L'intelligenza artificiale moderna non è nata ieri, ma ha radici profonde in un sogno logico nato oltre mezzo secolo fa. Negli anni '50 e '60, i pionieri dell'informatica credevano che la mente umana fosse fondamentalmente una macchina per elaborare simboli.
L'idea era semplice quanto affascinante: se il pensiero umano consiste nel manipolare concetti secondo regole logiche, per creare un'intelligenza artificiale basterà tradurre la realtà in un sistema di dati e codificare le regole per manipolarli.
Questa visione prese il nome di IA Simbolica (o GOFAI, Good Old-Fashioned Artificial Intelligence).
I suoi sostenitori promettevano che nel giro di pochi decenni i computer avrebbero pensato, risolto problemi e compreso il mondo proprio come gli esseri umani.
Mentre il mondo tecnologico e accademico festeggiava questi traguardi imminenti, una voce totalmente fuori dal coro si alzò con fermezza per dire: "State sbagliando tutto". Quella voce apparteneva al filosofo americano Hubert Dreyfus.
Hubert Dreyfus (1929–2017) non era un informatico, ma un filosofo della corrente fenomenologica e un profondo conoscitore del pensiero di Martin Heidegger e Maurice Merleau-Ponty.
Negli anni '60, quando lavorava al MIT e poi all'Università della California a Berkeley, Dreyfus iniziò ad analizzare criticamente le premesse dell'intelligenza artificiale.
Nel 1965 scrisse un celebre rapporto per la RAND Corporation intitolato Alchimia e Intelligenza Artificiale, espanso poi nel fondamentale libro del 1972 "What Computers Can't Do" (Quello che i computer non possono fare).
La sua tesi centrale era spietata: l'intelligenza umana non è una manipolazione di simboli, e i computer non avrebbero mai raggiunto una vera intelligenza se si fosse continuato a ignorare la natura fondamentale del nostro essere nel mondo — la nostra corporeità.
Per capire perché l'IA simbolica si sia scontrata con un muro invisibile, occorre esplorare l'errore epistemologico alla sua base, smontato punto per punto da Dreyfus.
1. La trappola dell'intellettualismo
L'IA simbolica presupponeva che l'uomo agisca nel mondo costruendo un modello mentale della realtà e applicando regole esplicite. Se voglio aprire una porta, la mia mente dovrebbe calcolare la distanza, identificare la maniglia, richiamare la regola "girare la maniglia verso il basso" ed eseguire l'azione.
Dreyfus, riprendendo Heidegger, dimostrò che questo è un modo del tutto distorto di descrivere l'esperienza umana.
Noi non affrontiamo il mondo come osservatori distaccati che elaborano algoritmi.
Noi siamo immersi nell'azione.
Quando guidiamo l'automobile, non pensiamo consapevolmente alle regole o alla pressione esatta da esercitare sul pedale; reagiamo direttamente e fluidamente alla strada.
Il nostro sapere fondativo è un sapere operativo (know-how), non una collezione di proposizioni teoriche (know-that).
2. Il problema del contesto e della rilevanza
Un computer simbolico richiede che ogni elemento del problema sia esplicitamente rappresentato nella sua memoria. Tuttavia, nella vita reale, ciò che conta dipende interamente dal contesto.
Un esempio classico riguarda il linguaggio naturale. Se diciamo "La polizia ha impedito ai dimostranti di marciare perché temeva la violenza", capiamo subito che "temeva" si riferisce alla polizia. Ma se diciamo "La polizia ha impedito ai dimostranti di marciare perché sostenevano la violenza", capiamo che "sostenevano" si riferisce ai dimostranti.
Per un sistema simbolico, distinguere il soggetto corretto richiede una quantità infinita di regole sullo sfondo sociale, la psicologia e le dinamiche di protesta.
Questo problema — noto in informatica come Frame Problem — è intrattabile se si cerca di codificare il mondo regola per regola. Gli umani risolvono il problema del contesto senza alcuno sforzo perché condividono una forma di vita biologica e sociale.
La critica più originale e influente di Dreyfus risiede nel concetto di cognizione incarnata (Embodied Cognition).
Non siamo menti astratte confinate in una scatola di cranio che usano il corpo solo come un veicolo; noi pensiamo attraverso e con il nostro corpo.
Per spiegare il ruolo cruciale del corpo nella conoscenza, Dreyfus sviluppò un modello dell'acquisizione delle abilità umane articolato in cinque stadi:
- Novizio: Segue regole rigide e decontestualizzate (es. chi impara a guidare e controlla costantemente il tachimetro per sapere quando cambiare marcia).
- Principiante avanzato: Inizia a riconoscere elementi contestuali attraverso l'esperienza diretta.
- Competente: Organizza le proprie azioni attorno a scopi chiari, ma deve ancora pianificare consapevolmente.
- Efficiente: Percepisce le situazioni in modo olistico, riconoscendo al volo schemi ricorrenti.
