La letteratura e l'intelligenza artificiale: tra rilevatori, premi e controversie

Introduzione: modelli di linguaggio e meccanismo di predizione

Per cominciare, alcune questioni tecniche inevitabili. I LLM (grandi modelli di linguaggio), come ChatGPT, Claude e altri, funzionano ancora secondo lo stesso principio di base con cui sono stati lanciati: la predizione probabilistica tramite token. In termini semplici, questi programmi costruiscono frasi calcolando la probabilità di ogni parola in un determinato contesto. Se la frase inizia con “Entrai al ristorante e ordinai _”, l'IA proporrà parole come “un panino” o “una milanesa” prima di arrivare a “un astrolabio del 220 a.C.”, decisione derivata dalle innumerevoli occorrenze trovate nei dati di addestramento, dove parole legate a “ristorante” e al verbo “ordinare” sono associate a piatti.

L'IA non pensa, non sente il linguaggio, non è in grado di cogliere il significato; non è un'intelligenza né un essere, ma una tecnica, un programma che utilizza statistica e punteggi. Come ha affermato l'esperto di tecnologia Jaron Lanier: “There is no A.I.”.

Primi rilevatori: l'analisi della perplessità

I primi software di rilevazione si basavano sull’analisi della perplessità, cioè cercavano di capire se nel testo comparivano soluzioni eccentriche (come l'astrolabio) o prevedibili (come il panino). L'ipotesi era che l'IA avrebbe prodotto poche scelte sorprendenti, mentre il linguaggio umano includerebbe combinazioni più peculiari. Tuttavia, questo approccio generava numerosi falsi positivi: testi classici, giornalistici e accademici, caratterizzati da alta normatività, venivano segnalati erroneamente come generati dall'IA.

Chi ha denunciato le carenze dei rilevatori probabilmente ha sperimentato proprio questi primi strumenti. È fondamentale sottolineare che Pangram, lo strumento citato da El País nell’articolo sul caso del Premio Internazionale di Novela Breve Almadía Ventosa‑Arrufat, sembra differire sostanzialmente dai precedenti.

Come funziona Pangram

• Non si limita all’analisi di parole isolate, ma esamina l’intero testo attraverso più strati di una rete neurale.
• Valuta sequenze logiche, punteggiatura, relazioni tra frasi, ritmo e altri elementi stilistici.
• Utilizza “specchi sintetici”, ossia versioni fantasma generate dalla stessa IA per apprendere le caratteristiche della scrittura artificiale.
• Si definisce un esperto nel riconoscere lo stile tipico dell'IA.

Questa descrizione può apparire opaca, ma possiamo concedere, almeno per un momento, che Pangram rappresenti un rilevatore più efficace, sufficiente per avviare sperimentazioni pratiche.

Test pratici dell’autore con Pangram

Come tutti noi, ho iniziato a utilizzare vari programmi di IA e, di conseguenza, ho sperimentato anche Pangram. Il sito permette revisioni gratuite; ho condotto diverse prove, trovando risultati interessanti.

Le prove includono:

• Il mio ultimo articolo per La Tempestad (con la consueta apprensione pre‑risultati).
• Un testo classico, Frankenstein di Mary Shelley, noto per aver prodotto falsi positivi nei primi rilevatori.
• Un articolo recente di Patricio Pron pubblicato sulla Revista de la Universidad, scritto nell’era dell’IA.
• Estratti da Donde el agua trabaja, il libro vincitore del Premio Almadía Ventosa‑Arrufat, prelevati da un campione disponibile sul sito di un grande magazzino messicano.

I risultati, prevedibili per chi ha seguito la discussione, confermano le affermazioni dei “booktuber” che sostengono che Pangram abbia classificato il testo di Donde el agua trabaja come IA perché imitava un linguaggio “disumanizzato”. Ho quindi testato anche la Antología de los poemas del robot AI Halim X9009 di Belén Gache, e una intervista a Teresita Antazú, leader del popolo yanesha, per verificare se Pangram riconoscesse voci marginalizzate dell’America Latina.

In tutti i casi, i risultati sono rimasti coerenti: un unico “outlier” nel gruppo, ossia il testo realmente generato da IA.

