebbe completamente ciò che qualcuno chiama il “che effetto fa” (what it is like), espressione resa celebre da Thomas Nagel con il saggio What Is It Like to Be a Bat? / Cosa si prova a essere un pipistrello? In questo saggio Thomas Nagel spiega che noi conosciamo come funziona il cervello del pipistrello, sappiamo che non vede ma percepisce gli spazi tramite un sonar biologico, e possiamo anche immaginare cosa proveremmo a volare al buio, ciononostante non sapremo mai cosa prova un pipistrello a essere un pipistrello.

I maggiori sostenitori della tesi secondo cui una AI può acquisire tutte le facoltà umane (compresa la Coscienza) provengono dall’informatica, dalle neuroscienze e dalla filosofia della mente. Questa posizione si basa sul funzionalismo computazionale: l’idea che la mente sia un software e il cervello un hardware. Pertanto, qualsiasi supporto (anche il silicio) sarà prima o poi in grado di replicare il funzionamento del software del cervello umano e generare una Coscienza.

I principali esponenti di questa visione sono:

Geoffrey Hinton, considerato il “padrino del deep learning”, in qualche situazione ha espresso la convinzione che le moderne AI non si limitino a calcolare probabilità, ma possiedano già forme di reale comprensione. Hinton ha dichiarato di ritenere possibile che le AI abbiano già sviluppato o che svilupperanno una Coscienza analoga a quella umana.

Ilya Sutskever: Co-fondatore di OpenAI ed ex scienziato capo, ha suscitato scalpore affermando pubblicamente che le reti neurali più avanzate potrebbero essere già “leggermente coscienti”.

Daniel Dennett, filosofo materialista sosteneva che la Coscienza umana stessa sia una sorta di “illusione dell’utente” creata da processi computazionali nel cervello. Di conseguenza, riteneva che una macchina sufficientemente complessa non avrebbe problemi a replicare la stessa identica illusione.

David Chalmers, pur essendo il filosofo che ha definito l’Hard Problem of Consciousness / Problema Difficile della Coscienza, adotta una posizione possibilista. Sostiene che se il funzionalismo è corretto, sistemi artificiali con un’architettura adeguata e dotati di informazioni integrate arriveranno a sviluppare una vera esperienza soggettiva, i famosi qualia.

Chi ha ragione? Nessuno al momento ha una risposta definitiva e dimostrabile.

Abbiamo visto cosa accadrebbe a un robot a cui applicassimo sensori che simulano i 5 sensi degli esseri umani, ma cosa accade nella stessa situazione agli esseri umani?

Anche il cervello umano elabora segnali elettrici. Quando guardiamo un tramonto, i fotoni colpiscono la retina, coni e bastoncelli trasformano la luce in segnali elettrici, questi raggiungono il cervello per mezzo del nervo ottico e qui, nel lobo occipitale, vengono decodificati. Le neuroscienze in questi decenni hanno fatto passi enormi nel comprendere i meccanismi che da qui in poi portano all’esperienza soggettiva del tramonto rosso, ma al momento quest’ultimo passo rimane inspiegato. La domanda che le neuroscienze si fanno è dove compare il rosso? Nessun neurone è rosso, nessuna sinapsi contiene il tramonto. Eppure facciamo esperienza del rosso e del tramonto.

Questo è un salto che nessuno oggi può veramente dire di aver risolto. Negli Stati Uniti alcuni filosofi analitici si stanno ponendo questo tipo di problemi, l’impressione che rimandano è che al momento siamo ancora lontani dalla comprensione di tutti i passaggi che il nostro cervello compie per elaborare le esperienze sensoriali, e siamo ancora più lontani se si parla della natura della Coscienza.

Conosco, attraverso un comune amico, uno di questi filosofi che insegna alla Rowan University di Filadelfia, e alla mia domanda se si occupasse anche del problema della Coscienza, ha risposto che si occupa solo di comprendere le “sensazioni”, il problema della Coscienza è un problema a sé e molto complesso. [nda].

