Sapere aude e la governance dell'AI: un approccio kantiano contro il mito dell'algoritmo
Sapere aude e la governance dell'AI: un approccio kantiano contro il mito dell'algoritmo
di Amalia Lamanna
L'orizzonte kantiano: l'orientamento nel pensiero come necessità di governance
Nel dibattito contemporaneo sulla regolamentazione dell'intelligenza artificiale, si ricorre costantemente a una scorciatoia linguistica: l'uso del termine "algoritmo" per indicare in modo indistinto l'intero ecosistema tecnologico. Questa metonimia, apparentemente innocua, riduce la complessità e cancella differenze tecniche e giuridiche decisive. Per rifondare una governance efficace dell'AI, è necessario muovere dal pensiero di Immanuel Kant, in particolare dal suo saggio Che cosa significa orientarsi nel pensiero? (Was heißt: sich im Denken orientieren?). Kant insegna che pensare significa sapersi orientare con metodo quando i fondamenti oggettivi non sono più sufficienti a guidare la ragione, impedendole di smarrirsi nell'indistinto. Nel contesto dei sistemi di AI complessi, dove l'opacità dei processi decisionali oscura la comprensione immediata, l'orientamento metodologico diventa una stringente necessità giuridica e politica. Chiamare le cose con il loro nome corretto non è una pedanteria terminologica o un mero esercizio ornamentale, bensì una condizione fondamentale del logos: un linguaggio preciso è lo strumento essenziale che permette alla ragione e al diritto di distinguere, ordinare e giudicare. Se il lessico si fa impreciso, il pensiero perde la sua capacità discriminativa, provocando di riflesso l'indebolimento del giudizio politico e della tutela dei diritti fondamentali. La precisione lessicale assurge dunque a vera e propria garanzia democratica e pilastro di governance.
Demistificare l'ecosistema AI: l'imperativo delle categorie e la critica della falsa unità
L'uso indiscriminato della parola "algoritmo" crea una falsa unità concettuale che produce una forma di oscuramento cognitivo. In senso strettamente tecnico, un algoritmo è semplicemente una sequenza finita e ordinata di istruzioni logico-matematiche per risolvere un problema specifico, una definizione che appartiene alla logica formale e precede di molto l'informatica moderna. L'attuale ecosistema dell'AI, invece, non coincide affatto con un singolo algoritmo astratto. Esso è un'architettura stratificata e complessa, composta da dataset di addestramento, infrastrutture computazionali, pipeline di validazione, modelli statistici, processi di fine-tuning e regole di impiego in contesti d'uso specifici.
Un'autentica governance kantiana esige l'applicazione rigorosa di categorie conoscitive distinte per mappare e regolare questo ecosistema, rifiutando la fusione indistinta di tecnologie diverse. È indispensabile separare nettamente le diverse logiche strutturali che compongono l'universo dell'AI:
· Software deterministici basati su regole: Sistemi che eseguono istruzioni rigide e interamente previste ex ante, producendo invariabilmente il medesimo output a fronte del medesimo input. Il loro comportamento è pienamente verificabile e prevedibile.
· Modelli statistico-predittivi: Sistemi guidati da machine learning e reti neurali profonde che elaborano probabilità e correlazioni su enormi moli di dati. Essi generano inferenze probabilistiche che non seguono una spiegazione lineare ex ante.
· Sistemi generativi: Modelli probabilistici avanzati ad alta dimensionalità (come i large language models) addestrati non per classificare informazioni, ma per produrre testi, immagini o risposte del tutto nuove.
Questa scomposizione tassonomica evidenzia come un motore di ricerca giuridica, un classificatore documentale e un chatbot conversazionale non esercitino il medesimo impatto sull'autonomia dell'operatore del diritto e non producano i medesimi rischi. Senza questa operazione critica di classificazione delle forme tecnologiche, il discorso pubblico finisce per oscillare sterilmente tra il "tecnofeticismo", che attribuisce all'algoritmo poteri sovrumani, e il "panico morale", che lo trasforma in un agente occulto, magico e incontrollabile.
Questa demistificazione trova un solido riscontro nella letteratura critica contemporanea: autrici come Cathy O'Neil, nel suo saggio Weapons of Math Destruction, hanno denunciato l'opacità e la scala di modelli matematici privi di supervisione, capaci di amplificare disuguaglianze sistemiche. Analogamente, Kate Crawford in Atlas of AI ha evidenziato come l'AI non sia un'entità eterea o neutrale, ma un sistema materiale ed economico strettamente intrecciato con dinamiche di capitalismo estrattivo e strutture di potere. Infine, Shoshana Zuboff ne L'era del capitalismo della sorveglianza ha mostrato come dietro l'apparente neutralità della tecnica operi una logica di mercificazione e sfruttamento commerciale dei dati personali. Una governance ispirata alla precisione kantiana squarcia questa cortina di feticismo tecnologico, svelando le strutture materiali sottostanti.
