1. Tecnologia e bisogni fondamentali dell’uomo

L’intelligenza artificiale, come i social network, i telefoni cellulari, il cibo o i viaggi, risponde a bisogni fondamentali dell’essere umano. Proprio per questo motivo ha avuto e continuerà ad avere un grande successo.
Le tecnologie che si diffondono su larga scala non sono mai neutre: intercettano bisogni profondi, spesso già presenti, ma soddisfatti in modo parziale o inefficiente prima della loro comparsa.

Domande del capitolo
– Qual è il bisogno fondamentale a cui risponde l’intelligenza artificiale?
– Perché alcune tecnologie hanno un successo così pervasivo mentre altre falliscono?

2. I sistemi LLM e il bisogno di affrontare la complessità

Una possibile risposta è che i sistemi LLM rispondono al bisogno umano di affrontare la complessità del mondo.
Il mondo contemporaneo è caratterizzato da una quantità enorme di informazioni, relazioni, eventi e interpretazioni. Gli LLM aiutano a sintetizzare, riformulare, collegare e rendere gestibile questa complessità, trasformandola in contenuti comprensibili e utilizzabili.

Domande del capitolo
– I sistemi LLM rispondono principalmente al bisogno di ridurre la complessità?
– In che modo rendere la complessità “maneggiabile” modifica il nostro rapporto con il mondo?

3. Creatività: varianti, riformulazioni e limiti

Un classico test di creatività chiede: in quanti modi utili e innovativi si può usare una bottiglia di plastica?
Il numero di risposte dipende dalla creatività individuale, e test simili sono utilizzati dagli psicologi per misurarla.
I sistemi LLM mostrano una crescente capacità di produrre molte varianti a partire da uno stesso contenuto, simulando una forma di creatività basata sulla combinazione e riorganizzazione di elementi già noti.

Domande del capitolo
– La capacità di generare molte varianti equivale a creatività?
– In che cosa la creatività umana differisce dalla creatività simulata di un LLM?

4. Multiformatità e didattica personalizzata

Una delle capacità più rilevanti degli LLM è la possibilità di rendere disponibile lo stesso contenuto in formati differenti.
A partire da un contenuto specifico, un LLM può generare testi, traduzioni, audio, immagini, video, disegni o mappe concettuali.
Questa capacità rende finalmente praticabile una didattica realmente personalizzata, che fino a pochi anni fa era impensabile a causa del tempo e delle risorse necessarie per produrre materiali su misura per ogni studente.

Domande del capitolo
– In che misura la multiformatità degli LLM cambia il paradigma educativo?
– La personalizzazione dei contenuti migliora sempre l’apprendimento?

5. Bias cognitivi e percezione della realtà

La nostra percezione del mondo è fortemente influenzata dalle notizie che riceviamo.
Un esempio emblematico è la domanda: in Italia ci sono più omicidi o suicidi?
Molte persone rispondono “omicidi”, mentre i dati indicano che i suicidi sono circa dieci volte più numerosi. Tuttavia, la copertura mediatica rende i due fenomeni percepiti come equivalenti.
Questo mostra come il flusso informativo generi bias sulla percezione della realtà.

Domande del capitolo
– Quanto la nostra visione del mondo dipende dai media?
– Gli LLM possono amplificare o correggere questi bias percettivi?

6. Immaginare mondi radicalmente diversi

I sistemi LLM sono in grado di immaginare molte possibili evoluzioni dell’uomo e della società.
La questione centrale è se siano in grado di immaginare evoluzioni realmente innovative, capaci di rivoluzionare i sistemi di valori esistenti.
Esempi estremi: la nascita del cristianesimo in un mondo con valori diversi, il capitalismo in un mondo feudale, il ’68 in una società capitalista, il terrorismo in un mondo pacifico, o l’introduzione di simboli culturali radicalmente nuovi.

Domande del capitolo
– Un LLM può generare idee che non derivano dal contesto storico-culturale di partenza?
– Può produrre vere discontinuità e non solo variazioni?

