L’intelligenza artificiale è ancora una tecnologia della quale non siamo in grado di valutare compiutamente le conseguenze. Non sappiamo se, nel suo complesso, produrrà più benefici che danni. Non sappiamo fino a che punto trasformerà il lavoro, l’istruzione, la ricerca scientifica e, più in generale, i processi attraverso i quali produciamo conoscenza. Non sappiamo quali capacità umane potrà amplificare e quali, invece, rischieremo di perdere affidandole progressivamente alle macchine.
Probabilmente non disponiamo ancora neppure di tutte le categorie necessarie per giudicare una trasformazione che è appena cominciata.
Per questo mi sembrano premature sia le rappresentazioni entusiastiche dell’intelligenza artificiale sia quelle catastrofiche. Ci sono semplicemente troppe cose che ancora non sappiamo.
In un caso specifico, però, credo che si possano fare alcune considerazioni più precise.
Il 26 settembre 2026 il Financial Times ha dedicato un editoriale, “What an AI maths breakthrough means for human progress”, a un recente e significativo episodio nel quale l’intelligenza artificiale è stata utilizzata per affrontare un complesso problema matematico. Il sottotitolo contiene già il cuore dell’argomento: “In solving complex problems, process can be as important as the final result.”
È difficile non riconoscere la serietà della questione.
La matematica non progredisce soltanto accumulando soluzioni. Il tentativo di risolvere un problema costringe a formulare ipotesi, individuare relazioni, costruire strumenti concettuali. Talvolta ciò che si incontra lungo la strada si rivela persino più importante della risposta che si stava cercando.
L’editoriale pone quindi una domanda legittima: se l’intelligenza artificiale riesce ad arrivare alla soluzione percorrendo una strada diversa da quella che avrebbe seguito un essere umano, o semplicemente facendo in pochissimo tempo ciò che avrebbe richiesto un lungo lavoro umano, rischiamo di ottenere la risposta perdendo la conoscenza che avremmo acquisito cercandola?
È un problema reale. Ma, almeno in questo caso, non sono d’accordo con la conclusione che sembra derivarne. Per tre ragioni.
Una soluzione è già qualcosa
La prima è forse la più semplice.
Se una macchina trova la soluzione di un problema e quella soluzione può essere verificata, noi disponiamo di qualcosa di cui prima non disponevamo.
Questo fatto non dovrebbe essere sottovalutato.
Una soluzione verificata può permetterci di effettuare un calcolo, formulare una previsione, progettare qualcosa, affrontare un altro problema oppure semplicemente porre una nuova domanda. Modifica, in ogni caso, il confine di ciò che possiamo fare.
Naturalmente sapere che una soluzione è corretta non equivale necessariamente a comprenderne tutte le implicazioni. Ma sono due questioni differenti.
Nella storia della conoscenza non sempre comprensione, spiegazione e utilizzazione procedono simultaneamente. Possiamo essere in grado di utilizzare un risultato prima di averne compreso fino in fondo il significato. Possiamo osservare una regolarità prima di possedere una teoria capace di spiegarla. Possiamo conoscere una risposta e impiegare molto tempo per capire davvero perché quella risposta funzioni.
Per questo non credo che si debba contrapporre troppo rapidamente il valore del processo al valore del risultato.
Se l’intelligenza artificiale ci consegna una soluzione nuova, corretta e verificabile, quella soluzione ha già modificato lo stato della nostra conoscenza e, soprattutto, delle nostre possibilità.
Poi comincia un altro lavoro.
Scoprire non è necessariamente spiegare
Ed è qui che si trova la seconda ragione del mio dissenso.
Il fatto che una soluzione sia stata prodotta da un’intelligenza artificiale non significa necessariamente che quella soluzione debba rimanere incomprensibile agli esseri umani.
Occorre distinguere almeno tre momenti: la produzione di un risultato, la sua verifica e la sua spiegazione.
Non è necessario che coincidano.
Una macchina può individuare una soluzione. Possiamo verificare che sia corretta. E possiamo successivamente cercare di ricostruire il percorso che consente di derivarla dalle premesse, rendendo espliciti i passaggi e costruendone una spiegazione comprensibile.
