Sistemi AI e Conoscenza: Popper, Kuhn e Kant nell’era dell’Intelligenza Artificiale
Sistemi AI e Conoscenza: Popper, Kuhn e Kant nell’era dell’Intelligenza Artificiale
di Amalia Lamanna
La filosofia della
scienza del Novecento ha segnato una frattura profonda nel modo in cui
l'umanità concepisce il sapere. Il passaggio dal positivismo — inteso come fede
cieca nella cumulabilità lineare delle verità — a una visione dinamica,
conflittuale e provvisoria, non è solo una nota a margine nella storia della
filosofia: è la chiave di volta per comprendere la sfida che oggi ci pone
l'Intelligenza Artificiale.
La rivoluzione epistemologica: Oltre il Dogma
Il Novecento ha
demolito l'idea che la scienza fosse una lenta ma sicura ascesa verso la Verità
assoluta. Due figure dominano questo ribaltamento:
1. Karl Popper e la Falsificabilità
Popper[1] ha spostato l'asse: una
teoria non è scientifica perché può essere confermata, ma perché è falsificabile. La scienza, per Popper, procede per
"congetture e confutazioni". Non cerchiamo conferme (troppo facili da
trovare, specialmente con il confirmation bias), ma cerchiamo di smentire le
nostre ipotesi.
· La verità scientifica è sempre un'approssimazione temporanea. Se una
teoria non può essere messa in discussione, è dogma, non scienza.
2. Thomas Kuhn e i Paradigmi
Kuhn[2] ha dimostrato che la
scienza non cresce in modo lineare, ma per scatti: i cambiamenti
di paradigma. Quando il vecchio modello non riesce più a spiegare le
anomalie, avviene una rivoluzione che riscrive le regole del gioco.
· La conoscenza è situata storicamente. Non esiste un osservatore neutrale;
il nostro "paradigma" definisce cosa è possibile vedere e cosa è
destinato a rimanere invisibile.
Un Metodo per le AI: Il "Popperismo Digitale"
Può questo apparato
critico aiutarci a governare i sistemi AI? La risposta è un netto sì. Oggi, il
rischio principale dei sistemi di Intelligenza Artificiale Generativa è proprio
quello di essere trattati con una mentalità "neopositivista":
accettiamo l'output della macchina come una verità indiscutibile e cumulativa,
dimenticando che essa è un modello probabilistico.
Utilizzare l'epistemologia
del '900 significa imporre un metodo rigoroso allo
sviluppo e all'uso dell'AI:
· Un'AI non dovrebbe essere validata solo in base alla sua precisione
statistica, ma in base alla sua capacità di resistere a test di "stress"
(red teaming). Se il sistema non è in grado di esplicitare il proprio percorso
logico, rendendolo confutabile, non è un sistema scientificamente affidabile,
ma una scatola nera dogmatica.
· Dobbiamo accettare che l'AI cambierà il nostro paradigma di
"conoscenza". Non dobbiamo chiederci se l'AI "dice la
verità", ma in quale "paradigma" operativo si muove. Comprendere
i limiti del modello (le sue allucinazioni) è l'equivalente moderno di cercare
l'anomalia kuhniana.
Il Ritorno di Kant: Il Logos e il
Nome delle Cose
Se Popper e Kuhn ci
offrono gli strumenti per gestire il metodo, Immanuel
Kant ci offre la bussola per gestire il contenuto.
L'importanza di "chiamare le cose con il loro nome" (l'aspetto
ontologico del Logos) è fondamentale per l'implementazione dell'epistemologia
moderna.
Perché il metodo kantiano è cruciale per l'AI
Kant sosteneva che il
nostro intelletto "costruisce" l'esperienza attraverso categorie a
priori (spazio, tempo, causalità). Senza queste categorie, il mondo sarebbe un
caos di sensazioni non ordinate.
Nell'era dell'AI,
questo si traduce nel problema del Grounding[3]
(Radicamento):
1. Gli LLM manipolano simboli (sintassi) in modo eccellente, ma non hanno un
ancoraggio al mondo reale (semantica). Senza una chiara definizione dei
concetti — il "chiamare le cose col proprio nome" — l'AI scivola nel
sofisma, usando parole vuote che mimano il ragionamento ma mancano di sostanza
logica
2. Implementare una filosofia kantiana nell'AI significa fornire al sistema non solo dati, ma strutture. Dobbiamo definire a priori le regole ontologiche (cosa è un fatto, cosa è un valore, cosa è una relazione causale) affinché l'AI non si limiti a correlare statisticamente, ma "comprenda" le categorie su cui poggia il discorso umano (imposizione delle Categorie).
Quindi, se Popper e Kuhn ci insegnano a dubitare e a testare il sistema, Kant ci
insegna a costruire le fondamenta affinché il sistema non parli a vanvera.
L'epistemologia del '900 ci ricorda che l'intelligenza, artificiale o umana,
non risiede nella risposta corretta, ma nella qualità della domanda e nella
rigidezza del processo critico che la sostiene.
L'AI non segna la fine dell'epistemologia, ma la sua necessaria rinascita. Se vogliamo che questi sistemi diventino strumenti di conoscenza e non semplici generatori di pregiudizi automatizzati, dobbiamo tornare a essere filosofi: dobbiamo mettere alla prova gli algoritmi (Popper), comprendere il paradigma in cui operano (Kuhn) e, soprattutto, definire con estrema chiarezza i concetti che essi devono manipolare (Kant).
· [1] Karl Popper: Ha ribaltato il concetto di verità scientifica introducendo il principio di falsificabilità. Una teoria è scientifica non perché è "vera" o verificata per sempre, ma perché può essere smentita da un esperimento. La scienza avanza per tentativi ed errori, non per dogmi assoluti.
[2] Thomas Kuhn: Ha dimostrato che la scienza non progredisce in modo lineare e cumulativo, ma attraverso "rivoluzioni scientifiche" che cambiano completamente i paradigmi (i modelli di pensiero) di un'epoca
[3] In AI, il Symbol Grounding Problem riguarda il limite dei modelli linguistici (come quelli che alimentano i chatbot) nel collegare le parole (simboli) a un significato reale. I sistemi di IA generativa sanno combinare le parole con grande probabilità statistica, ma non possiedono un'esperienza fisica del mondo; non sanno, ad esempio, cosa significhi realmente "sentire il calore del fuoco" o "toccare una mela". Di conseguenza, possono generare informazioni logiche ma prive di riscontro tangibile (le cosiddette "allucinazioni") proprio perché le parole non sono ancorate a concetti fisici o sensoriali cfr https://www.treccani.it/magazine/chiasmo/storia_e_filosofia/Simbolo/SSC_menti_naturali_e_artificial.html
Commenti
Posta un commento