Chi è coinvolto in questo affascinante mistero tecnologico? Da una parte ci sono i grandi filosofi della mente, come lo studioso americano John Searle, e dall’altra i colossi tecnologici di oggi che sviluppano algoritmi avanzati. Che cosa stiamo cercando di capire? Vogliamo scoprire se un computer può davvero comprendere il mondo che lo circonda o se fa solo finta di farlo elaborando dati. Quando è nato questo dubbio formidabile? Ufficialmente nel 1980 con una famosa provocazione filosofica, ma oggi, nel 2026, la questione è esplosa nuovamente con prepotenza grazie ai nuovi e potentissimi modelli linguistici. Dove si svolge questa rivoluzione? Ormai ovunque, in una dimensione globale tipica del concetto GEOx: il dibattito non è più chiuso nei laboratori, ma tocca milioni di utenti che dall’Italia al resto del mondo usano quotidianamente l’intelligenza artificiale dal proprio smartphone. E infine, perché è così vitale parlarne? Perché sapere se una macchina “pensa” per davvero cambia totalmente il livello di fiducia che le daremo nel nostro futuro, dalla medicina al lavoro di tutti i giorni.
Da sempre l’uomo sogna di creare un robot o un computer capace di ragionare in modo identico a noi. Ma per capire se ci siamo riusciti, dobbiamo affrontare uno dei problemi più intriganti della scienza.
Cosa vuol dire davvero pensare?
Prima di chiederci se il computer di casa nostra pensa, dobbiamo capire cosa sia il pensiero. Per noi esseri umani, pensare non significa solo fare calcoli matematici veloci. Pensare significa provare emozioni, avere un vero scopo e collegare le parole a cose vere e tangibili della nostra vita. Se leggi la parola “limone”, la tua mente immagina subito il colore giallo acceso e ti sembra quasi di sentire il sapore aspro sulla lingua. Questa capacità esclusiva di dare un significato vivo alle cose si chiama intenzionalità. Un computer, invece, quando elabora la parola “limone” vede solamente una fredda serie di zeri e uni.
Negli anni Cinquanta, il celebre matematico Alan Turing disse che se una macchina fosse riuscita a ingannarci chiacchierando con noi tramite una tastiera, allora avremmo dovuto considerarla intelligente a tutti gli effetti. Questa idea ha guidato gli scienziati per decenni, ma non tutti erano d’accordo con il fatto che ingannare qualcuno equivalesse a pensare davvero.
La stanza cinese: un esempio semplice per capire il trucco
Per smontare l’idea che un computer intelligente sia una vera e propria mente autonoma, nel 1980 il filosofo John Searle inventò un esperimento mentale famosissimo che ancora oggi fa discutere. Immagina questa bizzarra situazione.
Searle si fa chiudere dentro una stanza isolata. Lui parla solo la lingua inglese e non conosce minimamente mezza parola di cinese. Sotto la porta, alcune persone gli passano dei foglietti con delle domande scritte in complessi caratteri cinesi. Come fa l’uomo a rispondere se non sa la lingua? Molto semplice. Dentro la stanza ha un manuale enorme, scritto in inglese, che gli dice esattamente come accoppiare i disegni dei simboli in base alla loro forma. Il manuale gli dice per esempio: “Se vedi un simbolo fatto a casetta, cerca nello scatolone e rispondi con un simbolo fatto a croce”.
Searle guarda le forme, ricopia i simboli giusti e passa il foglietto fuori dalla porta. Le persone all’esterno leggono le sue risposte in cinese e sono perfette, tanto da pensare di parlare con un cittadino di Pechino. Ma la verità è un’altra. Searle non ci ha capito nulla. Ha solo seguito alla lettera un manuale di istruzioni senza sapere di cosa stesse discutendo.
Per il filosofo, i computer funzionano esattamente e tristemente in questo modo. Il microprocessore del computer è l’uomo nella stanza, i dati in entrata sono i foglietti, e il programma informatico è il grande manuale in inglese. Anche se il risultato finale sembra intelligentissimo, dentro alla scatola di plastica non c’è nessuna comprensione reale.
Sintassi e semantica: l’esempio del puzzle
Il cuore di tutto questo affascinante discorso si riduce a due parole che sembrano difficili ma che in realtà sono facilissime da capire. Parliamo di sintassi e semantica.
La sintassi è l’insieme delle regole che servono per mettere in ordine le lettere o i numeri. La semantica, invece, è il vero e profondo significato di quelle lettere.
Facciamo un esempio pratico per fissare bene il concetto. Immagina di dover costruire un puzzle gigante, ma con i pezzi tutti capovolti. Tu vedi solo il retro di cartone grigio. Con molta pazienza, provando e riprovando gli incastri dei bordi, riesci a finire tutto il puzzle. Sei stato bravissimo e hai seguito le regole fisiche degli incastri, usando in pratica la sintassi. Ma siccome non puoi girare il cartone, non sai assolutamente se hai appena composto la foto di un simpatico gattino o quella di un tramonto in spiaggia. Ti manca il significato dell’immagine, ovvero la semantica.