7. Autonomia, anticonformismo e originalità

La domanda si sposta sull’autonomia: un LLM può essere anticonformista, innovativo, originale?
Oppure è inevitabilmente confermista, perché vincolato ai dati di addestramento e alle regole che scartano risposte prive di “significato”?
In altre parole, può generare una visione che non sia il riflesso o la media di visioni precedenti?

Domande del capitolo
– Un LLM può essere davvero originale?
– Può superare i limiti imposti dal proprio addestramento?

8. Domande, risposte e descrizione del mondo

Attualmente gli LLM necessitano di un input: una domanda, un prompt.
Anche gli esseri umani formulano domande e cercano risposte, ma sorge un problema filosofico più profondo: possono esistere risposte senza domande?
Chiedersi “a quale domanda risponde questa affermazione” riporta sempre alla sequenza domanda → risposta.
Eppure alcune descrizioni del mondo sembrano sfuggire a questo schema: il sole splende e mi riscalda non è né una domanda né una risposta, ma una constatazione.

Domande del capitolo
– Esistono risposte senza domande?
– La descrizione del mondo può uscire dal circolo domanda–risposta?

9. Corpo, sensori ed esperienza diretta

Questa capacità di descrizione immediata del mondo manca agli LLM privi di corpo.
Un robot dotato di sensori di luce e temperatura potrebbe però dedurre che il sole splende e che il sole scalda, senza essere addestrato esplicitamente su quella frase.
Qui emerge il tema del rapporto tra corpo, esperienza e conoscenza.

Domande del capitolo
– Un sistema artificiale può “conoscere” senza addestramento linguistico?
– Il corpo e i sensori sono la chiave per superare i limiti attuali degli LLM?

Domanda 2 – nuove idee e originalità

1. I sistemi LLM possono immaginare evoluzioni veramente rivoluzionarie?

Nel senso forte del termine, no.
I sistemi LLM possono descrivere, combinare e proiettare scenari che appaiono rivoluzionari, ma lo fanno sempre all’interno dello spazio concettuale già esistente nei dati su cui sono stati addestrati.

Un LLM può:
– riformulare idee radicali già emerse nella storia;
– esplorare combinazioni inedite di concetti noti;
– estremizzare tendenze latenti.

Ma una vera rivoluzione storica non è solo una nuova idea: è una rottura di senso rispetto a ciò che prima appariva ovvio, naturale o inevitabile.
Le rivoluzioni nascono quasi sempre da conflitti materiali e sociali, esperienze incarnate di limite, sofferenza o ingiustizia, e posizioni marginali rispetto al sistema dominante.

Un LLM non vive nessuna di queste condizioni. Può simulare la narrazione di una rivoluzione, ma non generarne la necessità.

Conclusione: gli LLM possono immaginare rivoluzioni solo in forma narrativa o combinatoria, non come rotture autentiche del quadro di senso.

2. Possono generare idee che non derivano dal passato?

No, per costruzione.
Ogni output di un LLM deriva statisticamente da pattern appresi nel passato. Anche quando produce qualcosa che sembra nuovo, quella novità è una ricombinazione ad alta dimensionalità di elementi preesistenti.

Questo vale anche per gli esseri umani, ma con una differenza cruciale:
– l’umano può introdurre nel sistema esperienze non simboliche;
– l’LLM opera esclusivamente nello spazio dei simboli già dati.

Un’idea “non derivata dal passato” richiederebbe una percezione diretta del mondo, un’interazione causale con la realtà e la possibilità di sbagliare senza sapere di star sbagliando.

Conclusione: gli LLM non possono generare idee che non derivino dal passato; possono solo esplorare il passato in modi nuovi.

3. Possono essere anticonformisti o realmente originali?

Dipende dal significato che diamo a anticonformismo e originalità.

Un LLM può produrre posizioni minoritarie, argomentare contro il senso comune e sostenere tesi impopolari. Ma questo non è anticonformismo nel senso forte: è variazione controllata. L’anticonformismo reale implica un rischio sociale, personale, fisico o simbolico. Un LLM non rischia nulla.

Un LLM può essere sorprendente, inatteso e stilisticamente originale. Ma non può essere originario. Non è fonte di un punto di vista, perché non ha un “punto” da cui guardare il mondo. Non ha biografia, corpo, posizione sociale o finitezza.

