Senza parole.
Stavolta Vasco Rossi non c’entra, almeno non direttamente. Non è il titolo di una canzone, ma il paradosso verso cui potrebbe dirigersi una tecnologia costruita proprio sulle parole: l’intelligenza artificiale rischia di non avere più abbastanza parole autenticamente umane dalle quali imparare.
Per anni abbiamo considerato internet come un archivio praticamente infinito. Testi, libri, articoli, documenti, conversazioni, forum, commenti, ricerche scientifiche e pagine personali hanno formato un patrimonio enorme, accumulato nel corso di oltre trent’anni di storia digitale. Su questo materiale sono stati addestrati i grandi modelli linguistici, capaci di individuare relazioni, strutture e ricorrenze all’interno di una quantità di contenuti che nessun essere umano potrebbe leggere nel corso di una vita.
Quell’abbondanza, però, si sta rivelando meno inesauribile di quanto si pensasse. Secondo le stime elaborate da Epoch AI, tra il 2026 e il 2032 i laboratori potrebbero avere già utilizzato gran parte dei testi pubblicamente disponibili e realmente utili per l’addestramento dei modelli più avanzati. Sul web continueranno naturalmente a essere pubblicati miliardi di contenuti, ma quantità e qualità non coincidono. Una pagina duplicata, un testo pubblicitario, una traduzione automatica scadente o una sequenza di frasi prodotte senza controllo non rappresentano necessariamente nuova conoscenza.
Negli ultimi anni lo sviluppo dell’intelligenza artificiale ha seguito una logica relativamente semplice: più dati, più parametri e maggiore potenza di calcolo avrebbero dovuto produrre sistemi progressivamente migliori. Questa crescita incontra adesso un limite concreto, perché l’umanità non genera testi originali e attendibili alla stessa velocità con cui i sistemi automatici sono in grado di raccoglierli e utilizzarli.
La risposta dell’industria è affidata in misura crescente ai dati sintetici, informazioni create artificialmente per ampliare o sostituire i dati prodotti da persone reali. Il loro impiego non rappresenta di per sé un errore. In alcuni settori permettono di simulare casi rari, riequilibrare campioni insufficienti, proteggere dati sensibili o costruire scenari difficilmente osservabili nella realtà. Diventano però problematici nel momento in cui cessano di integrare il patrimonio umano e cominciano a prenderne il posto.
Un modello genera un testo, quel testo viene pubblicato online e successivamente raccolto da un altro sistema, che lo utilizza come materiale di addestramento. La generazione successiva produce nuovi contenuti basandosi anche sui risultati di quella precedente, dando origine a una catena nella quale diventa sempre più difficile risalire all’esperienza, alla fonte o all’autore originario.
Il cosiddetto model collapse nasce da questo processo. Non si tratta necessariamente di un collasso improvviso o di una macchina che smette di funzionare, ma di un impoverimento progressivo delle distribuzioni statistiche apprese. Le informazioni meno frequenti, gli stili insoliti, le espressioni locali, le culture minoritarie e i fatti scarsamente rappresentati tendono a perdere peso. I modelli finiscono per privilegiare ciò che compare più spesso, riducendo gradualmente la varietà dalla quale avevano imparato.
Il risultato potrebbe essere un linguaggio formalmente corretto, scorrevole e plausibile, ma sempre più uniforme. Testi diversi costruiti con le stesse strutture, gli stessi passaggi logici e le stesse conclusioni. Articoli che riassumono altri articoli, pubblicazioni che citano fonti mai verificate, commenti che replicano formule già viste e contenuti apparentemente nuovi che derivano in realtà dalla continua ricombinazione di materiale precedente.
Parole parole parole.
Il richiamo a Mina descrive bene il rischio di una rete nella quale aumenta la produzione linguistica mentre si riduce la densità del significato. Non mancheranno le frasi e probabilmente non mancheranno neppure testi convincenti, ma potrebbe diventare sempre più difficile distinguere una conoscenza nata dall’osservazione della realtà da una formulazione costruita sulla base di altre formulazioni.