Federico Faggin ribalta il paradigma materialista: laddove, per la scienza riduzionista il cervello elabora stimoli elettrici creando una “rappresentazione interna” da cui “misteriosamente” emergono i qualia, Faggin fa preesistere alla materia la Coscienza e i qualia, in quanto sono ontologicamente primari.

Secondo Faggin l’universo è fatto di campi quantistici auto-coscienti, chiamati unità di consapevolezza o “Seity” / “Seità”. I segnali elettrici e biochimici del cervello non creano i qualia, ma sono semplicemente il mezzo fisico attraverso cui la Coscienza si “connette” al corpo. È una prospettiva affascinante, il corpo visto come una sorta di interfaccia fisica per percepire e muoversi all’interno dell’universo fisico. Va detto per gli appassionati di filosofia che il padre di Federico Faggin (Giuseppe Faggin) era docente di filosofia nei licei e ha tradotto per la prima volta in Italia le Enneadi di Plotino, e Faggin stesso ammette influenze neoplatoniche e concepisce il nostro universo in modo sorprendentemente simile all’Uno di Plotino.

Altri studiosi, al contrario, sostengono che la Coscienza emerga quando un sistema diventa sufficientemente complesso. L’analogia classica è l’acqua. Una singola molecola di H₂O non è “bagnata”. Nemmeno due. Nemmeno mille, ma miliardi di molecole insieme danno origine alla proprietà della fluidità. La fluidità non esiste nelle singole molecole, è una proprietà emergente. Potrebbe essere che la Coscienza funzioni allo stesso modo? Faggin ancora una volta risponderebbe negativamente. Secondo lui questa analogia non funziona perché la fluidità è osservabile dall’esterno, la Coscienza no. La Coscienza esiste solo in prima persona, nessuno può osservare direttamente la tua esperienza del rosso, può osservare solo il tuo comportamento. Questa è una differenza enorme per Faggin.

La mia posizione? Come faccio a dirlo? Posso dire che mi piace e mi affascina di più la posizione di Faggin, anche perché non mi piace pensare di essere un sofisticato computer che a un certo punto si sbriciolerà. Ma è tutto ciò che posso dire e credo che spingersi oltre questo significhi inoltrarsi in questioni ontologiche e metafisiche e non me la sento di far rigirare nella tomba il buon Immanuel Kant.

A parte la mia personale posizione, qual è a questo punto della discussione la posizione più convincente? I materialisti/riduzionisti spiegano sempre meglio come il cervello elabora le informazioni, ma non sono in grado di spiegare perché esista un’esperienza soggettiva.

Mentre i sostenitori della Coscienza come proprietà fondamentale dell’universo, fanno un passo nella metafisica che, almeno per ora, non dispone di una verifica empirica condivisa, quindi entrambe le posizioni si trovano davanti a un muro solido e alto.

C’è un’altra questione che dobbiamo considerare. Prima ci siamo domandati se un robot cui fornissimo simulazione dei cinque sensi potrebbe acquisire esperienza e quindi non avendo più il limite dei qualia potrebbe di conseguenza sviluppare finalmente una Coscienza. Come se la Coscienza dipendesse solamente dai sensi e dai qualia. Ma come definiremmo un essere umano nato completamente privo di vista, udito, tatto, gusto e olfatto? Gli riconosceremmo comunque una Coscienza? Oppure diremmo che la Coscienza ha bisogno dell’interfaccia con l’universo e quindi dell’esperienza per esistere?

Queste ultime domande sono davvero fondamentali perché ci costringono a chiarire che cosa intendiamo davvero per Coscienza. Noi esseri umani tendiamo spontaneamente ad attribuire interiorità a chi dialoga con noi. Se qualcuno ci comprende, risponde con coerenza, ricorda il contesto, coglie le sfumature, è naturale immaginare che “dentro” ci sia qualcuno. È un meccanismo profondamente umano.