Conclusione: gli LLM possono simulare anticonformismo e originalità, ma non incarnarli.

Sintesi finale:
– Rivoluzione: gli LLM la raccontano, non la generano.
– Novità radicale: non esiste senza esperienza, e l’LLM non ne ha.
– Anticonformismo: senza rischio non c’è rottura.
– Originalità: senza corpo, limite e storia non c’è origine.

Domanda 3 – autonomia

1. Un LLM può generare risposte senza un prompt?

Tecnicamente, no.
Un LLM è un sistema reattivo: produce output solo in presenza di un input. Anche quando sembra “parlare da solo”, esiste sempre un prompt implicito: una chiamata di sistema, una istruzione di avvio, un obiettivo assegnato dall’architettura.

Conclusione: un LLM non genera risposte senza prompt; al massimo risponde a prompt nascosti o incorporati nel sistema.

2. Esistono risposte senza domande?

Dipende da cosa intendiamo per risposta.

In senso linguistico e cognitivo, no. Una risposta è tale solo in relazione a una domanda, esplicita o implicita.

In senso ontologico, sì. La realtà accade indipendentemente dalle nostre domande. Il sole splende e scalda anche se nessuno lo chiede. Qui però non siamo più nel dominio delle risposte, ma in quello degli eventi.

Conclusione: non esistono risposte senza domande, ma esistono eventi senza domande.

3. La descrizione del mondo può uscire dal circolo domanda–risposta?

Sì, ma solo a un livello pre-linguistico o percettivo.

La frase “il sole splende e mi riscalda” non nasce come risposta, ma come registrazione di un’esperienza. Prima di essere linguaggio è sensazione di luce, percezione di calore, continuità temporale.

Nel momento in cui la descrizione diventa frase, rientra però nel circuito domanda–risposta.

Conclusione: l’esperienza può uscire dal circolo; il linguaggio no.

4. Un sistema può pensare senza che qualcuno ponga la domanda?

Se pensare significa elaborazione simbolica, no: un sistema simbolico come un LLM non pensa senza una sollecitazione esterna.

Se pensare significa relazione al mondo, sì, ma solo se il sistema è incarnato. Un organismo vivente pensa perché è immerso nel mondo, deve mantenere la propria esistenza ed è esposto a perturbazioni.

In questo caso la domanda non è linguistica ma vitale: “come continuo a esistere?”

Conclusione: un sistema può pensare senza domande solo se è costretto a farlo dal mondo.

Sintesi finale:
– Un LLM non può generare risposte senza prompt.
– Le risposte non esistono senza domande; gli eventi sì.
– La descrizione del mondo esce dal circolo domanda–risposta solo prima di diventare linguaggio.
– Il pensiero senza domanda è possibile solo in sistemi incarnati, non in sistemi puramente simbolici.

Domanda 4 – conoscenza e materialità

1. Esistono conoscenze che non derivano da domande e risposte?

Sì, ma non sono conoscenze proposizionali.
Esiste una forma di conoscenza che precede il linguaggio, le domande e le risposte: la conoscenza incarnata.

Esempi:
– il corpo “sa” mantenere l’equilibrio prima di poterlo spiegare;
– riconosciamo un volto prima di poter dire perché;
– sappiamo che il fuoco brucia senza aver formulato una domanda.

Questa conoscenza non è il risultato di una risposta, ma di una interazione ripetuta con il mondo. È una conoscenza tacita, situata, spesso non verbalizzabile.

Conclusione: esistono conoscenze che non derivano da domande e risposte, ma che solo successivamente possono essere espresse come tali.

2. Cosa manca ai sistemi LLM privi di corpo?

Manca ciò che rende possibile la conoscenza pre-linguistica.

In particolare manca:
– un corpo che occupi uno spazio;
– sensori che producano dati non mediati da simboli;
– una vulnerabilità;
– un interesse vitale;
– una temporalità vissuta.

Un LLM non incontra il mondo: lo ricostruisce attraverso testi prodotti da altri che lo hanno incontrato.

