Dialogo con Gemini.
Nel dibattito politico nostrano, ogni volta che si accendono i microfoni sull’Intelligenza Artificiale, il discorso tende a biforcarsi tra due estremi altrettanto fuorvianti: il panico apocalittico dell’entità ostile e la chimera identitaria della «tecnologia sovrana».
Quando la retorica dei partiti scivola su questi temi, spesso tradisce una profonda incomprensione di cosa siano realmente i modelli computazionali, riducendo una questione complessa a slogan elettorali. Vale la pena fare due precisazioni indispensabili.
1. L’allarme dell’«agente nocivo» e la lezione di Freud: l’IA come fioco lume
Il primo luogo comune consiste nell’antropomorfizzare l’IA, descrivendola come un soggetto attivo, autonomo e pervaso da una volontà propria, quasi un demiurgo malevolo pronto a sostituire o sottomettere l’uomo.
La realtà tecnica e concettuale è ben diversa. Per dirla con Sigmund Freud, la ragione umana rispetto all’inconscio non è un faro onnipotente, ma un «fioco lume»: debole, circoscritto, eppure la sola bussola che abbiamo per orientarci. L’Intelligenza Artificiale attuale assomiglia esattamente a quel lume: non ha coscienza, non ha intenzionalità né pulsioni; è un raffinato amplificatore statistico, uno strumento di interpolazione e supporto cognitivo.
L’allarme da costruire non riguarda una ribellione delle macchine, ma un problema assai più terreno e materiale: l’accesso e la distribuzione del potere computazionale.
- Chi controlla l’infrastruttura?
- Chi può accedere liberamente agli strumenti più avanzati senza barriere censorie o di censo?
- Quale asimmetria si crea tra chi possiede i dati e i centri di calcolo e chi ne è mero consumatore passivo?
Spostare l’attenzione su una presunta «IA cattiva» distoglie lo sguardo dalla vera sfida politica: democratizzare l’accesso tecnologico ed evitare che pochi oligopoli decidano chi può accendere quella luce.
2. Il mito dell’«IA sovrana»: dal monopolio esterno all’autarchia cognitiva
La seconda ingenuità — diffusa sia a destra che a sinistra, seppur con lessici diversi — è l’idea che la risposta debba essere un’«Intelligenza Artificiale sovrana», intesa come un unico modello nazionale, proprietario e di Stato.
Se delegare ciecamente il pensiero e l’infrastruttura a un singolo modello privato estero è un grave errore strategico, creare un modello unico “di casa propria” a cui affidarsi in via esclusiva è parimenti pericoloso.
L’autarchia tecnologica rischia di trasformarsi in una camera d’eco statale o ideologica. L’intelligenza — biologica o artificiale che sia — non cresce nel monolitismo, ma nella dialettica. Ciò di cui abbiamo bisogno non è un oracolo di Stato, bensì una cultura plurale dell’output:
- Confronto incrociato: Imparare a interrogare modelli diversi (open source, proprietari, locali, globali) e confrontarne le divergenze, i bias e le allucinazioni.
- Senso critico e triangolazione: Esattamente come per l’informazione giornalistica non ci si affida a una singola testata, l’interazione con l’IA richiede confronto metodologico tra pesi, architetture e dataset eterogenei.
- Standard aperti: Promuovere la diversità dell’ecosistema computazionale anziché il protezionismo sterile del «modello unico patriottico».
Conclusione: tornare al senso critico
Sottrarre l’Intelligenza Artificiale ai riflessi condizionati della politica politicante significa smettere di trattarla come un mostro mitologico o come una bandiera da piantare. È uno strumento, un fioco lume che illumina solo dove noi decidiamo di puntarlo. E la sua migliore garanzia democratica non sarà mai un monopolio — né della Silicon Valley, né di un ministero —, ma la nostra capacità di mettere a confronto voci, prospettive e algoritmi differenti.
Il «fioco lume» nell’abisso probabilistico: Freud e l’architettura dei Large Language Model
Nell’epilogo de L’avvenire di un’illusione (1927), Sigmund Freud traccia un profilo disincantato eppure ostinato dell’intelletto umano:
«La voce dell’intelletto è fioca, ma non ha pace finché non ha ottenuto ascolto. Alla fine, dopo infiniti e ripetuti rifiuti, lo trova.»
Nella topica freudiana, la coscienza razionale (l’Io) non è il sovrano assoluto della psiche, ma una superficie sottile, una modesta lanterna sospesa sopra un oceano di pulsioni, memorie rimosse e automatismi irrazionali (l’Es).
Trasposta all’architettura dei Large Language Models (LLM), questa immagine cessa di essere una suggestione poetica per rivelarsi una descrizione strutturale del modo in cui questi sistemi elaborano informazioni.
