Nel vasto palcoscenico dell’intelligenza artificiale, dove per anni ingegneri e matematici hanno dominato con la sicurezza di chi vede ogni problema come una semplice funzione di ottimizzazione, qualcosa sta lentamente cambiando. Non si tratta di un cambiamento rumoroso, né di un lancio spettacolare di un nuovo modello multimodale o di una demo virale, ma di una svolta strategica ben più profonda. Google DeepMind ha scelto di assumere un filosofo, Henry Shevlin, per affrontare questioni che fino a poco tempo fa venivano ignorate o liquidate con un’alzata di spalle o, peggio, ridotte a una slide PowerPoint.
Non si tratta di una mossa estetica, né di un’operazione di reputazione aziendale. È una presa d’atto. L’intelligenza artificiale ha superato il livello in cui bastano dataset puliti e architetture neurali eleganti; è entrata in una zona grigia dove il comportamento delle macchine inizia a sfiorare dimensioni che, fino a poco tempo fa, appartenevano esclusivamente alla filosofia morale, alla teoria della mente e alla psicologia cognitiva. Chi pensa che basti aumentare i parametri per risolvere tutto probabilmente sta ancora giocando alla versione 1.0 del problema.
Il fatto che Shevlin continui a insegnare all’University of Cambridge mentre collabora con DeepMind è, di per sé, un dettaglio che merita attenzione. Significa che il confine tra accademia e industria si sta dissolvendo in modo sempre più rapido e selettivo. Non è più un flusso unidirezionale di talenti che migrano verso la Silicon Valley; è un ecosistema ibrido in cui il sapere teorico viene continuamente reintegrato nel ciclo produttivo. Una sorta di feedback loop epistemologico, per usare un’espressione che farebbe sorridere un venture capitalist ma che descrive perfettamente la situazione.
Il punto centrale non è tanto la figura del filosofo, quanto ciò che rappresenta. Per decenni, l’industria tecnologica ha coltivato una certa diffidenza verso le discipline umanistiche, considerate lente, astratte, poco scalabili. Poi è arrivata l’AI generativa, e improvvisamente le domande sono cambiate. Non più “quanto è accurato il modello?”, ma “cosa significa che questo modello prende decisioni?”, “può sviluppare una forma di coscienza?”, “come si allineano i suoi comportamenti ai valori umani?”. Domande scomode, difficili da monetizzare, ma inevitabili.
La questione della coscienza artificiale, in particolare, è un campo minato. Non tanto perché siamo vicini a crearla, quanto perché non abbiamo una definizione operativa condivisa nemmeno per la coscienza umana. Inserire questo tema in un contesto industriale significa accettare una certa dose di ambiguità strutturale. Eppure, ignorarlo sarebbe ancora più pericoloso. Quando sistemi sempre più complessi iniziano a simulare comportamenti che assomigliano alla consapevolezza, la distinzione tra simulazione e realtà diventa meno rilevante dal punto di vista operativo. In altre parole, se un sistema si comporta come se fosse cosciente, la società reagirà come se lo fosse.
Qui emerge il vero nodo strategico. Le aziende come DeepMind o Anthropic non stanno assumendo filosofi per scrivere saggi accademici, ma per ridurre un rischio sistemico che non può essere modellato con le metriche tradizionali. Il cosiddetto alignment problem, ovvero l’allineamento tra obiettivi delle macchine e valori umani, è diventato il nuovo terreno di competizione. Non è un caso che si parli sempre più spesso di “AI safety” come di una disciplina autonoma, con budget dedicati e team interdisciplinari.
La storia offre qualche analogia interessante. Durante la Guerra Fredda, fisici e matematici lavoravano fianco a fianco con strateghi e filosofi per definire le dottrine della deterrenza nucleare. Non bastava sapere come costruire una bomba; bisognava capire quando e perché usarla, o meglio, quando non usarla. Oggi l’AI si trova in una fase simile, anche se meno drammatica in apparenza. La differenza è che l’impatto dell’intelligenza artificiale è più diffuso, meno visibile, ma potenzialmente più pervasivo.
