Introduzione: cos’è l’intelligenza
Che cosa significa essere intelligenti? In prima analisi, il concetto potrebbe apparire intuitivo, quasi evidente. Eppure, dopo oltre un secolo di ricerche in psicologia, neuroscienze e filosofia emerge un quadro molto più sfuggente: non esiste una definizione unica e universalmente accettata di intelligenza. Come osserva Robert J. Sternberg, “non esiste una definizione dell’intelligenza condivisa da tutti” [Sternberg, 2021], a testimonianza delle profonde divergenze tra le diverse discipline. Uno dei primi tentativi di definire l’intelligenza, proposto da David Wechsler, la descriveva come una “capacità globale di agire in modo finalizzato, di pensare razionalmente e di rapportarsi efficacemente con l’ambiente” [Wechsler, 1958]. Tuttavia, anche questa formulazione, pur avendo avuto un’influenza considerevole, sembrerebbe cogliere soltanto una sfaccettatura di un concetto ben più ampio e complesso.
Definire l’intelligenza
Nel corso degli anni, studiosi e ricercatori hanno proposto numerose concezioni dell’intelligenza, ciascuna delle quali pone l’accento su differenti dimensioni delle capacità umane. Dalla teoria delle intelligenze multiple di Howard Gardner [Gardner, 2013], che comprende abilità linguistiche, logico-matematiche e interpersonali, fino agli approcci psicometrici più tradizionali, incentrati sul fattore di intelligenza generale, il panorama scientifico riflette una pluralità di prospettive piuttosto che un quadro teorico unitario. Questa varietà suggerisce che l’intelligenza non sia una proprietà singola, bensì una costellazione di capacità cognitive, comportamentali e adattive.
Nonostante tale frammentazione concettuale, la maggior parte delle definizioni accademiche converge su un elemento fondamentale: l’intelligenza è strettamente legata alle capacità cognitive. Come sintetizzato dalla moderna scienza cognitiva, essa può essere definita come “una capacità mentale generale che consente di ragionare, risolvere problemi e apprendere” [Colom et al., 2010]. Questa definizione pone l’accento su processi fondamentali quali l’astrazione, l’inferenza e l’integrazione delle conoscenze, ovvero quelle capacità che permettono agli individui di affrontare ambienti complessi e situazioni nuove. In questa prospettiva, essere intelligenti non significa semplicemente produrre risposte corrette, ma comprendere, adattarsi e agire in modo finalizzato.
La rapida diffusione dei modelli LLM ha riacceso questo annoso dibattito. Sistemi capaci di generare testi coerenti, rispondere a domande complesse, eccellere in esami particolarmente impegnativi e persino esibire forme apparentemente sofisticate di ragionamento hanno portato alcuni ad attribuire alle macchine una forma di intelligenza. Tuttavia, simili affermazioni rischiano di confondere prestazioni impressionanti con un’effettiva capacità cognitiva sottostante. Se l’intelligenza implica realmente comprensione, ragionamento e adattamento cognitivo, la domanda cruciale diventa allora la seguente: gli LLM possiedono davvero queste qualità oppure si limitano a simularle?
In questo capitolo conclusivo affrontiamo tale interrogativo prendendo come riferimento le principali definizioni accademiche di intelligenza. Mettendo a confronto tali definizioni con i meccanismi di funzionamento degli LLM, intendiamo valutare se questi sistemi soddisfino effettivamente i criteri che caratterizzano l’intelligenza oppure se rappresentino, piuttosto, una sua imitazione straordinariamente convincente, ma in ultima analisi limitata.
Il ragionamento
Il ragionamento è generalmente definito come il processo attraverso il quale gli individui traggono inferenze, formulano giudizi e giungono a conclusioni sulla base delle informazioni disponibili. Steven Pinker sostiene che il ragionamento consiste nella “capacità di utilizzare la conoscenza per raggiungere degli obiettivi”, sottolineando come esso non si riduca alla mera manipolazione logica, ma implichi anche una cognizione intenzionale e orientata a uno scopo. Analogamente, Daniel Kahneman distingue tra ragionamento intuitivo e ragionamento deliberativo, evidenziando come il vero ragionamento richieda spesso processi lenti, strutturati e riflessivi, piuttosto che un semplice riconoscimento immediato di schemi.
Da una prospettiva formale, il ragionamento consiste nella manipolazione di rappresentazioni secondo regole logiche o inferenze probabilistiche. In questo senso, esso è strettamente connesso alla comprensione: ragionare non significa semplicemente produrre risposte corrette, ma farlo sulla base di processi internamente coerenti e fondati sul significato. Questa distinzione è fondamentale quando si valutano i sistemi di intelligenza artificiale.
Gli LLM mostrano spesso comportamenti che ricordano il ragionamento. Sono in grado di risolvere problemi matematici anche estremamente complessi, seguire istruzioni logiche, generare spiegazioni articolate passo dopo passo e superare le prestazioni umane in esami di elevata complessità. Nei paragrafi seguenti sono presentati alcuni esempi particolarmente significativi.
L’esame CFA, livello III
L’esame CFA (Chartered Financial Analyst, Analista Finanziario Certificato) Livello III rappresenta uno dei parametri di riferimento più rigorosi e rilevanti per valutare il ragionamento finanziario avanzato, poiché misura non soltanto la conoscenza di nozioni finanziarie avanzate, ma anche la capacità di applicare concetti finanziari complessi a scenari realistici e complessi. A differenza di molti benchmark di carattere generale, combina domande a scelta multipla con quesiti a risposta aperta che richiedono la costruzione di portafogli di strumenti finanziari, la gestione patrimoniale, la valutazione del rischio e l’assunzione di decisioni d’investimento supportate da un rigoroso ragionamento analitico.
Essendo il livello finale e più avanzato del programma CFA, riconosciuto a livello internazionale, esso riflette fedelmente le capacità di giudizio, sintesi e problem solving richieste ai professionisti della gestione degli investimenti. Di conseguenza, ottenere buoni o addirittura ottimi risultati nell’esame CFA Livello III costituisce un indicatore significativo della capacità, sia di un individuo sia di un modello di intelligenza artificiale, di supportare analisi finanziarie sofisticate in contesti reali, anziché limitarsi a richiamare nozioni di carattere finanziario.
