Gli aeroplani volano da più di un secolo, eppure nessuno ha mai rimproverato loro di non possedere piume, polmoni e ossa cave. Né ci siamo meravigliati scoprendo che un Boeing non depone uova. Abbiamo capito abbastanza presto che, per sollevarsi da terra, una macchina non deve diventare un uccello. Deve risolvere il problema del volo.

La distinzione sembra ovvia. Eppure ci sono voluti secoli, molti tentativi falliti e qualche uomo caduto malamente da una collina prima di comprenderla. All’inizio, per volare, gli uomini guardarono gli animali che già lo facevano. Era la scelta più ragionevole. La natura dispone di un laboratorio che lavora da milioni di anni e non chiude neppure nei giorni festivi.

Leonardo da Vinci osservò a lungo il nibbio. Studiò il modo in cui sfruttava le correnti, governava la direzione con la coda e modificava l’assetto delle ali. Disegnò macchine che cercavano di tradurre quei movimenti in leve, membrane e ingranaggi. A poco a poco, però, il problema cambiò. La domanda non era più: come possiamo riprodurre un uccello? Diventò: che cosa permette a un corpo più pesante dell’aria di restare sospeso e di controllare il proprio movimento?

Secoli dopo, anche i fratelli Wright partirono dagli uccelli, ma nel loro laboratorio entrarono altri due oggetti: l’aquilone e la bicicletta. L’aquilone consentiva di sperimentare le forze dell’aria senza rischiare ogni volta la vita. La bicicletta aveva insegnato loro che l’instabilità può essere governata con piccole correzioni continue. Ai due fratelli non interessava costruire il migliore uccello artificiale. Cercavano una macchina capace di sollevarsi, avanzare e cambiare direzione senza cadere.

Il passaggio decisivo avvenne quando l’imitazione lasciò il posto all’astrazione. Dall’uccello, dall’aquilone e dalla bicicletta furono ricavati i principi del volo. La soluzione tecnica seguì poi una strada propria: ali fisse, superfici di controllo, un motore leggero e due eliche fecero ciò che piume, muscoli e battiti d’ala compivano in altro modo. L’aeroplano non era un uccello riuscito male. Era una diversa soluzione allo stesso problema.

La biomimetica contemporanea segue questo percorso. Osserva una prestazione della natura, ne individua il principio funzionale e lo trasferisce in materiali e dispositivi che possono avere un aspetto completamente diverso dal modello iniziale. Il treno ispirato al becco del martin pescatore non ha bisogno di nutrirsi di pesci. Un adesivo modellato sulle zampe del geco non deve arrampicarsi sui muri durante la notte. A un certo punto la buona imitazione deve smettere di imitare.

Il passaggio dall’imitazione all’astrazione e a una nuova implementazione può essere considerato un’estensione del principio di equifinalità, che afferma che condizioni iniziali differenti e percorsi differenti possono condurre un sistema aperto a uno stesso stato finale. Più in generale, architetture diverse possono conseguire risultati funzionalmente comparabili attraverso processi diversi. Un sottomarino percorre il mare senza branchie; una macchina fotografica registra immagini senza possedere una retina. Le differenze dei mezzi non impediscono l’equivalenza delle prestazioni.

Ho voluto ricordare questo principio perché, quando si parla dell’intelligenza artificiale generativa (genAI) che opera col linguaggio naturale, i giudizi assumono talvolta forme singolari. Si sostiene che una macchina non possa produrre prestazioni comparabili a quelle umane perché non possiede un corpo biologico, una coscienza, intenzioni, valori o una comprensione semantica del mondo. Sarebbe come affermare che un’automobile non possa scalare il Monte Bianco perché non ha due gambe. Nessuno, però, ha mai chiesto alla Ferrari di sostituire le ruote con le gambe.

Il disagio è comprensibile. La GenAI entra nel territorio che consideravamo più nostro: compone testi, risponde a domande, riconosce immagini, costruisce argomentazioni. Lo fa elaborando enormi quantità di dati e calcolando relazioni statistiche, non ricordando un’infanzia, desiderando un futuro o provando vergogna per una frase mal riuscita. Il risultato ci somiglia; il processo molto meno. È precisamente questa distanza a disorientarci.

Conviene allora separare due domande che spesso vengono sovrapposte. La prima riguarda la prestazione: una macchina può produrre un testo efficace, pertinente rispetto alla situazione in cui viene interrogata? La seconda riguarda il suo statuto: la macchina comprende ciò che scrive, attribuisce significati alle parole, possiede una mente o una coscienza? Il successo nella prima prova non risolve automaticamente la seconda. Ma neppure l’incertezza sulla seconda cancella ciò che accade nella prima. Un aeroplano che vola non dimostra di essere diventato un uccello. Allo stesso modo, una macchina che costruisce un testo sofisticato non dimostra, per questo solo fatto, di possedere una mente umana. Sarebbe tuttavia singolare negare che voli soltanto perché non è un uccello.

Il problema non è nuovo. Nel 1950 Alan Turing aggirò prudentemente la domanda «Le macchine possono pensare?», troppo carica di parole difficili da definire. Propose un criterio operativo: se, durante un’interazione linguistica, un osservatore non riesce a distinguere con affidabilità la macchina dall’essere umano, abbiamo buone ragioni per attribuire alla macchina un comportamento intelligente. Turing non aprì la macchina per cercarvi una piccola mente. Guardò ciò che accadeva nello scambio.

Trent’anni dopo John Searle spostò di nuovo il problema. Immaginò un uomo chiuso in una stanza, munito di istruzioni che gli consentivano di ricevere caratteri cinesi e restituire risposte corrette. L’uomo poteva manipolare i simboli secondo regole sintattiche senza comprendere una sola parola di cinese. La conclusione di Searle era netta: la sintassi può bastare a trattare correttamente i simboli, ma non basta, da sola, a generare semantica e comprensione.

Turing e Searle non pongono esattamente la stessa domanda. Il primo ci invita a giudicare una prestazione osservabile; il secondo ci mette in guardia dal confondere la prestazione con la presenza di una mente. Entrambi hanno ragione nel delimitare il proprio problema. La confusione comincia quando usiamo la mancanza di una mente umana per negare la prestazione, oppure la qualità della prestazione per proclamare la nascita di una mente.

Le macchine generative non conoscono il mondo come lo conosciamo noi. Non hanno attraversato una piazza assolata, litigato con un amico o atteso con impazienza una telefonata. Eppure riescono a organizzare parole e immagini con una flessibilità che fino a pochi anni fa sembrava inseparabile da quelle esperienze. Questo fatto non dimostra che comprendano nel nostro stesso modo. Dimostra qualcosa di forse più interessante: alcune prestazioni che ritenevamo ottenibili per una sola via possono essere raggiunte anche per un’altra.

Per valutare la GenAI dovremmo quindi chiederci meno quanto assomigli all’essere umano e più che cosa riesca a fare, attraverso quali processi, entro quali limiti e con quali conseguenze. Il problema della consapevolezza rimane aperto, ma quello della responsabilità resta saldamente nelle nostre mani.

Le macchine producono testi, dialogano, sbagliano, sorprendono e qualche volta ci aiutano a pensare. Ci ostiniamo a cercare piume, polmoni e uova nell’intelligenza artificiale perché fatichiamo ad ammettere che possano esistere altri modi di volare.