Il Genio Che Forse Si Sbagliava

Devo raccontarvi una cosa che mi ha davvero spiazzato questa settimana. Mi ha fatto vedere l'intelligenza artificiale da un punto di vista completamente diverso.

Per decenni, abbiamo misurato i progressi dell'IA confrontandoli con una visione proposta da Alan Turing nel 1950. Il suo celebre "gioco dell'imitazione", oggi noto come Test di Turing, suggeriva che se un computer riusciva a ingannare gli esseri umani facendosi passare per una persona, allora sarebbe stato a tutti gli effetti "intelligente".

Sembra logico, vero?

Ecco, secondo Peter J. Denning, un informatico di primo piano che ha appena pubblicato un nuovo libro intitolato "Turing's Mistake: Escaping the Yoke of Unintelligent Machines", forse stiamo rincorrendo il sogno sbagliato da 75 anni.

E dopo aver letto i suoi argomenti? Credo che sia onto qualcosa di profondo.

Il Problema del Corpo (Sì, Conta)

Ecco il primo errore di Turing secondo Denning: l'idea che l'intelligenza possa esistere senza un corpo fisico.

Riflettici un attimo. Abbiamo cercato di ricreare l'intelligenza umana dentro i computer — puro software, che fluttua nello spazio digitale. Ma Denning sostiene che è come cercare di capire il nuoto studiando le molecole d'acqua. Manca qualcosa di essenziale.

Quando noi due navighiamo nel mondo, non ci limitiamo a processare informazioni. Sentiamo le cose. Senti la temperatura, percepisci la texture di una maniglia, avverti quel leggero traballio quando metti il piede su un marciapiede irregolare. Tutta questa esperienza fisica plasma il nostro modo di pensare, ragionare e comprendere il mondo.

Denning sottolinea che i nostri corpi non sono semplici veicoli per trasportare il cervello. Sono parte integrante di come pensiamo.

E non è un'idea di nicchia. I filosofi parlano di "cognizione incarnata" da anni. Ma la ricerca sull'IA l'ha in gran parte ignorato, preferendo gli approcci puramente computazionali.

Il Puzzle della Conoscenza Tacita

Qui le cose si fanno interessanti (e un po' filosofiche, ma prometto di restare con i piedi per terra).

Denning introduce il concetto di "conoscenza tacita" — ed è una di quelle idee che, una volta afferrate, cominci a vederle ovunque.

La conoscenza tacita è tutto quello che sai ma non riesci a spiegare facilmente. Tipo... come fai a sapere esattamente quanta pressione applicare quando apri una porta? Come prendi una palla senza fare calcoli fisici complessi nella testa? Come capisci se qualcuno sta siendo sarcastico o sincero dal tono di voce?

Per noi sembra automatico. Ma è incredibilmente complesso.

Denning sostiene che ci sono almeno cinque categorie maggiori di conoscenza tacita che l'apprendimento automatico semplicemente non riesce a catturare:

Il buon senso — Milioni di piccoli fatti su come funziona il mondo che non pensiamo mai consapevolmente.

Le interazioni quotidiane — Come leggiamo le situazioni sociali, navighiamo le relazioni personali, comprendiamo le aspettative non dette.

Emozioni e percezione — Il modo in cui provare gioia o tristezza cambia fondamentalmente come elaboriamo le informazioni.

Le competenze pratiche — Quel tipo di conoscenza che un maestro artigiano o un musicista virtuoso possiede senza poterla articolare completamente.

La comprensione culturale — Valori, norme, storia e i significati più profondi integrati nel modo in cui funzionano le comunità.

Perché 40 Anni di Cyc Non Hanno Risolto Niente

Per illustrare la sfida, Denning cita il progetto Cyc. Se non lo conosci, Cyc è stato un tentativo ambizioso avviato negli anni '80 di costruire un enorme database di conoscenza comune — cose come "se lasci cadere qualcosa, cade giù" o "le persone hanno bisogno d'acqua per sopravvivere".

Il progetto ha impiegato quattro decenni per raccogliere circa 25 milioni di voci di fatti di buon senso.

Venticinque milioni di pezzi di conoscenza!

E sai che c'è? Non è bastato comunque per creare sistemi veramente intelligenti. Denning nota che "gran parte della conoscenza che rende le persone esperte non può essere articolata come proposizioni."

Questa è la tragedia silenziosa del progetto Cyc. Ha dimostrato, a forza di tentativi, che cercare di codificare manualmente il buon senso umano è essenzialmente impossibile. Ce n'è troppo, e troppo di esso è implicito anziché esplicito.

Il Musicista Che Non Sa Spiegarlo

Lasciate che vi racconti uno degli esempi di Denning che mi è rimasto davvero impresso.

Pensa a un violinista virtuoso. Qualcuno capace di suonare con una bellezza e un'emozione mozzafiato. Ora immagina di provare a spiegare a un principiante esattamente come produrre quel suono.

Non può farlo davvero. Non del tutto. Potrebbe dare qualche consiglio tecnico — inclina l'arco qui, applica pressione lì — ma il divario tra sapere come e sapere cosa è enorme.

