Da almeno due anni l’intelligenza artificiale viene raccontata come una rivoluzione inevitabile e totale. Una forza destinata a riscrivere economia, lavoro, istruzione e persino il significato dell’essere umano. Nel racconto dominante manca soltanto la colonna sonora hollywoodiana, perché il resto sembra già pronto: macchine sempre più intelligenti, AGI in arrivo, produttività esplosiva e una nuova era tecnologica capace di cambiare tutto.
Poi arriva Barry Smith e, con la calma di un filosofo che da decenni studia dati, linguaggio e sistemi cognitivi, smonta gran parte della narrazione dominante senza bisogno di toni apocalittici o slogan anti-tech.
Il professore britannico, docente all’Università di Buffalo e tra i maggiori esperti mondiali di ontologie applicate all’intelligenza artificiale e alla medicina, non nega l’utilità dell’AI. Non appartiene alla categoria dei nostalgici che vorrebbero spegnere Internet e tornare al fax. Ma invita a distinguere tra ciò che funziona davvero e ciò che viene gonfiato da un ecosistema economico alimentato da aspettative gigantesche.
Secondo Smith, il vero rischio oggi potrebbe non essere una superintelligenza fuori controllo. Potrebbe essere molto più banalmente una gigantesca bolla finanziaria.
L’immagine che usa è quasi brutale nella sua semplicità. L’intelligenza artificiale sarebbe diventata una sorta di mostro che si nutre di clamore e promesse, sostenuto da miliardi di dollari e dalla necessità continua di convincere investitori e opinione pubblica che la rivoluzione definitiva sia sempre dietro l’angolo.
È un attacco diretto al cuore della Silicon Valley contemporanea. Perché gran parte del valore economico dell’ecosistema AI non si basa sui ricavi attuali, ma sull’aspettativa futura dell’AGI, la cosiddetta Artificial General Intelligence. Una macchina teoricamente capace di superare l’intelligenza umana in quasi ogni ambito cognitivo.
Per molti leader tecnologici non è più una questione di “se”, ma di “quando”. Demis Hassabis di Google DeepMind, uno dei ricercatori più rispettati al mondo nel settore, ha recentemente dichiarato che siamo “ai piedi della singolarità”, evocando quel momento quasi mitologico in cui l’intelligenza artificiale supererà la nostra capacità di comprensione.
Smith, invece, resta glaciale. Non crede affatto che l’AGI sia possibile nei termini in cui viene raccontata oggi.
Il filosofo sostiene che i modelli linguistici miglioreranno ancora, ma gradualmente. Nessuna esplosione improvvisa di superintelligenza. Nessuna coscienza artificiale pronta a governare il mondo. Piuttosto una lunga evoluzione di strumenti statistici sempre più sofisticati ma ancora profondamente limitati.
Ed è interessante che questa critica arrivi da qualcuno che lavora concretamente sull’intelligenza artificiale, non da un osservatore esterno. Smith conosce bene i limiti strutturali dei modelli generativi. Li definisce per quello che sono: sistemi di previsione statistica estremamente avanzati, capaci di individuare schemi nei dati e prevedere sequenze linguistiche plausibili.
Funzionano molto bene in compiti circoscritti. Possono migliorare la ricerca di informazioni rispetto ai vecchi motori di ricerca. Possono aiutare nella scrittura di codice relativamente semplice. Possono accelerare attività ripetitive. Ma quando il contesto diventa davvero complesso, osserva il professore, spesso vanno in tilt.
Perfino il cosiddetto vibe coding, diventato per mesi una moda nella comunità tech, starebbe mostrando limiti evidenti. Molti sviluppatori si sono accorti che correggere continuamente errori generati dall’AI richiede più tempo che scrivere direttamente il codice in autonomia.
In pratica, la promessa dell’automazione totale continua a scontrarsi con una realtà molto meno cinematografica.
Questo non significa che Smith ritenga l’AI inutile. Significa che la distanza tra marketing tecnologico e capacità reali potrebbe essere enorme.
Ed è qui che il discorso di Smith assume una dimensione economica molto più ampia.
Secondo il filosofo, l’intero ecosistema finanziario dell’intelligenza artificiale ricorda pericolosamente altre bolle speculative del passato. Il paragone evocato è quello dei mutui subprime e del collasso Lehman Brothers del 2008. Non perché l’AI sia destinata a sparire, ma perché attorno alla promessa della AGI si starebbe accumulando una quantità crescente di capitale basata su aspettative forse irrealistiche.