In altri termini, la comprensione può seguire la scoperta.
È una questione sulla quale mi sono trovato concretamente a riflettere utilizzando sistemi di intelligenza artificiale nel lavoro di ricerca. Un risultato prodotto con l’assistenza di un modello non può essere accettato semplicemente perché il modello lo propone. Occorre poter tornare alle fonti e alle premesse, ricostruire i passaggi che conducono alla conclusione e verificare che il risultato sia effettivamente derivabile.
Questo non elimina tutti i problemi posti dall’utilizzo dell’intelligenza artificiale nella ricerca. Tutt’altro. Ma mostra che esiste almeno una possibilità diversa dall’alternativa tra processo umano comprensibile e risultato artificiale opaco.
La sequenza può essere un’altra: l’intelligenza artificiale individua qualcosa; l’uomo verifica; ricostruisce; cerca una derivazione; interpreta; infine comprende.
E può accadere qualcosa di ancora più interessante. La soluzione trovata dalla macchina può diventare essa stessa un nuovo oggetto di ricerca. Possiamo chiederci perché funzioni, quali principi più generali riveli, a quali altri problemi possa essere applicata.
La soluzione, invece di concludere il processo conoscitivo, può iniziarne un altro.
Il cannocchiale di Galileo
C’è infine una terza considerazione, forse la più importante.
La conoscenza umana non è mai stata prodotta soltanto dalle capacità naturali dell’uomo. La sua storia è anche una storia di strumenti.
Galileo guardò il cielo attraverso un cannocchiale.
Senza quello strumento non avrebbe potuto osservare nello stesso modo ciò che osservò: i satelliti di Giove, le fasi di Venere, le irregolarità della superficie lunare e altri fenomeni che contribuirono a modificare profondamente il modo in cui poteva essere pensato il cosmo.
Il cannocchiale non elaborava una teoria astronomica. Non comprendeva ciò che mostrava. Non sostituiva Galileo.
Gli permetteva di vedere qualcosa che, senza quello strumento, non avrebbe potuto vedere.
Naturalmente un sistema di intelligenza artificiale è enormemente più complesso di un cannocchiale e l’analogia non deve essere spinta troppo lontano. Un cannocchiale estende principalmente le nostre capacità di osservazione; un sistema di intelligenza artificiale può intervenire nella trasformazione delle informazioni, nell’individuazione di relazioni e persino nella produzione di inferenze e soluzioni.
Ma proprio questa differenza rende interessante la domanda.
Perché uno strumento dovrebbe poter estendere legittimamente la nostra vista, la nostra capacità di misurare o la nostra capacità di calcolo, ma non alcune delle nostre capacità cognitive?
Forse stiamo osservando l’intelligenza artificiale soprattutto chiedendoci quali attività umane sia in grado di sostituire. È certamente una domanda importante. Ma non è l’unica.
Potremmo anche domandarci che cosa ci permetterà di vedere che oggi non riusciamo a vedere.
Un’intelligenza artificiale potrebbe individuare una soluzione che un essere umano non avrebbe trovato, oppure avrebbe impiegato un tempo incompatibile con le possibilità concrete della ricerca. Quella soluzione, una volta verificata, potrebbe diventare il nostro nuovo punto di osservazione.
A quel punto toccherebbe ancora a noi chiederci che cosa significhi.
Dopo la soluzione
Il punto, allora, non è scegliere tra il risultato e il processo. È capire che una soluzione può essere anche l’inizio di un nuovo processo di conoscenza.
Se una macchina ci porta davanti a qualcosa che non avremmo trovato, resta a noi verificarlo, interpretarlo e comprenderlo.
Forse il contributo più interessante dell’intelligenza artificiale non sarà pensare al nostro posto, ma permetterci di pensare a partire da luoghi ai quali, da soli, non saremmo arrivati.
Nell’immagine il Financial Times ironizza sui vari modi nei quali può essere utilizzata l’intelligenza artificiale al lavoro
#Adessonews seleziona nella rete articoli di particolare interesse.
Se vuoi leggere l’articolo completo clicca sul seguente link
