di Sergio Restelli
L’intelligenza artificiale (AI) rappresenta senza dubbio una delle innovazioni tecnologiche più dirompenti e affascinanti del nostro tempo. Tuttavia, l’adozione diffusa di questa tecnologia ha portato a numerosi fraintendimenti e confusioni, che spesso derivano proprio dal vocabolario tecnico utilizzato nel campo dell’AI. Uno dei principali fattori di confusione è il fatto che l’AI ha assunto molti termini e concetti derivati dalle scienze cognitive e dalle neuroscienze (BCS), come “apprendimento”, “memoria” e “allucinazione”. Questo ha fatto sì che l’AI venisse percepita come qualcosa di biologicamente e cognitivamente simile agli esseri umani, quando in realtà si tratta di sistemi computazionali molto diversi dal funzionamento del cervello biologico. Da un lato, l’AI ha tratto ispirazione dalle scoperte delle neuroscienze e della psicologia cognitiva per sviluppare algoritmi in grado di eseguire compiti complessi, come l’apprendimento automatico di Arthur Samuel.
Tuttavia, questo “apprendimento” non è paragonabile al modo in cui gli esseri umani e gli animali acquisiscono nuove conoscenze ed esperienze. I sistemi di AI, infatti, imparano attraverso l’analisi statistica di grandi quantità di dati, senza sviluppare una vera e propria comprensione del mondo come fanno gli organismi viventi. Allo stesso modo, quando si parla di “allucinazioni” nell’ambito dell’AI, ci si riferisce a output del sistema che si discostano dalle rappresentazioni accurate dei dati di input, non a esperienze percettive disturbanti come quelle umane. Questa sovrapposizione di termini può generare l’illusione che abbia proprietà cognitive simili a quelle degli esseri viventi, quando in realtà si tratta di sistemi computazionali progettati per eseguire determinate funzioni, ma privi della complessità e dell’adattabilità del cervello umano.
Questo processo di reciproca influenza tra le discipline delle scienze cognitive/neuroscienze e l’informatica/AI ha portato a una sorta di “riduzionismo”, in cui l’entità biologica più complessa che conosciamo, il cervello, viene talvolta semplificata e appiattita sulla metafora della “macchina calcolatrice”. È importante mantenere una visione equilibrata, riconoscendo sia i punti di contatto che le profonde differenze tra i sistemi di intelligenza artificiale e i sistemi biologici. La riflessione di Carl Schmitt sulla secolarizzazione dei concetti teologici nell’ambito della teoria politica può essere estesa anche al campo dell’intelligenza artificiale e alla sua evoluzione.
Come osservato, quando emergono nuove discipline scientifiche, c’è spesso una carenza di un vocabolario tecnico adeguato a descrivere i fenomeni. In queste situazioni, è comune ricorrere a prestiti concettuali da altri campi, inclusi quelli delle scienze cognitive e delle neuroscienze, per colmare tali lacune.
Nel caso dell’intelligenza artificiale, questo processo di “secolarizzazione” dei concetti biologici e psicologici è stato particolarmente evidente. Termini come “apprendimento”, “memoria” e “attenzione” sono stati adottati dalla AI, ma con significati spesso molto diversi rispetto a quelli originari in ambito neuroscientifico e psicologico. Questo fenomeno non è solo una semplice questione terminologica, ma solleva problemi più profondi. Così come i concetti politici secolarizzati da Schmitt mantengono un’impronta teologica che limita la loro valutazione critica, allo stesso modo i prestiti concettuali dall’ambito delle scienze cognitive e neuroscienze nell’AI possono influenzare la nostra comprensione di questa tecnologia, spingendoci verso un’antropomorfizzazione eccessiva. Infatti, l’etichetta stessa di “Intelligenza Artificiale” crea aspettative e analogie fuorvianti con l’intelligenza umana, quando in realtà i sistemi di AI sono profondamente diversi dal funzionamento del cervello biologico. Anche l’uso di termini come “apprendimento” e “attenzione” porta a una percezione di somiglianza cognitiva che non corrisponde alla realtà dei processi computazionali alla base dell’AI. Questo fenomeno di “secolarizzazione” concettuale è quindi un importante fattore da considerare per comprendere a fondo i limiti e le potenzialità dell’intelligenza artificiale. È necessario mantenere una visione critica e consapevole delle differenze tra i sistemi artificiali e i processi biologici, evitando facili analogie che possono distorcere la nostra comprensione di questa tecnologia in rapida evoluzione.
questo scambio di concetti e metafore tra le diverse discipline è un fenomeno molto complesso e pervasivo. Si Osservi correttamente come anche le scienze cognitive e le neuroscienze hanno adottato un vocabolario proveniente dall’informatica e dalla teoria dell’informazione per descrivere il funzionamento del cervello e della mente. Questa analogia computer-mente, inaugurata da pensatori come Neisser, ha senza dubbio contribuito a una comprensione più scientifica e sperimentale dei processi cognitivi. Termini come “elaborazione delle informazioni”, “codifica” e “decodifica” hanno fornito un framework operativo utile per esplorare le basi neurali della cognizione.
Tuttavia, questo parallelismo può diventare problematico se spinto troppo oltre. Ridurre la mente umana a una semplice macchina computazionale rischia di trascurare gli aspetti qualitativi, esperienziali e soggettivi della coscienza. Gli stati mentali non possono essere semplicemente appiattiti su attivazioni neuronali o livelli di elaborazione informativa. In questo senso, l’antropomorfizzazione dei sistemi di intelligenza artificiale, alimentata da una visione computazionale riduzionista della mente, crea confusione e aspettative fuorvianti. L’AI non è intelligente come gli esseri umani, nonostante possa imitare alcuni comportamenti o capacità cognitive in modo efficace. Non esiste una soluzione semplice in termini di riforma terminologica. I linguaggi tecnici delle varie discipline continueranno a ibridarsi e a generare ambiguità. L’importante è mantenere una posizione critica e consapevole delle differenze fondamentali tra sistemi artificiali e processi biologici, senza lasciarsi fuorviare da analogie troppo superficiali.Forse la strada migliore è promuovere una maggiore interdisciplinarità e un dialogo costante tra le diverse aree del sapere, in modo da sviluppare una comprensione più sfumata e complessa dei fenomeni in esame, senza cedere a semplificazioni riduttive. Solo così potremo navigare con maggiore consapevolezza in questo intricato intreccio di concetti e metafore.
