C’è una notizia che, se lavori nell’innovazione e nell’etica dell’IA come me, meriterebbe più attenzione di tanti annunci di prodotto: Giorgio Parisi, Premio Nobel per la Fisica, e il fisico Francesco Zamponi hanno usato Claude per sbloccare un problema teorico che li accompagnava da oltre dieci anni. Il risultato è finito su una rivista scientifica seria, il Journal of Statistical Mechanics: Theory and Experiment, e non su un post virale.
Vale la pena raccontarla per bene, perché dice molto su cosa significhi davvero “collaborare” con un modello linguistico, al contrario di quello che si legge nel dibattito pubblico su questi strumenti.
Il rompicapo che durava da un decennio
Nel 2014 Parisi e Zamponi, insieme ad altri colleghi, avevano formulato una teoria sul jamming: il fenomeno fisico per cui un insieme di particelle si blocca in una configurazione disordinata, un po’ come un ingorgo che non si scioglie. Nel loro modello comparivano due parametri, indicati con a e b, la cui somma risultava sempre uguale a 1.
Fin qui, nulla di strano: succede spesso che due quantità in un modello si bilancino. Il punto sorprendente era un altro: la stessa identica relazione (a+b=1) tornava fuori anche partendo da una teoria completamente diversa, sviluppata con un approccio matematico indipendente da un altro ricercatore per descrivere lo stesso fenomeno.
Due strade diverse, stesso punto di arrivo. Una coincidenza del genere, in fisica teorica, non può essere un caso: deve nascondere qualcosa di più profondo. Ma per dieci anni nessuno era riuscito a dimostrare perché dovesse essere così. Una cosa che, a quanto racconta Zamponi, dava proprio fastidio a Parisi.
Cosa hanno fatto davvero con Claude
Qui arriva la parte che trovo più istruttiva, ed è anche quella che nella narrazione superficiale si perde sempre. Parisi non ha aperto una chat e chiesto “spiegami perché a+b=1”. Ha prima chiesto al modello di rifare, da zero, tutti i calcoli numerici che il suo gruppo aveva sviluppato più di dieci anni prima. Solo dopo aver verificato che Claude arrivava agli stessi risultati del 2014, si è fidato abbastanza da porre la domanda vera.
A quel punto l’IA ha proposto una prima ipotesi: sostanzialmente nella direzione giusta, ma con alcuni errori da correggere. È seguita una serie di verifiche e scambi tra i ricercatori e il modello, avanti e indietro, finché non è emersa la spiegazione corretta: a+b=1 non è un caso, ma una conseguenza matematica obbligata di un principio fisico noto come marginal stability, la condizione di equilibrio “al limite” che caratterizza proprio il jamming. Se il conto non desse 1, semplicemente la teoria non sarebbe coerente con quella condizione fisica.
Era tutto lì, sotto gli occhi di chi aveva costruito il modello dieci anni prima. Nessuno l’aveva notato.
Perché questa storia conta più di tante altre
Da chi lavora ogni giorno con l’IA applicata a contesti professionali e accademici, il dettaglio che mi colpisce di più non è il risultato scientifico in sé, ma il metodo. Parisi stesso ha tenuto a precisare che senza un lavoro di guida e correzione durato giorni, il modello non sarebbe mai arrivato da solo alla soluzione. Non è stata una scorciatoia, è stato un percorso di verifica continua, in cui l’esperto umano ha mantenuto il controllo su ogni passaggio.
È esattamente il modello di collaborazione uomo-macchina che continuo a sostenere quando parlo di etica dell’IA: lo strumento non sostituisce il ragionamento scientifico, lo amplifica. Un LLM può generare rapidamente un’ipotesi plausibile, può eseguire calcoli complessi in pochi secondi, può tenere insieme fili teorici diversi che un cervello umano fatica a mantenere simultaneamente attivi. Ma resta un acceleratore di intuizioni, non un sostituto del giudizio critico di chi il problema lo conosce da una vita.
C’è un parallelo che mi sembra calzante: qualcuno ha descritto questi strumenti come un telescopio per la mente. Non aggiungono capacità che non esistevano già, ma permettono a chi ha già gli strumenti concettuali giusti di vedere più lontano, più in fretta.
La differenza tra usare bene l’IA e farsi usare da essa
Il motivo per cui questa vicenda merita di essere raccontata con cura è che arriva in un momento in cui il dibattito sull’IA generativa oscilla tra entusiasmo ingenuo e allarmismo altrettanto ingenuo. Da una parte c’è chi teme che l’uso quotidiano di questi strumenti stia appiattendo il pensiero critico, riducendo la capacità delle persone di argomentare e scrivere in autonomia. Dall’altra c’è chi li tratta come oracoli infallibili, fidandosi di risposte non verificate su temi che richiederebbero competenza specifica.
Il caso di Parisi e Zamponi sta esattamente nel mezzo, ed è lì che va cercato l’uso corretto: verificare prima di fidarsi, usare il modello per esplorare ipotesi e non per sostituire la validazione scientifica, e soprattutto mantenere per giorni un dialogo iterativo invece di accontentarsi della prima risposta plausibile.
Per chi si occupa di innovazione e di trasformazione digitale, come faccio io ogni giorno, questa storia è un promemoria semplice ma spesso dimenticato: il valore dell’intelligenza artificiale non sta nel sostituire competenze già solide, ma nel renderle più efficienti quando vengono guidate da qualcuno che sa esattamente dove vuole arrivare.