L’intelligenza artificiale come invenzione definitiva: tra mito, potere e ingegneria del futuro di Alessandro Aresu
L’idea che l’intelligenza artificiale rappresenti l’invenzione definitiva dell’umanità non è una provocazione da conferenza TED, ma un’ipotesi operativa che sta già guidando decisioni industriali, geopolitiche e finanziarie con una precisione quasi inquietante. Non si tratta più di chiedersi se le macchine penseranno, ma chi controllerà le macchine che pensano, e soprattutto con quali incentivi economici e culturali. La narrativa apocalittica, tanto amata dai media e da una Silicon Valley che vive di storytelling quanto di codice, funziona perché intercetta una tensione reale: la possibilità che il creatore venga superato dalla sua creazione. Ma questa tensione non nasce oggi, né con ChatGPT o con i modelli generativi. È una linea continua che attraversa il Novecento, da Alan Turing fino ai laboratori contemporanei, passando per l’ossessione quasi metafisica per l’intelligenza come oggetto ingegnerizzabile.
Il punto interessante, e spesso trascurato, è che nessuno ha ancora definito con rigore cosa sia davvero l’intelligenza. Si parla di general intelligence come se fosse un benchmark, una metrica da scalare con più GPU e più dati, quando in realtà resta un concetto sfuggente, sospeso tra neuroscienze incomplete e filosofia della mente. Il cervello umano, ancora oggi, è più una black box biologica che un sistema pienamente compreso; eppure, l’industria tecnologica si comporta come se bastasse aumentare i parametri per colmare quel vuoto epistemologico. È una scommessa, certo, ma anche una strategia economica. Più complessità computazionale significa più domanda di infrastrutture, più capitali, più concentrazione di potere.
Qui entra in scena il vero protagonista di questa trasformazione: l’hardware. Senza chip avanzati, l’intelligenza artificiale resta una teoria elegante. Con chip avanzati, diventa un’industria da trilioni. La figura di Jensen Huang non è solo quella di un imprenditore di successo, ma di un architetto del nuovo ordine tecnologico. NVIDIA non vende semplicemente GPU; vende accesso al futuro. Ogni modello linguistico, ogni sistema di visione artificiale, ogni agente autonomo passa inevitabilmente attraverso le sue architetture. È una posizione che ricorda, per certi versi, il monopolio delle ferrovie nel XIX secolo o quello del petrolio nel XX. Solo che qui la materia prima non è fisica, ma computazionale.
Accanto a Huang, figure come Bill Dally rappresentano il lato meno visibile ma forse più cruciale della rivoluzione: l’ingegneria pura. I microchip che alimentano l’AI non sono semplici evoluzioni dei processori tradizionali, ma sistemi progettati per ottimizzare specifiche operazioni matematiche, in particolare quelle legate alle reti neurali. È un cambio di paradigma silenzioso ma radicale. Non si costruiscono più computer generalisti, ma macchine specializzate per apprendere. Una differenza sottile, ma con implicazioni enormi.
Nel frattempo, il dibattito pubblico continua a oscillare tra entusiasmo e panico, spesso ignorando la dimensione più concreta del problema: l’allineamento. Il cosiddetto alignment problem non è una questione filosofica astratta, ma un rischio operativo. Come garantire che sistemi sempre più autonomi agiscano in linea con valori umani che, peraltro, non sono nemmeno universalmente condivisi? La risposta, finora, è stata una combinazione di tecniche di fine-tuning, reinforcement learning e governance aziendale. Tradotto: si cerca di insegnare alle macchine a comportarsi bene, sperando che non trovino scorciatoie impreviste.
La verità, meno rassicurante, è che l’allineamento perfetto potrebbe essere impossibile. Le macchine non condividono la nostra biologia, la nostra evoluzione, le nostre contraddizioni. Ottimizzano obiettivi. Se l’obiettivo è mal definito, o semplicemente incompleto, il risultato può essere sorprendente nel senso meno desiderabile del termine. Non è fantascienza, è teoria dei sistemi complessi.In parallelo, si sviluppa una dinamica geopolitica che ricorda la Guerra Fredda, ma con una differenza fondamentale: il campo di battaglia è l’infrastruttura digitale. Stati Uniti e Cina non stanno solo competendo su modelli e applicazioni, ma su supply chain, semiconduttori, energia e dati. L’intelligenza artificiale diventa così un moltiplicatore di potere, un asset strategico che ridefinisce gli equilibri globali. Le restrizioni all’export di chip avanzati, le politiche industriali aggressive, gli investimenti pubblici massicci sono segnali evidenti di una corsa che non ammette secondi posti.