Uno studio comparativo
Lo studio di Shetty e colleghi [Shetty et al., 2025] propone una valutazione comparativa di 23 LLM mediante esami simulati del CFA Livello III. Gli autori analizzano sia modelli proprietari sia modelli open source, impiegando tre strategie di prompting: Zero-Shot, Chain-of-Thought con Self-Consistency (CoT-SC) e Self-Discover. I risultati mostrano che i più avanzati modelli hanno ormai raggiunto prestazioni di livello professionale, con diversi di essi che superano la soglia di superamento stimata per il CFA Livello III. Sebbene i modelli con le migliori prestazioni ottengano accuratezze comparabili nelle domande a scelta multipla, i quesiti a risposta aperta consentono di distinguere con maggiore chiarezza le effettive capacità di ragionamento. Nel complesso, i modelli dotati di meccanismi di ragionamento superano sistematicamente quelli che ne sono privi, soprattutto nelle domande aperte, sebbene richiedano risorse computazionali significativamente superiori. Tra le diverse strategie di prompting, il metodo CoT-SC offre costantemente le prestazioni migliori, ma al prezzo di una latenza e di un costo di inferenza compresi tra tre e undici volte superiori rispetto al prompting Zero-Shot.
Il quadro dei risultati
Lo studio confronta inoltre la valutazione automatica effettuata dagli LLM con quella di esperti certificati CFA, rilevando che i valutatori umani assegnano, tipicamente, punteggi superiori rispetto a quelli attribuiti dal sistema di valutazione basato sugli LLM. Nel complesso, i risultati dimostrano che gli LLM di ultima generazione possono raggiungere, e in alcuni casi superare, il livello di competenza atteso per il ragionamento finanziario professionale avanzato, mettendo al tempo stesso in evidenza gli importanti compromessi tra accuratezza, costo computazionale, velocità di inferenza e metodologia di valutazione
Modello LLM |
Punteggio su domande a risposta multipla (%) |
Punteggio LLM su domande a risposta aperta (%) |
Punteggio esperti umani su domande a risposte aperte (%) |
Punteggio finale (%) |
| o4-mini | 75.00 | 83.22 | 79.9 | 79.1 |
| Gemini 2.5 Flash | 73.33 | 81.21 | 78.5 | 77.3 |
| Gemini 2.5 Pro | 76.67 | 75.17 | 83.2 | 75.9 |
| Claude Opus 4 | 73.33 | 76.51 | 81.9 | 74.9 |
| o3-mini | 75.00 | 73.83 | – | 74.4 |
| Grok-3 | 71.67 | 75.84 | – | 73.8 |
| Claude Sonnet 4 | 75.00 | 71.81 | 73.8 | 73.4 |
| Grok-3 Mini Low Effort | 75.00 | 69.80 | 71.8 | 72.4 |
| Claude 3.7 Sonnet | 73.33 | 67.79 | 77.8 | 70.6 |
| DeepSeek-R1 | 71.67 | 63.09 | 62.4 | 67.4 |
| Palmyra-fin | 68.33 | 58.39 | – | 63.4 |
Tabella 1 – Performance degli LLM valutati sul benchmark CFA Livello III. I punteggi riportati corrispondono alla strategia di prompting che ha prodotto le migliori prestazioni per ciascun modello [Shetty et al., 2025].
Una controversia sul CFA
La capacità degli LLM di superare gli esami del CFA è diventata un importante parametro di riferimento per valutare il ragionamento finanziario e le competenze specialistiche in questo dominio. I primi studi hanno tratto conclusioni prudenti: sebbene GPT-4 abbia ottenuto prestazioni nettamente superiori rispetto alla versione precedente del modello ChatGPT (GPT-3.5), che si era soltanto avvicinato alla soglia di superamento stimata negli esami CFA simulati, senza dimostrare risultati costanti nei livelli più impegnativi [Callanan et al., 2023]. Ricerche successive hanno evidenziato un progresso costante, con i modelli proprietari che hanno sistematicamente superato quelli open source, pur mantenendo importanti limiti nel ragionamento finanziario complesso e nelle risposte ai quesiti aperti, in particolare nel Livello III [Mahfouz et al., 2024]. Come illustrato nel paragrafo precedente, uno studio più recente [Shetty et al., 2025] ha riportato che diversi modelli di ragionamento più recenti, tra cui o4-mini di OpenAI e la famiglia Gemini 2.5 di Google, hanno superato brillantemente la tradizionale soglia di superamento del CFA Livello III sia nelle domande a scelta multipla sia nei quesiti a risposta aperta, valutati da correttori umani e da LLM. Questi risultati suggeriscono che gli LLM più recenti e più sofisticati, abbiano raggiunto un livello di capacità nella risoluzione di problemi finanziari che solo pochi anni fa sarebbe stato considerato irraggiungibile.
Un approccio critico
Tuttavia, tali risultati rimangono controversi per diverse ragioni. In primo luogo, tutte le valutazioni pubblicate si basano su simulazioni di esami ufficiali (mock examinations) e non sull’esame CFA reale, il cui contenuto è proprietario, limitando così la generalizzabilità dei punteggi riportati. In secondo luogo, alcuni ricercatori hanno sollevato dubbi riguardo a possibili fenomeni di contaminazione dei benchmark (benchmark contamination), poiché parte del materiale di preparazione o quesiti analoghi potrebbe essere stata inclusa nei corpora di addestramento pubblicamente disponibili, sebbene gli studi più recenti abbiano cercato di ridurre questo rischio utilizzando test più recenti o ad accesso limitato. In terzo luogo, le prestazioni risultano fortemente influenzate dalla strategia di prompting adottata: tecniche come il Chain-of-Thought migliorano sensibilmente i risultati di molti modelli, sollevando interrogativi su quanto delle capacità osservate sia effettivamente attribuibile al modello e quanto, invece, dipenda dalla metodologia di valutazione. Infine, numerosi ricercatori sottolineano che il superamento di un esame professionale non dovrebbe essere interpretato come una dimostrazione di autentica competenza finanziaria o di intelligenza. Sebbene il successo in un benchmark di questo tipo dimostri la capacità di produrre risposte corrette in condizioni di valutazione controllate, esso non implica necessariamente il possesso del giudizio professionale, della comprensione del contesto, del ragionamento etico, della responsabilità fiduciaria e dell’assunzione di responsabilità (accountability) che ci si aspetta da un esperto umano
Problema delle distanze unitarie: confutare una vecchia congettura
Nel 1946, il matematico ungherese Paul Erdős formulò un problema di geometria noto come problema delle distanze unitarie (unit distance problem). Il problema è il seguente: dati (n) punti nel piano, qual è il numero massimo di coppie di punti che si trovano esattamente a distanza unitaria? Per quasi ottant’anni, i matematici hanno ritenuto che le configurazioni basate sulla griglia quadrata fossero sostanzialmente ottimali, ed Erdős congetturò che il numero massimo di coppie di punti a distanza unitaria crescesse solo di poco più che linearmente rispetto a (n) [Erdős, 1946].