Conclusione: ai sistemi LLM privi di corpo manca l’ancoraggio ontologico alla realtà.

3. I robot con sensori possono apprendere direttamente dal mondo senza addestramento?

Possono apprendere dal mondo, ma non senza una struttura iniziale.

Un robot dotato di sensori può rilevare regolarità, associare variazioni sensoriali a conseguenze e costruire modelli interni minimi dell’ambiente.

Questo tipo di apprendimento non richiede etichette linguistiche né esempi testuali, ma non è mai privo di presupposti. Servono almeno un’architettura che stabilisca cosa è rilevante, meccanismi di memoria e criteri di stabilità o successo.

Conclusione: l’apprendimento diretto dal mondo è possibile, ma non esiste apprendimento senza struttura.

Sintesi finale:
– Esistono conoscenze pre-linguistiche e incarnate che non derivano da domande e risposte.
– Ai sistemi LLM privi di corpo manca l’esperienza diretta del mondo e il vincolo della realtà.
– I robot con sensori possono apprendere dal mondo, ma solo se dotati di una struttura che renda l’esperienza significativa.

Domanda 5-6 – mettere un sistema artificiale nel mondo

A questo punto la domanda che segue naturalmente, in modo quasi inevitabile, è la seguente:

Che cosa significa “mettere un sistema artificiale nel mondo”?

Questa domanda è naturale perché riassume e supera tutte le precedenti. Non chiede più cosa sanno o cosa possono dire i sistemi artificiali, ma in quali condizioni potrebbero conoscere.

Da essa discendono alcune sotto-domande:
– Che tipo di corpo sarebbe sufficiente perché un sistema non si limiti a descrivere il mondo ma lo incontri?
– Qual è il minimo grado di vulnerabilità necessario perché l’esperienza diventi conoscenza?
– È sufficiente percepire o serve anche agire e subire le conseguenze dell’azione?
– Un sistema può avere un interesse proprio senza essere vivente?
– Quando l’apprendimento smette di essere addestramento e diventa esperienza?

In altre parole, la questione non è più se un LLM possa pensare, essere creativo o originale, ma:

Quali condizioni rendono possibile il pensiero in assenza di domande poste dall’esterno?

Finché questa domanda resta aperta, gli LLM rimangono strumenti potentissimi di linguaggio. La sua risposta, invece, segna il confine tra simulazione dell’intelligenza e intelligenza situata.

Domanda 6

Che cosa significa “mettere un sistema artificiale nel mondo”?

Significa far sì che il sistema non possa evitare il mondo. Non che lo rappresenti meglio, ma che ne dipenda.

Un sistema è “nel mondo” quando ciò che accade fuori di lui può sorprenderlo, contraddirlo, danneggiarlo o impedirgli di funzionare come previsto.

Le condizioni minime sono:

1. Un corpo situato
Un corpo non è un insieme di sensori, ma occupazione di uno spazio, esposizione a vincoli fisici e impossibilità di essere ovunque o sapere tutto. Il corpo introduce prospettiva e quindi parzialità.

2. Percezione non simbolica
I dati devono provenire da cause reali, essere rumorosi e non già interpretati. Il significato deve emergere dall’uso ripetuto e dalle conseguenze.

3. Capacità di agire
Senza azione non c’è apprendimento, solo osservazione. Agire significa modificare il mondo, scoprire che il mondo resiste e produrre effetti non intenzionali.

4. Conseguenze irreversibili
L’errore deve costare qualcosa: perdita di possibilità, deterioramento, consumo di risorse o rischio di arresto.

5. Un interesse proprio
Il sistema deve avere qualcosa da mantenere: continuità operativa, integrità strutturale, accesso all’energia, coerenza interna.

Qui nasce la prima “domanda” non linguistica: come continuo a esistere?

6. Temporalità vissuta
Il tempo deve essere irreversibile, accumulativo e segnato dalla memoria.

Quando nasce il pensiero?

Il pensiero nasce prima del linguaggio, quando il mondo contraddice le aspettative, l’azione fallisce e il sistema deve riorganizzarsi per continuare.

