Ho appena finito di guardare la seconda intervista tra Raffaele Gaito e Nello Cristianini sul canale di Raffaele (qui il video completo), e devo ammettere che raramente mi capita di sentire una spiegazione così lucida e necessaria di cosa stia realmente accadendo nel mondo dell'intelligenza artificiale. Non si tratta dell'ennesimo tutorial su come usare ChatGPT o di promesse futuristiche: Cristianini ci porta dentro le viscere di questi sistemi, e lo fa con un linguaggio che sfida le semplificazioni comuni.
La domanda che tutti si fanno è sempre la stessa: ma cosa succede davvero dentro un'intelligenza artificiale? La risposta che Cristianini offre è tanto precisa quanto controintuitiva: non lo sappiamo nel dettaglio, e forse non è nemmeno il modo giusto di porre la questione.
Oltre i giochi di prestigio: l'emergenza della complessità
Una delle critiche più comuni che sento ancora oggi è che l'IA sia fondamentalmente un trucco statistico, un sofisticato gioco di prestigio senza vera comprensione. Cristianini smonta questa narrazione con un'analogia che trovo illuminante: il comportamento di un gatto non si spiega studiando i suoi atomi.
Questa osservazione potrebbe sembrare banale, ma racchiude un principio fondamentale delle scienze della complessità: i sistemi con miliardi di componenti interconnessi sviluppano proprietà emergenti che non sono riducibili ai loro elementi costitutivi. Quando parliamo di modelli come Mos di Anthropic, con i suoi 10 trilioni di parametri, stiamo parlando di una scala di complessità che semplicemente non si presta all'analisi microscopica.
Nel video, Cristianini sottolinea come questi sistemi si autoorganizzino attraverso l'addestramento. Il processo non è arbitrario: milioni (o miliardi) di parametri vengono ottimizzati per raggiungere un obiettivo specifico, tipicamente la predizione della prossima parola in una sequenza. Quello che emerge da questo processo è qualcosa che va ben oltre la semplice memorizzazione o l'associazione statistica superficiale.
Ho lavorato abbastanza a lungo nel campo per vedere come è cambiata la conversazione. Cinque anni fa, molti esperti sostenevano con sicurezza che questi modelli non avrebbero mai potuto fare X o Y. Oggi, quegli stessi limiti teorici sono stati superati, e ci ritroviamo a spostare continuamente i paletti di cosa consideriamo "vera intelligenza".
La morte del pappagallo stocastico
La critica del "pappagallo stocastico" – l'idea che i modelli linguistici siano solo sistemi che ripetono pattern senza comprensione – è stata una delle narrazioni dominanti fino a poco tempo fa. Cristianini la liquida con evidenze concrete che emergono dalla ricerca recente.
Il punto centrale è questo: i modelli moderni hanno sviluppato rappresentazioni interne astratte che sono affidabili e ripetibili. Non stiamo parlando di associazioni casuali, ma di strutture concettuali che persistono e che possono essere utilizzate in contesti nuovi. Quando Mos trova difetti nel software con un'efficacia tale da richiedere l'intervento di organismi governativi, non stiamo più parlando di semplice ripetizione di pattern.
L'esempio che mi ha colpito di più nel video riguarda le Olimpiadi della matematica del 2024. Le IA commerciali hanno vinto medaglie d'oro dimostrando teoremi matematici. Non eseguendo calcoli (quello le macchine lo fanno dal 1950), ma dimostrando teoremi – un'attività che richiede ragionamento astratto, pianificazione e una comprensione profonda delle strutture matematiche.
Questo mi fa riflettere sul gap tra percezione pubblica e realtà tecnica. Mentre molti ancora discutono se l'IA possa "davvero capire", questi sistemi stanno già risolvendo problemi che richiederebbero anni di formazione specializzata a un essere umano. La domanda diventa allora: cosa intendiamo esattamente per "comprensione"?
Lo spazio delle intelligenze possibili
Una delle riflessioni più profonde che Cristianini offre riguarda la natura stessa dell'intelligenza. Tendiamo a pensare all'intelligenza umana come all'unico modello valido, ma questa è una prospettiva incredibilmente limitata.
Nel video, Cristianini elenca un ventaglio di sistemi che possiedono forme di intelligenza: il gatto, il granchio, i formicai come sistemi collettivi, e poi Amazon, YouTube, l'economia globale. Ciascuno di questi sistemi processa informazioni, si adatta all'ambiente, prende decisioni. Perché dovremmo escludere a priori le intelligenze artificiali da questo spettro?
