Mostra sommario Nascondi sommario
Una lettera aperta firmata da oltre quaranta accademici italiani chiede di riportare il dibattito sull’intelligenza artificiale su basi più concrete: formazione pubblica, chiarezza sui limiti dei modelli e rigore metodologico. Il tema è urgente perché la confusione tra eloquenza linguistica e comprensione reale influenza decisioni scolastiche, regolatorie e strategiche.
Il documento, promosso da esperti di informatica, neuroscienze, matematica, filosofia della scienza, diritto e altre discipline, sollecita un’azione condivisa per aumentare l’alfabetizzazione digitale dei cittadini. L’obiettivo dichiarato è semplice ma ambizioso: spiegare come funzionano questi sistemi, quali sono i loro margini di errore e come usarli responsabilmente.
L’episodio recentemente finito sotto i riflettori — un’intervista condotta da un volto noto della comunicazione con un sistema generativo — non è solo curiosità mediatica. Ha messo in luce una tendenza più ampia: la tendenza pubblica a confondere una risposta fluida e plausibile con una vera capacità di comprensione.
Silent Hill Townfall PS5: preorder al minimo su Amazon dopo lo State of Play
Apple svela Siri potenziata: l’IA che rivoluziona l’iPhone
Performance linguistica, non esperienza
I sistemi attuali si basano su modelli che captano pattern statistici su grandi insiemi di dati. In pratica, predicono quale parola (o token) è più probabile venga dopo un’altra. Questo meccanismo spiega perché possano produrre risposte coerenti su argomenti molto diversi, ma non implica che abbiano esperienza sensoriale o conoscenza del mondo reale.
È importante sottolineare la distinzione tra funzionamento efficace e conoscenza: un modello può funzionare molto bene nella generazione di testi, immagini o codice; tuttavia, funzionare bene non equivale a possedere un vero giudizio o una comprensione autonoma dei fenomeni.
Quando il pubblico ascolta frasi ordinate e convincenti, scatta un processo cognitivo antico che attribuisce intenzionalità. Questo meccanismo umano è comprensibile, ma rischia di indurre errori interpretativi se non si aggiunge un’analisi critica dei limiti tecnici del sistema.
Perché ciò che diciamo conta
Le parole con cui raccontiamo l’AI non sono innocue: costruiscono immaginari collettivi che poi orientano politiche, investimenti e regolamentazioni. Se la narrazione trasforma correlazioni statistiche in comprensione o un modello linguistico in un “oracolo”, il risultato è un quadro di riferimento distorto.
Questo fenomeno si manifesta in vari ambiti. Nelle scuole, docenti e studenti si trovano sommersi da narrazioni contraddittorie: da una parte scenari catastrofici sul futuro del lavoro, dall’altra promesse semplicistiche di strumenti neutri e infallibili. In politica, la regolamentazione spesso oscilla tra moralismo astratto e burocrazia che non coglie la natura tecnica dei problemi. Entrambe le vie riducono la capacità di governance.
Disperdere competenze è forse l’effetto più pericoloso: senza basi solide, la società non è in grado di valutare né di governare adeguatamente le tecnologie complesse che stanno emergendo.
Inoltre, la competizione internazionale per l’AI riguarda risorse concrete: infrastrutture di calcolo, accesso a dati, ecosistemi industriali e investimenti in formazione avanzata. Un discorso pubblico debole o spettacolarizzato indebolisce la posizione strategica di un Paese.
Ripartire dal metodo
La proposta centrale avanzata dagli studiosi è dunque culturale e metodologica: riaffermare la distinzione tra osservazione e interpretazione, tra ipotesi e verifica, tra plausibilità e conoscenza. Serve una maggiore enfasi sulla verifica empirica, sulla chiarezza concettuale e sulla comunicazione responsabile.
Praticamente, questo significa integrare l’alfabetizzazione sull’AI nei percorsi scolastici, promuovere formazione specialistica per i decisori pubblici e favorire un ruolo attivo della comunità accademica nella diffusione di spiegazioni rigorose ma accessibili.
Raccontare la tecnologia resta essenziale, ma il racconto deve aderire alla struttura del fenomeno che descrive. Quando non è così, la divulgazione si trasforma in «rumore cognitivo» che confonde più che informare.
Il punto di partenza è semplice: governare bene richiede comprendere bene. Ripartire dal metodo non è nostalgia del passato, è una condizione pratica per decisioni pubbliche più efficaci e per una cittadinanza più informata.
Professore ordinario di Informatica, Sapienza — Università di Roma
