L’Intelligenza artificiale non ha immaginazione: perché senza l’uomo la ricerca rischia la mediocrità

Negli ultimi anni, l’entusiasmo attorno all’Intelligenza Artificiale ha sfiorato l’esaltazione fideistica. Le proiezioni più audaci ci hanno raccontato di un’IA pronta a guidare, in totale autonomia, la prossima grande rivoluzione scientifica, sostituendo l’ingegno umano con reti neurali in grado di scovare soluzioni impensabili in un batter d’occhio. Ma cosa succede quando mettiamo davvero alla prova queste grandi promesse sul campo? La risposta, emersa da un imponente studio condotto dai ricercatori dell’Università di Chicago, rappresenta una salutare doccia fredda per i tecno-ottimisti: senza l’uomo, l’IA non solo manca di immaginazione, ma tende inesorabilmente ad appiattirsi su una standardizzata e conformista mediocrità.

Il paper, intitolato significativamente “Contemporary AI lacks the imagination to diverge or negate in science” (L’IA contemporanea non ha l’immaginazione per divergere o negare nella scienza), firmato da Honglin Bao e James A. Evans insieme ad altri ricercatori, è la più estesa valutazione indipendente mai realizzata sul tema. Gli studiosi hanno vagliato oltre 121.000 articoli scientifici in formato preprint e hanno chiesto a quasi 6.750 scienziati in carne ed ossa di valutare le nuove ipotesi di ricerca generate da diversi modelli di linguaggio (LLM) a partire dai loro stessi studi. I risultati delineano tre problemi critici che ridimensionano nettamente le illusioni di “sostituzione” del lavoro intellettuale.

• La “Hivemind” artificiale: Il primo e più evidente problema risiede nella tendenza delle intelligenze artificiali, specialmente quelle prive di architetture di ragionamento avanzate, a collassare in una ristretta “mente alveare” (una hivemind artificiale). Invece di proporre una casistica differenziata e innovativa, questi modelli si limitano a rimescolare nozioni simili tra loro. Essenzialmente, rigurgitano il consenso esistente basato sui dati con cui sono state addestrate, senza una spinta autonoma ad esplorare i veri confini dell’ignoto.
• Il terrore di negare: Forse la lacuna più strutturale evidenziata dallo studio è l’assoluta incapacità dell’IA di proporre “ipotesi nulle”, di ragionare per assurdo (ad esempio teorizzare che non esista alcun legame causale tra un fattore A e un fattore B). Nella scienza reale, elaborare una negazione è una mossa logica vitale per scartare percorsi errati. I ricercatori umani sanno che i vicoli ciechi fanno parte del lavoro. L’IA, essendo alimentata da un mare di pubblicazioni che contengono perlopiù riscontri positivi (il noto file drawer problem, ovvero la tendenza a non pubblicare gli esperimenti falliti), soffre di un profondo pregiudizio sistemico. Non sapendo “negare”, l’IA resta monca dello strumento primario per la scoperta: la falsificazione.
• Il cortocircuito nelle scienze sociali: Questa omologazione del pensiero risulta clamorosa nelle discipline maggiormente pluralistiche. In ambiti in cui l’interpretazione dei dati è contestuale e il quadro teorico è in continua evoluzione, come le scienze sociali, l’IA si dimostra particolarmente disorientata. Laddove non esiste un monolite dogmatico da imitare, una regola fisica o matematica, la macchina non sa a cosa appigliarsi e genera proposte superficiali o ingenue, finendo per essere stroncata dai valutatori senior.

A peggiorare il quadro interviene un’ulteriore fallacia: i “giudici automatici” (sistemi in cui un LLM valuta il lavoro di un altro LLM) si dimostrano inaffidabili, tendendo a concentrare i propri voti su una malcelata mediocrità senza rispecchiare mai i criteri e la sensibilità di un esperto umano.

Tuttavia, lo studio offre anche spunti costruttivi. Addestrando dei modelli (come il Qwen3-14B) basandosi esplicitamente sulle faticose e complesse preferenze espresse dagli scienziati, i ricercatori hanno dimostrato che l’IA può quantomeno “imparare” i nostri gusti valutativi, riducendo le distanze con il giudizio umano. Ma la bussola, la determinazione delle priorità, rimangono in mano all’uomo. Quindi la AI può essere un buon assistente, se adeguatamente addestrata, ma non può, per ora, lavorare da sola. 

Da una prospettiva puramente economica e manageriale, questo studio lancia un messaggio lampante. Pensare di automatizzare totalmente i reparti R&D aziendali o accademici, tagliando gli investimenti sul capitale umano intellettuale per comprare potenza di calcolo, è una clamorosa svista strategica. La ricerca produce scoperte grazie ad anomalie e intuizioni dissonanti rispetto al passato.

L’intelligenza artificiale non deve essere bistrattata, ma reinquadrata razionalmente come un formidabile collaboratore – potente nel combinare, espandere ed elaborare i dati – che dipende, ora e sempre, dalla capacità di giudizio, dall’irrazionalità geniale e dal radicamento sul campo che solo un professionista in carne ed ossa può fornire.

Rimani aggiornato seguendoci su Google News!

SEGUICI