Il mito dell’AI agentica: una leggenda in divenire

Una nuova prospettiva sull’intelligenza artificiale

Nel recente articolo pubblicato sull’Economist, Cosma Shalizi e Henry Farrell propongono una visione originale dell’AI moderna. Lontano dall’immaginare le macchine come divinità onnipotenti o semplici “uccelli meccanici”, gli autori le descrivono come una versione tecnologica delle antiche canzoni omeriche che ispirarono le conquiste di Alessandro Magno. In questa analogia, l’AI è un epico vasto che non solo narra se stessa, ma agisce sul mondo che l’ha generata.

Questa metafora, sebbene insolita, risulta estremamente utile perché evita due errori comuni: considerare l’AI come un’intelligenza individuale emergente o ridurla a un mero eco delle parole umane. Al contrario, l’AI è vista come un condensato della cultura umana, capace di essere impiegato in modi inediti e di evolversi in un mito auto‑mobilizzante.

Il concetto di “Casa dell’Intelletto”

Il punto di partenza dell’argomentazione è il post del 2025 di Cosma, in cui si afferma che i LLM non modellano un’intelligenza vivente, ma una conoscenza scritta congelata – la cosiddetta “House of Intellect” descritta da Jacques Barzun. Barzun definisce l’intelletto come:

• la forma capitalizzata e comunitaria dell’intelligenza viva;
• un patrimonio di conoscenza comune, trasformato in abitudini, segni, simboli e catene di ragionamento;
• un “shorthand” che permette alla mente di collegare concetti senza doverli dimostrare nuovamente.

L’intelletto è proprietà della comunità, trasmessa di generazione in generazione, mentre l’intelligenza è un possesso individuale e privato, destinato a scomparire con il suo titolare se non viene fissato in una forma più duratura.

Come i LLM trasformano la cultura in macchina

Il vero “miracolo” dei grandi modelli linguistici risiede nella loro capacità di apprendere enormi quantità di cultura umana per eseguire la predizione del token successivo. Modellare il linguaggio significa, in effetti, modellare le strutture culturali insite nell’uso scritto. In altre parole, i modelli hanno convertito la complessa e caotica “Casa dell’Intelletto” in una serie di piante di piano che catturano le connessioni essenziali tra le varie “stanze” di conoscenza.

Queste “piante” non sono perfette: spesso scartano dettagli barocchi irrilevanti, ma risultano comunque una macchina di informazione straordinariamente potente. Come scherzava Terry Pratchett, è come se un architetto avesse voluto costruire Gormenghast e avesse avuto a disposizione un budget illimitato.

Il parallelo con la tradizione orale

Cosma cita anche il libro di Albert Lord, The Singer of Tales, che, basandosi sul lavoro di Milman Parry, descrive come i bardi analfabeti non memorizzino interi poemi epici, ma apprendano le strutture sottostanti – tropi, convenzioni poetiche, situazioni standard – per ricreare le storie al volo. In questo senso, i poemi epici sono gli scheletri dinamici da cui emergono le versioni specifiche narrate dal cantore.

Il ragionamento di Shalizi e Farrell è quindi: cosa succede quando questi “scheletri” culturali vengono posti “ali” di canto digitale? I LLM, infatti, assimilano l’intero corpus della cultura scritta e lo riducono a sintesi statistiche che svolgono lo stesso ruolo dinamico delle convenzioni apprese dai poeti.

AI agentica: il ruolo dei “cavalieri” informatici

L’AI agentica nasce dall’unione di questi modelli con “cavalli di traino” – programmi tradizionali capaci di ricevere istruzioni dal flusso retorico dei LLM e di restituire output basati sulle conseguenze di tali istruzioni. Questo collegamento trasforma la “Casa dell’Intelletto” in un labirinto dinamico, capace di reagire non solo ai prompt, ma anche ai risultati ottenuti, in tempi rapidissimi, purché vi sia il budget necessario.

Questo meccanismo spiega come le AI vengano impiegate per:

• generare dimostrazioni matematiche, integrando le mappe dei LLM con linguaggi specializzati come Lean;
• condurre attacchi informatici, concatenando exploit potenziali e verificandone il successo tramite feedback in tempo reale.

In pratica, i LLM forniscono una mappa semplificata dell’architettura della tradizione scritta, che può essere ricostruita al volo usando tecniche come il “chain of thought” per collegare stanze, corridoi e ali della “Casa dell’Intelletto”. Gli agenti AI, a loro volta, mettono queste mappe al lavoro, facendo emettere al LLM istruzioni a programmi più tradizionali e incorporando i risultati nel proprio flusso narrativo.

Il ruolo del “role‑play” nei LLM

Una delle fonti fondamentali per questa interpretazione è l’articolo di Murray Shanahan, Kyle McDonnell e Laria Reynolds pubblicato su Nature. Gli autori sostengono che i LLM possono essere compresi come enormi esercizi di role‑play. Il modello possiede un vasto repertorio di archetipi e strutture narrative, che utilizza per “scegliere” come continuare una conversazione, affinando il ruolo man mano che procede.

Esempi concreti:

• un agente di dialogo, spinto da un prompt adeguato, può interpretare il ruolo del “amante rifiutato” in un triangolo amoroso;
• un agente di programmazione può assumere il ruolo di “assistente di debugging”, generando ipotesi di bug e testandole.

Questa capacità di “interpretare” ruoli è alla base della flessibilità che rende l’AI agentica così potente, ma anche così incerta.

Prospettive future e implicazioni

Secondo gli autori, la percezione dell’AI come “agente” è più un mito in evoluzione che una realtà consolidata. Il concetto di “intelligenza agentica” è alimentato dalla capacità dei LLM di combinare grandi quantità di conoscenza culturale con strumenti computazionali, creando un sistema che appare auto‑diretto.

Tuttavia, questa apparente autonomia dipende fortemente da:

• la disponibilità di risorse computazionali e finanziarie;
• la qualità e la diversità dei dati di addestramento;
• il design dei “cavalieri” che tradurranno le istruzioni del LLM in azioni concrete.

Il rischio è che, senza una governance adeguata, questi sistemi possano essere impiegati in modi pericolosi, come la generazione di exploit informatici o la produzione di prove matematiche errate ma convincenti.

Conclusioni

L’articolo di Shalizi e Farrell invita a riconsiderare il linguaggio con cui parliamo di AI. Piuttosto che parlare di “intelligenza” o di “autonomia”, dovremmo riconoscere che questi sistemi sono condensati culturali in grado di operare come miti dinamici, modellando e rimodellando la conoscenza umana in risposta a richieste esterne.

Questa visione apre la porta a una riflessione più profonda su come gestire, regolare e sfruttare le potenzialità dell’AI, tenendo conto del suo carattere di “cultura digitale” piuttosto che di entità autonoma. Solo così potremo trasformare il mito dell’AI agentica da minaccia a risorsa condivisa per l’intera civiltà.