Ogni volta che sentiamo “intelligenza artificiale”, sostituiamo mentalmente il termine con “macchina”. Ad esempio: “La macchina scrive testi”, “La macchina elabora immagini”, “La macchina decide”. Ecco che in questo modo, crolla la magia. Le parole “intelligenza” e “artificiale” perdono subito la loro aura magnifica. Intelligenza artificiale è un termine che “fa hype” come dice la genZ.
Indice degli argomenti
L’hype dell’intelligenza artificiale e le sue ondate
Un po’ come tutte le cosiddette “ondate digitali” (dal cloud computing, alla smart city, ai big data, alla blockchain, al metaverso, al machine learning) anche la parola AI oggi va di moda.
Si tratta di cicli di attenzione mediatica, alimentati da promesse e investimenti enormi. Spesso, dietro queste ondate, c’è una strategia precisa: creare aspettative, generare ansia da prestazione, spingere governi, imprese e cittadini a investire ciecamente, per “non rimanere indietro”.
L’hype è ciclico e la storia dell’IA ne mostra un’alternanza ricorrente: l’euforia iniziale degli anni ‘60 (Simon, Newell, Minsky, McCarthy) seguita dall’inverno degli anni ‘70 (Lighthill Report, stagnazione dei risultati); la nuova euforia degli anni ‘80 (sistemi esperti, reti neurali) seguita da un nuovo inverno negli anni ’90-2000; e infine, dal 2012, il ciclo attuale di successo commerciale ed euforia basato sull’apprendimento automatico (machine learning).
Questa ciclicità suggerisce che l’hype non è un incidente ma una struttura, un movimento che si ripete con regolarità e che dunque risponde a qualcosa che va oltre il semplice entusiasmo per una novità tecnica.
Aziende, scienziati, politici e futurologi si servono dell’hype per indirizzare o distogliere l’attenzione — verso prodotti, programmi di ricerca e aziende, e al contempo lontano dalle questioni di impatto e giustizia ambientale, lavorativa, sociale, psicologica. L’hype influenza decisioni pubbliche (finanziamenti, regolamenti, adozione nelle scuole e nella difesa) e private (start-up, venture capital, trasformazioni organizzative), alimentando la FOMO, ovvero la paura di restare esclusi.
Lacan, la cibernetica e lo stupore davanti alle macchine
9 febbraio 1955. Lacan sta tenendo la decima lezione del suo secondo seminario, intitolato L’io nella teoria di Freud e nella tecnica della psicoanalisi. All’interno di questa lezione, ad un certo punto, c’è un passaggio sulla cibernetica che trovo molto attuale e che proverò a riprendere e commentare. Lacan sta parlando di alcuni schemi che Freud ha utilizzato per provare a spiegare l’apparato psichico e, a tale proposito, introduce il tema della cibernetica che in quegli anni muoveva i suoi primi passi:
«Perché si è così stupiti da queste macchine? […] Poiché anche la cibernetica procede da un movimento di stupore al ritrovarlo, questo linguaggio umano, che funziona quasi da solo, con l’aria di farci lo sgambetto. In queste macchine il linguaggio c’è, è vibrante.»
Il primo punto è questo: lo stupore. Non lo stupore generico di fronte a una novità tecnologica, ma uno stupore molto preciso — quello di ritrovare il linguaggio, qualcosa che credevamo appartenesse all’umano, che funziona dentro una macchina. Un linguaggio vibrante, vero, in grado di arrivare alla persona, di toccarla (pensate al film di Spike Jonze, Her, 2015). E il fatto che questo linguaggio funzioni quasi da solo — senza che nessuno lo guidi parola per parola, senza che un operatore scelga ogni frase — non fa che aumentare lo stupore.
Se Lacan potesse assistere a ciò che accade oggi attorno all’Intelligenza Artificiale, troverebbe probabilmente conferma di qualcosa che aveva già individuato. A distanza di settant’anni, i progressi tecnico-scientifici non ci hanno affatto portato ad affrontare il perché di questo stupore. Lo hanno semplicemente amplificato.
L’hype che circonda ChatGPT, Claude, Gemini e in generale i Large Language Models, i chatbot capaci di sostenere conversazioni articolate, di scrivere saggi, di produrre poesia, non sono altro che la ripetizione — su scala globale e con una potenza mediatica incomparabilmente maggiore — dello stesso movimento che Lacan descrive nel 1955.
Più una macchina parla da sola, più è autonoma rispetto all’essere umano, più restiamo a bocca aperta.