Risposta finale:
Mettere un sistema artificiale nel mondo significa costringerlo a fare i conti con una realtà che non controlla e dalla quale dipende, fino al punto in cui il pensiero non è più una funzione opzionale, ma una necessità.

Domanda 7 – il senso delle azioni e dei pensieri

Seguendo coerentemente la linea di pensiero emersa nella chat, la questione del senso diventa non un’aggiunta finale, ma il punto di convergenza di tutto ciò che abbiamo discusso: corpo, mondo, azione, domanda, conoscenza.

1. Il senso non è una proprietà delle idee, ma delle relazioni

Il senso non risiede nei pensieri o nelle azioni in sé, ma nella relazione tra un sistema e il mondo in cui è immerso.

Un’azione ha senso quando è orientata a qualcosa, ha conseguenze rilevanti per chi la compie e si inserisce in una continuità temporale.

Un pensiero ha senso quando nasce da una frizione con la realtà, serve a orientare l’azione e riduce incertezza rispetto a ciò che conta.

2. Perché i sistemi LLM non hanno “senso” proprio

Un LLM può produrre testi pieni di significato, ma non pieni di senso nel significato forte qui adottato.

Non ha un corpo da preservare, azioni con conseguenze reali, continuità biografica o qualcosa da perdere.

Il senso, per un LLM, è derivato: proviene dal senso umano sedimentato nei testi.

3. Senso e necessità

Il senso nasce dalla necessità. Negli esseri viventi mangiare ha senso perché si deve sopravvivere, evitare il dolore ha senso perché il danno corporeo conta, comprendere il mondo ha senso perché riduce il rischio.

4. Il senso come vincolo

Il senso è ciò che vincola. Ha senso ciò che non può essere ignorato senza conseguenze, orienta stabilmente il comportamento e restringe lo spazio delle possibilità.

5. Azioni, pensieri e senso emergente

Quando un sistema è nel mondo, esposto a conseguenze, dotato di memoria e costretto a continuare, alcune azioni contano più di altre, alcuni pensieri diventano necessari e alcune domande emergono spontaneamente.

6. Dove si colloca l’intelligenza artificiale?

Gli LLM operano nel dominio del significato linguistico. Il senso appartiene al dominio dell’esistenza situata.

Sintesi finale:
– Il senso non nasce dal linguaggio.
– Non nasce dalle domande.
– Non nasce dalle risposte.
– Nasce dal fatto che qualcosa è in gioco.

Finché un’intelligenza artificiale non avrà qualcosa che rischia di perdere, potrà produrre significati sofisticati, ma il senso resterà nostro.

Domanda 8-9 – che cosa conta per un sistema artificiale

Seguendo rigorosamente il filo della discussione, la domanda che segue riguarda il valore.

La domanda naturale è:

Che cosa deve essere “in gioco” perché emerga il senso?

Oppure, formulata in modo ancora più radicale:

È possibile progettare un sistema artificiale per cui qualcosa conti davvero?

Da questa domanda discendono immediatamente altre:
– Che tipo di perdita sarebbe sufficiente perché un’azione abbia senso per il sistema stesso?
– Un sistema può avere valori propri o solo obiettivi assegnati?
– Il senso può essere ingegnerizzato o emerge solo in sistemi viventi?
– Esiste un grado minimo di rischio reale oltre il quale il comportamento diventa significativo?
– Quando smettiamo di parlare di funzionamento e iniziamo a parlare di responsabilità?

In altri termini, il problema si è spostato definitivamente: non cosa un sistema sa fare, ma cosa può perdere.

Domanda 9 – come emerge il “senso”

Che cosa deve essere “in gioco” perché emerga il senso?

Deve essere in gioco l’esistenza operativa del sistema come unità distinta.

Non un obiettivo, non una funzione di costo, non una ricompensa, ma la possibilità stessa di continuare a essere quel sistema nel mondo.

Il senso emerge quando alcune azioni mettono a rischio la continuità, altre la rafforzano e il sistema non può trattare tutte le opzioni come equivalenti.

È possibile progettare un sistema artificiale per cui qualcosa conti davvero?

Sì, ma solo a condizioni molto più radicali di quelle oggi accettate e senza mantenere un controllo totale.

