Il dibattito sull’intelligenza artificiale è spesso dominato da domande sul “quando” e sul “quanto”: quanto siano intelligenti le macchine, fino a che punto ci sostituiranno. Molto più raramente ci si interroga su che cosa intendiamo, in senso rigoroso, per intelligenza.
Mettiamo allora in dialogo due prospettive diverse ma complementari: il naturalismo computazionale di Blaise Agüera y Arcas e l’operazionismo cognitivo di Silvio Ceccato. Ne emerge una lettura dell’IA come fenomeno reale ma non metafisico, che invita a spostare l’attenzione dalla somiglianza con l’umano all’organizzazione delle operazioni e alle implicazioni per la governance dei sistemi socio-tecnici.
Indice degli argomenti
“Intelligenza”, una parola abusata
Nel discorso pubblico sull’intelligenza artificiale la parola “intelligenza” viene utilizzata come se il suo significato fosse evidente e condiviso. Si parla di sistemi intelligenti, di macchine che comprendono, di intelligenza artificiale generale come soglia imminente. Eppure, proprio questa apparente ovvietà rappresenta il punto debole del dibattito. Senza una definizione concettualmente solida, l’IA viene talvolta celebrata come una nuova mente artificiale e talvolta liquidata come un insieme di automatismi statistici.
La questione non è meramente teorica. Dal modo in cui definiamo l’intelligenza dipendono le aspettative tecnologiche, le scelte di investimento, le politiche di regolamentazione e persino le metafore con cui descriviamo il rapporto tra esseri umani e macchine. Chiarire che cosa intendiamo per intelligenza è quindi un passaggio necessario per orientare consapevolmente lo sviluppo e l’uso dell’IA.
L’intelligenza come fenomeno naturale della computazione
Una delle proposte più provocatorie emerse nel recente dibattito è quella di Blaise Agüera y Arcas, un informatico e fisico teorico, Chief Technology Officer for Technology and Society presso Google, che interpreta l’intelligenza come un fenomeno naturale della computazione. Nel suo recente libro What is Intelligence [1], Agüera y Arcas ragiona sul fatto che l’intelligenza non è una proprietà esclusiva dell’essere umano né un traguardo simbolico che le macchine raggiungeranno all’improvviso, ma l’esito di processi computazionali sufficientemente generali da sostenere l’adattamento, la previsione e l’azione in ambienti complessi.
In questo quadro, la computazione non è soltanto una tecnologia sviluppata nel Novecento, ma è una vera e propria scienza naturale, al pari della fisica o della biologia, che descrive come certi sistemi elaborano informazione per mantenersi operativi. L’intelligenza non è un evento discreto, ma un continuum di capacità che cresce con l’estensione della generalità e della flessibilità operativa.
Questa impostazione consente di osservare i large language model attuali con maggiore realismo. La loro capacità di affrontare compiti eterogenei, collaborare con esseri umani e produrre soluzioni non rigidamente previste dall’addestramento rende sempre meno convincente l’idea che si tratti di meri automatismi. Senza attribuire loro coscienza o intenzionalità, Agüera y Arcas invita a riconoscere che ciò che osserviamo rientra pienamente nello spettro dell’intelligenza.
Vita, auto-costruzione e continuità tra naturale e artificiale
Un aspetto particolarmente originale della riflessione di Agüera y Arcas è l’estensione del discorso sull’intelligenza alla vita stessa. Un organismo vivente non è soltanto un sistema reattivo, ma un’entità capace di costruire e ricostruire sé stessa, integrando informazione, energia e materia. Riprendendo le intuizioni di John von Neumann [2], questa capacità di autocostruzione è interpretata come una forma di computazione naturale.
In questa prospettiva, la nascita della vita e quella dell’intelligenza coincidono con l’emergere di sistemi capaci di anticipare l’ambiente e di agire in modo coerente con tali anticipazioni. L’intelligenza artificiale appare così non come un’anomalia radicale, bensì come una nuova manifestazione di un principio generale: l’organizzazione computazionale dell’informazione come base dell’adattamento.
La lezione di Silvio Ceccato: intelligenza come operazione
È a questo punto che la lezione di Silvio Ceccato introduce un elemento di equilibrio critico fondamentale. Silvio Ceccato è stato uno dei principali epistemologi e teorici della mente del Novecento italiano, fondatore dell’operazionismo cognitivo. Filosofo, linguista e cibernetico, fu tra i primi a interrogarsi in modo rigoroso sui presupposti concettuali dell’intelligenza artificiale già negli anni Cinquanta. Egli ha mostrato come il principale errore delle teorie tradizionali dell’intelligenza consista nel trattarla come una sostanza, una facoltà o una proprietà intrinseca. Per l’operazionismo cognitivo di Ceccato, l’intelligenza non è qualcosa che un sistema “possiede”, bensì il risultato di operazioni mentali organizzate basate sull’uso dell’attenzione come meccanismo di controllo [3,4].
Distinguere, confrontare, isolare, collegare, mantenere: sono queste le operazioni che costituiscono il pensiero. I concetti non preesistono a tali operazioni, ma vengono costruiti attraverso di esse. Applicata all’IA, questa impostazione consente di riconoscere la potenza dei modelli contemporanei senza trasformarla in una nuova metafisica della macchina intelligente.