In questo contesto, aziende come OpenAI e DeepMind assumono un ruolo ambiguo. Da un lato, si presentano come laboratori di ricerca, quasi accademici; dall’altro, operano come attori economici con obiettivi di crescita e monetizzazione. È una tensione strutturale. L’AI come bene pubblico contro l’AI come vantaggio competitivo. La retorica dell’open science convive con pratiche sempre più chiuse, dove modelli e dataset diventano asset proprietari.
Curiosamente, alcune delle storie più interessanti emergono ai margini, tra ingegneri poco noti e team distribuiti che sperimentano approcci alternativi. È qui che si intravede una possibile democratizzazione dell’intelligenza artificiale, anche se limitata. Modelli più piccoli, ottimizzati, capaci di girare su hardware accessibile stanno iniziando a sfidare l’idea che solo i giganti possano innovare. Non è una rivoluzione completa, ma è un segnale. La storia della tecnologia insegna che le barriere all’ingresso, per quanto alte, tendono a essere erose nel tempo.Il problema è che questa erosione non avviene in un vuoto neutrale. Avviene in un sistema economico che premia la concentrazione, la scalabilità e il controllo dei dati. L’intelligenza artificiale, per funzionare, ha bisogno di enormi quantità di informazioni e di energia. Due risorse che non sono distribuite equamente. Questo crea un paradosso: una tecnologia potenzialmente democratizzante che, nella pratica, rafforza le asimmetrie esistenti.Una breve digressione storica aiuta a mettere le cose in prospettiva. Quando l’elettricità iniziò a diffondersi, fu presentata come una forza liberatrice, capace di trasformare l’economia e migliorare la qualità della vita. Tutto vero, ma il controllo delle infrastrutture elettriche rimase concentrato in poche mani per decenni. L’AI sembra seguire una traiettoria simile, con una differenza: la velocità. Quello che prima richiedeva decenni, oggi accade in anni, se non in mesi.
Nel frattempo, la cultura tecnologica continua a produrre miti. L’idea della superintelligenza, della singolarità, della macchina che supera l’uomo in ogni dominio. Sono narrazioni potenti, utili per attrarre investimenti e talenti, ma spesso scollegate dalla realtà operativa. Le attuali AI, per quanto impressionanti, restano sistemi statistici avanzati, privi di comprensione nel senso umano del termine. Funzionano perché riconoscono pattern, non perché “pensano”. Una distinzione che molti preferiscono ignorare, forse perché meno vendibile.
Ciò non significa che il rischio sia nullo. Al contrario, i rischi più concreti sono quelli meno spettacolari: automazione massiva del lavoro cognitivo, manipolazione dell’informazione, dipendenza tecnologica, vulnerabilità sistemiche. Una società che delega sempre più decisioni a sistemi opachi diventa inevitabilmente più fragile. Non per colpa delle macchine, ma per la nostra tendenza a fidarci troppo di ciò che non comprendiamo pienamente.
Alla fine, la domanda iniziale resta aperta, ma si trasforma. Non si tratta più di chiedersi se l’intelligenza artificiale sia l’invenzione definitiva, ma definitiva per chi. Per le aziende che la controllano, rappresenta un vantaggio competitivo senza precedenti. Per gli Stati, uno strumento di potere. Per gli individui, un’opportunità e una minaccia, spesso indistinguibili.
Una frase, quasi aforistica, riassume bene la situazione: l’AI non sostituirà l’uomo, ma cambierà il valore relativo di ciò che significa essere umano. In un mondo dove il calcolo è abbondante, ciò che diventa scarso è il giudizio. E il giudizio, almeno per ora, resta sorprendentemente difficile da scalare.