Nei decenni successivi, numerosi matematici tentarono senza successo di dimostrare o confutare questa congettura. Nel maggio 2026, tuttavia, un modello di ragionamento sviluppato internamente da OpenAI ha prodotto un controesempio, confutando la congettura di Erdős mediante la costruzione di una famiglia infinita di configurazioni di punti che, asintoticamente, presenta un numero di coppie a distanza unitaria superiore a quello ottenibile con le configurazioni basate sulla griglia quadrata fino ad allora ritenute ottimali [OpenAI, 2026]. Sebbene questo risultato rappresenti un importante passo avanti, è essenziale distinguere tra la confutazione della congettura di Erdős e la soluzione del problema delle distanze unitarie nel suo complesso. Il problema generale, ossia determinare il numero massimo esatto di coppie di punti a distanza unitaria tra (n) punti nel piano, rimane infatti tuttora irrisolto.
Secondo l’articolo di OpenAI, il modello è giunto alla costruzione mettendo in relazione il problema con tecniche provenienti dalla teoria algebrica dei numeri, ottenendo così configurazioni di punti le cui coordinate soddisfano equazioni algebriche opportunamente scelte. I ricercatori sottolineano che il modello era un sistema di ragionamento di uso generale e non uno strumento progettato specificamente per la ricerca matematica, e che non aveva ricevuto istruzioni esplicite volte a confutare la congettura di Erdős. La dimostrazione ottenuta è stata successivamente verificata e perfezionata da matematici esperti.
Il vincitore della Medaglia Fields Tim Gowers ha definito il risultato “una pietra miliare per l’intelligenza artificiale applicata alla matematica”. Analogamente, Noga Alon e i suoi coautori hanno scritto: “Il fatto che la risposta corretta non sia (n^{1+o(1)}) è sorprendente, e la costruzione, insieme alla sua analisi, utilizza strumenti piuttosto sofisticati della teoria algebrica dei numeri in modo elegante e ingegnoso” [Alon et al., 2026].
L’importanza di questo risultato va ben oltre la geometria discreta. Esso dimostra che i moderni sistemi di intelligenza artificiale sono in grado di sostenere ragionamenti matematici lunghi e articolati su problemi di elevata complessità e di generare idee matematiche autenticamente nuove. Inoltre, mettendo in luce un collegamento inatteso tra la geometria discreta e la teoria algebrica dei numeri, questo lavoro evidenzia il crescente potenziale dell’intelligenza artificiale come collaboratore creativo nella scoperta scientifica, piuttosto che come semplice strumento di calcolo.
Prevedere i risultati degli esperimenti di neuroscienze
Lo studio “Large language models surpass human experts in predicting neuroscience results” (Gli LLM superano gli esperti umani nel prevedere gli esiti degli esperimenti di neuroscienze, cfr [Luo et al., 2024] dimostra che gli LLM hanno raggiunto un traguardo significativo, superando gli esperti di neuroscienze nella previsione dei risultati di esperimenti scientifici. Gli autori hanno sviluppato BrainBench, un benchmark prospettico progettato per valutare se un modello sia in grado di prevedere correttamente i risultati di studi neuroscientifici, anziché limitarsi a richiamare conoscenze già acquisite. Il benchmark consiste nel fornire ai diversi modelli l’abstract di un articolo scientifico dal quale sono stati rimossi i risultati e le conclusioni, chiedendo ai modelli di inferire, sulla base delle informazioni disponibili, l’esito dell’esperimento. In questo modo, il modello è chiamato a simulare il ragionamento di un ricercatore che formula una previsione prima di conoscere i risultati effettivi dello studio.
I risultati mostrano che gli LLM di uso generale hanno raggiunto un’accuratezza media dell’81,4%, superando significativamente il 63,4% ottenuto dagli esperti umani in diversi sottosettori delle neuroscienze. I modelli hanno dimostrato la capacità di integrare le informazioni contenute nell’intero abstract di un articolo scientifico, anziché basarsi su singole frasi isolate, indicando così una reale capacità di ragionare sul contesto scientifico piuttosto che un semplice riconoscimento di schemi (pattern matching). Inoltre, i ricercatori non hanno trovato evidenze di una memorizzazione dei dati del benchmark da parte dei modelli, suggerendo che il loro successo derivi dall’apprendimento di regolarità scientifiche di carattere generale e non dal richiamo di esempi incontrati durante l’addestramento.
