Il mondo nella testa

Pranzo della domenica. Tavola lunga, tovaglia bianca, quella che si tira fuori solo per le occasioni. Vostro nipote sta raccontando qualcosa di importantissimo e, per farsi capire meglio, gesticola. Il suo gomito si avvicina, centimetro dopo centimetro, a un bicchiere pieno di vino rosso, appoggiato proprio sul bordo del tavolo.

Voi, prima ancora che succeda qualcosa, l'avete già visto: il bicchiere che si inclina, il vino che si allarga, i cocci. Allungate la mano e lo spostate di qualche centimetro. Il pranzo continua.

Non è successo niente. Eppure, per una frazione di secondo, avete vissuto un futuro che non è mai accaduto. Nessuno ve l'ha insegnato: i bambini, già a pochi mesi, si stupiscono se un oggetto resta sospeso nel vuoto invece di cadere. Per le macchine, invece, questo piccolo trucco è una delle frontiere più difficili di tutta l'intelligenza artificiale.

Il plastico nella testa

Cambridge, 1943, in piena guerra. Un giovane psicologo che non ha ancora trent'anni, Kenneth Craik, pubblica un libro dal titolo impegnativo: The Nature of Explanation, la natura della spiegazione. Dentro c'è un'idea che oggi sembra ovvia, ma allora non lo era: la mente, per funzionare, porta con sé un modellino in scala ridotta della realtà. Un piccolo mondo interno dove provare le alternative, scegliere la migliore e, per citare più o meno le sue parole, reagire alle situazioni future prima che si presentino.

Un dettaglio conta: Craik parla di un modello della realtà e delle proprie azioni possibili. Il mondo, noi dentro il mondo e tutto quello che potremmo fare. È il plastico dell'architetto prima del ponte vero, il simulatore del pilota. Il bicchiere l'avete fatto cadere prima, nel plastico. Per questo, nella realtà, non è caduto.

La storia di Craik, però, finisce troppo presto. Nel maggio del 1945, mentre va in bicicletta per le strade di Cambridge, viene investito. Muore il giorno in cui finisce la guerra in Europa, a trentun anni. Non ha fatto in tempo a vedere il suo, di futuro. La sua idea, invece, gli è sopravvissuta, e oggi ha un nome che sentirete sempre più spesso: modello del mondo.

Imparare sognando

Per capire che cosa sia, pensate a due modi di imparare la strada per un posto nuovo. Il primo è a memoria: al semaforo a destra, poi dritto, poi la seconda a sinistra. Funziona, finché non trovate una strada chiusa. Il secondo è guardare la mappa: se una strada è chiusa ne trovate un'altra, perché conoscete il mondo intorno al percorso. Per decenni molte intelligenze artificiali hanno imparato nel primo modo, provando e riprovando. Il modello del mondo è la mappa: una rete che impara come funziona l'ambiente e poi la usa per immaginare le conseguenze prima di agire.

Nel 2018 due ricercatori, David Ha e Jürgen Schmidhuber, costruiscono un agente che prima guarda un videogioco e se ne fa un modello compresso, poi, per così dire, chiude gli occhi e si allena dentro quel modello: una specie di sogno generato dalla sua stessa rete. In uno dei giochi, quando lo rimettono davanti a quello vero, l'agente sa già giocare.

Due anni dopo DeepMind va oltre. Il suo sistema MuZero impara a giocare a scacchi, a Go e a decine di videogiochi senza che nessuno gli spieghi le regole: se le costruisce da solo, dentro il proprio modello, e lì pianifica le mosse.

Il punto è che un mondo immaginato è il posto ideale per sbagliare. Un robot può cadere mille volte in una simulazione senza rompersi e senza rompere niente. Oggi esistono perfino modelli che generano mondi interi in cui muoversi: a gennaio Google ha aperto al pubblico un prototipo, Project Genie. Descrivete un paesaggio e nasce davanti a voi, un passo alla volta, mentre ci camminate dentro. Per ora regge pochi minuti, poi comincia a sfaldarsi.

Leggere o guardare?

