1. Nella filosofia platonica: métron e métrion
Nella filosofia platonica, métron e métrion rappresentano due concetti distinti, ma complementari, legati alla misura e alla conoscenza. Questi concetti emergono come strumenti essenziali per comprendere la relazione tra l’oggettivo e il soggettivo, tra l’universale e il particolare, tra il calcolabile e ciò che sfugge alla mera quantificazione.
1.1. Il métron: la misura oggettiva
Il métron è la misura oggettiva, il criterio standard che permette di valutare qualcosa in modo uniforme e comparabile. Platone discute il concetto di misura oggettiva nei suoi dialoghi, specialmente nel Protagora (356d-357b), dove esplora la possibilità di stabilire criteri comuni per il giudizio. Il métron è legato all’idea di proporzione e armonia che caratterizzano il cosmo e che, secondo Platone, riflettono la razionalità intrinseca dell’universo.
In questa visione, il métron non è solo un criterio pratico, ma un principio universale, radicato nell’ordine matematico che governa il mondo. Questa prospettiva pitagorica si riflette ancora nelle idee di Cartesio, Keplero e Galileo, che vedono nella matematica e nella razionalità geometrica una chiave per decifrare la realtà.
Nel contesto moderno, il métron rappresenta il principio guida dei sistemi computazionali e delle intelligenze artificiali tradizionali. Questi sistemi si basano su dati strutturati, regole matematiche e algoritmi progettati per standardizzare la complessità della realtà in termini misurabili. La forza dell’IA simbolica, in questo senso, risiede nella sua capacità di eliminare ambiguità attraverso l’applicazione uniforme di regole oggettive.
Tuttavia, questa precisione nasconde un limite fondamentale: il métron, da solo, non tiene conto del contesto, delle intenzioni o delle esperienze vissute. Elementi che sono essenziali per una comprensione pienamente umana del mondo. Sebbene il métron sia una metafora adatta per descrivere l’IA tradizionale, non basta più a cogliere la complessità dei moderni modelli di apprendimento automatico.
1.2. Il métrion: la misura soggettiva
Il métrion, invece, è la misura soggettiva, personale, che tiene conto delle circostanze specifiche e della relazione tra chi misura e ciò che è misurato. Platone esplora questa idea soprattutto nel Politico (284e-285c), sottolineando la necessità di una misura flessibile e adattabile, capace di rispondere alla varietà delle situazioni particolari.
Il métrion non si limita a essere un criterio quantitativo, ma è un’espressione di discernimento, sensibilità e capacità di cogliere le sfumature. È ciò che Pascal nei Pensieri definiva esprit de finesse: l’intuizione che permette di navigare nell’ambiguità e di attribuire significati che sfuggono alla pura logica matematica.
Questa dimensione trova espressione anche nell’esperienza incarnata e nella comprensione contestuale, aspetti centrali della conoscenza tacita, analizzata più avanti.
2. La conoscenza tacita: un ponte verso il métrion
Michael Polanyi, nel suo celebre The Tacit Dimension (1966), sintetizza l’idea che “sappiamo più di quanto possiamo dire”. Questa conoscenza tacita si manifesta in abilità come riconoscere un volto, suonare uno strumento musicale o compiere gesti complessi: è un sapere che sfugge alla formalizzazione e che non può essere tradotto interamente in regole esplicite. La conoscenza tacita, radicata nell’esperienza incarnata e nella sensibilità al contesto, rappresenta una chiave per comprendere le dimensioni che superano la pura razionalità.
Polanyi richiama il Menone di Platone per illustrare come la conoscenza non sia sempre trasmessa esplicitamente, ma possa emergere attraverso un processo di scoperta guidata. Nel dialogo, Socrate conduce uno schiavo a riconoscere una verità geometrica, mostrando che il sapere è già presente in forma latente e viene riportato alla luce. Per Platone, questa idea si radica nella teoria della reminiscenza, secondo cui la conoscenza è il ricordo di esperienze vissute in vite precedenti. Polanyi, pur non condividendo questa prospettiva metafisica, si collega al concetto che esiste un sapere tacito, radicato nell’esperienza e nell’intuizione, che può emergere attraverso il dialogo, le relazioni e l’interazione con il contesto. In entrambi i casi, il sapere tacito supera i limiti della trasmissione esplicita e si manifesta gradualmente nel processo di apprendimento.