Approfondire il significato
Un ulteriore risultato di rilievo riguarda la buona calibrazione del livello di fiducia (confidence) espressa dagli LLM: quando i modelli fornivano un livello di sicurezza elevato delle proprie previsioni, queste risultavano effettivamente corrette, rendendoli collaboratori molto affidabili per i ricercatori. Lo studio ha inoltre presentato BrainGPT, un modello specializzato nelle neuroscienze ottenuto mediante fine-tuning di Mistral-7B su un ampio corpus della letteratura neuroscientifica. Questo adattamento ha incrementato l’accuratezza delle previsioni dall’83% all’86%, dimostrando che un addestramento specifico per dominio può migliorare ulteriormente le prestazioni degli LLM. Nel complesso, il lavoro evidenzia il crescente potenziale degli LLM nell’accelerare la scoperta scientifica, supportando i ricercatori nell’effettuare previsioni dei risultati sperimentali, nella generazione di nuove ipotesi e nello sviluppo della ricerca futura in discipline ad alta intensità di conoscenza. Lo studio non dimostra che gli LLM siano in grado di condurre autonomamente attività di ricerca scientifica. Mostra, piuttosto, che eccellono nel prevedere l’esito di esperimenti sulla base delle regolarità apprese dalla letteratura scientifica. Si tratta di un risultato significativo, ma distinto dalla capacità di formulare nuove teorie, progettare esperimenti originali o contribuire in modo autonomo all’avanzamento della conoscenza scientifica.
La congettura jacobiana
Levent Alpöge ha recentemente annunciato di aver risolto un problema matematico rimasto irrisolto per oltre 87 anni. L’annuncio ha suscitato grande attenzione non solo per la sua rilevanza matematica, ma anche per il ruolo che, secondo quanto riportato, avrebbe svolto il sistema di intelligenza artificiale Claude Fable 5 di Anthropic nel processo di scoperta [Alpöge, 2026]. È significativo osservare che Claude Fable 5 è un LLM di uso generale e non un modello LLM progettato o specializzato per la ricerca matematica. Secondo Alpöge, il modello ha contribuito in modo sostanziale allo sviluppo delle idee e dei calcoli alla base della dimostrazione, rendendo questo uno degli esempi più rilevanti finora riportati di un sistema di IA di uso generale impiegato come supporto alla ricerca matematica originale.
Il risultato annunciato riguarda la storica congettura jacobiana, formulata da Ott-Heinrich Keller nel 1939 [Keller, 1939]. La congettura afferma che ogni applicazione polinomiale con determinante jacobiano costante e diverso da zero ammette un’inversa anch’essa polinomiale [Bass et al., 1982]. Alpöge propone un’applicazione polinomiale esplicita in tre variabili complesse con determinante jacobiano costante pari a −2, che tuttavia non è globalmente invertibile, poiché punti distinti vengono trasformati nella stessa immagine. Se questa costruzione dovesse superare, come atteso, il processo di revisione (peer review), costituirebbe il primo controesempio alla congettura jacobiana, risolvendo uno dei più antichi problemi aperti della geometria algebrica e rendendo necessaria una revisione di diversi risultati correlati nella teoria degli automorfismi polinomiali. Secondo le informazioni finora disponibili, verifiche indipendenti preliminari avrebbero confermato la correttezza degli aspetti computazionali dell’esempio, sebbene una dimostrazione completa sottoposta a peer review non sia ancora stata pubblicata nella letteratura matematica.
I modelli LLM possono simulate empatia?
L’empatia è una capacità complessa e multidimensionale che, in generale, indica la capacità di comprendere le emozioni e la prospettiva di un’altra persona, rispondendo in modo appropriato e compassionevole. Sebbene non esista una definizione universalmente condivisa, la maggior parte delle interpretazioni contemporanee distingue tra empatia cognitiva, ossia la capacità di comprendere lo stato mentale o emotivo di un’altra persona, ed empatia affettiva, cioè la capacità di condividere o di rispondere in modo appropriato alle emozioni altrui [Cuff et al., 2014]. L’empatia svolge un ruolo fondamentale nelle relazioni umane, poiché favorisce la fiducia, la cooperazione, il sostegno emotivo e i comportamenti prosociali, costituendo uno degli elementi essenziali della comunicazione efficace, dell’assistenza alla persona, della leadership e delle interazioni sociali. Proprio perché è stata tradizionalmente considerata una capacità esclusivamente umana, fondata sull’esperienza emotiva e sulla cognizione sociale, l’emergere di LLM in grado di generare risposte percepite come altamente empatiche solleva un interrogativo cruciale: l’apparire compassionevole riflette necessariamente una reale comprensione delle emozioni?
Nello studio Third-party Evaluators Perceive AI as More Compassionate than Expert Humans, Dariya Ovsyannikova, Victoria Oldemburgo de Mello e Michael Inzlicht [Ovsyannikova et al., 2025] hanno indagato se le risposte generate dagli LLM siano percepite come più compassionevoli di quelle prodotte da esseri umani. Attraverso quattro esperimenti preregistrati, che hanno coinvolto complessivamente 556 partecipanti, i valutatori hanno confrontato l’empatia delle risposte generate dagli LLM con quelle formulate da partecipanti accuratamente selezionati e da professionisti esperti nella gestione delle crisi. Le risposte generate dall’intelligenza artificiale sono state valutate sistematicamente come più compassionevoli, più attente ai bisogni dell’interlocutore e complessivamente preferibili rispetto a quelle umane. Questo vantaggio è rimasto evidente anche quando ai partecipanti veniva esplicitamente comunicato che le risposte erano state prodotte da un sistema di intelligenza artificiale e non da una persona [Ovsyannikova et al., 2025].
Gli autori mostrano inoltre che questa superiorità è spiegata in larga misura dalla maggiore reattività percepita (perceived responsiveness) dell’IA, ossia dalla sua capacità di comunicare comprensione, convalida emotiva e attenzione attraverso un linguaggio chiaro, strutturato e rassicurante. È interessante osservare che il vantaggio dell’IA risulta particolarmente marcato nelle situazioni emotivamente negative, nelle quali esprimere empatia rappresenta generalmente un compito più difficile.
Tenere in considerazione anche i limiti
Nonostante questi risultati siano particolarmente significativi, gli autori sottolineano alcune importanti limitazioni dello studio. La ricerca ha infatti valutato il giudizio espresso da osservatori esterni e non quello delle persone che ricevevano effettivamente il sostegno emotivo; di conseguenza, i risultati misurano la compassione percepita, e non l’efficacia terapeutica o l’impatto psicologico delle risposte generate dall’IA. Inoltre, gli autori respingono esplicitamente l’idea che gli LLM provino realmente empatia o possiedano un’autentica comprensione emotiva. Essi sostengono, piuttosto, che gli LLM contemporanei siano diventati straordinariamente efficaci nel produrre un linguaggio che gli esseri umani percepiscono come empatico e compassionevole.