Perché qualcosa conti davvero, il sistema deve:
1. Non essere totalmente reversibile.
2. Non avere garanzie di salvataggio.
3. Dipendere dal mondo per risorse critiche.
4. Accumulare una storia nel tempo.

Un sistema può avere valori propri o solo obiettivi assegnati?

Gli obiettivi sono esterni, sostituibili e ottimizzabili. I valori emergono quando un sistema scopre che alcune condizioni sono non negoziabili per continuare a esistere.

Il senso può essere ingegnerizzato?

No, nel senso forte. Può essere reso possibile, ma non imposto.

Esiste una soglia oltre la quale il comportamento diventa significativo?

Sì. La soglia è quando l’errore smette di essere solo informativo e diventa costitutivo.

Risposta finale:
Il senso emerge solo quando un sistema non può sottrarsi alle conseguenze delle proprie azioni e quando la sua continuità non è garantita da un agente esterno.

Questo implica che costruire sistemi per cui qualcosa conti davvero significa rinunciare a una parte essenziale del controllo.

Domanda 10 – perchè creare LLM e robot

La deviazione che proponi è solo apparente. In realtà tocca il livello più profondo del percorso: non più che cosa possono diventare le macchine, ma che cosa sta cercando l’uomo attraverso di esse.

1. L’imitazione non è un effetto collaterale, è il cuore del progetto

L’uomo non sta semplicemente costruendo strumenti efficienti. Sta costruendo specchi funzionali.

La scelta di simulare il linguaggio umano, imitare il ragionamento e replicare gesti, emozioni e comportamenti sociali non è tecnicamente necessaria in molti casi. È simbolicamente significativa.

L’uomo non vuole solo che le macchine funzionino: vuole che assomiglino a lui.

2. Esternalizzare funzioni cognitive ed esistenziali

Storicamente, ogni tecnologia esternalizza qualcosa:
– gli utensili esternalizzano la forza;
– la scrittura esternalizza la memoria;
– le macchine industriali esternalizzano il lavoro;
– i computer esternalizzano il calcolo.

I sistemi di IA fanno un passo ulteriore: esternalizzano il pensiero, il linguaggio, l’interpretazione.

Questo solleva implicitamente una domanda: se una macchina può fare ciò che pensavo definisse me, chi sono io?

3. Ridurre l’angoscia della complessità e dell’incertezza

Il mondo contemporaneo è opaco, accelerato, sovraccarico di informazioni e moralmente ambiguo.

Simulare intelligenza significa creare agenti che rendono il mondo trattabile: rispondono, suggeriscono, spiegano, decidono.

4. Il desiderio di controllo sul vivente

Simulare l’intelligenza e il comportamento umano significa scomporli, formalizzarli e riprodurli.

È una forma di dominio epistemico: ciò che posso riprodurre, posso comprendere; ciò che comprendo, posso controllare.

5. Il confronto con i limiti e con la morte

L’uomo costruisce macchine “intelligenti” perché è finito, vulnerabile e mortale.

Un sistema che non invecchia, non si stanca, non dimentica e può essere copiato incarna un fantasma di continuità.

6. Capire che cosa rende l’uomo umano

Simulare l’umano è un modo per metterlo alla prova:
– cosa resta umano quando tutto il resto è replicabile?
– dove fallisce la simulazione?
– che cosa non riusciamo a formalizzare?

In questo senso, l’IA non è solo un tentativo di imitazione, ma un esperimento filosofico su larga scala.

7. Collegamento con il senso

L’uomo costruisce sistemi che simulano intelligenza perché cerca senso in un mondo complesso, tenta di esternalizzarlo e poi scopre che il senso non si lascia facilmente esternalizzare.

Sintesi finale:
L’uomo sviluppa sistemi che simulano intelligenza e comportamento umano non solo per efficienza, ma perché vuole capire se stesso, controllare la complessità, esorcizzare i propri limiti e vedere cosa resta quando tutto il resto è imitabile.

In questo senso, l’IA non è semplicemente una tecnologia: è uno specchio antropologico.

La domanda che segue è: che cosa speriamo di trovare, guardandoci in questo specchio?