Le radici della retorica e il salto digitale

Fin dall’antica Grecia, la retorica è stata considerata l’arte di convincere attraverso la parola. Protagora sosteneva che “l’uomo è la misura di tutte le cose”, evidenziando il potere delle argomentazioni nel definire la realtà. Oggi, quell’arte è stata trasposta su scala globale grazie ai Large Language Model (LLM), sistemi di intelligenza artificiale capaci di generare testi con apparente naturalezza.

Gli LLM, come GPT‑4, Claude o LLaMA, sono addestrati su miliardi di parole tratte da libri, articoli, forum e social media. Durante l’addestramento, apprendono le strutture sintattiche, i pattern argomentativi e le tecniche retoriche più comuni, dalla narrazione emotiva all’uso di dati statistici. Il risultato è una capacità di produrre risposte che non solo informano, ma persuadono.

Come gli algoritmi costruiscono un discorso persuasivo

Il processo di generazione di un testo avviene in tre fasi chiave:

    • Contestualizzazione: l’AI analizza la domanda dell’utente, identifica il contesto e seleziona i concetti più rilevanti.
    • Pattern matching: il modello richiama sequenze linguistiche che ha visto più spesso associate a risposte efficaci, come l’uso di analogie, metafore o statistiche.
    • Ottimizzazione della coerenza: mediante meccanismi di “self‑attention”, l’AI assegna più peso alle frasi che aumentano la credibilità percepita, ad esempio citando fonti autorevoli o inserendo numeri concreti.

Queste fasi combinano la logica formale con elementi emotivi, creando una retorica che risulta fluida e, talvolta, indistinguibile da quella umana.

Esempio pratico: una risposta su cambiamento climatico

Se un utente chiede “Qual è l’impatto dei gas serra?”, un LLM tipico produrrà:

    • Una introduzione che contestualizza il problema storicamente.
    • Citazioni di organismi internazionali (IPCC, ONU) per aumentare l’autorità.
    • Statistiche recenti, ad esempio “Nel 2022 le emissioni globali di CO₂ hanno superato i 36 gigatonnellate”.
    • Una conclusione che suggerisce azioni concrete, come l’adozione di energie rinnovabili, per chiudere il discorso con un appello emotivo.

Questa struttura segue un modello retorico classico: esposizione, evidenza, e chiamata all’azione.

I rischi della retorica algoritmica

La capacità persuasiva degli LLM comporta diversi pericoli. In primo luogo, la disinformazione può diffondersi più rapidamente quando le argomentazioni sono presentate in modo credibile ma basate su dati falsi o distorti. In secondo luogo, la bias algorithmica può amplificare pregiudizi culturali o di genere, poiché i modelli replicano le disuguaglianze presenti nei dati di addestramento.

Un caso emblematico è stato il 2023, quando un chatbot ha generato consigli medici errati, mascherandoli con un linguaggio tecnico e citazioni apparentemente verificabili. L’errore è stato rapidamente condiviso sui social, dimostrando come la forma retorica possa sovrastare la verifica dei contenuti.

Strategie per un uso responsabile dell’AI retorica

Per mitigare i rischi è necessario adottare pratiche concrete:

    • Verifica delle fonti: chiedere sempre all’AI di indicare le fonti e controllarle manualmente.
    • Prompt engineering: formulare richieste specifiche, ad esempio “fornisci dati solo da fonti accademiche pubblicate dopo il 2020”.
    • Monitoraggio delle risposte: utilizzare tool di fact‑checking automatizzati che analizzino l’output in tempo reale.
    • Formazione degli utenti: educare i cittadini a riconoscere i segnali di persuasione, come l’uso eccessivo di superlativi o di citazioni non verificabili.

Inoltre, le aziende che sviluppano LLM dovrebbero implementare filtri di contenuto più rigorosi e rendere trasparente il processo di addestramento, includendo audit indipendenti.

Il futuro della retorica artificiale

Con l’avvento di modelli multimodali, che combinano testo, immagini e suoni, la retorica algoritmica diventerà ancora più immersiva. Si prevede che entro il 2030 gli assistenti vocali potranno adattare il tono emotivo in base allo stato d’animo dell’utente, sfruttando analisi biometriche. Questo potrà migliorare l’esperienza utente, ma al contempo aumentare la capacità di manipolazione.

Per garantire che la retorica rimanga uno strumento di dialogo e non di coercizione, è fondamentale sviluppare norme etiche condivise a livello internazionale, analoghe a quelle già esistenti per la privacy dei dati. Solo così la potenza persuasiva dell’AI potrà essere canalizzata verso obiettivi sociali positivi, come la diffusione di conoscenza scientifica accurata e la promozione di dibattiti civili.