La nuova sfida per l’Intelligenza Artificiale ha un solo nome: Agentic AI. La ricerca punta sempre più a un sistema intelligente che possa agire in modo autonomo, prendere decisioni e svolgere compiti, senza l’intervento umano. Il nuovo paradigma dell’IA parte da questo duplice approccio: Automated Reasoning (Ragionamento Automatico) e Machine Learning (Apprendimento automatico). La ormai preistorica dinamica del prompt e output di risposta, fa spazio all’Intelligenza agentica chenasce, perché la macchina ragioni autonomamente, non limitandosi a semplici risposte, ma definendo una strategia, analizzando il contesto, tessendo azioni e mantenendo il feedback con l’utente.
Non a caso l’Intelligenza agentica si avvale di “Automated Reasoning”, di una dimensione più onnicomprensiva dell’IA che utilizza il linguaggio formale, il ragionamento logico (supportato da teoremi matematici, scientificamente dimostrabili), applicato ai sistemi informatici. E ad esso affianca il Machine Learning, che consente al computer un apprendimento, attraverso modelli di AI addestrati su enorme quantità di dati (big data). Il primo approccio consente decisioni corrette e ad alta affidabilità perché basato su dimostrazioni matematiche anche se non può essere applicato su vasta scala per l’enorme quantità di memoria e tempo richiesti dai calcoli. Il secondo si applica, invece, su vasta scala, è adatto a sistemi ampi e complessi, grazie alla capacità di apprendere dai big data, ma le decisioni si basano su correlazioni statistiche, osservate in situazioni simili. Questo lo espone a errori, bias (pregiudizi), persino allucinazioni che possono condurre a processi decisionali errati. I due approcci probabilmente, applicati insieme, possono superare i reciproci limiti.
È questo il tempo dell’Intelligenza Artificiale nel senso più letterale e autentico. Finora l’accezione di Artificial Intelligence di mccarthiana memoria, è stata attribuita a “macchine efficienti, ma non intelligenti” come sostiene il filosofo Luciano Floridi. La definizione di Intelligenza Artificiale insinuava, secondo il noto filosofo, un ragionevole dubbio e cioè se essa potesse essere qualcosa di più di un “seducente termine-ombrello” inadatto a descrivere l’effettivo funzionamento dei sistemi digitali a cui faceva riferimento.
A contribuire a questa convinzione, anche, con molta probabilità, il luogo comune di associare l’IA, quasi esclusivamente, all’AI Generativa, che, di fatto, ne costituisce solo una piccola parte e che non si basa sulla logica formale, ma su big data. Occorre passare da Generative AI a Deep Learning, da Neural Networks a Machine Learning per arrivare in quella dimensione totalizzante di che comprende anche Automated Reasoning, AI Ethics, Cognitive Computing e molto altro.
Il dibattito, all’interno della Comunità scientifica internazionale, ha visto l’AI Generativa al centro di un’aspra analisi dei guru dell’IA che, in occasione della CSL 2024 (Conferenza annuale dell’Associazione Europea per la logica informatica), su invito dell’organizzatore scientifico Aniello Murano, Ordinario di Informatica presso il DIETI (Dipartimento di Ingegneria Elettrica e delle Tecnologie dell’Informazione) dell’Università degli Studi di Napoli Federico II, ne hanno da subito esplicitato i limiti. Il pluripremiato Moshe Vardi, padre fondatore dell’Informatica moderna, insignito anche del Goedel Prize, ha posto l’accento sui limiti di Generative AI e ha tracciato la strada da seguire già un anno fa, ponendo l’attenzione sulla necessità di conciliare i due tipi di pensiero: quello veloce (fast thinking) che è della Generative AI e quello lento del Ragionamento strategico, (slow thinking), così come avviene nel cervello umano. La sintesi, volendo semplificare, è Neuro – Symbolic AI. Il suo pensiero precorre Agentic AI che è uno dei modi di declinare Neuro – Symbolic AI.
Sembra che l’Intelligenza Agentica possa mettere fine a quel “divorzio” individuato da Floridi nell’Intelligenza Artificiale e cioè tra intelligenza e capacità di agire, dove lo sviluppo delle tecnologie digitali ha separato la capacità di risolvere un problema con successo, dall’esigenza di essere intelligenti per farlo.