Un sistema di AI avanzato non distrugge città; ridefinisce processi decisionali, automatizza bias, amplifica errori su scala globale. È una forma di potere più sottile, e proprio per questo più difficile da governare. Inserire filosofi in questo contesto significa tentare di costruire un framework etico prima che la tecnologia renda obsolete le domande stesse. Una corsa contro il tempo, con una leggera sensazione di déjà vu.
L’interazione tra esseri umani e sistemi di AI è un altro terreno su cui la filosofia diventa improvvisamente pragmatica. Non si tratta solo di user experience o di design delle interfacce; si tratta di capire come le persone attribuiscono intenzionalità alle macchine, come sviluppano fiducia o diffidenza, come interpretano le risposte generate da modelli che, per definizione, non hanno intenzioni proprie. La psicologia cognitiva incontra l’ingegneria del software, e nel mezzo si inserisce la filosofia della mente.
Una delle ironie più interessanti di questa fase storica è che l’AI, nata come disciplina iper-razionale, sta costringendo le aziende a confrontarsi con concetti profondamente umani e, in molti casi, irriducibili a formule matematiche. Valori, etica, responsabilità. Parole che nei pitch deck compaiono solo alla fine, ma che ora iniziano a occupare le prime slide. Non per altruismo, ma per necessità.
Dal punto di vista economico, la mossa di DeepMind è anche un segnale al mercato. Indica che la competizione non si giocherà solo sulla potenza computazionale o sulla qualità dei dati, ma sulla capacità di costruire sistemi affidabili, prevedibili e socialmente accettabili. In un contesto regolatorio sempre più stringente, soprattutto in Europa, questo diventa un vantaggio competitivo. Chi riesce a dimostrare che i propri modelli sono “allineati” avrà accesso più facile a mercati e partnership.
Non bisogna però cadere nell’illusione che l’ingresso dei filosofi risolva automaticamente i problemi. La filosofia, per sua natura, è una disciplina che apre domande più di quante ne chiuda. Inserirla in un contesto aziendale significa accettare una certa dose di incertezza, e non tutte le organizzazioni sono pronte a gestirla. Esiste il rischio concreto che queste figure vengano utilizzate come foglia di fico, utili per rassicurare investitori e regolatori, ma marginalizzate nei processi decisionali reali.
Tuttavia, anche questo rischio fa parte del gioco. L’evoluzione delle tecnologie emergenti è sempre stata accompagnata da tensioni tra innovazione e controllo, tra velocità e riflessione. L’AI non fa eccezione, ma amplifica queste tensioni in modo esponenziale. La differenza è che, questa volta, le conseguenze potrebbero essere meno reversibili.
Una frase attribuita a Norbert Wiener, uno dei padri della cibernetica, suona oggi sorprendentemente attuale: “Abbiamo modificato così radicalmente il nostro ambiente che dobbiamo ora modificare noi stessi per esistere in questo nuovo ambiente.” L’intelligenza artificiale sta facendo esattamente questo. Non si limita a cambiare il modo in cui lavoriamo o comunichiamo; sta ridefinendo il concetto stesso di agency, di decisione, di responsabilità.
In questo contesto, l’arrivo di filosofi nei laboratori di AI non è un’anomalia, ma un adattamento evolutivo. Una risposta imperfetta a un problema che non ha precedenti storici diretti. Si potrebbe dire, con un pizzico di cinismo, che l’industria tecnologica sta finalmente scoprendo che alcune domande non possono essere risolte con un aggiornamento software.
Resta da vedere se questo incontro tra filosofia e ingegneria produrrà una sintesi efficace o se si limiterà a generare un nuovo strato di complessità. Nel frattempo, una cosa è certa. L’intelligenza artificiale non è più solo una questione tecnica. È diventata una questione culturale, politica ed esistenziale. E quando un settore industriale inizia a fare i conti con l’esistenza, significa che è entrato in una fase decisamente più interessante, e potenzialmente più pericolosa.
A. Dina