Siamo ancora lì. L’hype contemporaneo non è che la versione massificata e accelerata di quello stesso stupore, alimentato da un circuito di fascinazione nel quale ogni nuova versione del modello, ogni benchmark superato, ogni dimostrazione pubblica rilancia la meraviglia senza mai interrogarne la causa.
Macchine pensanti? La questione mal posta
Poco dopo la questione dello stupore si legge ancora: «Perché è nata l’espressione paradossale macchina pensante?». E Lacan risponde: «Io sostengo di già che gli uomini pensano molto raramente, e non parlerò certo di macchine pensanti!». La battuta non è un semplice motto di spirito. Lacan rifiuta l’espressione macchina pensante non perché voglia sminuire la macchina, ma perché la domanda stessa è mal posta.
Il pensiero — quello umano — non è riducibile all’elaborazione corretta di informazioni. Il pensiero umano, per definizione, inciampa, sbaglia, devia, produce qualcosa di imprevisto. Proprio in questo scarto si rivela il soggetto.
Anche oggi, il dibattito pubblico sull’IA è intrappolato nella stessa domanda mal posta: l’Intelligenza Artificiale pensa? È cosciente? Può provare emozioni?
Il fronte entusiasta risponde di sì, o quantomeno che “ci siamo quasi”. Il fronte scettico risponde di no, che si tratta di pura statistica, di stochastic parrots. Ma nessuno dei due affronta ciò che Lacan aveva già isolato: la questione non è se la macchina pensa, ma cosa ci rivela sul linguaggio il fatto che funzioni così bene senza pensare.
E cosa ci rivela questa macchina sul linguaggio? Le AI come macchina di linguaggio ci rivelano che il linguaggio viene prima della conoscenza e della comprensione, cioè del pensiero.
Il linguaggio prima del soggetto
Per Lacan il linguaggio non è mai uno strumento del pensiero. Non è qualcosa che il soggetto possiede e usa per comunicare, come si usa un martello per piantare un chiodo. Questa è la concezione corrente (quella che la linguistica della comunicazione e le scienze cognitive assumono come ovvia) e Lacan la rifiuta fin dall’inizio. Il linguaggio non è al servizio del soggetto. È il contrario: il soggetto è un effetto del linguaggio.
Nel corso dei suoi seminari, il linguaggio ha assunto per Lacan diversi significati.
Il primo Lacan parlava di linguaggio come ordine simbolico. Negli anni ’50, sotto l’influenza della linguistica strutturale di Saussure e di Jakobson, Lacan concepisce il linguaggio come un sistema di significanti — non di segni, attenzione, ma di significanti, cioè di elementi puramente differenziali che non significano nulla presi singolarmente e che producono senso solo nella loro articolazione reciproca.
Il significante non rappresenta una cosa, non è l’etichetta di un oggetto: un significante rappresenta un soggetto per un altro significante. Questa formula, che Lacan ripeterà per decenni, dice qualcosa di radicale: il soggetto non preesiste al linguaggio per poi servirsene. Il soggetto emerge nell’intervallo tra un significante e l’altro, come effetto della catena, non come sua causa. Il linguaggio è l’Altro — con la A maiuscola — il tesoro dei significanti nel quale il soggetto si trova immerso ancor prima di nascere, perché i genitori parlano di lui, gli danno un nome, lo inscrivono in una genealogia, gli attribuiscono un posto nel desiderio prima ancora che emetta il primo grido.
Il linguaggio come struttura
Riprendendo de Saussure (1906-1911) il linguaggio è strutturato secondo due dimensioni:
- La dimensione sintagmatica, invece, si riferisce a come le parole si combinano linearmente in frasi o enunciati seguendo regole grammaticali.
- La dimensione paradigmatica: riguarda le relazioni tra parole che possono sostituirsi l’una all’altra all’interno di una categoria. È basata sulle somiglianze o differenze di significato.
In sintesi, usando queste due dimensioni definite socialmente posso posizionare ogni parola in relazione ad ogni altra.
L’asse sintagmatico è l’asse orizzontale, quello della combinazione. È la catena in cui gli elementi si dispongono uno dopo l’altro nel tempo — nella successione lineare del parlare o dello scrivere. Ogni parola occupa un posto nella catena e acquista valore in rapporto a ciò che la precede e ciò che la segue. “Il” si lega a “gatto,” “gatto” si lega a “dorme,” “dorme” si lega a “sul tappeto.” È un rapporto in praesentia: tutti gli elementi sono lì, presenti simultaneamente nella frase, e il senso emerge dalla loro concatenazione. Le regole che governano questo asse sono le regole della sintassi — non posso dire “dorme gatto il tappeto sul” e produrre senso nella lingua italiana.