La conoscenza tacita è strettamente legata al concetto di métrion, in quanto entrambi si fondano sulla comprensione contestuale e sull’intuizione del particolare. Mentre il métron si basa su regole universali, misurabili e standardizzabili, il métrion si muove nel dominio dell’incodificabile, dove il discernimento e la sensibilità umana assumono un ruolo centrale. Questa connessione rende il métrion una dimensione essenziale per affrontare ciò che sfugge al controllo della logica formale e del calcolo.
Anche Wittgenstein, nel Tractatus Logico-Philosophicus, riconosce i limiti del linguaggio formale, concludendo la sua opera con il celebre monito: “Di ciò di cui non si può parlare si deve tacere”. Questo invito non è un segno di resa, ma un riconoscimento della profondità di ciò che rimane implicito, dell’importanza di ciò che si mostra ma non si può dire. Come suggerisce Wittgenstein, alcune dimensioni del sapere non possono essere catturate da regole esplicite o sistemi computazionali, ma richiedono un diverso tipo di accesso, fatto di silenzio, intuizione e relazione con il mondo.
Nel Tractatus Logico-Philosophicus, Wittgenstein non solo riconosce i limiti del linguaggio, ma propone un atteggiamento etico nei confronti dell’indicibile. Il suo invito a tacere non implica esclusione, ma rispetto e consapevolezza che esistono dimensioni della realtà che non possono essere verbalmente espresse. Questo approccio si collega profondamente al métron e al métrion: mentre il primo rappresenta ciò che può essere codificato e formalizzato, il secondo invita a rispettare l’esperienza vissuta e l’intuizione, senza cercare di ridurle a calcoli o modelli. Nell’ambito dell’intelligenza artificiale, ciò suggerisce un’etica che riconosca i limiti intrinseci della tecnologia e valorizzi la complessità dell’esperienza umana.
2.1. Métron, métrion e intelligenza artificiale
La distinzione tra métron e métrion offre una chiave per comprendere i limiti dell’intelligenza artificiale e il ruolo umano nel suo sviluppo. Mentre l’IA tradizionale eccelle nel dominio del métron – grazie alla sua capacità di processare enormi quantità di dati e applicare regole standardizzate – fatica a entrare nel regno del métrion.
Tuttavia, i moderni modelli di apprendimento automatico, come il deep learning, stanno iniziando a imitare alcuni aspetti della conoscenza tacita. Guido Boella, nel suo articolo Da dove viene l’onda dell’intelligenza artificiale?, evidenzia come i modelli di deep learning, inclusi gli LLM, riescano a replicare parzialmente alcune caratteristiche di questa forma di conoscenza. La sua analisi sul ruolo dei modelli linguistici di grandi dimensioni offre una prospettiva complessa e apparentemente contraddittoria sulla conoscenza tacita. Da un lato, questi modelli sembrano avvicinarsi alla dimensione del métrion, replicando alcune manifestazioni della conoscenza tacita, come intuizioni linguistiche o capacità creative, senza che tali abilità siano formalmente esplicitate o programmate. ChatGPT, ad esempio, acquisisce competenze linguistiche senza un insegnamento diretto delle regole grammaticali, simulando un processo di apprendimento tacito. Tuttavia, Boella evidenzia anche che questa capacità rimane un’imitazione e non una reale comprensione: la conoscenza tacita, nella sua essenza, resta “non detta”.
Questo paradosso sottolinea il limite dei sistemi di IA, che modellizzano correlazioni statistiche e schemi, ma non accedono alla dimensione incarnata, contestuale e relazionale che caratterizza la conoscenza umana. L’apparente padronanza della conoscenza tacita da parte delle IA, quindi, non va confusa con una reale capacità di viverla o generarla, ma piuttosto come una sofisticata simulazione che maschera l’assenza di intenzionalità, esperienza e consapevolezza.
Nell’articolo Idee in provetta, Guido Boella descrive il passaggio della scienza dalla serendipità e dall’intuizione personale a metodi sempre più strutturati e automatizzati. Pur riconoscendo i progressi tecnologici, sottolinea come il processo di scoperta non possa essere completamente ridotto a una sequenza di passaggi meccanici. Rimane imprescindibile il contributo dell’esperienza umana, quell’elemento unico e irriproducibile che l’IA non è in grado di replicare nella sua dimensione più significativa.