Sul Ragionamento strategico da vent’anni fa ricerca il prof. Aniello Murano, insignito dell’ambito riconoscimento EurAI Fellow. Si tratta di una metodologia che permette ad un computer di prendere decisioni intelligenti. Viene definita formale perché si applica attraverso formule matematiche che hanno correttezza scientifica. “Grazie all’introduzione di un formalismo logico potente – spiega il prof. Murano – sviluppato con il mio mentore Moshe Vardi e con il supporto di studenti e colleghi, chiamato Strategy Logic, ho potuto constatare l’efficacia dell’uso delle logiche in tutti i campi di applicazione, dall’economia alla medicina, alla robotica”. Diversi i progetti seguiti dal Laboratorio scientifico Astrea, dell’ateneo federiciano, diretto dal prof. Murano. Tra questi: “Sintesi di strategie resilienti” con JPMorgan, finalizzato a individuare strategie capaci di adattarsi velocemente a scenari economici imprevisti. “Con Meta AI – spiega il prof Murano – abbiamo messo a punto strategie in ambito geopolitico, fino ad arrivare ad INFANT, un progetto di rete oncologica pediatrica in Campania dove Strategy Logic è usata per unadistribuzione efficiente ed equa dei posti letto. Guardando al futuro – conclude il prof. Murano – la cosiddetta Neuro-Symbolic AI sarà cruciale per costruire sistemi multi-agenti razionali, capaci di ragionare in modo strategico, dialogare con gli esseri umani e prendere decisioni in scenari complessi ed eticamente sensibili”.
Se si pensa ai benefici dell’Intelligenza Artificiale, si comprende perché lo stesso Floridi non abbia mai demonizzato l’IA, ritenendola una semplice tecnologia che necessita di lucidità ed etica per essere orientata, modellata, al fine di garantire, sostenere e promuovere il bene sociale.
Nella quarta rivoluzione di Floridi, ossia l’era dell’Intelligenza Artificiale, della robotica, dei Big data, della Cybersecurity, di Internet of Things (IoT), delle smart factories, dell’ingegneria genetica, di tutto quanto contribuisce a creare interconnessioni tra mondo fisico, biologico e digitale, la questione etica è una sfida che si combatte su due fronti: quello progettuale, che contempla i rischi di bias, black tech, fairness, transparency e quello legato ai rischi dell’interazione uomo-macchina: equality, (disuguaglianza in termini di accessibilità), freedom (limitazione della libertà del singolo e collettiva), job (implicazioni sul singolo lavoratore in ragione della sempre più diffusa automazione), psychology (minaccia del benessere mentale ed emotivo), sustainability (utilizzo smodato delle risorse ambientali se si guarda al consumo di energia per alimentare i server di sistemi di Generative AI e di acqua per raffreddarli).
L’AI ACT europeo pone proprio l’attenzione sull’etica dell’AI e ne ridimensiona le applicazioni, in controtendenza, però, col panorama internazionale in cui si tende a promuovere lo sviluppo tecnologico senza troppi vincoli, con un approccio business-centric.
Difficilmente si incontrerà un altro Weizenbaum pronto a demonizzare la propria Eliza.
La Governance globale sull’AI di fatto non si è realizzata nel summit parigino del febbraio scorso, dove hanno prevalso gli interessi nazionali e dove è già chiara la mancanza di uniformità giuridica. A questa si aggiunge anche la disparità negli investimenti per AI. L’Europa investe poco e anche l’Italia e questo rappresenta il vero gap. Occorre una Governance capace di interagire con tutti gli stakeholders, di promuovere l’IA come costruttore del benessere sociale perché in questa “infosfera dove passiamo dallo spazio fisico newtoniano alla colonizzazione di nuovi spazi informatici”, dove non siamo più neanche cyborg, e dove l’identità si costruisce off e online e le tecnologie creano la loro realtà, ben altri sono i rischi, le manipolazioni e le sfide.
Immagini generate tramite DALL-E. Tutti i diritti sono riservati. Università di Torino (2025).