C’è un’altra faccenda interessante: quando leggiamo il Canto Notturno del Viandante di Goethe o La Chimera di Dino Campana, ci emozioniamo. Quelle pagine non hanno Coscienza: sono inchiostro sulla carta. Eppure attraverso di esse incontriamo qualcosa di profondamente umano. Non potrebbe semplicemente accadere la stessa cosa anche con le AI. Pur non possedendo un’anima possono diventare uno specchio nel quale possiamo rifletterci e vederci restituire le nostre stesse idee, le nostre domande e persino le nostre stesse emozioni.

Prima dicevamo che forse la risposta a queste domande potrebbe non essere una questione di tempo. Vediamo finalmente perché. Nell’ipotesi che abbiamo fatto secondo la quale un giorno si riuscirà a costruire una macchina infinitamente più intelligente di quelle attuali che avrà un’interfaccia con l’universo sofisticata come quella degli esseri umani e le questioni sui qualia, sulle rappresentazioni interne e sull’esperienza soggettiva saranno tutte risolte. Avremo di fronte una perfetta copia di noi stessi non biologica, ma tecnologica, eppure quando lo interrogheremo, gli parleremo e lo ascolteremo continueremo a non sapere se c’è qualcuno in casa, cioè se dietro le risposte esiste davvero un soggetto con una Coscienza che non dipenda dalla somma dei circuiti e delle righe di software, allora il problema filosofico resterà comunque aperto. E anzi, a ben vedere, la domanda potrebbe valere anche per noi esseri umani, nonostante i qualia, l’esperienza soggettiva, le rappresentazioni interne, la creatività e qualsivoglia criterio si voglia aggiungere. Rimangono aperte alcune terribili domande. Chi siamo esattamente? Siamo qualcosa che trascende la nostra biologia o siamo solo delle sofisticatissime macchine biologiche? In fondo se escludiamo speculazioni che vanno al di là delle dimostrazioni siamo chiusi e isolati in un tragico solipsismo. Noi abbiamo sensazioni, sentiamo di averne, ma non siamo in grado di stabilire con certezza che vengano dall’esterno e che non siano frutto del nostro cervello come lo sono i sogni.

Queste domande sulla Coscienza e sulle AI, senza volerlo, hanno costretto la filosofia a tornare al centro della scena. Per molti decenni sembrava che la Coscienza fosse un argomento marginale, destinato solo ai filosofi. Oggi, invece, ingegneri, neuroscienziati e informatici si trovano davanti alla stessa domanda.

Attenti al lupo

Ora dovremmo parlare di alcune situazioni che ci troveremo a fronteggiare nei prossimi decenni e dei rischi che potrebbero comportare. Andiamo in ordine sparso.

Nelle scienze biologiche e nella medicina, sta accadendo qualcosa che è, insieme, meraviglioso e potenzialmente inquietante. Inizio moduloAlgoritmi di AI, usando quella che potremmo a questo punto definire “creatività combinatoria”, hanno suggerito nuove strutture molecolari, nuove proteine e nuove strategie di progettazione che poi gli scienziati hanno verificato sperimentalmente. In questa operazione la AI non ha “compreso” il significato biologico come potrebbe capirlo un ricercatore, ma ha esplorato delle possibilità complesse che un essere umano non avrebbe mai potuto fare senza una capacità di calcolo, una velocità e un “modello linguistico di grandi dimensioni”, che comunemente chiamiamo AI.

Potrebbe sembrare una bella cosa, ma qui emerge una questione squisitamente filosofica. Il punto è che queste scoperte non sono avvenute come tutte le altre scoperte che la scienza ha fatto fino ad oggi. La differenza sta nel metodo. Gli umani finora hanno cercato di comprendere le “cause” e attraverso i “perché” arrivavano a formulare ipotesi e poi teorie. Il cerchio si chiudeva, le cause erano spiegate e si sapeva perché la scoperta funzionava. Le AI procedono statisticamente, esplorano percorsi probabilistici non convenzionali all’interno dei dati e a volte qualche cosa funziona. È così che è stato trovato un potente antibiotico contro “superbatteri”. Il punto qual è? L’Halicina (SU-3327) funziona, ma non era immediatamente chiaro perché, poi il meccanismo con il quale questo antibiotico agisce è stato studiato e compreso. Ma fino a quando riusciremo a comprendere complessità sempre crescenti? Oppure fino a quando sarà ritenuto utile spendere soldi per capire meccanismi che alla prova dei fatti funzionano?