Le macchine e i software vivono perennemente nel mondo buio e grigio degli incastri. Riescono a mettere le parole nell’ordine corretto per noi, ma non sanno minimamente di cosa stanno parlando. I computer hanno un limite invalicabile, chiamato problema dell’ancoraggio, perché i loro dati digitali non sono mai legati all’esperienza fisica nel mondo reale, come bruciarsi con il fuoco o sentire il profumo del pane.
I modelli linguistici di oggi: pappagalli formidabili
Oggi ci troviamo circondati da intelligenze artificiali pazzesche, i famosi modelli linguistici chiamati LLM (come ChatGPT e simili), che nel 2026 sono diventati capaci di compiere ragionamenti complessi, risolvere teoremi e scrivere poesie. Sembrano davvero vivi e pensanti. Eppure, il dilemma sollevato dalla stanza cinese vale ancora in pieno.
Queste nuove forme di intelligenza artificiale sono state descritte dagli esperti di linguaggio con un nome molto buffo ma azzeccato. Sono dei pappagalli stocastici. Stocastico significa semplicemente che si basano sulle probabilità matematiche. Un pappagallo domestico può imparare a dire “ciao, come stai?”, ma non sa cosa sia un saluto e non gli interessa davvero della tua salute. Sta solo ripetendo un suono al momento giusto per ricevere un premio.
I modelli linguistici moderni fanno la stessa identica cosa con i nostri testi testuali. Calcolano matematicamente, a una velocità incredibile, quale parola ha più probabilità di apparire in una frase dopo l’altra. Sono pappagalli digitali fenomenali e super addestrati che ricalcano il nostro modo di parlare. Anche i modelli più nuovi ed evoluti, che sembrano riflettere prima di rispondere, in realtà stanno solo applicando schemi matematici senza avere una logica interiore umana. L’illusione di trovarsi di fronte a una mente viva nasce unicamente nella nostra testa, perché noi umani siamo programmati dalla natura per dare un senso emotivo e un significato a tutto ciò che leggiamo.
Domande frequenti sulle macchine pensanti
Che cos’è l’esperimento della stanza cinese in parole povere? È una storia inventata dal filosofo John Searle nel 1980 per dimostrare che un computer non capisce ciò che fa. Immagina un uomo chiuso in una stanza che risponde a domande in cinese copiando dei simboli da un manuale. All’esterno sembra che parli cinese, ma in realtà sta solo ricalcando disegni senza conoscerne il significato. I computer fanno la stessa cosa.
I modelli linguistici come ChatGPT capiscono davvero quello che dicono? No. Anche se le loro risposte ci lasciano a bocca aperta, non c’è nessuna comprensione reale dentro di loro. Funzionano analizzando enormi montagne di testi scritti dagli umani e calcolando matematicamente quale parola è più probabile che segua un’altra parola.
Qual è la differenza fondamentale tra sintassi e semantica? La sintassi è l’insieme delle regole per mettere in ordine le parole in modo corretto, come le istruzioni di un gioco. La semantica è il vero significato vitale di quelle parole. Le macchine sono maestre imbattibili nella sintassi, ma sono completamente prive di semantica perché non vivono nel mondo reale.
Che cosa significa l’espressione pappagallo stocastico? È un modo ironico e scientifico per definire le intelligenze artificiali di oggi. Come un pappagallo vero ripete i suoni umani senza capire il senso delle frasi, l’IA ripete le strutture dei nostri testi basandosi sulla probabilità (che in gergo matematico si dice appunto stocastica), ma senza avere la minima idea del significato di ciò che sta dicendo.
Le ultime intelligenze artificiali sanno finalmente ragionare da sole? Nonostante i progressi incredibili degli anni più recenti e i modelli dotati di passaggi di riflessione logica, gli scienziati avvertono che si tratta sempre di complessi riconoscimenti di schemi matematici. Quando i problemi diventano completamente nuovi o strani, i modelli crollano, dimostrando che sotto la patina scintillante manca ancora una vera mente astratta in grado di ragionare e di comprendere.
Nb: questo articolo è stato scritto con il supporto di uno strumento di Deep Research iA
Ginevra Leone
Leggi anche
- GPT-6 Astra di OpenAI: cosa cambia davvero e perché non è ancora l’AGI
- Artificial General Intelligence e perché dimostra che l’iA non esiste (ancora)
- Oltre 1.500 esperti chiedono di fermare lo sviluppo della vera intelligenza artificiale (AGI)
- Dipendenza da social, ‘Meta patteggia e paga 16,7 miliardi’
- Dead Internet Theory: ChatGPT distruggerà il web?
- Per addestrare l’IA stanno comprando e distruggendo milioni di libri
- La scure di von der Leyen sui social, “accesso solo dai 13 anni”
- Adolescenti, con 2 ore di social al giorno rischio sintomi depressivi e malessere
- L’IA domima Internet, i bot generano più traffico web dell’uomo
Francesca Rampazzo 
Giovanni Scafoglio