Resta la domanda scomoda: i modelli linguistici, quelli come ChatGPT, ce l'hanno un mondo nella testa, o sanno solo mettere una parola dopo l'altra?

Nel 2022 un gruppo di ricercatori addestra un modello su un solo tipo di testo: lunghe liste di mosse di Othello. Il modello non vede mai una scacchiera e non conosce le regole; legge sequenze e impara a indovinare la prossima. Poi i ricercatori guardano dentro la rete e trovano una sorpresa: da qualche parte c'è la scacchiera. Se la è costruita da solo, perché era il modo più semplice per indovinare le mosse, e se la modificano le previsioni cambiano. Poco dopo un altro ricercatore scopre che non è in bianco e nero, ma in "pedine mie" e "pedine tue". Non significa che il modello capisca Othello come noi. Significa che, per prevedere bene, una rete può costruirsi un pezzo di mondo.

Dall'altra parte c'è Yann LeCun, uno dei padri del deep learning. Lo ripete da anni: un gatto domestico ha più senso comune di qualsiasi modello linguistico. Un bambino di quattro anni, solo guardando, ha assorbito più informazioni di quante un modello ne abbia lette. Per capire come cade un bicchiere non basta leggere di bicchieri che cadono: bisogna vederli cadere. E su questa idea ha scommesso tutto. Alla fine del 2025 ha lasciato Meta, dove guidava la ricerca sull'intelligenza artificiale, e ha fondato a Parigi una nuova azienda; a marzo di quest'anno ha raccolto più di un miliardo di dollari per costruire macchine che imparino il mondo guardandolo, come i bambini.

Chi ha ragione? Forse entrambi: leggere dà alle macchine un mondo di parole, guardare un mondo di cose. Ad aprile una rivista scientifica di primo piano ha messo la domanda nero su bianco: che cosa serve a un sistema non solo per prevedere o ragionare sul mondo, ma per agirci dentro? La risposta, per ora, resta aperta.

E se nel modello ci foste voi

C'è un aspetto che si nota meno. Craik parlava di un modello della realtà, e nella realtà ci siamo anche noi. Un modello del mondo abbastanza ricco non contiene solo bicchieri e strade chiuse: contiene persone, come reagiscono, che cosa vogliono, che cosa le convince.

In piccolo succede già da anni: quando una piattaforma vi propone il video successivo, usa un modellino di voi per prevedere che cosa guarderete. Ora immaginate un agente che, prima di scrivervi un messaggio, ne simula dieci versioni e sceglie quella a cui direte di sì. Più il mondo nella testa delle macchine è ricco, più diventano capaci di agire, e più importante diventa sapere per conto di chi lo stanno facendo.

Il bicchiere, ancora

Torniamo al pranzo. Il bicchiere è ancora lì, al sicuro, e la tovaglia è bianca. In una frazione di secondo la vostra testa ha simulato la fisica, il vino, perfino la faccia di chi l'aveva stirata; ha scelto il futuro migliore e poi ha mosso la vostra mano. Le macchine stanno imparando a farlo: c'è chi le fa leggere, chi le fa sognare, chi vuole insegnare loro a guardare. Ma nessuna, per ora, ha un mondo nella testa ricco come il vostro.

All'allarmometro, alla domanda su quanto renda più difficile staccare la spina il fatto che le macchine sappiano immaginare il futuro, il voto è 5. Simulare le conseguenze rende un agente molto più bravo a raggiungere i suoi obiettivi, anche aggirando gli ostacoli, e tra gli ostacoli potremmo esserci anche noi. Ma non di più, perché questi mondi sono ancora fragili: reggono qualche minuto, poi si sfaldano. Che le macchine stiano imparando a immaginare è un fatto; quanto debba preoccuparci è soltanto una stima.

Una macchina può sapere perfettamente che il bicchiere cadrà, calcolare la traiettoria e il disastro sulla tovaglia. Provate però a chiederle di allungare la mano e di spostarlo. La prossima volta si parte da un gesto ancora più semplice: prendere un uovo senza romperlo.