Succede quasi sempre che, durante una conferenza o alla presentazione del nostro libro (ChatGPT e le intelligenze artificiali, Fandango, Roma 2025), qualcuno dal pubblico alzi la mano e chieda: “Ma l’intelligenza artificiale pensa davvero?”. Questa domanda può prendere forme diverse: “Supererà gli esseri umani?”, “Può essere creativa?”, “Sta diventando intelligente come noi?”.

La risposta immediata è relativamente semplice: no, le IA non pensano, se con “pensiero” intendiamo ciò che fanno gli esseri umani. Ma questa risposta richiede più cautela di quanto sembri.

L’IA come biografia intellettuale

Già negli anni Settanta e Ottanta, filosofi come Hubert Dreyfus e John Searle avevano mostrato che le macchine possono manipolare simboli senza comprenderli: operano a livello sintattico, ma non semantico. Dreyfus insisteva sull’impossibilità di formalizzare il sapere pratico, incarnato, situazionale (Dreyfus, 1972); Searle, con il celebre esperimento mentale della “stanza cinese”, mostrava che l’elaborazione corretta di simboli non implica comprensione (Searle, 1980).

Queste posizioni restano filosoficamente solide, ma oggi richiedono un’integrazione: i modelli linguistici di grandi dimensioni non si limitano a manipolare simboli discreti, bensì operano su rappresentazioni vettoriali dense che codificano relazioni statistiche tra contesti d’uso. Questo non li rende “comprensivi” nel senso pieno del termine, ma rende più complessa la distinzione netta tra sintassi e semantica. La loro mancanza fondamentale non è tecnica, ma esistenziale: le IA non hanno un corpo, non abitano un mondo, non fanno esperienza diretta della realtà. Elaborano tracce del mondo, già filtrate e trasformate da dispositivi tecnici e processi di registrazione. Sono, in un senso preciso, macchine della secondarietà.

Ma fermarsi qui rischia di farci perdere ciò che conta davvero. La domanda decisiva non è: le macchine pensano? È piuttosto: che cosa fanno le macchine al nostro pensiero? Che cosa fanno alla nostra creatività? Come trasformano le nostre pratiche di studio, di scrittura, di lavoro? E, più in generale, che cosa fanno alle nostre società? Porre la questione in questi termini implica uno spostamento importante: dall’ontologia (che cosa sono le macchine) alla pratica (che cosa fanno). E questo spostamento è, a nostro avviso, decisivo per comprendere il momento che stiamo attraversando.

Contro il mito della novità

Nel nostro libro abbiamo cercato di rispondere a queste domande raccontando l’intelligenza artificiale come una biografia intellettuale: una tecnologia e, insieme, un oggetto storico e culturale, inserito in una lunga genealogia di idee, pratiche e immaginari. Questo cambia radicalmente la prospettiva.

In primo luogo, significa prendere le distanze dalla retorica dell’eccezionalità tecnologica. L’IA non è una rottura totale con il passato, ma una continuità. Le promesse che oggi la accompagnano – automazione del lavoro, conoscenza immediata, creatività senza sforzo – sono tutt’altro che nuove. Appartengono a una lunga storia di tecnologie della conoscenza: dalle tecniche di scrittura alle macchine calcolatrici, dai database ai motori di ricerca. Riconoscere questa continuità, senza sminuire la portata del cambiamento in corso, significa dotarsi degli strumenti analitici per comprenderlo senza restarne sopraffatti.

In secondo luogo, questa prospettiva permette di criticare i discorsi orientati esclusivamente al futuro, siano essi ottimistici o apocalittici. Discutere se le macchine prenderanno il sopravvento sugli umani o se salveranno il pianeta rischia di distrarci dai problemi presenti: il consumo di risorse (energia, acqua, terre rare), le tensioni geopolitiche legate alla sovranità dei modelli, il ruolo delle grandi piattaforme, le forme di lavoro – spesso invisibile – che rendono possibile il funzionamento dell’IA.

Pensiamo, ad esempio, ai lavoratori del cosiddetto “click work”, che etichettano dati, filtrano contenuti, correggono output. Oppure al fatto che i modelli di IA generativa sono stati addestrati su enormi quantità di testi e immagini prodotti da esseri umani: libri, articoli, opere d’arte, enciclopedie collaborative. In questo senso, l’IA non è mai “autonoma”: è sempre il risultato di un lavoro collettivo, spesso poco visibile.

È interessante notare come, sempre più spesso, siano proprio i protagonisti dell’industria tecnologica a mettere in scena scenari catastrofici sul futuro dell’IA. Questo può sembrare un segno di responsabilità, ma ha anche un effetto preciso: sposta l’attenzione in avanti, verso un futuro ipotetico, lasciando in ombra le questioni attuali.