L’asse paradigmatico è l’asse verticale, quello della selezione. In ogni punto della catena sintagmatica, la parola che è stata scelta esclude tutte le altre parole che avrebbero potuto occupare quello stesso posto. Al posto di “gatto” avrei potuto dire “cane,” “bambino,” “vecchio,” “fantasma.” Al posto di “dorme” avrei potuto dire “giace,” “riposa,” “muore.” Al posto di “tappeto” avrei potuto dire “divano,” “pavimento,” “letto.” È un rapporto in absentia: le alternative non sono nella frase, sono nella memoria della lingua, nel tesoro dei significanti disponibili. La scelta di un termine anziché un altro produce effetti di senso decisivi — “il gatto dorme sul tappeto” e “il gatto muore sul tappeto” hanno la stessa struttura sintagmatica ma dicono cose radicalmente diverse per una sola sostituzione paradigmatica.
Possiamo visualizzarlo così:
Il — gatto — dorme — sul — tappeto (asse sintagmatico: la catena)
E verticalmente, su ogni posizione:
Il / Un / Quel / Questo
gatto / cane / bambino / uomo
dorme / riposa / muore / trema
sul / sotto il / accanto al / dietro il
tappeto / divano / letto / pavimento
Ora, perché questo è importante per Lacan e per il vostro lavoro.
Lacan riprende questa doppia articolazione e la traduce nei termini della retorica: l’asse sintagmatico corrisponde alla metonimia — lo scorrimento del senso lungo la catena, un significante che rinvia al successivo, il desiderio che scivola senza mai fissarsi.
L’asse paradigmatico corrisponde alla metafora — la sostituzione di un significante con un altro, che produce un effetto di senso nuovo, un salto, una creazione. Il sintomo, per Lacan, è una metafora: un significante viene al posto di un altro che è stato rimosso, e in questa sostituzione si condensa un senso inconscio.
Il punto cruciale per il tema dell’IA è questo: un Large Language Model funziona in modo straordinariamente efficace su entrambi gli assi.
Calcola combinazioni sintagmatiche (quale parola viene probabilisticamente dopo quale altra) e opera sostituzioni paradigmatiche (quale parola può occupare una certa posizione nella frase). In un certo senso, l’IA è una macchina che padroneggia perfettamente le leggi della metonimia e della metafora a livello formale.
Se ci pensiamo è quella che nella cibernetica e nell’informatica viene chiamata “Distributional Hypothesis” (Firth 1957), le parole che sono usate in contesti simili, tendono ad avere significati simili, il significato di una parola dipende dalla sua distribuzione
Ed è attraverso questa ipotesi della distribuzione che oggi si parla di “Vector Semantics”, ovvero attraverso l’ipotesi distribuzionale imparando (learning) la rappresentazione del significato di una parola come un punto in uno spazio semantico multidimensionale derivato dalle distribuzioni di parole che sono vicine nei dati di addestramento (è la core knowledge dei LLM)
I vettori usati per rappresentare le parole sono chiamati embeddings:
• embedding statici: rappresentazioni delle parole fuori contesto (type)
• embedding contestuali: rappresentazioni delle parole in contesto (token)
La Distributional Hypothesis di Firth e i Vector Semantics sono la traduzione computazionale dell’intuizione di Saussure: il significato di una parola non è intrinseco ma relazionale, dipende dalla sua posizione rispetto alle altre. Il linguaggio è un sistema differenziale che funziona autonomamente.
Sappiamo anche che l’algoritmo Transformer è in grado di mappare le due dimensioni del linguaggio. Il Transformer è un modello di rete neurale che utilizza la tecnica dell’attenzione. Il modello elabora tutte le parole della frase in parallelo assegnando un valore (vettore) alle diverse parole (token) in base alla loro rilevanza per la comprensione del testo (dimensione sintagmatica). Allo stesso tempo il modello confronta il valore delle parole della frase con quello del vocabolario esistente per capire quali sono le parole più rilevanti per costruire la risposta (dimensione paradigmatica).
L’algoritmo Transformer è in grado di distillare la conoscenza derivante dalla semantica strutturale (posizione reciproca dei termini) ma la semantica strutturale non ha legami con l’esperienza nella realtà e del reale.
Frege con Lacan: l’impossibile Reale nel linguaggio
Qui ci viene in aiuto anche il filosofo Gottlob Frege (1848-1925) perché ci permette di formalizzare in termini logici esattamente la questione.
