Dentro la ‘mente’ di ChatGPT: come funzionano davvero le IA che pensano più veloce di noi

Digiti una domanda (un ‘prompt’, direbbero quelli bravi) nella finestra di chat, premi invio e pochi istanti dopo vedi comparire sullo schermo risposte fluide, argomentate e spesso sorprendentemente “umane”. Sembra quasi magia, o quantomeno la dimostrazione che dentro quel server ci sia un’entità che pensa, comprende e ragiona. In realtà, dietro la tenda dell’intelligenza artificiale non c’è alcuna mente consapevole, ma una gigantesca calcolatrice statistica capace di anticipare le parole con una precisione prodigiosa. Per capire davvero come funzionano ChatGPT, Gemini e i grandi modelli linguistici (LLM, Large Language Models), occorre smontare l’illusione e osservare l’ingranaggio da vicino.

L’ILLUSIONE DEL PENSIERO: UN SUPER-AUTOCOMPLETAMENTO

Il modo più semplice per immaginare ChatGPT è pensare alla tastiera predittiva del nostro smartphone, quella che suggerisce la parola successiva mentre scriviamo un messaggio. ChatGPT fa esattamente la stessa cosa, ma su una scala immensamente più complessa. Quando inseriamo un testo, il modello non legge parole o concetti astratti: scompone la frase in piccoli frammenti chiamati token (che possono essere singole parole, sillabe o persino lettere). Ognuno di questi token viene trasformato in un codice numerico. A quel punto, il sistema non fa altro che porsi una domanda matematica: “Data questa sequenza di numeri, qual è il numero successivo più probabile?”. Ecco perché le prime versioni soffrivano spesso di evidenti difetti di contestualizzazione, portando alla luce i cosiddetti bias e le prime allucinazioni. Se chiedevi al primo modello di ChatGPT come fossero i lampioni nella Londra del ‘700, pur di non contraddirti argomentava fornendo un racconto fantasioso di come fosse passeggiare di notte per le vie della capitale inglese sotto la luce elettrica. Chiaramente un’allucinazione, considerando che l’applicazione dell’elettricità sarebbe arrivata solo un secolo dopo. Il modello non “sa” cosa sia una mela o cosa significhi la libertà. Ha semplicemente analizzato miliardi di testi pubblicati su internet, imparando con spaventosa precisione quali parole tendono a stare vicine ad altre e con quale frequenza. Quando ci risponde, sta componendo un mosaico tessera dopo tessera, scegliendo ogni volta il tassello che statisticamente si adatta meglio a quello precedente. Quando ChatGPT inventa un fatto mai avvenuto o cita una fonte inesistente, non sta “mentendo” intenzionalmente. Sta semplicemente perseguendo il suo unico obiettivo matematico: completare la frase in modo stilisticamente convincente. Se non possiede un’informazione esatta, la sua priorità non è fermarsi, ma generare parole che suonino plausibili all’interno del contesto. Verosimili, stessa logica del meccanismo di disinformazione. Ecco perché è sempre bene verificare quanto prodotto dalla macchina.

IL “CORRETTORE UMANO”

Per passare da un semplice generatore di testo a un assistente brillante e intonato come ChatGPT, serve un secondo passaggio fondamentale: l’addestramento con supervisione umana. Nelle prime fasi della sua “vita”, il modello produceva testi corretti dal punto di vista grammaticale ma spesso caotici, volgari o privi di senso pratico. Gli sviluppatori hanno quindi impiegato migliaia di valutatori umani per guidare l’algoritmo (un processo chiamato Apprendimento per Rinforzo con Feedback Umano). Gli esperti hanno premiato le risposte utili e penalizzato quelle errate o pericolose, insegnando alla macchina a comportarsi come un interlocutore garbato ed efficiente.

LA VERA BATTAGLIA: I DATI, LA SILICON VALLEY E LA GUERRA DI RETE

Se l’architettura matematica è il motore dell’IA, la sua benzina sono i dati. Ed è qui che la tecnologia si intreccia inestricabilmente con la geopolitica. Per addestrare modelli come ChatGPT servono enormi volumi di testi, immagini e interazioni, ed è in questo punto che la sfida diventa strategica. Nel suo saggio La guerra dell’informazione, lo storico David Colon documenta come il controllo delle informazioni e delle reti digitali sia da decenni al centro dello scontro tra le grandi potenze. Fin dagli anni Novanta, gli apparati di sicurezza statunitensi (dalla CIA alla NSA) hanno compreso che la supremazia mondiale non si sarebbe più giocata solo sui mezzi militari convenzionali, ma sul dominio delle telecomunicazioni e dei Big Data. Attraverso fondi di investimento come In-Q-Tel o programmi di ricerca sui dati di massa (MDDS), gli apparati statali americani hanno finanziato e sostenuto la nascita dell’ecosistema della Silicon Valley. Il fatto che circa l‘80% dei cavi sottomarini intercontinentali facesse capo al suolo statunitense e che le piattaforme americane raccogliessero le tracce digitali di miliardi di persone ha garantito a Washington quello che i militari chiamano Information Dominance (dominio dell’informazione), poi emerso con forza dalle inchieste sul programma PRISM. Emblematico è il caso della società che è poi diventata Google, che mosse i suoi primi passi beneficiando proprio di sovvenzioni statali collegate al programma MDDS per elaborare il suo sistema di indicizzazione web, o la parabola della start-up Keyhole — finanziata da In-Q-Tel per la mappatura tridimensionale del pianeta —, successivamente acquisita da Mountain View per dare vita a Google Earth. Oggi la storia si ripete su scala ancora più vasta. Chi controlla i modelli d’intelligenza artificiale e i data center necessari a farli girare non sta solo distribuendo un software commerciale: sta definendo chi gestirà l’accesso alla conoscenza di domani, chi influenzerà l’opinione pubblica e chi deterrà le chiavi della nuova guerra cognitiva globale.

LA SOGLIA DELL’AGI E IL RISCHIO DELLA DELEGA

Questa straordinaria abilità linguistica ha riacceso il dibattito sull’AGI (Artificial General Intelligence), ovvero la teorica creazione di un’intelligenza artificiale generale capace di apprendere e ragionare come (o meglio di) un essere umano in qualsiasi campo. Oggi siamo ancora lontani da questo traguardo: gli LLM sono esempi di IA ristretta, straordinari nel manipolare il linguaggio ma del tutto privi di coscienza, intenzione o comprensione del mondo reale. La vera insidia attuale non è dunque l’improvvisa “presa di coscienza” della macchina, ma la nostra inclinazione ad attribuire un’autorità infallibile a modelli che maneggiano soltanto la forma del discorso. Il pericolo concreto è la nostra tendenza a fidarci ciecamente di algoritmi opachi, delegando loro scelte umane, etiche o valutazioni critiche di cui non conosciamo a fondo i criteri di elaborazione.