La distinzione tra il contributo umano e le capacità dell’IA emerge con particolare chiarezza nel confronto tra creatività umana e generazione automatizzata, come nel caso di modelli come DALL-E.
DALL-E genera immagini straordinarie e tecnicamente avanzate, ma raramente le definiamo “artistiche” in senso pieno, poiché sono prive di ispirazione. Queste immagini si limitano a combinare elementi visivi presenti nel loro dataset senza una vera intenzionalità o visione personale. Tuttavia, le creazioni più significative emergono quando il prompt umano introduce elementi di ispirazione, come simboli, metafore o temi emozionali. In questi casi, il contributo umano orienta il modello verso configurazioni più evocative, fornendo quella scintilla creativa che l’IA non può generare autonomamente. Questo mette in luce il ruolo fondamentale dell’intenzionalità umana: mentre DALL-E può imitare schemi visivi, non trascende la mera connessione di elementi, mancando di una comprensione autentica o di un processo creativo consapevole.
Questa dinamica riflette una questione più ampia, ossia la differenza tra il dominio algoritmico del métron e la comprensione incarnata e relazionale del métrion, che resta una prerogativa esclusivamente umana.
La conoscenza tacita, radicata nel métrion, rivela come la comprensione umana non sia mai puramente algoritmica, ma sempre incarnata e contestuale. Questo tema è importante nell’etica e nella progettazione dell’IA: i modelli computazionali, pur avvicinandosi a una simulazione dell’intuizione, restano confinati al dominio del métron. Integrare il concetto di métrion nei dibattiti sull’IA significa riconoscere che la tecnologia deve essere progettata per collaborare con l’intelligenza umana, piuttosto che cercare di replicarla o sostituirla.
2.2. Un equilibrio necessario
Nella visione platonica, il buon giudizio nasce dall’equilibrio tra métron e métrion. Se il primo garantisce rigore e coerenza, il secondo introduce sensibilità, adattabilità e significato. Questo equilibrio, tuttavia, è ciò che manca nei sistemi di intelligenza artificiale, che operano nel regno del calcolabile.
I moderni modelli di deep learning, con la loro capacità di elaborare schemi complessi e rispondere a contesti specifici, sembrano avvicinarsi alla dimensione della conoscenza tacita più di quanto non facessero le IA tradizionali, basate su regole rigide e simboliche. Attraverso un processo di apprendimento dai dati, queste tecnologie riescono a simulare alcune intuizioni che potrebbero apparire simili a quelle umane. Tuttavia, questa capacità non può essere confusa con una vera penetrazione nel dominio del métrion.
Il métrion, infatti, richiede non solo una comprensione contestuale, ma anche un coinvolgimento incarnato, relazionale e intenzionale che è intrinsecamente umano. La misura soggettiva non si limita a catturare schemi o rispondere a input statistici: è il risultato di un’esperienza vissuta, di una prospettiva unica e di un’interazione attiva con il mondo e con gli altri.
Come osserva Francesco Varanini, in Splendori e miserie delle intelligenze artificiali, è fondamentale distinguere tra calcolare, computare e pensare. Il calcolo si riferisce a un’attività specifica e circoscritta, basata su operazioni logico-matematiche ben definite, eseguite secondo regole precise. La computazione, invece, rappresenta un paradigma più ampio, che implica l’applicazione sistematica di queste regole a un universo simbolico creato ad hoc, dove tutto ciò che è ambiguo, incerto o non formalizzabile viene escluso per costruzione. Questa distinzione sottolinea il limite intrinseco dell’intelligenza artificiale: sebbene queste tecnologie eccellano nell’elaborazione computazionale, non possono accedere al dominio della comprensione incarnata e relazionale del métrion. Pensare, per l’essere umano, significa invece abitare l’ambiguità e il contesto, mantenendo vivo il dialogo tra métron e métrion senza ridurre l’esperienza a una sequenza di regole predefinite.
3. Il métrion e i limiti computazionali dell’intelligenza artificiale
La capacità dei moderni modelli di intelligenza artificiale, come il deep learning, di simulare aspetti della conoscenza tacita pone interrogativi profondi sul rapporto tra il métron, il métrion e il dominio del computabile. Questi modelli, attraverso l’elaborazione statistica di enormi quantità di dati, sembrano replicare alcune manifestazioni dell’intuizione umana, ad esempio nella generazione di linguaggio naturale o nel riconoscimento di schemi complessi. Tuttavia, questa capacità di imitazione si basa esclusivamente su correlazioni statistiche e non riflette una comprensione autentica o incarnata. La conoscenza tacita, radicata nell’esperienza vissuta, nell’intenzionalità e nella relazione attiva con il mondo, rimane inaccessibile alle macchine.