La contaminazione del web è già iniziata. Una parte crescente dei contenuti online viene prodotta, modificata o ampliata attraverso strumenti generativi e spesso non esiste alcuna indicazione che consenta di riconoscerne l’origine. I sistemi automatici incaricati di raccogliere nuovi dati possono così includere materiale artificiale nei propri archivi, attribuendogli lo stesso valore di testi verificati, ricerche originali o testimonianze dirette.
Il problema non consiste nel sostenere che tutto ciò che viene scritto da una persona sia necessariamente valido. Anche gli esseri umani producono errori, banalità, falsità e ripetizioni. Tuttavia, perfino un contenuto umano imperfetto nasce all’interno di un’esperienza, di una cultura e di un contesto storico. Conserva una relazione, magari fragile o distorta, con il mondo dal quale proviene.
Un dato sintetico nasce invece da una rappresentazione statistica di quel mondo. Può risultare accurato, utile e persino superiore al materiale reale per alcuni scopi specifici, ma rimane una derivazione. Addestrare sistemi sempre più complessi prevalentemente su contenuti artificiali equivale a studiare un paesaggio attraverso copie successive della stessa fotografia: gli elementi principali restano riconoscibili, mentre i dettagli meno evidenti si attenuano fino a scomparire.
Questa trasformazione spiega anche il nuovo valore assunto dagli archivi editoriali, dalle banche dati scientifiche, dalle collezioni accademiche e dai grandi patrimoni documentali. Le aziende tecnologiche non cercano soltanto una maggiore quantità di testi, ma contenuti affidabili, ordinati, datati e riconducibili a una fonte. La memoria umana non contaminata sta diventando una risorsa economica e strategica, al centro degli accordi tra editori, università, piattaforme e laboratori di intelligenza artificiale.
Dietro le controversie sul diritto d’autore esiste quindi anche un problema industriale. Chi possiede archivi originali e verificati controlla una parte della materia prima necessaria per lo sviluppo dei modelli futuri. Il valore non risiede più soltanto nella possibilità di pubblicare quei contenuti, ma anche nella loro capacità di mantenere un collegamento con la realtà e con la produzione intellettuale umana.
Esiste inoltre una responsabilità che riguarda direttamente chi utilizza questi strumenti. Ogni volta che deleghiamo completamente a un sistema generativo la produzione di un testo che avrebbe richiesto studio, esperienza e presa di posizione, contribuiamo ad aumentare la quantità di contenuti derivati. Non è un argomento contro l’intelligenza artificiale, che può sostenere la scrittura, organizzare informazioni, facilitare verifiche e migliorare la chiarezza di un testo. Il problema nasce nel momento in cui l’assistenza si trasforma in sostituzione del pensiero.
Una macchina può aiutarci a esprimere meglio un’idea, ma deve esserci un’idea da esprimere. Può organizzare una ricerca, ma qualcuno deve stabilire che cosa cercare e verificare se il risultato ha senso. Può produrre una forma linguistica efficace, ma non può sostituire l’esperienza umana che dovrebbe darle contenuto.
Il patrimonio realmente in esaurimento potrebbe quindi non essere soltanto quello dei testi disponibili online. Potrebbe ridursi anche la disponibilità delle persone a scrivere parole proprie, nate da uno studio, da un conflitto, da una scoperta, da un dubbio o dall’assunzione di una responsabilità. Parole che non siano la semplice previsione statistica di ciò che normalmente viene scritto dopo, ma il risultato di una posizione davanti alla realtà.
Il futuro dell’intelligenza artificiale non dipenderà soltanto dalla capacità dei processori, dal numero dei parametri o dall’efficienza dei nuovi algoritmi. Dipenderà anche dalla nostra capacità di continuare a produrre cultura originale, ricerca verificabile, informazione giornalistica, letteratura, dissenso e pensiero critico. Senza questo apporto, le macchine potranno continuare a generare testi sempre più velocemente, ma avranno progressivamente meno cose nuove da apprendere.
Il collasso dei modelli sarebbe allora soltanto la conseguenza tecnica di un problema più profondo: non l’esaurimento delle parole, ma la rinuncia degli esseri umani a riempirle di esperienza, significato e responsabilità.
E, per dirla con Ligabue, ho perso le parole, eppure ce le avevo qua un attimo fa.