Dall'eteronomia all'autonomia: responsabilità giuridica e la filiera umana dell'AI
La conseguenza più insidiosa della metonimia dell'algoritmo sul piano giuridico e politico è lo slittamento semantico verso la naturalizzazione e l'antropomorfizzazione della tecnologia. Quando si afferma correntemente che "l'algoritmo decide" o "l'algoritmo discrimina", si attribuisce a una formula matematica una soggettività morale e giuridica che essa non possiede, trasformandola in una maschera linguistica. In termini kantiani, questa tendenza rappresenta una forma di "eteronomia della ragione": la rinuncia a esercitare il pensiero critico e la delega passiva del giudizio a un'autorità esterna e impersonale, percepita come inevitabile. L'invito illuministico del Sapere aude — il coraggio di servirsi della propria intelligenza — si traduce, nell'era dell'AI, in un preciso dovere di vigilanza concettuale e responsabilità democratica. Significa rifiutare la narrazione tecnocratica che deresponsabilizza gli attori industriali e istituzionali, occultando la filiera umana delle decisioni. Dietro ogni sistema di AI vi sono precise e imprescindibili scelte umane: chi ha progettato il modello, quali dataset sono stati selezionati o deliberatamente esclusi, quali metriche di ottimizzazione e quali interessi economici hanno guidato lo sviluppo.
Se il lessico della governance rimane generico, anche le risposte regolatorie saranno inevitabilmente vaghe o inefficaci, fallendo nello stabilire il nesso causale tra tecnologia, effetti giuridici e responsabilità civile o penale. Una governance proporzionata ed efficace deve separare rigorosamente funzioni e livelli — sviluppatori, integratori, utenti professionali, organi di controllo — al fine di calibrare obblighi specifici di supervisione umana, tracciabilità e audit. I rischi specifici dei modelli generativi, quali le allucinazioni, l'opacità generativa e l'imprevedibilità contestuale, non possono trovare risposta in regole pensate per l'automazione tradizionale. Non è un caso che il legislatore europeo, all'interno dell'AI Act, eviti rigorosamente il termine "algoritmo" come categoria normativa globale, preferendo la definizione operativa di "sistema di AI", basata su precisi criteri funzionali e di gestione del rischio. Solo attraverso questo recupero dell'autonomia critica il diritto può adempiere alla sua funzione più autentica: tracciare le responsabilità umane e rendere intellegibili i rapporti di potere celati dietro l'illusione della tecnica.
La precisione lessicale come garanzia democratica e dovere della ragione
In conclusione, l'adozione del binomio kantiano tra orientamento metodologico e Sapere aude dimostra che la battaglia per una corretta governance dell'AI si combatte anzitutto sul terreno del linguaggio. Svelare l'artificio retorico che riduce l'intera complessità tecnologica alla parola "algoritmo" non è un lusso terminologico, ma la precondizione logica per qualsiasi seria analisi etica e regolatoria. La lingua della regolamentazione deve dimostrarsi all'altezza della complessità dei sistemi che ambisce a governare. Scomporre l'AI nelle sue reali componenti strutturali è l'unico modo per garantire un controllo umano effettivo (human oversight), distribuire equamente le responsabilità e calibrare tutele giuridiche adeguate. Solo resistendo alla tentazione delle formule semplificatorie e restituendo spessore concettuale al discorso pubblico, la ragione critica e il diritto possono sottrarre l'AI alla fascinazione del mito e ricondurla stabilmente sotto l'impero della responsabilità e del controllo democratico.
Fonti essenziali:
1) https://www.adelphi.it/libro/9788845912276 e https://www.classicult.it/che-cosa-significa-orientarsi-nel-pensiero/
3) https://www.giappichelli.it/media/catalog/product/excerpt/9788892106871.pdf
4) https://www.redhat.com/it/topics/ai/predictive-ai-vs-generative-ai
5) https://appian.com/it/blog/acp/process-automation/ai-vs-generative-ai
6) https://www.onlogic.com/it/blog/ai-generativa-vs-ai-predittiva/
8) https://www.dariodenni.it/la-differenza-tra-regole-e-governance-dellintelligenza-artificiale/
10) https://ai-act-service-desk.ec.europa.eu/en
11) https://eur-lex.europa.eu/legal-content/IT/TXT/PDF/?uri=OJ:L_202401689
12) https://www.oscarmondadori.it/libri/il-capitalismo-della-sorveglianza-shoshana-zuboff/
Commenti
Posta un commento