Una delle mappe più importanti del XXI secolo
L’Atlante delle Architetture Cognitive, i cinque grandi descrittori per osservare e confrontare le forme di intelligenza artificiale
Per oltre mezzo secolo abbiamo guardato alla tecnologia digitale con una domanda di disarmante semplicità: che cosa sanno fare le macchine? Ogni generazione di dispositivi è stata pesata sulla bilancia delle prestazioni. Quanti calcoli al secondo, quanta memoria, quanta velocità, quanta precisione. Il progresso aveva un’unità di misura comoda e rassicurante, perché si poteva mettere in classifica. Poi è arrivata l’intelligenza artificiale generativa e la bilancia si è rotta. Per la prima volta non ci troviamo davanti a macchine che fanno le stesse cose più in fretta di noi, ma a sistemi che scrivono, sintetizzano, traducono, progettano, suggeriscono strategie, disegnano immagini e si siedono al tavolo delle decisioni, in territori che fino a ieri consideravamo riservati alla mente umana.
Era inevitabile che il dibattito pubblico si buttasse subito sulla gara. Chi è più veloce, chi sbaglia meno, chi produrrà più valore, chi rimpiazzerà chi. Domande legittime, per carità. Ma forse non le più interessanti. Perché c’è una curiosa asimmetria nel modo in cui ne discutiamo: passiamo moltissimo tempo a confrontare i risultati e quasi nessuno a capire come quei risultati vengano raggiunti. È come guardare due persone arrivare alla stessa meta e accontentarsi di cronometrare l’arrivo, senza chiedersi quale strada abbiano fatto, se una sia salita a piedi e l’altra sia comodamente arrivata in funivia.
Eppure la strada conta più del cronometro. Il dibattito contemporaneo sull’intelligenza artificiale resta prigioniero di una forma di antropocentrismo cognitivo abbastanza tenace. Usiamo l’essere umano come metro universale: quando la macchina fa qualcosa di simile a noi parliamo di comprensione, di ragionamento, di creatività; quando inciampa, leggiamo l’inciampo come una mancanza rispetto a uno standard umano che diamo per scontato. È un’abitudine comprensibile e profondamente fuorviante, perché ci porta a trattare le intelligenze artificiali come esseri umani incompleti invece che come sistemi cognitivi semplicemente altri.
La storia della scienza è piena di equivoci di questo tipo. Per molto tempo abbiamo provato a capire il volo degli aeroplani guardando gli uccelli, finché non si è compreso che il volo meccanico segue regole tutte sue. Nessun aeroplano è un uccello venuto male e nessun sommergibile è un pesce difettoso. Edsger Dijkstra lo liquidò con la sua proverbiale ironia: chiedersi se una macchina pensi interessa più o meno quanto chiedersi se un sommergibile sappia nuotare. Allo stesso modo forse dobbiamo rassegnarci all’idea che un modello linguistico non sia una mente umana con qualche rotella fuori posto.
Spostare la domanda cambia tutto. Invece di chiederci se le intelligenze artificiali ci somiglino, conviene domandarci in che modo siano diverse. Sembra una raffinatezza da seminario filosofico e invece ha conseguenze molto concrete sul piano economico, educativo, organizzativo e sociale. Le aziende stanno già costruendo processi in cui persone e sistemi lavorano gomito a gomito, le università ridisegnano la didattica, le pubbliche amministrazioni sperimentano supporti alle decisioni, i professionisti scrivono e progettano con strumenti generativi. Capire le differenze tra le forme di intelligenza non è dunque un passatempo accademico ma una condizione necessaria per progettare il lavoro e la formazione dei prossimi decenni.
Per dare un nome a questa sfida è utile la nozione di architettura cognitiva. Con questa espressione non si misura quanto un sistema sia intelligente, ma il modo in cui costruisce conoscenza, interpreta le informazioni, decide e attribuisce senso a ciò che osserva. Due sistemi possono arrivare allo stesso risultato per vie completamente diverse, ed è proprio nello studio di queste vie che si capisce davvero la natura di ciascuna intelligenza.
Accettata questa prospettiva, il passo seguente è costruire una mappa. Non una classifica e non una graduatoria, ma una rappresentazione dei tratti che distinguono le diverse architetture cognitive. È l’idea che sta dietro a quello che possiamo chiamare un Atlante delle Architetture Cognitive. Un atlante serve a orientarsi in un territorio complicato: non stabilisce quale montagna sia migliore o quale fiume più nobile, descrive paesaggi, confini e relazioni. Vale la pena ricordare l’avvertimento di Alfred Korzybski, la mappa non è il territorio. Un atlante delle intelligenze non ha il compito di incoronare un vincitore, ma di mostrare come sistemi diversi guardino il mondo, accumulino conoscenza e affrontino i problemi.
