di Francesco d’Isa
Alcuni dei modelli linguistici di ultima generazione in determinati compiti sono funzionalmente più intelligenti di me.
Lo dico senza grandi problemi, perché mi sembra un punto di partenza più onesto e fecondo di qualsiasi difesa d’ufficio della specificità umana: gli LLM mi sembrano, in senso funzionale e per classi determinate di compiti, più intelligenti di molti esseri umani che conosco, me compreso.
Questo non implica che comprendano il mondo come lo comprendiamo noi, né che abbiano coscienza, esperienza vissuta o un rapporto incarnato con ciò di cui parlano. Significa però che, quando si tratta di sintetizzare testi, riconoscere schemi, tradurre, collegare ambiti diversi, formulare ipotesi e recuperare e integrare conoscenze, la loro prestazione supera ormai largamente quella media umana.
Dire che operano su token e distribuzioni statistiche non basta a liquidare la faccenda. È una descrizione del loro funzionamento, non una confutazione della loro intelligenza. Del resto, anche del pensiero umano non possediamo un resoconto conclusivo che dissolva ogni opacità. Più che opporre un “loro” puramente statistico a un “noi” che comprenderemmo davvero, conviene riconoscere che esistono forme diverse di cognizione e di accesso al mondo.
Concordo con Katherine Hayles, che nel suo recente “From Bacteria to AI”, contesta l’antropocentrismo che identifica il valore cognitivo con l’umano cosciente e propone un quadro in cui la cognizione eccede la coscienza e si distribuisce anche in sistemi non umani e computazionali.
Un limite degli attuali LLM è che il loro rapporto col mondo resta mediato e povero di grounding. Conoscono l’occorrenza di “rosso”, non l’esperienza del rosso; eccellono nelle regolarità simboliche, restano più fragili quando il compito richiede un aggancio robusto alla causalità, all’azione situata, alla spazialità. Questo li rende inferiori in alcuni ambiti, sebbene restino superiori in altri.
Sono stati addestrati su corpora linguistici e visivi immensamente più estesi di quelli accessibili a un singolo individuo; perciò possiedono un’ampiezza interlinguistica e interdisciplinare che la maggior parte di noi non può eguagliare. Ridefinire ogni volta l’intelligenza per escluderli mi sembra una mossa difensiva, poco interessante sul piano teorico. C’è un riflesso ricorrente nel discorso pubblico sull’AI: ogni volta che una macchina supera una soglia prestazionale umana, si sposta il criterio. Prima era la memoria, poi il calcolo, poi gli scacchi; adesso il linguaggio e il ragionamento astratto. L’intelligenza viene ridefinita in modo da riservare all’umano un residuo sempre più angusto.
Gli esseri umani si muovono su due zampe, il che li rende lenti rispetto alla quasi totalità dei mezzi di locomozione meccanica; eppure nessuno si sente in difetto per questo, perché la velocità non è mai stata un titolo identitario. Dovremmo imparare a pensare l’intelligenza in termini analoghi: come un insieme eterogeneo di capacità, distribuite in modi diversi tra organismi e macchine, non come un attributo onorifico riservato alla specie umana.
Da questo punto di vista, la questione interessante è investigare queste intelligenze, più che sminuirle. Sono ad esempio intelligenze culturalmente connotate, spesso opache e proprietarie, costose, difficili da modificare; riflettono distribuzioni di sapere storicamente situate, prevalentemente anglofone e occidentali, e questa connotazione è una caratteristica strutturale finché il training rimane quello che è. Per me, poter dialogare con un’entità che in vari compiti è più capace di me è un fatto intellettualmente entusiasmante; molto meno entusiasmante è che ciò avvenga quasi solo alle condizioni stabilite da pochi attori privati.
