Nel mondo accademico la frase “black-box” suona più come una minaccia che come un termine tecnico. La verità, spesso taciuta, è che gran parte delle intelligenze artificiali di ultima generazione operano come oracoli impenetrabili: fanno previsioni precise, ma nessuno sa davvero il perché. Questo diventa un problema critico quando si entra in contesti delicati come la paleografia digitale, dove ogni linea curva e ogni legatura può avere un valore storico inestimabile. Il recente lavoro di De Cesaris, Caravani, Pastorini, Ammirati e Merialdo prova a sfidare questa opacità con un approccio di Explainable Artificial Intelligence applicato all’identificazione della grafia in manoscritti storici.
Il cuore dello studio è il manoscritto Vat.lat.653, un codice dell’XI secolo conservato in Vaticano, scritto nella minuscola romanesca. I paleografi avevano già identificato quattro mani diverse, ma la sfida era capire se una rete neurale potesse non solo classificare correttamente le pagine, ma anche spiegare i motivi delle sue scelte. La soluzione scelta è stata una CNN basata su ResNet18, capace di ottenere un’accuratezza superiore all’86% sul Test Set, ma il vero valore non risiedeva nel numero, bensì nella trasparenza delle predizioni.
Per far emergere la logica interna della rete, il team ha adottato LIME, tecnica model-agnostic che individua le parti di un’immagine più influenti per la decisione del modello. Le pagine dei manoscritti sono state suddivise in super-pixel da 50×50 pixel, sufficienti a catturare sequenze di due o tre caratteri o tratti estesi su più righe. Con un meccanismo a finestra scorrevole, si ottiene una mappa di attribuzione che codifica in colori le aree decisive: verde per i tratti che supportano correttamente la classificazione, rosso per quelli fuorvianti, bianco per quelli neutri. La prima sorpresa per i paleografi è stata scoprire che l’IA osserva spesso legature e forme di lettere esattamente come farebbe un esperto umano.
Validare la significatività di queste mappe non è stato semplice. I ricercatori hanno implementato un processo di mascheramento incrementale: oscurando progressivamente le zone considerate più rilevanti e ri-addestrando il modello, l’accuratezza crolla in modo drastico. Oscurare il 20% dell’area più influente ha fatto scendere la precisione dall’86,36% al 64,77%. Il messaggio è chiaro: la rete non solo predice, ma lo fa basandosi sulle caratteristiche grafiche realmente discriminanti, confermando che l’IA non è solo un oracolo cieco, ma uno strumento capace di osservare come un paleografo esperto.
Il potenziale applicativo va oltre il semplice riconoscimento. Queste mappe offrono agli studiosi uno strumento per scoprire tratti distintivi finora ignorati, aprendo la porta a nuove analisi paleografiche e catalogazioni più precise. È una vera rivoluzione: non più intelligenza artificiale “autonoma”, ma una forma di collaborazione uomo-macchina, dove la trasparenza diventa leva di fiducia e di innovazione.
In termini di XAI, la sfida più grande resta la generalizzazione. Vat.lat.653 è solo un inizio; l’obiettivo futuro è estendere questo approccio a collezioni più vaste, eterogenee per stile e periodo, mantenendo interpretabilità e robustezza. La sinergia tra potenza computazionale e insight umano non è un lusso, è una necessità. La paleografia digitale, fino a ieri territorio di intuizioni artigianali, può trasformarsi in un laboratorio scientifico, dove ogni tratto di penna viene analizzato, spiegato e contestualizzato.
Curiosità: il concetto di “super-pixel” deriva dal computer vision moderno, ma qui assume un ruolo quasi poetico, perché ogni blocco di 50×50 pixel diventa un piccolo universo grafico, dove la storia del manoscritto e le scelte stilistiche dello scriba vengono decodificate da un algoritmo. Un’idea tanto tecnica quanto narrativa, capace di far dialogare due mondi tradizionalmente separati: la precisione della macchina e la sensibilità storica dell’uomo.
Questa ricerca suggerisce un modello mentale nuovo per la disciplina: non si tratta più di “usare l’IA per fare meglio quello che già sappiamo fare”, ma di creare uno spazio di esplorazione dove l’IA diventa lente interpretativa. Ogni predizione, ogni area colorata sulla mappa, è un invito a interrogarsi, a confrontare ipotesi e scoprire dettagli che l’occhio umano potrebbe trascurare. La vera rivoluzione non è nel dato, ma nella capacità di costruire senso insieme a una macchina che finalmente mostra i suoi meccanismi, senza più nascondersi dietro una scatola nera.
. La ricerca conferma che applicare XAI in contesti umanistici non è solo un esercizio accademico, ma una leva strategica per attrarre attenzione, favorire collaborazioni interdisciplinari e aprire a nuove scoperte, restituendo alla macchina il ruolo di partner analitico piuttosto che di divinità insondabile.
Il futuro della paleografia digitale è scritto in codice, ma leggibile anche da chi sa interpretare i colori, le forme e le legature, trasformando ogni manoscritto in una conversazione tra intelligenza naturale e artificiale, dove trasparenza e scoperta diventano sinonimi.