Rilevatori: non polizia ma strumento di contesa

Non si tratta di trasformarci in poliziotti o di avviare una caccia alle streghe. È legittimo criticare e resistere alle grandi corporazioni dell'IA, soprattutto quando un mezzo spagnolo utilizza uno strumento americano per attaccare un concorso di una casa editrice e una fondazione messicane che hanno premiato un autore peruviano.

La IA contribuisce al degrado ambientale e rappresenta una nuova e potente iterazione della guerra del capitale contro il lavoro, ma i programmi di rilevazione occupano una posizione distinta: un “tornasol” non è la sostanza che rileva, ma è parte della contesa.

Il futuro dei rilevatori nei concorsi letterari

• Graduale integrazione dei software di rilevazione nei processi editoriali.
• Ogni concorso, casa editrice o rivista potrebbe sottoporre i manoscritti a un controllo prima della pubblicazione, similmente a quanto avviene su piattaforme come Substack.
• Devono essere previsti meccanismi di appello: gli autori falsamente accusati dovrebbero poter contestare la decisione, presentando cronologia delle versioni, metadati dei file e note di lavoro.

Implicazioni estetiche: la letteratura contro la mediocrità algoritmica

Dal punto di vista pragmatico, è probabile che ci abitueremo sempre più a questi strumenti di rilevazione. Tuttavia, la discussione più affascinante è quella estetica. Come accennato all’inizio, i modelli di linguaggio operano tramite calcolo probabilistico, il che li condanna a generare testi prevedibili, neutrali, “soft”, statisticamente corretti e impersonali—esattamente ciò che la letteratura dovrebbe evitare.

La letteratura, si suppone, ricerca lo straniamento, il rischio, il nuovo, la rottura della percezione, una lingua privata, la resistenza alla lingua tecnocratica. L’IA, al contrario, è una macchina della mediocrità, del “media”, incapace di produrre l’opzione meno probabile, cioè la più comune, la più banale, quella che tutti si aspettano.

Si può sostenere che, in futuro, l’IA possa superare questi limiti, ma è utile ricordare che tecnologie come la macchina a vapore o il motore a combustione interna—e persino i motori di ricerca—non hanno mai superato la loro logica di base; i loro progressi hanno riguardato l’efficienza, non un cambiamento di identità.

Perché i libri scritti con IA vincono premi?

L’osservazione di Lars von Trier sui concorsi artistici è pertinente: le opere rischiose e forti raramente vincono perché dividono la giuria; solo le opere “tibie”, ben confezionate e corrette, ottengono consenso. L’IA sembra particolarmente adatta a questo compito.

Il funzionamento dell’IA richiama le parole di Damián Tabarovsky sulla neovanguardia accademica: un libro “incantevole, intelligente, ben scritto, ragionevole, argomentato, seducente, lucido, documentato, elegante, cioè assolutamente vuoto”, che mescola “gocce di teoria, un filo di citazioni colte, qualche genere minore—come il giallo, la fantascienza distopica o l’autofiction—e qualche procedura ‘sperimentale’, un tocco di critica sociale”.

Viviamo un periodo, simile agli anni ’60, in cui la cultura (il contesto) esercita un dominio dominante sulla produzione letteraria, favorendo testi che rispondono a standard di “leggibilità” e “conformità” più che a sperimentazione radicale.

Conclusioni: verso una convivenza critica

Il dibattito sulla letteratura e l’intelligenza artificiale non si esaurisce nella sola capacità tecnica di rilevare testi generati da macchine. Si estende a questioni etiche, ambientali e, soprattutto, estetiche. I rilevatori come Pangram rappresentano un nuovo strumento nella contesa tra creatività umana e produzione algoritmica, ma non risolvono il problema fondamentale: la tendenza della letteratura a diventare sempre più “prevedibile” sotto l’influenza di tecnologie che premiano la mediazione.

Affinché la scrittura rimanga uno spazio di sperimentazione e di rottura, è necessario un approccio critico sia verso le piattaforme di IA sia verso gli strumenti di rilevazione, accompagnati da meccanismi di difesa per gli autori e da una riflessione continua su cosa significhi realmente “scrivere” in un’epoca dominata da algoritmi.