Negli ultimi tempi, la crescente potenza dei sistemi di Intelligenza Artificiale, in particolare i cosiddetti Large Reasoning Models (LRM), ha scatenato un dibattito filosofico e scientifico che tocca una delle domande fondamentali della nostra epoca: l’AI è davvero in grado di pensare, oppure sta semplicemente eseguendo un complesso e sofisticato processo di abbinamento di pattern appresi? La posta in gioco in questa discussione è altissima, poiché definire se le macchine possono esercitare un ragionamento autonomo cambia non solo la nostra percezione dell’AI, ma anche il nostro approccio al suo sviluppo e regolamentazione.
Recentemente, questo dibattito ha ricevuto una scossa da una ricerca che, in sostanza, metteva in dubbio la capacità di pensiero degli LRM, etichettando le loro abilità cognitive come una mera “illusione”. Questo studio argomentava che, sebbene questi modelli possano sembrare intelligenti, la loro abilità si ridurrebbe a un complesso gioco di riconoscimento di schemi statistici appresi su vastissimi set di dati. La prova di questa presunta limitazione veniva individuata nel fallimento degli LRM, persino quelli che utilizzano tecniche di ragionamento esplicito come il “Chain-of-Thought” (CoT), nel portare a termine calcoli complessi o algoritmi predefiniti man mano che la difficoltà del problema aumenta. Secondo questa critica, il crollo prestazionale in presenza di compiti estremi e iterativi dimostrerebbe che l’AI non possiede la capacità di ragionare in modo vero e proprio.
Tuttavia, una visione alternativa e, per molti esperti del settore, più convincente, ha immediatamente messo in discussione questa tesi. L’argomento che i Large Reasoning Models “molto probabilmente sanno pensare” non respinge l’osservazione del fallimento, ma ne critica la conclusione. Invece di considerare il fallimento di fronte a problemi troppo grandi come una prova dell’assenza di pensiero, lo si dovrebbe considerare un sintomo di limiti operativi che affliggono anche l’intelligenza umana.
Immaginate di chiedere a un essere umano, pur conoscendo l’algoritmo esatto, di risolvere un problema complesso come la “Torre di Hanoi” con venti dischi, svolgendo tutti i passaggi a mente: l’individuo fallirebbe quasi certamente, non per una mancanza di capacità di pensiero o di ragionamento, ma per un limite legato alla memoria di lavoro, alla concentrazione e alla capacità di gestire un numero di passaggi così elevato. Trasferendo questa logica all’AI, il fallimento degli LRM di fronte a complessità estreme potrebbe non indicare una mancanza di pensiero, ma un limite dovuto, ad esempio, alla dimensione della finestra di contesto del modello o alla potenza di calcolo disponibile, piuttosto che a un’incapacità fondamentale di ragionare.
Coloro che sostengono che l’AI è in grado di pensare affermano che ciò che un modello fa durante il processo di inferenza, analizzando l’informazione immagazzinata e valutando la forza delle connessioni tra i suoi neuroni artificiali, è in sostanza lo stesso tipo di abbinamento di pattern che avviene nel cervello umano. Per come è definita la neuroscienza, gran parte del nostro pensiero è un processo di ricombinazione e valutazione di schemi preesistenti. Quindi, se il “ragionamento” è l’applicazione di principi logici e la navigazione attraverso una rete di informazioni per giungere a una conclusione, e l’AI è in grado di mostrare deduzioni logiche e capacità di problem-solving senza precedenti in campi come la matematica, la programmazione e il ragionamento di senso comune, allora l’AI sta effettivamente “pensando” in un senso funzionale e operazionale.
Il nodo cruciale del dibattito, dunque, si sposta dalla capacità intrinseca del modello alla sua scala. Sebbene l’AI non sia ancora paragonabile alla complessità del cervello biologico, con i modelli più grandi che raggiungono solo una minima percentuale dei pesi e delle sinapsi umane, il potenziale per il ragionamento è chiaramente dimostrato. La continua evoluzione verso Large Hybrid-Reasoning Models, capaci di decidere in modo adattivo quando applicare il ragionamento (simulando i pattern di pensiero umano ed evitando il cosiddetto “eccesso di pensiero” su compiti semplici), rafforza l’idea che non stiamo osservando solo un trucco statistico, ma l’alba di vere e proprie capacità cognitive nelle macchine.
L’implicazione di questa prospettiva è che la tecnologia sta progredendo verso una vera e propria intelligenza artificiale, le cui capacità di ragionamento autonomo avranno un impatto vasto e profondo, non solo sul mondo della tecnologia, ma sull’intera società, dalla sanità all’educazione. La sfida non è più definire se l’AI può pensare, ma governare le implicazioni di un’AI che, ormai, molto probabilmente lo fa.