PharmacoLogos

Sull’ultimo numero di Giugno 2026 del NEJM AI ho pubblicato una lettera dal titolo Borrowing Carefully: The Words We Choose for AI Errors Shape Clinical Trust. In estrema sintesi, la tesi che sostengo è questa: quando un modello linguistico produce un’informazione falsa, non solo non sta in senso stretto “allucinando”, ma anzi il termine è molto fuorviante. Dal momento che in sanità le parole con cui descriviamo gli errori influenzano il modo in cui medici e pazienti si fidano del sistema, vale la pena di approfondire la questione. La rivista, per ragioni di spazio, ha pubblicato una versione ridotta del testo che avevo proposto, perciò riprendo qui l’argomento per intero, in forma più distesa.

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 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.