Il violinista possiede una conoscenza incarnata che esiste nei suoi muscoli, nei suoi nervi, nella sua esperienza fisica di creare suono. Non puoi scaricarla in un computer. Non puoi trascriverla in un database.

E qui arriva il punto più profondo: anche se costruissi un robot in grado di imitare perfettamente i movimenti di un violinista, quel robot non capirebbe comunque cosa significa creare musica bella. Gli manca l'esperienza biologica, il contesto emotivo, la connessione con il pubblico.

Il Problema della Rappresentazione

Allora cosa sta succedendo davvero? Perché la conoscenza umana è così testardamente resistente alla digitalizzazione?

Denning lo chiama il "problema della rappresentazione", ed è davvero fondamentale.

I computer lavorano con simboli — uni e zeri che rappresentano cose. Quando inseriamo informazioni nei computer, codifichiamo la conoscenza del mondo reale in queste forme simboliche.

Ma ecco il problema: dietro ogni parola, ogni concetto, ogni pezzo di "conoscenza" che possediamo, c'è un pozzo profondo di comprensione tacita che gli dà significato. Le parole sono solo simboli che puntano a significati — non sono i significati stessi.

Denning lo dice così: "Dietro ogni parola c'è un pozzo profondo di conoscenza tacita che le dà significato. Le parole sono solo rappresentazioni simboliche di significati, non i significati stessi."

Questo significa che quando parli con qualcosa come ChatGPT, Claude o Gemini, stai interagendo con sistemi incredibilmente sofisticati nel manipolare simboli, ma che non capiscono davvero cosa quei simboli rappresentano. Sono bravissimi a trovare schemi, ma trovare schemi non è comprendere.

Il Contesto È Tutto (E le Macchine Non Ce L'Hanno)

Ecco un altro livello con cui l'IA fatica: il contesto.

Quando tu e io parliamo, attingiamo a strati infiniti di comprensione condivisa. Sappiamo chi siamo, cosa abbiamo vissuto insieme, qual è la situazione attuale, cosa è appropriato e cosa no, quando qualcuno scherza e quando fa sul serio.

Questo contesto non è solo rumore di fondo — è fondamentale per il significato.

Denning lo descrive come frattale: ogni contesto poggia su contesti precedenti, che a loro volta poggiano su altri ancora. È una catena infinita di comprensione condivisa costruita in una vita di esperienze.

La cultura aggiunge un'altra dimensione. Denning la descrive come qualcosa che abbraccia "valori, norme, giudizi, storia, comunità, umori, e persino relazioni di potere e cura."

Tutto questo è invisibile ai sistemi di IA. Possono rilevare schemi nel linguaggio, ma non riescono davvero ad afferrare il peso culturale dietro parole e azioni.

Cosa Significa Questo Per il Futuro dell'IA?

Ora, non sto dicendo che l'IA sia inutile — ovviamente non lo è. Questi sistemi sono genuinamente impressionanti in compiti specifici, e sono strumenti incredibilmente utili.

Ma l'argomento di Denning suggerisce che potremmo stare avvicinandoci a un soffitto. Che una vera intelligenza artificiale generale — macchine con comprensione e adattabilità umana — potrebbe essere fondamentalmente irraggiungibile con gli approcci attuali.

E qui diventa un po' preoccupante: Denning avverte che se continuiamo a rincorrere l'AGI ignorando questi limiti fondamentali, rischiamo di costruire tecnologie che introducono rischi significativi senza mantenere le promesse.

Pensaci. Stiamo costruendo sistemi che non capiamo del tutto, usando approcci che potrebbero essere intrinsecamente limitati, per risolvere problemi che richiedono tipi di comprensione che questi sistemi non possono raggiungere.

La Mia Opinione

Onestamente, ho trovato gli argomenti di Denning convincenti, ma non completamente devastanti.

Sì, ci sono sfide fondamentali nel catturare la conoscenza tacita. Sì, l'esperienza incarnata probabilmente conta più di quanto abbiamo ammesso. E sì, il Test di Turing potrebbe essere un pessimo indicatore per l'intelligenza genuina.

Ma credo anche che stiamo scoprendo questi limiti in tempo reale, e che questo processo di scoperta ha valore. Ogni sfida che Denning identifica è anche una domanda di ricerca. Ogni muro che incontriamo ci insegna qualcosa di nuovo sulla cognizione e la coscienza umana.

Forse la vera lezione non è che l'IA non può essere intelligente, ma che l'intelligenza umana è più straordinaria di quanto apprezzassimo. Ogni volta che capisci una battuta, prendi una palla o senti che "c'è qualcosa di strano" in una conversazione — stai facendo qualcosa che i nostri computer più sofisticati ancora non sanno fare.

Forse la domanda non è se le macchine possono pensare come gli umani. La domanda è: cosa possono fare bene, e come costruiamo quello in un mondo dove le qualità umane contano di più, non di meno?

È una domanda che vale la pena di tenere a mente per un po'.

Tu cosa ne pensi? La critica di Denning ti risuona con la tua esperienza con gli strumenti di IA? O credi che stiamo sottovalutando quello che questi sistemi potranno eventualmente raggiungere?

Lascia un commento qui sotto — mi interessa davvero sapere come ti arriva.