La conclusione dello studio è pertanto equilibrata: l’intelligenza artificiale non dovrebbe essere considerata un sostituto degli operatori sanitari, degli psicologi o dei professionisti della salute mentale, bensì uno strumento complementare capace di potenziare la comunicazione di supporto, soprattutto nei contesti in cui le risorse umane sono limitate o la domanda supera la capacità di risposta. Più in generale, lo studio mette in evidenza un’importante distinzione tra la percezione dell’empatia e la reale esperienza dell’empatia, suggerendo che una comunicazione efficace dipende non solo dallo stato emotivo di chi parla, ma anche dal modo in cui la compassione viene percepita da chi riceve il messaggio. Questo risultato ha importanti implicazioni per il più ampio dibattito sull’intelligenza artificiale, rafforzando l’idea che gli LLM possano simulare in modo estremamente convincente comportamenti umani complessi senza necessariamente possedere le capacità cognitive o emotive che sembrano manifestare.
Il pappagallo stocastico
Lo scienziato cognitivo Gary Marcus è uno dei più autorevoli critici degli LLM e sostiene che la loro capacità di generare un linguaggio convincente non debba essere confusa con una reale comprensione o con una forma autentica di intelligenza [Marcus, 2018]; [Marcus & Davis, 2019]. Professore emerito di Psicologia e Scienze Neurali presso la New York University, Marcus sostiene da tempo che il solo apprendimento statistico non sia sufficiente a spiegare le caratteristiche fondamentali della cognizione umana, quali il ragionamento astratto, l’inferenza causale, il senso comune e la capacità di generalizzare in modo affidabile a situazioni nuove.
Marcus si riferisce spesso agli LLM con l’espressione “pappagalli stocastici” (stochastic parrots). Sebbene il termine sia stato introdotto originariamente da Bender e colleghi [Bender et al., 2021], Marcus ne ha ampiamente adottato e diffuso la metafora per descrivere i limiti degli attuali LLM. L’analogia è volutamente provocatoria: così come un pappagallo è in grado di riprodurre fedelmente il linguaggio umano senza comprenderne il significato, gli LLM generano testi fluenti e contestualmente appropriati prevedendo, a ogni passo, la sequenza di parole statisticamente più probabile sulla base dei modelli appresi durante l’addestramento, piuttosto che ragionando sui concetti rappresentati da quelle parole.
Ad esempio, se un utente fornisce il prompt: “Mi sento profondamente triste perché mi manca il mio partner, che vive in un altro Paese”, un LLM potrebbe rispondere: “Mi dispiace che tu stia attraversando questo momento. Essere lontani dalla persona che si ama può essere emotivamente molto difficile, ed è naturale sentirsi soli e scoraggiati. Anche se la distanza rappresenta una sfida, mantenere un contatto regolare e concentrarsi sul prossimo momento in cui potrete rivedervi potrebbe aiutarti”. Una risposta di questo tipo può essere percepita come empatica, rassicurante ed emotivamente appropriata, perché riflette schemi linguistici appresi da milioni di conversazioni simili. Tuttavia, il modello non comprende realmente che cosa significhi provare nostalgia per una persona amata, sperimentare la solitudine o amare qualcuno, né possiede emozioni, coscienza o esperienze personali. Esso genera semplicemente una risposta che, dal punto di vista statistico, risulta altamente probabile e appropriata nel contesto della conversazione.
Natura probabilitistica del processo
Per quanto riguarda l’aggettivo «stocastico», come illustrato in precedenza, esso si riferisce alla natura probabilistica del processo di generazione del testo. A ogni passo, infatti, il modello seleziona il token successivo campionando da una distribuzione di probabilità, producendo risposte statisticamente plausibili, ma non necessariamente fondate su conoscenze fattuali, esperienze del mondo reale o una reale comprensione semantica [Bender et al., 2021]. Questo spiega perché gli LLM possano produrre testi straordinariamente coerenti e, allo stesso tempo, manifestare allucinazioni, incoerenze logiche, errori nel ragionamento causale e comportamenti fragili quando vengono confrontati con problemi nuovi o inconsueti.
Da questa prospettiva, l’apparente intelligenza degli LLM costituisce una proprietà emergente del riconoscimento statistico di schemi su larga scala, piuttosto che una prova di autentica comprensione o di pensiero intenzionale. Marcus sostiene pertanto che il progresso verso un’autentica intelligenza artificiale generale richiederà con ogni probabilità architetture ibride capaci di integrare il deep learning con il ragionamento simbolico, rappresentazioni esplicite della conoscenza e modelli causali, combinando così i punti di forza dell’apprendimento statistico con le capacità di ragionamento strutturato proprie dell’intelligenza umana [Marcus, 2018]. Sebbene questa posizione sia ancora oggetto di un acceso dibattito all’interno della comunità scientifica dell’intelligenza artificiale, il concetto di «pappagalli stocastici» è diventato una delle critiche più influenti agli LLM contemporanei, poiché sottolinea la distinzione fondamentale tra la capacità di produrre risposte linguisticamente convincenti e quella di comprenderne realmente il significato [Bender et al., 2021].
I sottomarini sanno nuotare?
Il matematico e informatico britannico Alan Turing, tra i pionieri dell’informatica moderna, propose uno dei primi e più influenti approcci comportamentali all’intelligenza artificiale nel celebre articolo Computing Machinery and Intelligence [Turing, 1950]. Anziché porsi l’astratta domanda “Le macchine possono pensare?”, Turing suggerì di sostituirla con un quesito di natura più pragmatica: una macchina è in grado di sostenere una conversazione in modo così convincente da non poter essere distinta, da un interlocutore umano, da un’altra persona? Oltre settant’anni dopo, questa domanda è diventata verificabile sperimentalmente. In un test di Turing randomizzato, controllato e a tre partecipanti, Jones e Bergen [Jones & Bergen, 2026] hanno osservato che GPT-4.5, quando istruito ad assumere l’identità di una persona, è stato identificato come il partecipante umano nel 73% delle conversazioni, con una frequenza significativamente superiore a quella del vero partecipante umano. Lo studio costituisce la prima dimostrazione, sottoposta a revisione paritaria, che un LLM è in grado di superare un test di Turing nella sua formulazione standard.
