Ho sentito una frase circolare da anni nei corridoi delle università tecnologiche e che oggi suona improvvisamente profetica. Le tecnologie passano, le basi restano. Yann LeCun non ha fatto altro che dirlo ad alta voce, con la brutalità gentile di chi sa di avere ragione e non ha più bisogno di compiacere nessuno. Il punto non è se studiare computer science abbia ancora senso. Il punto è cosa significhi davvero studiarla nel 2025, quando l intelligenza artificiale scrive codice, corregge bug, genera architetture e inizia perfino a suggerire scelte di design che un tempo erano considerate terreno sacro dell ingegnere umano.
Il messaggio di LeCun è semplice solo in apparenza. Se sei uno studente di informatica e passi il tuo tempo a inseguire l ultima libreria, il framework del mese o la buzzword che oggi fa curriculum e domani fa sorridere, stai costruendo una carriera su sabbie mobili. È una critica che colpisce nel segno perché tocca una verità scomoda. L informatica universitaria degli ultimi vent anni si è progressivamente trasformata in una scuola di addestramento rapido per il mercato del lavoro, sacrificando la profondità sull altare dell occupabilità immediata. Funziona finché il mercato resta stabile. Poi arriva un cambio di paradigma e il castello crolla.
Fondamenti dell informatica significa matematica vera, non quella ornamentale che si studia per superare l esame e dimenticare tutto il giorno dopo. Significa algebra lineare, probabilità, statistica, ottimizzazione, modelli matematici legati al mondo fisico. Significa capire cosa c è sotto un algoritmo prima ancora di chiedersi come implementarlo in Python o nel linguaggio di moda. LeCun insiste su questo punto da anni, e non per nostalgia accademica. Lo fa perché l intelligenza artificiale moderna, quella che conta davvero, è figlia diretta di queste discipline. I transformer non sono magia. Sono algebra lineare, statistica e teoria dell informazione che camminano su GPU molto costose.
C è un equivoco che continua a infestare il dibattito pubblico sull informatica nell era dell ai. L idea che programmare equivalga a scrivere codice. È una visione riduttiva, quasi artigianale, che oggi viene spazzata via dai modelli generativi. Se il tuo valore è saper scrivere funzioni, l ai ti supera già. Se il tuo valore è capire quali funzioni servono, perché servono e quali ipotesi matematiche stai implicitamente facendo, allora il gioco cambia. E qui entrano in scena i fondamenti dell informatica, quelli con una lunga shelf life, per usare l espressione molto americana di LeCun.
Non è un caso che LeCun stesso venga dall ingegneria elettronica. Il suo percorso accademico racconta più di mille slide motivazionali. Prima elettricità, segnali, sistemi, controllo. Poi computer science. Non il contrario. È una traiettoria che oggi appare quasi controcorrente, in un mondo universitario che spinge studenti diciottenni a specializzarsi prima ancora di capire cosa stanno facendo. Eppure è proprio quella base ingegneristica che ha reso possibile il suo contributo all intelligenza artificiale moderna.
Quando LeCun dice che in molte università di computer science negli Stati Uniti ci si ferma al calcolo uno, sta lanciando una frecciata precisa. Il calcolo differenziale elementare è utile, certo, ma non basta a comprendere sistemi complessi, dinamiche non lineari, fenomeni stocastici. Non basta per capire davvero cosa succede quando un modello apprende, converge o fallisce in modo catastrofico. L ingegneria, nel bene e nel male, obbliga a sporcarsi le mani con la matematica applicata. E quella matematica, oggi, è esattamente ciò che alimenta l ai.
Il dibattito sul futuro dei corsi di computer science si inserisce in un contesto più ampio e più teso. Gli studenti iniziano a percepire che il mercato del lavoro non è più quello di dieci anni fa. Non c è più la sensazione di avere il mondo ai propri piedi appena dopo la laurea. Le aziende cercano meno sviluppatori generici e più profili capaci di comprendere sistemi complessi, integrare modelli, valutare trade off, assumersi responsabilità progettuali. In altre parole cercano pensiero critico, non solo competenza tecnica.
Qui la posizione di Geoffrey Hinton si allinea sorprendentemente a quella di LeCun, nonostante le loro divergenze filosofiche sull ai. La matematica non scompare. La probabilità non va in pensione. L algebra lineare non diventa obsoleta perché un modello generativo scrive codice più velocemente di te. Anzi, diventa ancora più centrale, perché senza quelle basi non sei in grado di capire cosa l ai sta facendo al posto tuo. E quando non capisci, sei sostituibile.
C è anche un aspetto culturale che vale la pena sottolineare. L informatica come disciplina è nata come scienza, non come corso di formazione professionale. Turing non stava cercando di ottimizzare una pipeline di deployment. Von Neumann non stava scegliendo un framework. Stavano costruendo modelli astratti del calcolo e della realtà. Ridurre tutto a un insieme di competenze operative è una scelta miope che oggi presenta il conto.
Questo non significa buttare via la programmazione. LeCun è molto chiaro su questo punto. Saper programmare resta essenziale. Anche nell era del cosiddetto vibe coding, dove l ai suggerisce soluzioni in tempo reale, chi non sa programmare davvero non è in grado di valutare la qualità di ciò che riceve. È come affidarsi a un navigatore senza saper leggere una mappa. Funziona finché tutto va bene. Poi ti ritrovi in un vicolo cieco e non sai spiegare perché.
Il cuore del problema è la gestione del tempo. Il tempo dello studente è limitato, e ogni credito speso su una tecnologia effimera è un credito sottratto a una competenza duratura. Studiare l ultima moda può dare l illusione di essere rilevanti oggi, ma spesso rende fragili domani. Studiare matematica, fisica, ingegneria dei sistemi non è glamour, non fa hype su LinkedIn, non garantisce like immediati. Garantisce però adattabilità, quella qualità rara che permette di sopravvivere a ogni cambio di paradigma tecnologico.
Nel contesto della computer science nell era dell ai, questa adattabilità diventa il vero vantaggio competitivo. I modelli cambieranno. Le architetture evolveranno. Le interfacce si semplificheranno. Ciò che resterà sarà la capacità di comprendere, modellare e governare sistemi complessi. In questo senso, il consiglio di LeCun suona quasi sovversivo. Studiate meno tecnologia di moda e più fondamenta. È un messaggio che va contro l economia dell attenzione, contro il marketing universitario, contro la narrativa della skill immediatamente monetizzabile.
Forse è proprio per questo che vale la pena ascoltarlo. Quando uno dei padri dell intelligenza artificiale dice che potresti ritrovarti con una laurea che non torna più i conti, non sta facendo terrorismo. Sta facendo contabilità intellettuale. E come ogni buon ingegnere, sa che se le basi sono sbagliate, l intera struttura prima o poi cede.