La distinzione fregeana è questa: ogni espressione linguistica ha un’intensione (Sinn, il senso cioè il pensiero che l’espressione veicola) e un’estensione (Bedeutung, il riferimento, cioè l’oggetto nel mondo a cui l’espressione rimanda).
La verità di un enunciato non si decide al livello del senso ma al livello del riferimento: devo uscire dalla frase e andare a verificare nel mondo se le cose stanno come la frase dice.
“La Torre Eiffel si trova a Parigi” è vera non perché la frase sia ben formata o coerente, ma perché esiste un edificio fisico reale che corrisponde a “La Torre Eiffel” e una città reale che corrisponde a “Parigi,” e l’uno si trova effettivamente nell’altra.
Ora, il punto cruciale per l’IA è questo: un Large Language Model opera esclusivamente sul piano dell’intensione. Maneggia sensi, articola pensieri, produce catene di significanti perfettamente coerenti, ma non ha alcun accesso all’estensione. Non può uscire dalla frase per andare a verificare nel mondo. Non ha un mondo. Non ha un corpo che abita un luogo da cui guardare la Torre Eiffel e constatare che sì, è a Parigi. Quando il modello produce la frase “La Torre Eiffel si trova a Parigi,” non lo fa perché ha verificato un fatto: lo fa perché nella distribuzione statistica dei testi su cui è stato addestrato, quei token appaiono frequentemente in quella configurazione. Se nella stessa distribuzione ci fossero abbastanza testi che dicono “La Torre Eiffel si trova a Berlino,” il modello produrrebbe quella frase con la stessa fluenza e la stessa apparente certezza. La frase ha senso perché si capisce cosa dice, ma non ha riferimento perché non c’è nulla nel mondo che la verifichi. Frege direbbe che l’allucinazione è un enunciato con Sinn ma senza Bedeutung, o più precisamente con una Bedeutung falsa che il sistema non è in grado di distinguere da una vera, perché non dispone dello strumento per farlo: il rapporto con il reale. E qui si apre il collegamento con Lacan, che è decisivo. Lacan conosce benissimo Frege e lo cita a più riprese, specialmente nel Seminario XII e negli Scritti. Ma radicalizza la questione. Per Lacan, la verità non è semplicemente la corrispondenza tra enunciato e stato di cose nel mondo.
La verità è ciò che emerge nella parola del soggetto quando il discorso viene “bucato”, quando la coerenza intensionale si spezza e qualcosa del reale fa irruzione. La verità del lapsus, di un sogno, di un atto mancato non è verificabile con il criterio fregeano dell’estensione: non si tratta di andare a controllare un fatto nel mondo. Si tratta di riconoscere che il soggetto ha detto qualcosa che non voleva dire, e che quel qualcosa rivela un desiderio inconscio.
Il cuore della questione: il linguaggio non ci appartiene
Abbiamo detto che ciò che ci stupisce non è che la macchina pensi. È che il linguaggio funzioni senza di noi. Il fatto incredibile è che queste macchine ci permettono di osservare qualcosa che la psicoanalisi aveva già articolato 70 anni fa ma che l’essere umano continua a non voler sapere: il linguaggio è già lì. Non è proprietà dell’essere umano. Non è un’invenzione dell’uomo. Si entra nel linguaggio, si è parlati dal linguaggio, si prende posto all’interno della lingua. Il linguaggio ci precede e ci eccede. Il linguaggio viene prima.
I Large Language Models rendono questa verità visibile in modo quasi brutale. Un modello linguistico è addestrato su miliardi di testi, apprende le regolarità del linguaggio (la sua sintassi, le sue strutture, le sue probabilità combinatorie) e poi produce testo coerente, pertinente, a volte persino toccante. Senza che vi sia un soggetto dietro.
Lo stupore celebrativo: «la macchina è incredibile, fa cose straordinarie, presto sarà come noi». serve a non dover affrontare la scoperta inquietante che il linguaggio non ha bisogno di noi per funzionare. È più rassicurante pensare che la macchina stia diventando umana che accettare che il linguaggio non è mai stato propriamente umano.
L’antropomorfizzazione dell’IA (darle un nome, attribuirle intenzioni, chiederle come si sente) è solo un tentativo di reintrodurre un soggetto laddove la macchina rivela precisamente la sua assenza.
Questo conduce a una questione filosofica e psicoanalitica di portata enorme. Se il linguaggio funziona da solo nelle macchine, allora ciò che distingue il parlare umano dal generare linguistico della macchina non è la correttezza delle frasi, non è la coerenza del discorso, non è nemmeno la capacità di produrre metafore.
