Continuiamo a raccontare, ovunque capiti, dalla parrocchia all’università, a quella della terza età, all’associazione scientifica. Raccontiamo non contro, come taluni equivocano, ma per capire. La questione non è essere pro/contro ma sforzarsi di comprendere. Il fatto è che informazione totale equivale a informazione zero. Il desiderio di capire e, conseguentemente, di esercitare il pensiero critico, naufraga miserabilmente nel tutto e contrario di tutto, dove prevalgono le appartenenze e quello che pare dialogo forbito si riduce in realtà a contesa tribale.
E nel cercare di comprendere ci riferiamo sempre e solo agli studi dei massimi esperti, cioè di coloro che l’intelligenza artificiale la costruiscono e sanno meglio di tutti come è fatta dentro.
Solo fatti, dimostrati fino a prova contraria. Niente fuffa.
Questo articolo fa parte di una serie di approfondimenti sull’AI — il link conduce a un indice aggiornato.
Recentemente circolano sempre più notizie sui ritorni irrisori prodotti dagli investimenti in AI, specialmente, anche se non solo, da parte delle imprese più grandi. Uno studio recente del MIT stima siano il 95% le organizzazioni che non registrano ritorni apprezzabili dagli investimenti in tecnologie AI.
Il fenomeno è sempre più evidente quindi si iniziano a cercare le cause: AI-Generated “Workslop” Is Destroying Productivity (Harvard Business Review, settembre 2025). Workslop: contenuto generato con l’AI che all’apparenza si presenta bene, ma poi si rivela privo di sostanza, quindi inutile. Si usa anche la forma verbale: you have been workslopped, ti hanno mollato un pacco, una sciatteria da AI. L’articolo ha rilevato che il 40% su un totale di 1150 impiegati in varie imprese americane lamenta di ricevere workslop. Il problema è macroscopico perché i testi sciatti perfondono il sistema comunicativo delle aziende costringendo altri colleghi a dissipare tempo prezioso nel valutare e correggere, se non riscrivere ex novo, i workslop; di conseguenza viene speso tempo improduttivo e i flussi di informazione si deteriorano. L’articolo ipotizza che la causa sia “AI slop”, sciatteria da AI.
L’AI slop affligge anche noi utenti comuni. Nella stragrande mggioranza dei casi adoperiamo le chat senza un piano B: mi occorre un’informazione che non posseggo, chiedo a ChatGPT (o altro) e uso la risposta. Fine della storia. Gli utenti accorti e consapevoli sono una quantità infinitesima. Inutile girarci attorno. Il problema affligge anche scolari e studenti: ChatGPT vola quando i ragazzi tornano a scuola1. O pensiamo che loro sì, usino l’AI in modo consapevole, attuando verifiche e controlli del caso? O confidiamo che gli insegnanti, che poi sono alcuni di noi, abbiano competenze e strumenti per affrontare un problema del genere?
Ma se la sciatteria è il problema, come valutarne gli effetti? Ebbene, recentemente è uscito un articolo che affronta rigorosamente la questione in un contesto ben definito. Il lavoro è stato proposto in questi giorni da un gruppo di ricercatori dell’Università Bocconi, delle università di Zurigo, Gothenburg, Leiden e dell’Istituto per le Scienze Sociali Leibniz2.
Il MOOC è rivolto a chi ha difficoltà a racapezzarsi nella tempesta di acronimi dell’AI. Spiega in modo semplice i concetti fondamentali che sostengono i Large Language Model (LLM). Non copre tutto ciò che concerne le versioni “thinking”: chain-of-thought, varie forme di reinforced learning ecc. E non copre le altre forme di intelligenza artificiale, meno note ma non meno importanti, di cui ci occuperemo in futuro.
Si concentra solo sui concetti base perché pregi e difetti degli LLM si riverberano su tutto ciò che vi viene costruito sopra: capire i fondamenti serve a porre in una prospettiva corretta tutto il resto.
Questo articolo fa parte di una serie di approfondimenti sull’AI — il link conduce a un indice aggiornato.