Liscezza, noia e immaginari: il vero problema delle IA

Se spostiamo lo sguardo dalle grandi narrazioni alle pratiche quotidiane, emerge un problema diverso da quello che viene più spesso discusso. Si parla molto delle “allucinazioni” dell’IA, cioè della sua tendenza a produrre informazioni false. È certamente un problema importante. Ma ce n’è uno forse ancora più profondo e meno visibile: quello che nel libro chiamiamo liscezza (smoothness in inglese).

Le IA generative producono testi grammaticalmente corretti, ben strutturati, coerenti. Eppure, molto spesso, questi testi sono prevedibili, senza attrito, senza sorpresa. In una parola: noiosi. Chi insegna lo vede chiaramente: compiti perfetti nella forma, ma poveri di idee. Testi che rispettano tutte le regole, ma che non sorprendono, non interrogano, non aprono problemi. Se chiediamo a un’IA di scrivere un tema sull’ambiente, otterremo molto probabilmente un testo ben organizzato, con introduzione, sviluppo e conclusione, con argomenti plausibili e formulazioni corrette. Ma difficilmente troveremo una posizione veramente originale, una deviazione inattesa, una presa di rischio. Questo perché i modelli sono progettati per evitare l’errore e massimizzare la plausibilità. Ma evitare l’errore significa spesso evitare anche l’innovazione.

Elogio del bug

A tal proposito, è interessante quanto dice il filosofo del digitale Marcello Vitali-Rosati nel suo libro, purtroppo non ancora tradotto in italiano, Éloge du bug: Être libre à l’époque du numérique (2024). Per lui, il bug informatico è una metafora della distanziazione critica che dovremmo prendere rispetto alla tendenza delle tecnologie digitali alla funzionalità immediata, all’efficacia senza attrito. Per noi, è addirittura una metafora della nostra capacità di innovare e creare: più che novità radicale, creatio ex nihilo, innovazione e creatività sono da intendersi come bug, o glitch – per usare un’altra nozione informatica – rispetto alla tradizione e l’abitudine sclerotizzata.

Questa liscezza ha anche una dimensione culturale più ampia. È legata agli immaginari che accompagnano l’IA. Le immagini più diffuse – robot umanoidi, cervelli digitali, superfici lucide, ambienti blu e asettici – producono un effetto preciso: creano fiducia, rendono la tecnologia familiare, riducono il conflitto. In questo senso, hanno un effetto profondamente anestetizzante: non solo non “danno da pensare”, ma tendono a disinnescare la possibilità stessa del dibattito e della controversia. L’IA appare così come qualcosa di già accettato, già integrato, quasi inevitabile. Non come un oggetto da discutere, ma come uno strumento da adottare.

Tale dinamica è particolarmente evidente se si confrontano queste immagini con le rappresentazioni più critiche dell’IA – quelle che emergono nella ricerca, nell’arte contemporanea o in alcune opere di fantascienza. Mentre queste ultime mettono in scena ambiguità, tensioni, conflitti, le immagini dominanti dell’IA tendono a neutralizzare ogni ambivalenza. Promuovono una forma di accettabilità diffusa, una sorta di consenso visivo che precede e orienta anche il consenso sociale.

L’IA non è più solo oggetto di immaginazione: è diventata dispositivo di produzione dell’immaginario. Genera immagini, testi, narrazioni a partire da archivi visivi – in particolare immagini di stock, cioè quelle che si possono comprare a poco prezzo sui siti di agenzie come Getty Images e Shutterstock – che presentano superfici lisce, estetiche pulite, rappresentazioni standardizzate. Il risultato è una circolarità: l’IA produce immagini a partire da immagini già dominanti, rafforzandole ulteriormente. Non si tratta di una questione estetica: l’IA non è uno specchio neutro della cultura, ma un amplificatore selettivo di ciò che è già dominante.

Critica dela liscezza

Di recente abbiamo collaborato al progetto Everything is real degli artisti Stéphane Degoutin e Gwenola Wagon. Attraverso video generati con IA che spingono fino all’assurdo gli stereotipi delle immagini di stock (mele sempre più rosse, uffici sempre più verdi, lavoratori sempre più sorridenti) e testi critici, Everything is real mostra come l’IA non faccia che riprodurre e amplificare i cliché visivi fino a renderli inquietanti.

In effetti, pensiamo sia quanto mai necessario sviluppare una vera e propria critica generale della liscezza. Oltre a essere una caratteristica dei contenuti prodotti dalle IA, occorre riconoscere una logica più ampia, che attraversa diversi livelli. Possiamo distinguere almeno quattro piani su cui questa liscezza si manifesta: quello dei discorsi, quello dei modelli, quello delle interfacce e quello dei prodotti. Questi livelli non sono separati, ma si rafforzano a vicenda, contribuendo a costruire un ambiente in cui tutto tende a essere fluido, immediato, privo di attrito.