- Esperto: Non applica più regole né analizza le situazioni. Agisce in maniera intuitiva, immediata e fluida. Un pilota di Formula 1 o un maestro di scacchi non "calcola" ogni singola mossa in modo logico; vede direttamente la mossa o la traiettoria corretta.
Novizio Principiante Competente Efficiente Esperto
(Regole
rigide) (Sensibilità al contesto) (Pianificazione) (Percezione olistica) (Intuizione fluida)
Attraverso la corporeità, l'essere umano sviluppa quello che la fenomenologia chiama accoppiamento percettivo-motorio.
Il nostro corpo aggiusta continuamente la propria posizione e percezione per ottenere quello che Merleau-Ponty definiva la "massima presa" (maximum grip) sulla realtà.
Quando guardiamo un quadro in un museo, ci avviciniamo o allontaniamo intuitivamente finché la luce e la distanza non ci sembrano "giuste".
Non calcoliamo l'angolo di rifrazione o la distanza focale con una formula matematico-ottica: il nostro organismo cerca spontaneamente una condizione di equilibrio con l'ambiente.
Un'intelligenza disincarnata — priva di sensi biologici, di stanchezza, di vulnerabilità, di necessità fisiche e di un'esperienza spaziotemporale vissuta — non può percepire il significato delle cose.
Per un computer, la parola "sedia" è solo una stringa di bit o un indice in un database. Per un umano, "sedia" è una possibilità d'azione legata alla conformazione delle nostre gambe, al nostro bisogno di riposare e alla nostra gravità.
Le cose nel mondo ci si presentano come inviti all'azione (affordances).
La posizione di Dreyfus scatenò inizialmente un'ondata di sdegno e ostilità nella comunità scientifica dell'IA. Negli anni '70 e '80, le sue tesi vennero liquidate come oscurantismo filosofico o pessimismo ingiustificato.
Tuttavia, la storia gli ha dato ampiamente ragione. Verso la fine degli anni '80, l'IA simbolica entrò nel cosiddetto "Inverno dell'IA": i sistemi esperti, creati inserendo centinaia di migliaia di regole logiche dentro giganteschi database, si rivelarono fragili, incapaci di adattarsi al minimo cambiamento di contesto e del tutto privi di senso comune.
La necessità di superare questi limiti portò a un cambio di paradigma verso approcci basati sull'apprendimento automatico (Machine Learning), sulle reti neurali artificiali e sulla robotica incarnata (pionierizzata da studiosi come Rodney Brooks, che sosteneva apertamente: "L'intelligenza ha bisogno di un corpo").
Oggi viviamo nell'epoca dei Grandi Modelli Linguistici (LLM) come ChatGPT e dei sistemi di apprendimento profondo (Deep Learning).
A prima vista, questi modelli sembrano smentire le previsioni di Dreyfus: producono testi fluidi, risolvono problemi complessi e sostengono conversazioni senza possedere un corpo fisico.
Se Dreyfus fosse qui oggi, cosa direbbe di questi sistemi?
In realtà, l'analisi di Dreyfus rimane straordinariamente attuale e ci aiuta a comprendere i limiti strutturali anche dell'IA contemporanea:
- Comprensione vs Manipolazione Statistica: I modelli linguistici attuali non funzionano tramite regole logiche esplicite (come la vecchia IA simbolica), ma tramite correlazioni statistiche su enormi quantità di dati. Nonostante la loro straordinaria efficacia, questi modelli non comprendono il significato di ciò che generano. Manca loro il radicamento nel mondo reale.
- Allucinazioni e fragilità: Quando un modello generativo inventa fatti inesistenti o fallisce di fronte a ragionamenti elementari di senso comune, stiamo assistendo esattamente al problema diagnosticato da Dreyfus: l'assenza di un'esperienza diretta del mondo físico e sociale.
- Il senso comune non è un database: Il senso comune non è una collezione di miliardi di frasi o immagini, ma una struttura di sfondo fondata sul fatto di essere organismi viventi che nascono, soffrono, interagiscono e muoiono all'interno di un ambiente condiviso.
La lezione di Hubert Dreyfus va ben oltre l'informatica o la filosofia della mente; è un profondo richiamo alla comprensione di noi stessi. In una società sempre più orientata alla digitalizzazione e all'astrazione, Dreyfus ci ricorda che la vera intelligenza non equivale al mero calcolo formale o all'elaborazione rapida di dati.
Ciò che ci rende intelligenti, creativi e capaci di significato è proprio ciò che la tecnologia cerca spesso di scavalcare: la nostra natura biologica, la nostra imperfezione incarnata, la nostra capacità di sentire il contesto e il nostro essere inestricabilmente intrecciati al mondo che ci circonda.
L'intelligenza, nella sua forma più alta, non è un programma che gira in un processore, ma il modo in cui un corpo vivo abita la realtà.
Nessun commento:
Posta un commento