La letteratura scientifica più recente permette di individuare almeno cinque grandi descrittori lungo i quali osservare e confrontare le forme di intelligenza. Il primo è l’origine della conoscenza. Gli esseri umani costruiscono il proprio sapere mescolando esperienza diretta, memoria, apprendimento sociale, educazione, emozioni e attrito quotidiano con l’ambiente, tanto che ogni conoscenza resta intrecciata alla biografia di chi la possiede. Le intelligenze artificiali, al contrario, costruiscono rappresentazioni del mondo macinando quantità enormi di dati alla ricerca di correlazioni statistiche. Anche quando la risposta finale si assomiglia, il percorso che la genera può essere profondamente diverso.
Il secondo descrittore è il contesto. Buona parte delle decisioni umane poggia su elementi impliciti che quasi mai compaiono nei dati: relazioni pregresse, cultura organizzativa, segnali deboli, intuizioni, gerarchie informali, saperi taciti che nessuno mette per iscritto. I sistemi artificiali migliorano in fretta nel maneggiare il contesto, ma dipendono ancora molto di più da ciò che viene loro effettivamente messo sotto il naso.
Il terzo è l’incertezza. La storia della scienza, della politica e dell’economia insegna che le decisioni importanti si prendono quasi sempre con informazioni incomplete. Gli esseri umani hanno una straordinaria capacità di convivere col dubbio, di sospendere il giudizio, di cambiare idea davanti a nuove evidenze. È quella che il poeta John Keats chiamava capacità negativa, l’arte di restare nell’incertezza senza l’ansia di afferrare a ogni costo una conclusione. I modelli generativi, per come sono fatti, tendono invece a produrre comunque una risposta anche quando l’incertezza resta altissima. Capire questa differenza sarà decisivo per progettare sistemi decisionali che funzionino davvero.
Il quarto elemento è la temporalità. Gli esseri umani il tempo lo vivono: hanno ricordi, costruiscono un’identità, formulano attese, immaginano futuri a partire dalla propria storia. Le intelligenze artificiali elaborano invece rappresentazioni del tempo attraverso dati, sequenze e simulazioni. Può sembrare una sottigliezza filosofica e invece pesa concretamente su come si costruiscono strategie, previsioni e decisioni.
Il quinto, e forse il più scivoloso, è la costruzione del significato. Quando una persona interpreta un evento, scrive un articolo, disegna una politica pubblica o guida un’organizzazione, non si limita a elaborare informazioni: attribuisce rilevanza, valore e senso a ciò che vede. Il significato è probabilmente la frontiera più affascinante e più controversa dell’intero confronto tra mente umana e mente artificiale.
Vale la pena notare che questi cinque descrittori non sono affatto proprietà esclusiva degli informatici. Attraversano discipline lontanissime tra loro. Le neuroscienze illuminano i meccanismi biologici del pensiero, la psicologia studia i processi decisionali, la sociologia analizza il peso del contesto e delle relazioni, l’economia osserva il comportamento in condizioni di incertezza, il diritto si interroga sulla responsabilità delle decisioni, le scienze della comunicazione indagano la costruzione del significato.
È qui che si misura il valore del paradigma SCALE (Social Sciences, Communication Studies, Arts, Law, Economics). Negli ultimi decenni il discorso sull’innovazione è stato dominato dalle discipline STEM (Science, Technology, Engineering, and Mathematics), che hanno avuto un ruolo fondamentale nel costruire le tecnologie digitali. Oggi però capire come funzionano le architetture cognitive richiede uno sguardo più largo. Le scienze sociali, la comunicazione, il diritto, l’economia e le arti non sono il contorno umanistico della tecnologia, la guarnizione che si mette nel piatto per fare bella figura. Sono strumenti essenziali per leggere fenomeni che il codice, gli algoritmi e la potenza di calcolo, da soli, non bastano a spiegare.
In questo senso l’Atlante delle Architetture Cognitive non parla soltanto di intelligenza artificiale. Parla anche di noi. Ogni tentativo di capire come funzionano le macchine ci obbliga a riflettere su come funziona la nostra mente e le domande che rivolgiamo ai sistemi artificiali finiscono regolarmente per rimbalzare su di noi come uno specchio. Che cosa significa comprendere? Come nasce una decisione? Che ruolo hanno le emozioni? Come si costruisce la creatività? Qual è il legame tra esperienza e conoscenza?
Per molto tempo abbiamo raccontato il progresso tecnologico come una corsa verso macchine sempre più intelligenti. La vera sfida dei prossimi anni sarà probabilmente un’altra. Non costruire sistemi artificiali più potenti, ma imparare a leggere, comprendere e governare le diverse forme di intelligenza che ormai convivono nelle nostre società. La domanda centrale forse non è chi vincerà la gara tra uomo e macchina, ma se sapremo orientarci tra le architetture cognitive che stanno ridisegnando il modo in cui produciamo conoscenza, prendiamo decisioni e immaginiamo il futuro. Ogni epoca, in fondo, si costruisce gli strumenti che le servono per guardare il mondo. E una delle mappe più importanti del XXI secolo sarà proprio quella che ci permetterà di muoverci tra le molte intelligenze che abitano il nostro tempo.
© Riproduzione riservata
