JournalOgni azione parte da qualcosa di vago. La bocca secca. Una pagina che ti serve su carta. Pochi secondi dopo hai un bicchiere in mano, o un foglio che esce dalla stampante.
Nel mezzo, qualcosa di vago diventa preciso. Questo articolo segue quel percorso, livello per livello, prima in una persona e poi in una macchina. E guarda cosa cambia ora che anche l’AI può partire da ciò che è vago.
Il mio punto di partenza: la chiarezza
Il mio punto di partenza è stato Wittgenstein. Il Tractatus si apre con una promessa: tutto ciò che si può dire, si può dire chiaramente.
Russell e i logici del suo tempo volevano proprio questo. Un linguaggio senza ambiguità.
In un certo senso, oggi quel linguaggio esiste. Lo usiamo ogni giorno. Si chiama codice.
Ma le intenzioni nascono prima delle parole, e prima delle parole tutto è vago. Il codice comincia solo dopo che qualcuno ha fatto lo sforzo di essere preciso.
Come funziona per una persona
Prendi la cosa più semplice. Hai sete e bevi un bicchiere d’acqua. Sembra un solo gesto. Attraversa cinque livelli.
- InterazioneBocca secca
- IntenzioneVoglio acqua
- PianoQuel bicchiere, lì
- AzioneAllunga, adatta, bevi
- FeedbackLa sete passa. L’obiettivo si esaurisce.
Questi livelli non sono piani separati. Dialogano continuamente. Il corpo si corregge mentre si muove, e a volte l’intenzione prende forma solo mentre agisci.
L’obiettivo è tuo. Plasmato dal tuo corpo, dalla tua cultura, dalle altre persone. Ma tuo.
Come funziona per una macchina
Ora la versione della macchina. Premi Stampa e, pochi secondi dopo, dalla stampante esce un foglio.
La finestra di stampa fa una cosa importante prima di tutto il resto: ti costringe a essere preciso. Quali pagine, quante copie, quale stampante. La parte vaga resta a te.
Da lì, ogni livello traduce per quello successivo. Il codice trasforma il documento in istruzioni, il sistema le trasmette e, alla fine, la stampante si muove.
La macchina parte da un obiettivo che ha ricevuto, e risolve ogni ambiguità prima di agire.
La scala e il cerchio
Stessi livelli. Due architetture.
Dove entra in gioco l’AI
Con il software tradizionale, il passaggio più difficile spetta a te: trasformare un desiderio vago in un input preciso. È a questo che serve la finestra di stampa.
Un modello linguistico si fa carico di quel passaggio. Dici ciò che vuoi con parole tue, e il modello svolge il lavoro di interpretazione che prima richiedeva una finestra di dialogo, o un programmatore.
È la prima macchina che parte più vicino al punto da cui partono le persone.
La scala sottostante resta la stessa, e l’obiettivo continua a essere ricevuto. Gli agent stanno iniziando a chiudere il ciclo in alcuni punti: provano, verificano e correggono. Mancano ancora un vero apprendimento durante l’uso e obiettivi propri.
I livelli, uno per uno
Scorri. La persona e la macchina scendono insieme, livello per livello.
| Livello | Persona | Macchina |
|---|---|---|
| 1 | Interazione. Hai la bocca secca. Nessuno ti ha chiesto nulla: è stato il tuo corpo. | Interazione. Premi Stampa. La finestra ti ha già costretto a essere preciso: quali pagine, quante copie. |
| 2 | Intenzione. Voglio dell’acqua. Il bisogno diventa un obiettivo. | Interpretazione. L’app trasforma il documento in istruzioni che la stampante comprende. |
| 3 | Piano. Quel bicchiere, sul tavolo. L’obiettivo incontra ciò che hai intorno. | Trasmissione. Le istruzioni attraversano la coda di stampa e la rete fino alla stampante. |
| 4 | Azione. Allunghi la mano, afferri, bevi. La mano si adatta lungo tutto il percorso. | Esecuzione. La stampante muove la carta e deposita l’inchiostro esattamente dove le è stato indicato. |
| 5 | Feedback. La sete passa e l’intenzione semplicemente si esaurisce. Oppure no, e ti versi un altro bicchiere. | Feedback. «Stampato», oppure «Carta inceppata». Può riprovare. Non può decidere che ti serviva una pagina diversa. |
Una domanda aperta
Da questo punto di vista, l’AI è quindi un nuovo strumento di disambiguazione: si fa carico della nostra ambiguità e la traduce nel livello deterministico del codice.
Per ora, i sistemi AI non generano obiettivi propri. Eseguono solo brevi catene di compiti, e l’obiettivo finale nasce ancora da un’interazione con noi. Abbiamo anche visto che non hanno ancora chiuso il ciclo.
Ma se, come sta accadendo, ci stiamo avvicinando a sistemi capaci di chiudere il feedback loop a ogni livello, diventando adattivi e quindi più capaci di generare obiettivi davvero propri, stiamo ancora parlando di strumenti?
Per approfondire
- Ludwig Wittgenstein, Tractatus Logico-Philosophicus (1921): gutenberg.org/ebooks/5740. Il punto di partenza di questo articolo: cosa si può dire, e con quanta chiarezza.
- Kevin Klement, “Russell’s Logical Atomism”, Stanford Encyclopedia of Philosophy: plato.stanford.edu/entries/logical-atomism. L’idea di Russell di un linguaggio costruito a partire da elementi semplici e privi di ambiguità.
- Edsger W. Dijkstra, “On the foolishness of ‘natural language programming’” (EWD667): cs.utexas.edu. Perché le macchine hanno sempre avuto bisogno che fossimo precisi.
- Elisabeth Pacherie, “Action”, Open Encyclopedia of Cognitive Science (MIT Press, 2025): doi.org/10.21428/e2759450.3036d218. Una panoramica accessibile su come le intenzioni diventano azioni.
- Emanuel Todorov e Michael I. Jordan, “Optimal feedback control as a theory of motor coordination”, Nature Neuroscience (2002): doi.org/10.1038/nn963. Perché il corpo si corregge mentre si muove.
- Andrej Karpathy, “Software Is Changing (Again)”, YC AI Startup School (2025): youtube.com. Programmare con il linguaggio comune: il modello come nuovo interprete.
- David Silver e Richard Sutton, “Welcome to the Era of Experience” (2025), sintesi di TechTalks: bdtechtalks.com. Agent che imparano dal proprio flusso di esperienza.
- Figure AI, “Helix: A Vision-Language-Action Model for Generalist Humanoid Control” (2025): figure.ai/news/helix. Un sistema lento che comprende e uno veloce che agisce.