PharmacoLogos

Quando si chiede a un modello linguistico di spiegare una procedura clinica, di valutare una sentenza, di ricostruire un argomento filosofico, o in genere di esprimere un giudizio su qualunque questione, la risposta ha quasi sempre una forma ben riconoscibile: presenta una tesi, introduce distinzioni, articola passaggi causali, conclude. La superficie del testo è quella del ragionamento competente, anche se in realtà esiste una discrepanza fra il processo generativo dei sistemi LLM e l’apparenza del loro output.

Sul versante del processo, il modello esegue un’operazione di tipo stocastico, ovvero, data una sequenza di input, il sistema calcola le distribuzioni di probabilità apprese durante l’addestramento e produce, token dopo token, la continuazione più plausibile. Il modello non possiede alcuna rappresentazione di significato, non ha alcun accesso ai truthmaker (ciò che, nel mondo, rende vera una proposizione che sto affermando) e di fatto non è in grado di esercitare alcuna distinzione interna fra ciò che è vero e ciò che è falso.

Sul versante della superficie, però, il testo che leggiamo riproduce la struttura tipica dell’inferenza abduttiva: espone premesse, valuta ipotesi, propone conclusioni accompagnate da giustificazioni. Floridi e colleghi parlano però in questo caso di apparenza abduttiva, e descrivono più precisamente questa operazione come zeroth-order abduction. Quando funziona, l’output è accurato, quando non funziona, il sistema confabula, ma lo fa con la stessa eloquenza di quando funziona, costruendo asserzioni false ma circostanziate, fonti bibliografiche inesistenti, ricostruzioni storiche inventate nei dettagli. La forma della spiegazione resta indistinguibile nei due casi.

Sul numero del 2 febbraio 2026 di Nature, Eddy Keming Chen, Mikhail Belkin, Leon Bergen e David Danks (tutti della University of California, San Diego) hanno firmato un Comment dal titolo “Does AI already have human-level intelligence? The evidence is clear“. Secondo gli autori, la visione di un’intelligenza artificiale paragonabile a quella umana, formulata da Turing nel 1950, sarebbe ormai una realtà, e a riconoscerlo basterebbe uno sguardo libero da timore e da entusiasmo.

L’argomento, ridotto all’essenziale, procede nel seguente modo.

I grandi modelli linguistici attuali risolvono problemi matematici nuovi, superano esami professionali in domini diversi, generano codice funzionante, esibiscono trasferimento di competenze fra ambiti distanti. Applicando a loro lo stesso criterio inferenziale con cui attribuiamo intelligenza ad altri esseri umani, cioè un’inferenza alla migliore spiegazione a partire dal comportamento osservato, dovremmo concludere che anche questi sistemi sono, in qualche senso significativo, intelligenti. Mente umana e modello linguistico, secondo questa lettura, sarebbero due sistemi confrontabili: due scatole nere giudicabili in base a ciò che producono.

Io ritengo però che la simmetria su cui poggia l’argomento sia fittizia, e l’ho sostenuto nella lettera di risposta pubblicata su Nature ad aprile, AI and the human mind: only one is a black box: mente umana e LLM non sono due oggetti dello stesso genere epistemico, e trattarli come tali confonde due situazioni conoscitive molto diverse.