L’altro giorno mi serviva disegnare un diagramma di una semplice rete neurale. Per fare prima ho chiesto a ChatGPT, anche per provare la versione 5, comparsa il giorno prima.
Questo il prompt:
I need a diagram of a neural network composed by: Input layer with 2 nodes Hidden dense layer with 25 nodes Output layer 1 node
Fare divulgazione seria su una materia così complessa come l’intelligenza artificiale è difficile. La narrativa dominante è drogata dall’appettibilità giornalistica dell’argomento. Il discorso scientifico muta in racconto fantascientifico perdendo contatto con i fondamenti su cui l’intelligenza artificiale è costruita. Essa diviene soggetto a sé stante, interlocutrice indipendente, addirittura “consapevole”. D’altronde non si può pretendere che tutti abbiano studiato algebra lineare, statistica e informatica.
Il Transformer non è certo l’unico strumento dell’AI ma ha generato l’esplorazione dei Large Language Model, dando le ali alla narrativa ebbra che si diceva. Aggiungo quindi un quarto tentativo (uno, due e tre i precedenti) per illustrarne il funzionamento, questa volta mediante una guida al Transformer Explainer, una bellissima demo sviluppata dai ricercatori del Data Science del Georgia Institute for technology.
L’invito è a giocarci per capire quanto sia difficile regolare un’architettura così complessa che per suo statuto matematico non è fatta per dire il vero ma sempre e solo il plausibile. Quasi tutto ciò che raggiunge il pubblico oggi si basa su questo mattone. Tutto quello che è seguito (“ragionamento”, chain of thought, agenti ecc.) nasconde ma non elimina le fragilità del meccanismo fondamentale. E i nodi vengono al pettine quando all’AI si chiede affidabilità o immaginazione vera, non mera interpolazione dei dati adoperati per l’addestramento. Utilissima ma non altro.
Questo articolo fa parte di una serie di approfondimenti sull’AI — il link conduce a un indice aggiornato.
L’occasione di occuparsi dell’altra AI, quella non generativa, è venuta con l’invito a contribuire a un corso di aggiornamento in medicina nucleare. La richiesta del caro amico Luigi Mansi, prof di medicina nucleare, napoletano arguto e anche parecchio burlone, era di giocare il ruolo di Grillo Parlante dell’AI generativa, quello che finisce schiacciato col martello per via delle sue irritanti verità. In effetti è andata proprio così, come è risultato dai feedback dell’evento. Buona parte del pubblico non ha gradito. Non si ama sentire ciò che non si vuole sentire, anche a fronte di eccellenti riferimenti bibliografici. Ecco le slide dell’intervento.
Questo articolo fa parte di una serie di approfondimenti sull’AI — il link conduce a un indice aggiornato.
Qualche tempo fa ho avuto il piacere di confrontarmi con 25 giovani docenti universitari sudafricani sui temi delle OER e dell’intelligenza artificiale in una settimana di formazione (26-30 maggio) che ha avuto luogo a Firenze nell’ambito del progetto europeo Ted-SOEP: Transforming STEM teacher education in South Africa through Self-Directed Open Educational Practices.
Qui è l'umanità intera ad essere completamente compromessa e confusa. Legioni di Viaggiatori Islandesi si lasciano divorare dai leoni del profitto illudendosi di contribuire a qualcosa. Manager spietati vengono scambiati per scienziati. Non potendo praticare pensiero — chi ce l'ha il tempo? — il vero è tale solo se reiterato a sufficienza. Ricerca, business, società, mercato, pubblico, privato; chi vede più le differenze? Facebook ha ucciso Internet, l'AI uccide la cultura, non per eccellenza ma in quanto veleno. Tutto spinge l'individuo verso una condizione beota di vana onnipotenza — il turista cretino in vetta alla montagna di Dürrenmatt. La demenza digitale di Spitzer è niente a confronto. Da tempo le masse sono gelatine da far risuonare a piacimento con poco e nulla ma con l'AI il delitto è perfetto: l'individuo è morto. — Il sottoscritto in un momentaccio...