Il meccanismo psicologico è noto. Gli investitori finanziano oggi aziende che promettono profitti giganteschi domani. Tutto regge finché il mercato continua a credere nella narrazione della crescita esponenziale. Ma se a un certo punto dovesse emergere la consapevolezza che i ricavi attesi non arriveranno nei tempi immaginati, potrebbe iniziare una fuga improvvisa dai capitali AI.
Smith la definisce una possibile “AI subprime”.
Una definizione provocatoria, ma che intercetta una domanda sempre più presente anche tra economisti e venture capitalist: quanto del boom AI è sostenuto da fondamentali economici solidi e quanto invece dalla paura di restare esclusi dalla prossima rivoluzione tecnologica?
La questione riguarda direttamente anche il mercato del lavoro e l’università.
Secondo Smith si sta creando una corsa quasi isterica verso ogni disciplina collegata all’intelligenza artificiale. Sempre più studenti vogliono specializzarsi nel settore, mentre le università corrono per aprire corsi, master e dipartimenti dedicati. Il problema, osserva ironicamente, è che mancano docenti realmente qualificati in numero sufficiente.
La battuta è tagliente: ormai ogni università sembra dover costruire un edificio AI per sentirsi al passo coi tempi.
Dietro l’ironia si nasconde però una critica seria. La qualità di parte della formazione rischia di essere mediocre, alimentata più dalla domanda di mercato che da una reale maturazione scientifica.
Paradossalmente, Smith individua grandi opportunità non tanto nella programmazione pura quanto in discipline ibride come l’ontologia applicata. Un settore poco conosciuto dal grande pubblico ma centrale per il funzionamento dei modelli linguistici. Se l’AI vive di dati strutturati, qualcuno deve organizzare quei dati in modo coerente tra lingue, settori e sistemi differenti.
È un lavoro che richiede filosofia, logica, linguistica e informatica insieme.
In un’epoca ossessionata dalla velocità del coding, il filosofo suggerisce quindi qualcosa di quasi controcorrente: studiare categorie, definizioni, linguaggio condiviso e capacità concettuale.
Anche sul piano educativo il professore appare meno pessimista di quanto ci si potrebbe aspettare. Non vede un collasso cognitivo generalizzato negli studenti. Anzi, racconta che molti di loro detestano l’idea di delegare completamente il proprio lavoro all’intelligenza artificiale.
Per contrastare il rischio di apprendimento superficiale, l’università di Buffalo punta molto sugli esami orali e sul confronto diretto. Gli studenti devono saper argomentare senza appunti, sostenere tesi con parole proprie, discutere criticamente idee e concetti.
È quasi una piccola ribellione culturale nell’epoca della delega algoritmica permanente. Ma il punto forse più interessante riguarda la medicina, settore in cui Smith lavora concretamente da anni.
Qui il filosofo mostra un approccio molto pragmatico. L’intelligenza artificiale può essere estremamente utile in diagnostica, nell’analisi delle immagini cliniche, nell’organizzazione dei dati sanitari e nel supporto alle decisioni mediche. Alcuni sistemi basati su AI logica hanno già dimostrato risultati notevoli, perfino nella previsione di future patologie attraverso semplici immagini della retina.
Eppure l’adozione su larga scala resta lenta. Il motivo, secondo Smith, non è soltanto tecnologico. È culturale, normativo e organizzativo. I tempi della regolazione sanitaria sono incompatibili con la velocità evolutiva dei modelli AI. Quando un sistema ottiene approvazioni e validazioni, spesso è già stato superato da una versione più recente.
Il risultato è quello che definisce “un enorme paradosso regolatorio”.
Anche qui, però, il filosofo respinge la narrativa della sostituzione totale. L’AI non eliminerà i medici. Diventerà piuttosto uno strumento invisibile ma integrato nella pratica quotidiana, esattamente come Internet o gli smartphone.
In radiologia questo processo è già evidente. Gli algoritmi aiutano i professionisti a lavorare meglio e più rapidamente, ma non hanno cancellato la figura del medico.
In fondo, tutto il pensiero di Barry Smith ruota attorno a una convinzione molto precisa: l’intelligenza artificiale sarà importante, ma non nel modo quasi religioso con cui oggi viene raccontata.
Non ci sarà un dio digitale pronto a sostituire l’umanità. Non ci sarà una superintelligenza onnipotente capace di governare il mondo. Piuttosto una lunga trasformazione fatta di strumenti utili, limiti persistenti, adattamenti graduali e inevitabili eccessi speculativi.
Il vero rischio, allora, potrebbe non essere che le macchine diventino troppo intelligenti. Potrebbe essere che gli esseri umani smettano di esserlo abbastanza da distinguere tra innovazione reale e narrazione finanziaria.