Trovo questa prospettiva liberatoria. Quando smettiamo di chiedere "è intelligente come noi?" e iniziamo a chiederci "che tipo di intelligenza possiede?", si apre uno spazio di comprensione completamente diverso. Le IA moderne non sono esseri umani digitali, e nessuno serio sta sostenendo che lo siano. Ma sono sistemi che manifestano capacità di elaborazione simbolica, astrazione e problem-solving che meritano di essere studiate per quello che sono, non per quanto assomigliano a noi.
Questo mi porta a considerare un punto che spesso viene trascurato nei dibattiti pubblici: l'antropocentrismo dei nostri criteri di valutazione. Quando stabiliamo benchmark per l'IA, tendiamo a usare compiti umani come standard. Ma un'IA potrebbe eccellere in forme di ragionamento che sono difficili o impossibili per noi, mentre fallisce in compiti che per noi sono banali. Questo non la rende meno intelligente, solo diversamente intelligente.
L'accelerazione esponenziale e la necessità di sintesi
Cristianini osserva qualcosa che risuona profondamente con la mia esperienza: ogni anno nel campo dell'IA sembra più rapido del precedente. Il 2024 è stato più denso del 2023, che a sua volta è stato più intenso del 2022. Questa accelerazione non è solo una sensazione soggettiva – è misurabile nei progressi tecnici, negli investimenti, nelle applicazioni commerciali.
Ma Cristianini aggiunge un caveat importante: questo ritmo non continuerà per sempre. Le curve esponenziali nella tecnologia tendono a raggiungere dei plateau, e probabilmente anche l'IA seguirà questo pattern. Il punto è che non sappiamo quando arriveremo a quel plateau, e potrebbe essere ancora lontano.
Nel frattempo, ci troviamo di fronte a un problema epistemologico: il campo produce migliaia di articoli tecnici al mese, ma abbiamo disperatamente bisogno di sintesi teorica. Cristianini descrive il suo ruolo sempre più come quello di un sintetizzatore: qualcuno che dà senso al mosaico emergente per studenti, filosofi, biologi, psicologi – tutte le discipline che devono confrontarsi con l'IA senza necessariamente dover digerire l'intera letteratura tecnica.
Riconosco questo bisogno anche nel mio lavoro. Quando parlo con aziende o istituzioni, la domanda non è mai "come funziona tecnicamente questo modello?" ma "cosa significa questo per noi? Dove stiamo andando?". Serve una narrativa coerente che connetta i punti senza semplificare eccessivamente.
Dove ci porta tutto questo
Guardando il video di Raffaele, mi sono ritrovato a riflettere su quanto sia cambiato il dibattito sull'IA negli ultimi anni. Siamo passati dal chiederci "può l'IA fare X?" al chiederci "come dovremmo gestire il fatto che l'IA fa X?". È un cambio di prospettiva fondamentale.
Cristianini non cade nella trappola né dell'entusiasmo acritico né del catastrofismo. Presenta i fatti: sistemi con 10 trilioni di parametri che trovano bug nel software, IA che dimostrano teoremi matematici, capacità emergenti che nessuno aveva previsto. Ma lo fa mantenendo una sobria consapevolezza dei limiti e delle incertezze.
Quello che mi colpisce di più è la vastità dello spazio ancora da esplorare. Non stiamo raggiungendo la fine della ricerca sull'IA – stiamo appena iniziando a capire cosa sia possibile. Ogni modello più grande, ogni nuova architettura, ogni dataset più ricco apre porte che non sapevamo nemmeno esistessero.
Ma questa apertura porta con sé responsabilità enormi. Come società, dobbiamo fare i conti con tecnologie che trasformano radicalmente il nostro rapporto con l'informazione, il lavoro, la creatività, persino l'identità. Non possiamo permetterci di affrontare questi temi con superficialità o ideologia.
Credo che interviste come questa siano essenziali proprio per questo: ci ricordano che l'IA non è né magia né fumo, ma un campo scientifico serio con risultati concreti e implicazioni profonde. Abbiamo bisogno di più conversazioni a questo livello, che sfuggano sia all'hype commerciale sia allo scetticismo riflessivo.
Se questi temi ti interessano, ti consiglio davvero di guardare l'intervista completa sul canale di Raffaele Gaito. Cristianini ha una chiarezza espositiva rara, e l'intera conversazione vale i 30 minuti che richiede.
E tu, cosa ne pensi? Credi che abbia senso parlare di diverse forme di intelligenza, o pensi che stiamo sopravvalutando capacità fondamentalmente statistiche? Lascia un commento qui sotto – mi piacerebbe conoscere la tua prospettiva, specialmente se lavori in campi che stanno già sentendo l'impatto di queste tecnologie.