I sistemi artificiali eseguono operazioni complesse e spesso estremamente efficaci, ma non esercitano un controllo autonomo e attento. La rilevanza, gli obiettivi e i criteri di successo sono definiti all’interno di cornici progettate dall’essere umano. L’intelligenza che osserviamo è quindi reale, ma strutturalmente eterodiretta.
Intelligenza distribuita e sistemi socio-tecnici
Il dialogo ipotetico tra Agüera y Arcas e Ceccato converge su un punto cruciale: l’intelligenza è un fenomeno distribuito. I sistemi di IA non operano nel vuoto, ma all’interno di ecosistemi socio-tecnici che includono dati, infrastrutture, pratiche organizzative, norme e decisioni umane. Le capacità emergono dall’interazione tra questi elementi, non dall’isolamento della macchina.
Questa impostazione consente anche di riconsiderare l’evoluzione oltre a una lettura esclusivamente competitiva. Accanto alla selezione darwiniana, la storia della vita mostra l’importanza della cooperazione e della simbiosi come motori della complessità. Le grandi transizioni evolutive non avvengono solo per ramificazione e differenziazione, ma anche per l’integrazione di entità precedentemente autonome. Il lavoro di Lynn Margulis [5] sulla simbiogenesi, con l’origine dei mitocondri da antichi batteri, è un esempio paradigmatico di come nuove forme di vita emergano dalla cooperazione stabile. L’evoluzione, in questa luce, non è soltanto una competizione a somma zero, ma un processo che genera strutture sempre più complesse attraverso alleanze funzionali.
Questa chiave di lettura suggerisce di abbandonare la metafora del confronto diretto tra esseri umani e macchine intelligenti. I sistemi di intelligenza artificiale non vanno compresi come agenti isolati che competono con gli individui umani, bensì come componenti di sistemi socio-tecnici più ampi. Presi singolarmente, i modelli non sono “viventi” né autonomi nel senso biologico; inseriti in reti di persone, infrastrutture, istituzioni ed energie, contribuiscono però a una forma di intelligenza distribuita che caratterizza ormai le società contemporanee. Come un’unghia non è viva in isolamento ma parte di un organismo, così molti artefatti tecnologici acquistano senso solo nel sistema che li produce e li utilizza.
Cooperazione operativa e organizzazione complessiva delle operazioni
Letta dal punto di vista di Ceccato, questa è una cooperazione operativa. L’intelligenza che osserviamo non appartiene interamente né al sistema artificiale né all’individuo umano, ma all’organizzazione complessiva delle operazioni. Parlare di intelligenza distribuita significa riconoscere che molte funzioni cognitive sono oggi delegate, supportate o amplificate da strumenti computazionali, senza che ciò implichi l’attribuzione di mente o di coscienza alle macchine. In questa luce, l’IA non è un concorrente dell’essere umano, ma una componente di nuove configurazioni operative. Parlare di intelligenza distribuita non significa attribuire mente o coscienza alle macchine, ma riconoscere che molte funzioni cognitive sono oggi amplificate o rese possibili da sistemi computazionali avanzati.
Ripensare l’intelligenza come problema di definizione
Alla luce di questo quadro, il dibattito sull’intelligenza appare in parte mal posto. L’idea di una soglia oltre la quale una macchina “diventa intelligente” presuppone che l’intelligenza sia uno stato discreto. Agüera y Arcas invita a vederla come un continuum; Ceccato ricorda che ciò che conta non è il grado, ma il tipo di operazioni.
I sistemi attuali mostrano capacità che giustificano l’uso del termine “intelligenza”, ma restano privi di autonomia attentiva e di autodeterminazione dei fini. Comprenderne i limiti non significa sminuirli, ma collocarli correttamente all’interno di un quadro concettuale più rigoroso.
Conclusione: dalla metafora alla governance
Rileggere l’intelligenza artificiale alla luce di Blaise Agüera y Arcas e di Silvio Ceccato consente di uscire da un’alternativa sterile. Da un lato, riconoscere la continuità computazionale evita di ridurre l’IA a una mera illusione. Dall’altro, mantenere una definizione operativa dell’intelligenza impedisce di trasformare questa continuità in una nuova mitologia tecnologica.
Per la governance dell’IA, la conseguenza è chiara. La questione non è stabilire se le macchine “pensano”, ma comprendere quali operazioni cognitive stiamo delegando loro, come queste si integrano con quelle umane e quali effetti producono sui sistemi sociali. Governare l’intelligenza artificiale significa governare architetture operative concrete, non entità metafisiche. È su questo terreno, più che sulle promesse o sulle paure legate all’intelligenza artificiale, che si gioca la sfida decisiva dell’innovazione digitale.
Bibliografia
[1] B. Agüera y Arcas, What Is Intelligence? MIT Press, 2025.
[2] J. von Neumann, Theory of Self-Reproducing Automata, University of Illinois Press, 1966.
[3] S. Ceccato, La Mente Vista Da Un Cibernetico, Mimesis, 2017.
[4] F. Forleo, La Cibernetica Italiana Della Mente Nella Civiltà Delle Macchine, Universitas Studiorum, 2017.
[5] L. Margulis, Symbiosis in Cell Evolution, W.H. Freeman, 1981.