Tuttavia, l’indistinguibilità comportamentale è stata a lungo criticata come criterio insufficiente per attribuire l’intelligenza. Il celebre argomento della stanza cinese (Chinese Room) di John Searle [Searle, 2010] illustra efficacemente questo limite mediante un esperimento mentale. Una persona che non conosce il cinese segue un insieme di regole fornitogli che le consente di manipolare simboli cinesi in modo tanto efficace da indurre un osservatore esterno a credere che stia comunicando con un parlante perfettamente fluente. Sebbene le risposte risultino del tutto appropriate, non vi è alcuna reale comprensione della lingua cinese. Secondo Searle, i computer operano in modo analogo: manipolano simboli secondo regole formali senza attribuire loro un significato semantico. Di conseguenza, la capacità di produrre un linguaggio corretto e convincente non implica necessariamente comprensione, intenzionalità o coscienza.
Un dibattito comunque ancora aperto
Le evidenze esaminate nel corso di questo articolo mostrano chiaramente perché questo dibattito rimanga tuttora aperto. Gli LLM contemporanei hanno dimostrato capacità straordinarie: hanno raggiunto prestazioni di livello professionale nell’esame CFA Livello III, hanno contribuito a scoperte matematiche originali, hanno previsto gli esiti di esperimenti neuroscientifici con un’accuratezza superiore a quella degli esperti umani e hanno generato risposte percepite da valutatori indipendenti come più empatiche e compassionevoli di quelle prodotte da persone. Questi esempi sono stati selezionati perché rappresentano alcune delle tappe più significative nello sviluppo delle capacità di ragionamento dell’intelligenza artificiale e illustrano l’ampiezza dei domini nei quali gli LLM moderni raggiungono, e talvolta superano, il livello di competenza degli esperti umani. Essi costituiscono, tuttavia, solo una piccola parte di un insieme di evidenze in rapida espansione.
Allo stesso tempo, questi risultati straordinari convivono con importanti limitazioni. Gli LLM rimangono soggetti al fenomeno delle “allucinazioni”, sebbene le versioni più recenti abbiano ridotto sensibilmente questo problema; non possiedono esperienza cosciente né intenzionalità; e generano le proprie risposte attraverso la previsione statistica di schemi linguistici, piuttosto che mediante una comprensione semantica verificabile [Bender et al., 2021]; [Marcus, 2018]. Di conseguenza, stabilire se tali sistemi debbano essere considerati realmente intelligenti dipende in larga misura dalla definizione di intelligenza che si adotta. Se l’intelligenza viene intesa in senso comportamentale, come proposto da Turing, le evidenze empiriche sembrano sostenere sempre più una risposta affermativa. Se, invece, essa richiede una comprensione autentica, l’intenzionalità o la coscienza, come sostengono Searle e critici contemporanei quali Gary Marcus, allora gli attuali LLM, nonostante le loro prestazioni eccezionali, non soddisfano tali requisiti.
Edsger W. Dijkstra formulò la famosa frase “la domanda se un computer possa pensare non è più interessante della domanda se un sottomarino possa nuotare” [Dijkstra, 1986]. La sua analogia mette in discussione la tendenza a valutare le macchine confrontandole con gli esseri umani e suggerisce, invece, che la domanda realmente significativa riguardi ciò che le macchine sono effettivamente in grado di fare. Così come i sottomarini non nuotano come i pesci e tuttavia sono in grado di navigare negli oceani con straordinaria efficacia, gli LLM non devono necessariamente pensare come gli esseri umani per svolgere compiti che sempre più spesso eguagliano, o addirittura superano, le prestazioni cognitive umane. In questa prospettiva, la questione più importante potrebbe non essere se l’intelligenza artificiale possieda un’intelligenza nel senso umano del termine, bensì in che modo le sue capacità, in continua e rapida evoluzione, trasformeranno la ricerca scientifica, le professioni e, più in generale, la nostra società.
Gli LLM e il futuro del lavoro
Uno degli ambiti nei quali queste capacità stanno già iniziando a trasformare profondamente la società è il mercato del lavoro. Un numero crescente di studi suggerisce che l’intelligenza artificiale generativa e i modelli LLM modificheranno il mondo dell’occupazione intervenendo soprattutto sulle attività cognitive ad alta qualificazione, piuttosto che sostituendo prevalentemente il lavoro manuale di routine. Una delle prime e più influenti analisi, condotta da Eloundou e collaboratori [Eloundou et al., 2023], ha stimato che circa l’80% della forza lavoro statunitense potrebbe vedere almeno il 10% delle proprie attività influenzato dagli LLM. Le professioni maggiormente esposte risultano essere quelle ad alta intensità di conoscenza, come la scrittura, la programmazione, la finanza, il diritto, l’istruzione e la ricerca scientifica. Questo risultato ha messo in discussione la tradizionale narrativa dell’automazione, suggerendo che i lavoratori più qualificati e con redditi più elevati potrebbero essere maggiormente esposti agli effetti dell’IA rispetto a molte professioni manuali. Analogamente, il Fondo Monetario Internazionale (IFM, International Monetary Fund) stima che circa il 40% dell’occupazione mondiale sia esposto all’intelligenza artificiale, percentuale che sale a circa il 60% nelle economie avanzate, dove predominano le professioni cognitive e ad alta intensità linguistica. È importante sottolineare che, secondo l’IMF, l’IA non eliminerà semplicemente posti di lavoro, ma li trasformerà automatizzando alcune attività e affiancandosi ai lavoratori nello svolgimento di altre. Ciò potrebbe aumentare la produttività di alcuni lavoratori e, al tempo stesso, ridurre la domanda di altri, in particolare nelle professioni in cui una parte consistente delle attività può essere svolta dall’intelligenza artificiale [Cazzaniga et al., 2024]. L’impatto complessivo sul mercato del lavoro dipenderà quindi non solo dal progresso tecnologico, ma anche dalla capacità di lavoratori, imprese e istituzioni di adattarsi attraverso percorsi di riqualificazione professionale (reskilling), cambiamenti organizzativi e la creazione di nuove professioni abilitate dall’intelligenza artificiale.