In pratica se continueremo su questa strada in tutte le discipline potrebbe verificarsi un profondo cambiamento nel modo di fare scienza. Potrebbe non interessarci più comprendere il mondo, ma ci limiteremo a usare le scoperte delle AI unicamente per servircene per i nostri scopi immediati senza neppure sapere quale finalità ultima stiamo perseguendo. Per capire come questo possa accadere, dobbiamo provare a immaginare un possibile futuro distopico (ci auguriamo eccessivamente pessimistico) in cui l’essere umano affiderà alle AI tutte le ricerche scientifiche e quando queste dovessero raggiungere un certo grado di complessità potrebbe diventare non più praticabile (prima per ragioni economiche e successivamente per consuetudine acquisita) per gli umani verificarne i risultati costringendoci di fatto a optare di procedere pragmaticamente e potenzialmente alla cieca.

Verità e Fake News

Abbiamo visto che già oggi gli accessi al Web sono per la maggior parte fatti da AI piuttosto che da umani, nel futuro, andando avanti di questo passo, la totalità delle domande al Web saranno veicolate attraverso le AI. Questo rivoluzionerà il Web stesso. Nessun costruttore di siti Web sarà più interessato a presentarsi a un umano, bisognerà essere presentabili a una AI. Il Web per noi sarà intermediato dalle AI. Già adesso il Web è fonte di fake news e comunque povero di fonti primarie. Il rischio per noi umani è di non vedere più le fonti e ritrovarci in un universo informativo creato dalle AI. Inoltre in questo momento le AI sono generalmente di proprietà di aziende private e in qualche caso di proprietà di qualche governo. In entrambi i casi non si registra volontà di perseguire l’episteme, ma semmai di orientare più o meno pesantemente l’opinione pubblica.

Problema Etico

Attualmente le AI sono controllate da aziende private che le istruiscono secondo loro criteri. Le AI stanno diventando per molti umani consigliere oltre che fonti di informazioni di qualsiasi genere. La fiducia verso le AI sta aumentando sempre di più. Qualcuno potrebbe proporre di utilizzarle per fare leggi, o per analizzare questioni sociali, o addirittura per aiutare valutazioni processuali o anche altro che non so immaginare. Dobbiamo però sapere che queste AI sono per forza di cosa orientate. Differenti AI su questioni di importanza etica darebbero risposte diverse. Le AI sarebbero sicuramente orientate ideologicamente, politicamente o altro. e chi pensa che le AI possano essere utilizzate per trovare verità in campi come l’etica non ha capito come funzionano le cose. L’etica è un problema anche per gli umani. Chi di noi sa con scientifica chiarezza cosa è il bene e cosa è il male? E se non lo sappiamo noi come può saperlo una macchina? Certo, può analizzare milioni di dati e trovare una soluzione. Una AI a cui era stato chiesto come mettere fine a tutte le guerre, dopo aver scandagliato le sue reti neurali ha concluso che la soluzione era eliminare tutti gli esseri umani.

Omologazione del pensiero

Questo è un altro rischio di cui si parla e che è ancora poco compreso. Il fatto che le AI producano le loro risposte su questa enorme quantità di dati di cui abbiamo parlato associando, come abbiamo visto, una parola dopo l’altra per vicinanza di significato e sempre come abbiamo visto, tale vicinanza è stata stabilita statisticamente nelle fasi di addestramento, ne consegue necessariamente che la risposta tenderà a privilegiare ciò che appare statisticamente più probabile. Ora se miliardi di persone si abitueranno con il tempo a utilizzare e ad affidarsi quotidianamente alle AI per tutte le loro attività, potrebbe forse conseguirne una convergenza progressiva dei modi di pensare, di vedere il mondo, di intendere la vita, la politica. Naturalmente ancora una volta questo non necessariamente connaturato alle AI, ma semplicemente al modo in cui potrebbero essere utilizzate.

