IA: sembra quasi che capisca

C’è un momento, quando osserviamo un sistema di intelligenza artificiale rispondere a una domanda complessa, in cui “si ha l’impressione che qualcosa di profondamente umano stia accadendo”. Una frase ben costruita, un ragionamento coerente, un’immagine generata con sorprendente sensibilità estetica: tutto sembra suggerire che la macchina capisca davvero. È un’illusione potente, che ci costringe a interrogarci su cosa significhi comprendere, pensare, essere intelligenti.

Per affrontare questa domanda bisogna partire da un elemento spesso trascurato: la curiosità. È una forza antica, “il desiderio di capire”, che accompagna l’essere umano fin dall’infanzia e che ha guidato l’evoluzione cognitiva dei Sapiens. La curiosità non è solo un impulso emotivo: è un motore cognitivo che accende l’attenzione, facilita l’apprendimento, spinge a esplorare, a cambiare prospettiva e a porre domande nuove. È uno dei migliori predittori della crescita dell’intelligenza nel tempo. È qualcosa che ad oggi le macchine non possiedono.

Ma che cos’è l’intelligenza? Filosofia, psicologia e neuroscienze la definiscono in modi diversi. Per la filosofia classica è la capacità di cogliere significati; per la psicologia è la capacità di ragionare, pianificare, risolvere problemi; per le neuroscienze è un processo dinamico di integrazione e adattamento. La psicologia moderna parla di “intelligenze multiple” (linguistica, logico‑matematica, emotiva, creativa, interpersonale), mostrando come l’intelligenza naturale sia un ecosistema complesso, fatto di logica, intuizione, emozioni, creatività e capacità di adattamento.

È osservando questa ricchezza che l’umanità ha iniziato a chiedersi se fosse possibile costruire una forma “artificiale” (non biologica) di intelligenza. Dal famoso test di Turing del 1950 alla conferenza di Dartmouth del 1956, l’IA ha attraversato cicli di entusiasmo e delusione. La svolta arriva con il “deep learning” (reti neurali profonde): più potenza di calcolo, big data (insiemi vastissimi di dati codificati), GPU e TPU (microprocessori per calcoli paralleli) permettono alle reti neurali di riconoscere immagini, tradurre lingue, analizzare testi. L’IA entra nella vita quotidiana: riconoscimento biometrico, assistenti vocali, filtri fotografici, sistemi di raccomandazione, sistemi di guida autonoma.

Il salto più recente è l’IA generativa. I modelli LLM (Large Language Models) producono testi, immagini, audio e codice con una coerenza sorprendente. Non comprendono davvero: riconoscono pattern (schemi) nella loro base di conoscenza e generano la risposta statisticamente più probabile. Le loro “allucinazioni” — risposte false ma convincenti — mostrano il limite strutturale della simulazione. Tecniche come le GAN (Generative Adversarial Networks) migliorano l’accuratezza, ma rendono possibili anche “deepfake” (risultati generati artificialmente assolutamente verosimili) estremamente realistici, con rischi per la disinformazione e la manipolazione delle coscienze.

L’IA è già una forza di trasformazione sociale. Automatizza attività, ottimizza processi, ridefinisce il lavoro cognitivo. Studi recenti mostrano che le professioni più esposte non sono quelle manuali, ma quelle analitiche, amministrative, creative: analisti, avvocati, giornalisti, insegnanti, project manager. L’IA non sostituisce necessariamente i lavoratori, ma può sostituire parti significative delle loro attività, riducendo il valore del lavoro umano e aumentando la pressione competitiva.

Esistono poi rischi ecologici. Addestrare e utilizzare modelli avanzati richiede enormi quantità di energia e acqua. I data center funzionano 24 ore su 24, consumano risorse, generano calore. Nel 2024 hanno assorbito il 1,5% dell’elettricità globale; entro il 2030 potrebbero arrivare al 3%. È un paradosso: una tecnologia che può aiutarci a ottimizzare consumi rischia di aggravare la crisi climatica.

Sul piano geopolitico, l’IA è diventata una tecnologia strategica. Stati Uniti, Cina, Europa e India investono miliardi in modelli più potenti e infrastrutture più grandi. L’IA è dual‑use: può migliorare la sanità o potenziare la sorveglianza, ottimizzare la logistica o guidare droni autonomi. Il caso Mythos — un modello capace di individuare “vulnerabilità zero‑day” (che possono compromettere la sicurezza dei sistemi in tempo zero se sfruttate per fini criminali) — ha mostrato quanto sottile sia il confine tra innovazione e rischio sistemico. Anthropic ha scelto di non rilasciarlo al pubblico, condividendolo solo con pochi partner selezionati: una decisione che solleva interrogativi su potere, trasparenza e controllo democratico.

Infine, l’IA modifica il nostro modo di pensare. Se deleghiamo troppo, rischiamo di perdere competenze cognitive fondamentali. Se consumiamo contenuti generati artificialmente, rischiamo di confondere realtà e simulazione. E se i modelli sono addestrati su dati provenienti da poche aree del mondo, rischiamo un’omologazione culturale che appiattisce diversità linguistiche, estetiche e creative.

Il futuro dell’IA non è scritto. Possiamo usarla per ampliare le capacità umane, rendere la società più equa, migliorare la qualità della vita. Oppure possiamo lasciarla diventare uno strumento di controllo, disuguaglianza e manipolazione. La differenza la farà la consapevolezza: capire cosa l’IA è e cosa non è, riconoscere i suoi limiti, non confondere la simulazione della comprensione con la comprensione autentica.
Perché la curiosità, la responsabilità e l’etica — quelle restano ancora profondamente umane.