Questo articolo fa parte di una serie di approfondimenti sull’AI — il link conduce a un indice aggiornato.
La pressione mediatica è tale da rappresentare nell’immaginario collettivo l’AI come un nuovo interlocutore, monolitico, immanente e pervasivo, al punto da scatenare reazioni ancestrali, sospese fra la curiosità per il nuovo e la paura dell’incognito. Poco e nulla di razionale.
È inevitabile che, nel tentativo di bilanciare la narrazione, capiti di calcare la mano sugli aspetti negativi e che qualcuno si adombri di conseguenza, delle volte con reazioni quasi affettive. Vediamo allora di commentare meglio la lista di problemi citati nell’articolo precedente — La distopia degli oligarchi dell’AI.
Questo articolo fa parte di una serie di approfondimenti sull’AI — il link conduce a un indice aggiornato.
Non posso non proporre questo brano di Vasilij Grossman che sembra parlare dell’intelligenza artificiale. È il capitolo 51 del libro primo in “Vita e destino”, il secondo volume della dilogia sull’assedio di Stalingrado e lo sterminio degli ebrei in Unione Sovietica; il primo è “Stalingrado”. Tratto dall’edizione Adelphi del 2008. Il romanzo fu completato da Grossman nel 1959 ma è stato pubblicato per la prima volta in Svizzera nel 1980. In Russia è apparso nella versione integrale solo durante la glasnost, nel 1989. Mentre Grossman scriveva queste righe i cibernetici John McCarthy, Marvin Minsky, Nathaniel Rochester e Claude Shannon stavano giusto immaginando una macchina in grado di pensare, dandole, controvoglia, il nome di intelligenza artificiale. Vale la pena di leggere Grossman, di questi tempi. Ma i due romanzi insieme fanno 1000 pagine. Difficile da proporre a moltitudini intente a risparmiare tempo (apparentemente) con l’AI. Ma almeno si legga le voce Wikipedia su Vita e destino.
51
Certi aggeggi elettrici fanno calcoli di matematica, ricordano eventi storici, giocano a scacchi e traducono libri da una lingua all’altra. Risolvono quesiti matematici meglio dell’uomo e hanno una memoria impeccabile. C’è un limite al progresso che crea macchine a immagine e somiglianza dell’essere umano? Evidentemente no. Possiamo immaginarcele, le macchine dei secoli dei millenni a venire. Ascolteranno la musica, apprezzeranno la pittura, sapranno dipingere quadri e comporre melodie e versi. C’è un limite alla loro perfezione? Terranno testa all’uomo o faranno meglio di lui? La macchina quale copia dell’uomo necessiterà di componenti elettroniche, masse e spazi sempre più grandi. Un ricordo d’infanzia… lacrime di felicità… l’amarezza di un distacco…l’amore e la libertà… la pietà per un cucciolo malato… la diffidenza… l’amore materno… l’idea della morte… la tristezza… l’amicizia… l’amore per i deboli… una speranza improvvisa… un’intuizione felice… il cordoglio… un’allegria immotivata… un improvviso turbamento… La macchina potrà riprodurre tutto! Ma per contenere una macchina che cresce di peso e dimensioni man mano che impara a riprodurre le peculiarità della mente e del cuore dell’uomo non basterebbe tutto lo spazio di questa terra. Il nazismo ha sterminato decine di milioni di persone. — Vasilij Grossman, Vita e Destino, p. 232, Adelphi 1980.
Questo articolo fa parte di una serie di approfondimenti sull’AI — il link conduce a un indice aggiornato.
Forse l’uomo non è abbastanza intelligente per trarre vantaggio dalla propria intelligenza. Pessimi usi di grandi scoperte. Il caso dell’AI è esemplare.
L’AI non è intelligente. È straordinariamente utile in mano a chi sa come funziona e sa quello che vuole fare. Gettata in pasto alle folle genera una distopia che manco Huxley e Orwell. Vediamo perché.
