// MACITYNET — INTELLIGENZA ARTIFICIALE
L’intelligenza artificiale capisce davvero? La lezione di Paperinik New Adventures
Questo sito contiene link di affiliazione per cui può essere compensato
L’intelligenza artificiale sa produrre testo, imitare voci, tradurre balloon e perfino reinventare universi narrativi. Ma capisce davvero ciò che dice? È la domanda al centro della stanza cinese di John Searle, esperimento mentale tornato attualissimo nell’era dei modelli generativi. E proprio qui si incrociano linguistica, fumetti e cultura pop italiana: da Andrea Moro e le grammatiche impossibili fino a PKNA (le mitiche Paperinik New Adventures), dove il linguaggio non è solo un codice da decifrare, ma il banco di prova della coscienza.
Proviamo a capire quanto è rilevante e quanto ci aiuta questa lezione, nata negli anni Novanta, per comprendere il mondo di oggi.
Il 17 settembre 2025, in una casa di riposo di Tampa, in Florida, si è spento a novantatré anni John Searle, il filosofo che mezzo secolo prima aveva messo in guardia dall’idea di una macchina capace di pensare. La sua eredità porta un nome preciso, la stanza cinese, esperimento mentale presentato nel 1980 sulla rivista The Behavioral and Brain Sciences con l’articolo Minds, Brains and Programs. L’argomento ruotava attorno a una distinzione molto semplice da capire, quella tra sintassi e semantica, tra le regole che governano i simboli e il significato che quei simboli dovrebbero veicolare.
L’immagine è rimasta celebre. Una persona che ignora la lingua cinese siede chiusa in una stanza, riceve fogli coperti di ideogrammi e consulta un manuale che le indica quali segni restituire. Le istruzioni sono chiare e funzionano così bene da convincere chi sta fuori che sta dialogando con un madrelingua. La persona dentro la stanza non ha compreso alcunché, e questo bastava a Searle per smontare la promessa dell’intelligenza artificiale forte, quella per cui manipolare simboli equivarrebbe a comprenderli, la stessa che riaffiora ogni volta che si prova a conversare in linguaggio naturale con un chatbot.
Il paradosso torna intatto nell’epoca dei modelli linguistici di grande dimensione, i famigerati LLM. Questi sistemi producono testo con una scioltezza sorprendente, eppure restano calcolatori di probabilità che, come si è osservato di recente, diventano sempre più sofisticati e manifestano proprietà emergenti (cioè non programmate esplicitamente) senza che questo dimostri una comprensione semantica paragonabile a quella umana. La distanza tra la fluidità della forma e la presenza del senso è esattamente il territorio che Searle aveva segnato quarantacinque anni prima.
Continue reading on original source ↗