Cosa resta allora dell’umano, quando il linguaggio si rivela capace di funzionare senza di lui?
Bibliografia
Lacan — Seminario II
Lacan, J. (1978). Le Séminaire, Livre II. Le moi dans la théorie de Freud et dans la technique de la psychanalyse, 1954–1955. J.-A. Miller (Ed.). Seuil.
Edizione inglese: Lacan, J. (1988). The Seminar of Jacques Lacan, Book II. The Ego in Freud’s Theory and in the Technique of Psychoanalysis, 1954–1955 (S. Tomaselli, Trans.; J.-A. Miller, Ed.). W. W. Norton. (Original work published 1978).
Edizione italiana: Lacan, J. (2006). Il Seminario, Libro II. L’io nella teoria di Freud e nella tecnica della psicoanalisi, 1954–1955 (A. Di Ciaccia, Ed.). Einaudi.
Lacan — Seminario XVII
Lacan, J. (1991). Le Séminaire, Livre XVII. L’envers de la psychanalyse, 1969–1970. J.-A. Miller (Ed.). Seuil.
Edizione inglese: Lacan, J. (2007). The Seminar of Jacques Lacan, Book XVII. The Other Side of Psychoanalysis, 1969–1970 (R. Grigg, Trans.; J.-A. Miller, Ed.). W. W. Norton. (Original work published 1991).
Edizione italiana: Lacan, J. (2001). Il Seminario, Libro XVII. Il rovescio della psicoanalisi, 1969–1970 (A. Di Ciaccia, Ed.). Einaudi.
de Saussure — Corso di linguistica generale
de Saussure, F. (1916). Cours de linguistique générale. C. Bally & A. Sechehaye (Eds.). Payot.
Edizione inglese: de Saussure, F. (1959). Course in General Linguistics (W. Baskin, Trans.; C. Bally & A. Sechehaye, Eds.). Philosophical Library. (Original work published 1916).
Edizione italiana: de Saussure, F. (1967). Corso di linguistica generale (T. De Mauro, Ed. & Intro.). Laterza. (Original work published 1916).
Firth — Distributional Hypothesis
Firth, J. R. (1957). A synopsis of linguistic theory, 1930–1955. In J. R. Firth (Ed.), Studies in Linguistic Analysis (pp. 1–32). Blackwell.
Firth, J. R. (1957). Papers in Linguistics 1934–1951. Oxford University Press.
Il testo fondamentale di Frege sulla distinzione senso/riferimento
Frege, G. (1892). Über Sinn und Bedeutung. Zeitschrift für Philosophie und philosophische Kritik, 100, 25–50.
Edizione inglese: Frege, G. (1948). Sense and reference (M. Black, Trans.). The Philosophical Review, 57(3), 209–230. (Original work published 1892).
Edizione italiana: Frege, G. (2001). Senso e significato. In C. Penco & E. Picardi (Eds.), Senso, funzione e concetto: Scritti filosofici 1891–1897 (pp. 32–57). Laterza. (Original work published 1892).
Harris — Distributional Structure
Harris, Z. S. (1954). Distributional structure. Word, 10(2–3), 146–162.
Vector Semantics — Testo di riferimento principale
Jurafsky, D., & Martin, J. H. (2025). Vector semantics and embeddings. In Speech and Language Processing (3rd ed., Chapter 6). Stanford University. https://web.stanford.edu/~jurafsky/slp3/
Embedding e Word2Vec
Mikolov, T., Sutskever, I., Chen, K., Corrado, G. S., & Dean, J. (2013). Distributed representations of words and phrases and their compositionality. Advances in Neural Information Processing Systems, 26, 3111–3119.
Embedding contestuali (BERT)
Devlin, J., Chang, M.-W., Lee, K., & Toutanova, K. (2019). BERT: Pre-training of deep bidirectional transformers for language understanding. In Proceedings of the 2019 Conference of the North American Chapter of the Association for Computational Linguistics (pp. 4171–4186). Association for Computational Linguistics.
Tommaso Luppini
https://www.fatamorganaweb.it/lezione-e-ia
Vaswani et al. — Attention Is All You Need
Vaswani, A., Shazeer, N., Parmar, N., Uszkoreit, J., Jones, L., Gomez, A. N., Kaiser, Ł., & Polosukhin, I. (2017). Attention is all you need. In Advances in Neural Information Processing Systems, 30, 5998–6008.
Partecipa alla community