Sul piano dei discorsi, la liscezza si traduce in narrazioni rassicuranti e semplificate, che riducono lo spazio del conflitto e del dibattito. Sul piano dei modelli, prende la forma di una produzione orientata verso ciò che è più probabile e plausibile, cioè verso una media statistica che tende a smussare le differenze. Le interfacce, a loro volta, sono progettate per essere sempre disponibili, cordiali, accomodanti: evitano lo scontro, non oppongono resistenza, non mettono in difficoltà. Infine, nei prodotti – testi, immagini, schemi, risposte – la liscezza si manifesta come correttezza senza intensità, coerenza senza rischio, funzionalità senza sorpresa. È in questa convergenza che si gioca forse il problema più profondo: non tanto l’errore delle IA, quanto la loro capacità di produrre un mondo in cui tutto è già, in qualche modo, accettabile.

Saperi, scuola e immaginazione

Sarebbe però un errore attribuire tutto questo all’intelligenza artificiale. L’IA è piuttosto la punta dell’iceberg di un processo molto più lungo: quello che possiamo chiamare la domesticazione del pensiero. Da sempre le nostre società sviluppano tecniche per organizzare, disciplinare e rendere prevedibile l’intelligenza.

Pensiamo alla scuola e all’università. Impariamo a scrivere seguendo schemi, a costruire argomentazioni secondo regole, a rispettare formati. Questo ha una funzione fondamentale: permette di costruire uno spazio comune di comunicazione. Ma oltre una certa soglia, queste forme diventano limitanti. Si finisce per premiare ciò che è corretto più che ciò che è originale. Un’idea conta più per come è formulata che per ciò che introduce.

In questo senso, l’IA rappresenta una continuità radicalizzata più che una rottura. Estende e intensifica una logica già presente. Questo ha effetti anche sul nostro rapporto con il sapere. L’IA opera principalmente per correlazione: mette in relazione elementi che appaiono frequentemente insieme nei dati. Ma il senso non è riducibile alla correlazione. Comprendere significa anche interpretare e situare, dare contesto.

Qui emerge una tensione importante tra un sapere come produzione fluida di testi e un sapere come pratica interpretativa, ermeneutica insomma. Se il primo è facilmente delegabile, il secondo richiede ancora un coinvolgimento attivo. Questa tensione è particolarmente visibile nel contesto educativo, dove l’IA generativa sta producendo trasformazioni che non riguardano solo gli strumenti ma i fini stessi dell’apprendimento. Cambiano i criteri di valutazione, il concetto di autorialità, e cambia il rapporto degli studenti con il sapere.

Quando uno studente delega la produzione di un testo a un sistema generativo, in gioco non c’è solo l’onestà accademica: siamo di fronte a una vera ristrutturazione del processo attraverso cui il pensiero si forma scrivendosi. La scrittura è il prodotto finale del pensiero, ed è anche il mezzo di elaborazione. Rinunciarvi non è neutrale: significa rinunciare a una parte del processo cognitivo stesso. Il rischio reale non è tanto che gli studenti imbroglino, quanto che, nel farlo, smettano di fare l’esperienza intellettuale per cui il compito era pensato.

Verso un uso agonistico dell’IA

Possiamo però immaginare anche un uso diverso. Le IA possono diventare strumenti per sviluppare un rapporto più riflessivo con il sapere. Non tanto dispositivi per evitare lo sforzo, ma occasioni per ridefinirlo. Per esempio: confrontare più risposte, analizzarne le differenze, individuare i limiti, usarle come base per una discussione. Questo implica sviluppare nuove competenze, tecniche e critiche: saper interrogare le fonti, riconoscere gli schemi, individuare ciò che manca.

In altre parole, occorre quello che chiamiamo agonismo. Di fronte alla liscezza, abbiamo bisogno di attrito, di confronto, di pluralità: nei contenuti, e anche negli immaginari. Con agonismo non intendiamo il conflitto distruttivo o la semplice polarizzazione, ma una forma di tensione produttiva, capace di far emergere differenze, di rendere visibili alternative, di riaprire le possibilità del pensiero.

Il termine non è scelto a caso: riprende, adattandola, la nozione di agonismo sviluppata da Chantal Mouffe in ambito politico (Mouffe, 2013), dove indica una forma di conflitto che non mira all’eliminazione dell’avversario ma al riconoscimento della sua legittimità entro uno spazio di contesa condiviso. Applicato al rapporto con le tecnologie cognitive, l’agonismo designa un atteggiamento che anziché neutralizzare la tensione tra macchina e pensiero umano, la abita produttivamente.