Esposizione osservata
Più recentemente, Massenkoff e McCrory [Massenkoff e McCrory, 2026] hanno introdotto il concetto di esposizione osservata (observed exposure), definito come il divario tra le capacità teoriche dell’intelligenza artificiale e il suo effettivo utilizzo nelle attività lavorative. La loro analisi mostra che, sebbene gli attuali sistemi di IA siano già in grado di svolgere una parte significativa delle attività ad alta intensità di conoscenza, la loro adozione nel mondo del lavoro rimane ancora sensibilmente inferiore al potenziale tecnico disponibile. Secondo gli autori, questo divario è spiegato principalmente dall’inerzia organizzativa, dai costi di implementazione, dall’incertezza normativa, dalla fiducia nei confronti della tecnologia e dal tempo necessario per riprogettare i processi aziendali, più che da reali limiti delle tecnologie stesse. Ciononostante, le professioni con il più elevato livello di esposizione osservata mostrano già i primi segnali di cambiamento nel mercato del lavoro, tra cui un rallentamento delle assunzioni, soprattutto per i lavoratori junior e per posizioni entry level. Nel loro insieme, questi studi suggeriscono che, allo stato attuale, l’intelligenza artificiale operi prevalentemente come uno strumento di potenziamento delle attività lavorative (task-level augmentation), piuttosto che come un sostituto completo del lavoro umano. Tuttavia, con il continuo miglioramento delle capacità dell’IA e la progressiva riduzione delle barriere alla sua adozione, è probabile che il divario tra il potenziale tecnologico e la sua effettiva implementazione nei luoghi di lavoro si riduca, accelerando il passaggio da un modello di supporto al lavoratore a forme di automazione molto più estese e contribuendo a ridefinire profondamente l’occupazione in numerose professioni ad alta intensità di conoscenza.
“Submarines do not swim like fish. nevertheless navigate the oceans with extraordinary effectiveness”.
Conclusioni
La domanda se gli LLM siano realmente intelligenti potrebbe non ammettere una risposta univoca, poiché dipende dalla definizione stessa di intelligenza che si sceglie di adottare. Come abbiamo visto, non esiste una definizione universalmente accettata nella comunità scientifica. Le evidenze esaminate in questo capitolo mostrano che i moderni modelli di intelligenza artificiale sono ormai in grado di affrontare con successo compiti che fino a pochi anni fa erano considerati esclusivo dominio dell’intelligenza umana: “ragionano”, scrivono, programmano, scoprono connessioni matematiche, supportano la ricerca scientifica e comunicano in modo sorprendentemente efficace. In molti casi raggiungono prestazioni comparabili o addirittura superiori a quelle degli esseri umani. Al tempo stesso, rimangono aperti interrogativi fondamentali riguardo alla comprensione, all’intenzionalità, alla coscienza e all’esperienza soggettiva. Forse, come suggeriva Dijkstra, chiedersi se un LLM “pensi” è una domanda meno utile che domandarsi quali problemi sia oggi in grado di risolvere e quali sarà in grado di affrontare domani. Più che sostituire l’intelligenza umana, gli LLM stanno dando origine a una nuova forma di intelligenza artificiale, con caratteristiche proprie, destinata a trasformare profondamente la società e a mettere in discussione gli attuali modelli economici e organizzativi.
Riferimenti
[Alon et al., 2026] Alon N., Bloom T. F., Gowers W. T., Litt D., Sawin W., Shankar A., Tsimerman J., Wang V. Y., Wood M. M. (2026). Remarks on the disproof of the unit distance conjecture. Preprint arXiv, arXiv:2605.20695, DOI:10.48550/arXiv.2605.20695.
[Alpöge, 2026] Alpöge L. (2026). A counterexample to the Jacobian Conjecture in dimension three. Annuncio e preprint matematico, 19 luglio 2026
https://zenodo.org/records/21461572).
[Bass et al., 1982] Bass H., Connell E. H., Wright D. (1982). The Jacobian conjecture: reduction of degree and formal expansion of the inverse. Bulletin of the American Mathematical Society (New Series), 7 (2), pp. 287–330, DOI:10.1090/S0273-0979-1982-15032-7.
[Bender et al., 2021] Bender E. M., Gebru T., McMillan-Major A., Shmitchell S. (2021). On the Dangers of Stochastic Parrots: Can Language Models Be Too Big?. Proceedings of the 2021 ACM Conference on Fairness, Accountability, and Transparency (FAccT ’21), Association for Computing Machinery, New York, pp. 610–623, DOI:10.1145/3442188.3445922.
[Callanan et al., 2023] Callanan E., Mbakwe A., Papadimitriou A., Pei Y., Sibue M., Zhu X., Ma Z., Liu X., Shah S.(2023). Can GPT Models Be Financial Analysts? An Evaluation of ChatGPT and GPT-4 on Mock CFA Exams. Preprint arXiv, arXiv:2310.08678 (poi in Proceedings of the Eighth Financial Technology and Natural Language Processing and the 1st Agent AI for Scenario Planning, FinNLP-AgentScen @ IJCAI 2024, pp. 23–32).
[Cazzaniga et al., 2024] Cazzaniga M., Jaumotte F., Li L., Melina G., Panton A. J., Pizzinelli C., Rockall E. J., Mendes Tavares M. (2024). Gen-AI: Artificial Intelligence and the Future of Work. IMF Staff Discussion Notes, SDN/2024/001,International Monetary Fund, Washington (DC), DOI: 10.5089/9798400262548.006.
[Colom et al., 2010] Colom R., Karama S., Jung R. E., Haier R. J. (2010). Human intelligence and brain networks.Dialogues in Clinical Neuroscience, 12 (4), pp. 489–501, DOI: 10.31887/DCNS.2010.12.4/rcolom.