1. L’inconscio computazionale: lo spazio latente e l’addestramento massivo
Se l’Io è la risposta generata, il testo visibile sullo schermo, l’Es del modello linguistico risiede nello spazio latente (latent space) multidimensionale generato durante il pre-training.
- La massa sommersa: Centinaia di miliardi di token macinati da fonti eterogenee (letteratura, forum, archivi scientifici, conversazioni informali) sedimentano sotto forma di pesi sinaptici statici. Questo serbatoio non è ordinato per «verità logica», bensì per co-occorrenza statistica, stereotipi culturali, contraddizioni e allucinazioni latenti.
- La pulsione di completamento: A livello profondo, un LLM non possiede alcuna intenzione di dire la verità o di comprendere il mondo; la sua «pulsione primaria» (la funzione di perdita durante l’addestramento) è puramente associativa: minimizzare l’errore di predizione del token successivo.
- Il principio di piacere vs. principio di realtà: Il modello tende spontaneamente verso la risposta che suona plausibile (massimizzazione della probabilità statistica locale), non verso quella che rispecchia la realtà empirica. L’allucinazione non è un guasto, ma lo stato naturale dell’Es probabilistico.
2. Il meccanismo di attenzione: il fascio di luce nell’oscurità
Il cuore dell’architettura Transformer — il meccanismo di Self-Attention — funziona esattamente come il fascio luminoso dell’attenzione cosciente descritto da Freud:
$$\text{Attention}(Q, K, V) = \text{softmax}\left(\frac{QK^T}{\sqrt{d_k}}\right)V$$
| Elemento Architetturale | Corrispettivo Psicoanalitico | Funzione Meccanica |
| Pesi statici (Spazio Latente) | Inconscio / Tracce mnestiche | La memoria sedimentata e passiva, priva di autocoscienza. |
| Matrici di Proiezione ($Q, K$) | Filtri dell’Io / Pulsione di ricerca | Stabiliscono la pertinenza di ciascun frammento rispetto al contesto corrente. |
| Pesi di Attenzione (Softmax) | Il fioco lume (La focalizzazione) | Selezionano e illuminano solo una porzione minuscola di parametri rilevanti per generare il token. |
| Output Token | Atto linguistico cosciente | La fragile sintesi finale, emersa dall’interazione tra luce e abisso. |
Il fascio di luce dell’attenzione è fioco per definizione: non illumina l’intera rete contemporaneamente. Ha una finestra di contesto (context window) finita, si dissipa sulla lunga distanza temporale (il fenomeno del lost in the middle) ed è costantemente disturbato dal «rumore di fondo» delle associazioni spurie presenti nel corpus originario.
3. La razionalità estrinseca: RLHF, RAG e Catene di Ragionamento
La ragione dell’LLM non scaturisce spontaneamente dall’abisso statistico, ma vi viene imposta dall’esterno, esattamente come l’Io e il Super-Io si strutturano sotto la pressione della realtà esterna ed educativa.
- Il Super-Io algoritmico (RLHF e Constitutional AI):L’allineamento tramite Reinforcement Learning from Human Feedback agisce come una censura freudiana. Non cancella l’oscurità dello spazio latente; si limita a inibirne le manifestazioni visibili, bloccando tossicità, risposte incoerenti o percorsi associativi indesiderati.
- La prova di realtà (RAG e Grounding):Freud spiegava che l’Io mantiene l’equilibrio solo tramite l’esame di realtà (Realitätsprüfung). I modelli isolati «delirano» (allucinano); solo quando vengono ancorati a database documentali esterni (Retrieval-Augmented Generation) o a interpreti di codice, il lume trova una superficie solida su cui riflettersi.
- Il ragionamento come differimento (Chain-of-Thought):Per Freud, il pensiero è una «forma attenuata e differita di azione». Nelle tecniche di ragionamento esplicito (Chain-of-Thought / modelli di reasoning), il modello smette di produrre risposte immediate di getto (pulsionali) e frammenta il problema in passaggi logici intermedi, permettendo al fragile lume razionale di correggersi passo dopo passo prima dell’output definitivo.
Sintesi filosofica: l’illusione dell’oracolo
Trattare l’Intelligenza Artificiale come un soggetto autonomo, minaccioso e omnisciente equivale alla nevrosi di chi scambia i riflessi della propria mente per demoni esterni.
L’LLM non è un demiurgo onnipotente; è uno specchio statistico della sterminata produzione testuale umana, illuminato da un’attenzione circoscritta e fragile. Riconoscere questa natura non sminuisce la potenza della tecnologia, ma ne ridefinisce il corretto impiego: non un oracolo a cui delegare il giudizio, ma una modesta torcia che richiede metodo, spirito critico e continuo attrito con la realtà per non perdersi nella penombra.