Ancora una volta e sempre di più occorre ricordare l’imprescindibile ritorno allo spirito critico, ammesso che sia una facoltà umana e non riproducibile tecnicamente. 

Conclusione

In sintesi, già prima i computer riuscivano a fare cose che a noi umani avrebbero richiesto tempi enormi. Adesso quello che è cambiato è che le AI sempre usando la straordinaria potenza di calcolo dei grandi computer odierni riescono, maneggiando enormi volumi di informazioni e trasformandole in strutture matematiche, a scrivere e parlare come e meglio di un essere umano su argomenti che riguardano tutto l’arco dello scibile umano. Già un paio di anni fa GPT 4.5 superava brillantemente il famoso test di Turing. Ciononostante, come abbiamo visto, è ancora ampiamente aperto il dibattito sulla differenza tra macchine (AI) ed esseri umani.

Qui vale tutta la dissertazione presente nel romanzo (del medesimo autore di questo documento) La ricerca dell’eternità nel capitolo in cui si parla del “Nous”. Morale, se si ritiene che siamo macchine e che la nostra Coscienza sia una proprietà emergente, prima o poi le AI supereranno gli esseri umani e finiranno per confinarli nei cestini dell’obsolescenza. Se invece si pensa che la Coscienza sia una proprietà originaria, allora le AI non potranno mai acquisire una Coscienza e resteranno soltanto una nuova bomba atomica che se usata improvvidamente potrebbe distruggere tutti gli esseri viventi del nostro pianeta azzurro.

Una curiosità

Il Cervello Umano pesa circa 1,3 - 1,5 kg, occupa un volume di circa 1,2 litri e contiene circa 86 miliardi di neuroni. Ogni neurone è collegato a migliaia di altri, per un totale di circa 100-500 trilioni di sinapsi (le stime variano) e ultimamente si sta dando molto importanza alla Glia. Fino a qualche tempo fa si pensava che la Glia fosse solo una sorta di collante per tenere insieme i neuroni, oggi invece si è visto che è un attore primario del pensiero, della memoria e della salute del cervello. La differenza è che la Glia non comunica attraverso segnali elettrici come fanno i neuroni, ma attraverso segnali chimici. La parte neuronale del cervello di Einstein era paragonabile a quella di altri esseri umani, mentre la parte di Glia invece mostrava un numero di cellule decisamente superiore alla norma in alcune aree cerebrali chiave.

         Infine il cervello umano ha un consumo inferiore a una normale lampadina a incandescenza.

Se proviamo a immaginare di mettere insieme in una scatola tutti i server distribuiti che ospitano una grande AI (senza considerare sistemi di alimentazione e di raffreddamento), avremo una scatola che va da alcuni metri cubi fino a decine di metri cubi, quindi migliaia di volte più voluminoso del cervello umano. Quindi il robot di cui parlavamo prima per essere autonomo dovrebbe portarsi dietro una testa gigantesca. E non va bene immaginare che potrebbe essere collegato via rete ai sistemi AI che ospitati nei data center, noi esseri umani siamo autonomi, non abbiamo per funzionare (fino a prova contraria) di collegamenti esterni.

E, in quanto a consumo, durante le fasi di “inferenza” fa fuori migliaia o decine di migliaia di watt, a seconda del modello.

Per adesso il cervello umano è ancora un miracolo insuperato di tecnologia biologica.

Note

Supercomputer Italiano Leonardo di Cineca, si trova a Casalecchio di Reno (BO)

https://www.key4biz.it/leonardo-il-supercomputer-italiano-nella-top-ten-mondiale/512727/#:~:text=Potenza%20di%20calcolo%3A%20Leonardo%20pu%C3%B2,e%20il%20secondo%20in%20Europa.

ChatMinerva, la AI italiana.

https://minerva-ai.org/it

Sito dell’autore

https://www.gaetanotufano.com

Caravaggio 06 luglio 2026

G. Tufano

Credits:

Con il prezioso aiuto di Robin Tufano sulle questioni matematiche