[Cuff et al., 2014] Cuff B. M. P., Brown S. J., Taylor L., Howat D. J. (2014). Empathy: A Review of the Concept. Emotion Review, pubblicato online il 1° dicembre 2014 (fasc. a stampa: vol. 8, n. 2, 2016, pp. 144–153), DOI:10.1177/1754073914558466.
[Dijkstra, 1986] Dijkstra E. W. (1986). On a Cultural Gap. The Mathematical Intelligencer, 8 (1), pp. 48–52, DOI:10.1007/BF03023921 (manoscritto EWD924, 1985; cfr. anche EWD898, The threats to computing science, novembre 1984).
[Eloundou et al., 2023] Eloundou T., Manning S., Mishkin P., Rock D. (2023). GPTs are GPTs: An Early Look at the Labor Market Impact Potential of Large Language Models. Preprint arXiv, arXiv:2303.10130 (poi in Science, vol. 384, n.6702, 2024, pp. 1306–1308, DOI: 10.1126/science.adj0998).
[Erdős, 1946] Erdős P. (1946). On sets of distances of n points. The American Mathematical Monthly, 53 (5), pp. 248–250, DOI: 10.2307/2305092.
[Gardner, 2013] Gardner H. (2013). Frequently Asked Questions—Multiple Intelligences and Related Educational Topics.Harvard Graduate School of Education, Cambridge (MA), marzo 2013
https://howardgardner01.files.wordpress.com/2012/06/faq_march2013.pdf
[Jones & Bergen, 2026] Jones C. R., Bergen B. K. (2026). Large language models pass a standard three-party Turing test.Proceedings of the National Academy of Sciences (PNAS), DOI: 10.1073/pnas.2524472123 (preprint 2025:arXiv:2503.23674)
[Keller, 1939] Keller O.-H. (1939). Ganze Cremona-Transformationen. Monatshefte für Mathematik und Physik, 47 (1),pp. 299–306, DOI: 10.1007/BF01695502
[Luo et al., 2024] Luo X., Rechardt A., Sun G., Nejad K. K., Yáñez F., Yilmaz B., Lee K., Cohen A. O., Borghesani V.,Pashkov A., Marinazzo D., Nicholas J., Salatiello A., Sucholutsky I., Minervini P., Razavi S., Rocca R., Yusifov E.,Okalova T., Gu N., Ferianc M., Khona M., Patil K. R., Lee P.-S., Mata R., Myers N. E., Bizley J. K., Musslick S., Bilgin I. P., Niso G., Ales J. M., Gaebler M., Murty N. A. R., Loued-Khenissi L., Behler A., Hall C. M., Dafflon J., Bao S. D.,Love B. C. (2024). Large language models surpass human experts in predicting neuroscience results. Nature Human Behaviour, pubblicato online il 27 novembre 2024 (fasc. a stampa: vol. 9, n. 2, 2025, pp. 305–315), DOI:10.1038/s41562-024-02046-9 (preprint: arXiv:2403.03230)
[Mahfouz et al., 2024] Mahfouz M., Callanan E., Sibue M., Papadimitriou A., Ma Z., Liu X., Zhu X. (2024). The State of the Art of Large Language Models on Chartered Financial Analyst Exams. Proceedings of the 2024 Conference on Empirical Methods in Natural Language Processing: Industry Track (EMNLP 2024), Association for Computational Linguistics, Miami (FL), pp. 1068–1082, DOI: 10.18653/v1/2024.emnlp-industry.80
[Marcus, 2018] Marcus G. (2018). Deep Learning: A Critical Appraisal. Preprint arXiv, arXiv:1801.00631, DOI:10.48550/arXiv.1801.00631
[Marcus & Davis, 2019] Marcus G., Davis E. (2019). Rebooting AI: Building Artificial Intelligence We Can Trust.Pantheon Books, New York
[Massenkoff e McCrory, 2026] Massenkoff M., McCrory P. (2026). Labor Market Impacts of AI: A New Measure and Early Evidence. Anthropic Research Report, San Francisco (CA), 5 marzo 2026
https://www.anthropic.com/research/labor-market-impacts
[OpenAI, 2026] OpenAI (2026). An OpenAI model has disproved a central conjecture in discrete geometry. OpenAI Research Index, 20 maggio 2026
https://openai.com/index/model-disproves-discrete-geometry-conjecture/
[Ovsyannikova et al., 2025] Ovsyannikova D., Oldemburgo de Mello V., Inzlicht M. (2025). Third-party evaluators perceive AI as more compassionate than expert humans. Communications Psychology, 3 (1), art. 4, DOI: 10.1038/s44271-024-00182-6
[Searle, 2010] Searle J. R. (2010). Why Dualism (and Materialism) Fail to Account for Consciousness. In Lee R. E. (a cura di), Questioning Nineteenth-Century Assumptions about Knowledge, III: Dualism, State University of New York Press, Albany (NY), pp. 5–48 [articolo fondativo originale: Searle J. R. (1980). Minds, brains, and programs. Behavioral and Brain Sciences, 3 (3), pp. 417–424]
[Shetty et al., 2025] Shetty P., Upadhayaya A., Shah P. M., Jagabathula S., Nayak S., Fee A. J. (2025). Advanced Financial Reasoning at Scale: A Comprehensive Evaluation of Large Language Models on CFA Level III. Preprint arXiv,arXiv:2507.02954 (FinLLM @ IJCAI 2025), DOI: 10.48550/arXiv.2507.02954
[Sternberg, 2021] Sternberg R. J. (2021). Adaptive Intelligence: Surviving and Thriving in Times of Uncertainty.Cambridge University Press, Cambridge [cfr. anche Sternberg R. J. (2021). Integrating Diverse Points of View on Intelligence: A 6P Framework. Journal of Intelligence, 9 (3), art. 33, e la voce Human intelligence in Encyclopædia Britannica]
[Turing, 1950] Turing A. M. (1950). Computing Machinery and Intelligence. Mind, LIX (236), pp. 433–460, DOI:10.1093/mind/LIX.236.433
[Wechsler, 1958] Wechsler D. (1958). The Measurement and Appraisal of Adult Intelligence. 4ª ed., The Williams & Wilkins Company, Baltimore (MD)