In questo senso, l’agonismo riguarda anche il modo in cui utilizziamo le tecnologie. Consente di non rifiutare l’IA, perché la si sottrae alla logica della risposta immediata e definitiva. Significa, ad esempio, non accontentarsi della prima risposta, ma interrogarla, modificarla, metterla in discussione. Significa usare questi strumenti per produrre variazioni, deviazioni, possibilità, piuttosto che per confermare ciò che è già dato. È un uso che reintroduce complessità là dove la macchina tende a semplificare.

Una questione di cultura

Ma l’agonismo è anche, e forse soprattutto, una questione di cultura. Se la liscezza tende a produrre rappresentazioni uniformi e rassicuranti, l’agonismo si alimenta di pratiche che storicamente hanno messo in crisi l’evidenza, interrogato il senso, aperto conflitti interpretativi. La fantascienza, in questo senso, è solo uno degli spazi possibili: non perché preveda il futuro, ma perché costruisce scenari in cui le tecnologie diventano problemi, creano ambiguità e dilemmi.

Allo stesso modo, l’arte contemporanea può funzionare come una pratica critica dell’IA, capace di mostrarne i limiti, le contraddizioni, gli effetti invisibili. La filosofia, dal canto suo, ha il compito di riaprire le domande che la tecnologia tende a chiudere troppo in fretta; la storia permette di reinscrivere l’IA in una continuità, sottraendola all’illusione della novità assoluta; la letteratura, infine, continua a esplorare forme di esperienza e di linguaggio che sfuggono alla pura ripetizione statistica.

In uno scenario simile, è importante difendere la cultura dall’IA, ma ciò non significa affatto che la cultura non possa e debba avere un ruolo di primo piano nella riflessione sull’IA e sul suo sviluppo concreto – anche ricorrendo al suo uso “intelligente”. Da un lato, è importante concentrare gli sforzi per evitare che la cultura venga “mangiata” dall’IA, cioè ridotta a serbatoio di dati da cui estrarre contenuti. Dall’altro, le pratiche culturali possono usare l’IA in modo critico, oppure farne un oggetto di analisi, di interpretazione, di controversia. Possono trasformarla in ciò che è sempre stata ogni tecnologia importante: non solo uno strumento, ma un problema.

L’agonismo dunque è ciò che permette di resistere alla liscezza. Non opponendosi frontalmente alla tecnologia, ma trasformandone gli usi e i significati. È una pratica critica, ma anche creativa, perché smontando moltiplica le possibilità. Ed è forse proprio questa capacità di riaprire il possibile che oggi appare più necessaria.

Questo è particolarmente importante se torniamo al modo in cui parliamo del futuro dell’IA. Gran parte dei discorsi contemporanei, abbiamo detto, è orientata verso un futuro lontano e altamente speculativo. Ma proprio per questo rischiano di funzionare come una forma di distrazione.

Accanto a questo futuro immaginato, ce n’è infatti un altro, molto più vicino: un futuro che si sta già facendo, e di cui possiamo osservare le tracce nel presente. È il futuro delle trasformazioni del lavoro, con l’automazione di alcune attività e la ridefinizione di altre; il futuro delle lotte per l’egemonia culturale, legate alla produzione e al controllo dei contenuti; il futuro delle tensioni geopolitiche attorno alle infrastrutture dell’IA, dalla produzione di microchip all’accesso alle terre rare. Questo futuro non è astratto: è già inscritto nelle nostre pratiche, nelle nostre economie, nei nostri conflitti.

È proprio qui che una prospettiva agonistica diventa decisiva. Perché ci permette di spostare l’attenzione dal futuro lontano e ipotetico a quello vicino e in costruzione. Ci invita a prendere sul serio le tensioni presenti, a riconoscere i conflitti, a dare peso alle scelte che vengono fatte oggi. Invece di subire il futuro come qualcosa di già scritto, l’agonismo ci restituisce la possibilità di pensarlo come uno spazio aperto, attraversato da forze diverse, e dunque ancora trasformabile.

Bibliografia

• H. L. Dreyfus, What Computers Can’t Do: A Critique of Artificial Reason, MIT Press, 1972 [Ed. aggiornata: What Computers Still Can’t Do, MIT Press, 1992]
• C. Mouffe, Agonistics: Thinking the World Politically, Verso, London-New York 2013.
• D. Picca, A. Romele, ChatGPT e le intelligenze artificiali, Fandango, Roma 2025.
• J. R. Searle, Minds, Brains, and Programs, in «Behavioral and Brain Sciences» 3(3), 1980, pp. 417-424.
• M. Vitali-Rosati, Éloge du bug: Être libre à l’époque du numérique, Zones – Éditions La Découverte, Paris 2024.