La conoscenza tacita e il métrion condividono una natura intrinsecamente relazionale e contestuale, che le rende inseparabili. La conoscenza tacita, come definita da Polanyi, si manifesta attraverso abilità e intuizioni che emergono dall’esperienza incarnata e dalla sensibilità al contesto; allo stesso modo, il métrion rappresenta una misura soggettiva e flessibile, capace di adattarsi alla complessità delle situazioni specifiche. Entrambi operano oltre i confini del calcolabile, radicandosi in un sapere che non può essere formalizzato né ridotto a schemi universali. In questo senso, il métrion è l’espressione filosofica di quella stessa comprensione tacita che governa l’intuizione umana e la nostra capacità di attribuire significato in situazioni uniche e non ripetibili.
Ciò che distingue radicalmente il métrion, la misura soggettiva e flessibile, dall’imitazione computazionale è la sua natura relazionale e incarnata. Come sottolinea Michael Polanyi, la conoscenza tacita richiede un corpo che percepisce e interagisce con il mondo, una sensibilità che emerge dall’esperienza contestuale e dall’intuizione situata. È sapere intriso di emozioni, valori e prospettive uniche, non è riducibile a schemi matematici o algoritmi predefiniti. L’IA, per quanto sofisticata, opera sempre all’interno di una logica statistica e algoritmica, incapace di penetrare davvero il dominio del métrion.
L’apparente avvicinamento dell’IA al dominio del métrion nasconde, quindi, un limite fondamentale: mentre può simulare alcune caratteristiche della conoscenza tacita, come il discernimento contestuale, non può accedere all’intenzionalità che caratterizza l’esperienza umana. La comprensione incarnata e situata, che include l’empatia, l’immaginazione e il coinvolgimento diretto, non è formalizzabile e non può essere replicata da un sistema computazionale. L’intelligenza umana non si riduce a un processo formale o a una serie di regole: è intrinsecamente legata alla nostra esistenza corporea e relazionale.
Questa riflessione ci invita a considerare con maggiore attenzione il ruolo dell’IA nello sviluppo della conoscenza. Mentre la tecnologia è uno strumento potente per ampliare il dominio del métron, standardizzando, quantificando aspetti complessi della realtà, il métrion rimane un territorio esclusivamente umano. Ignorare questa distinzione rischia di alimentare una concezione riduzionistica della conoscenza, che confonde la simulazione con la comprensione reale. Dovremmo immaginare un futuro in cui l’IA non venga progettata per replicare ciò che è irriducibilmente umano, ma per integrarsi in modo sensibile e responsabile, con la consapevolezza, da parte nostra, dei suoi limiti e valorizzando il ruolo unico e insostituibile dell’esperienza vissuta.
4. Integrare métron e mètrion nella cura della salute
La salute, come ci ricorda Gadamer in Dove si nasconde la salute (1994), è una condizione che sfugge a una definizione univoca. Non è solo un dato misurabile attraverso parametri oggettivi, ma un equilibrio dinamico che coinvolge tanto il corpo quanto la soggettività dell’individuo. Questa complessità ci invita a riflettere sull’esigenza di integrare métron e métrion non solo nella comprensione filosofica della realtà, ma anche nella pratica concreta della cura.
L’IA, con la sua capacità di analizzare e processare quantità enormi di dati, si rivela uno strumento potente nel dominio del métron. Essa permette di ottenere diagnosi più rapide, trattamenti più precisi e una personalizzazione che, fino a pochi anni fa, sembrava irraggiungibile. Tuttavia, la tecnologia non è sufficiente a comprendere ciò che rende la salute una condizione pienamente umana: il vissuto, le emozioni e le intenzioni del paziente non sono riducibili a una serie di correlazioni statistiche.
La cura richiede un lavoro di integrazione. Le competenze scientifiche e tecnologiche devono essere affiancate da saperi che appartengono al dominio del métrion: la capacità di comprendere il contesto, di ascoltare il paziente, di cogliere le sfumature di ciò che non può essere formalizzato. Questo non significa negare i progressi scientifici o cadere in un irrazionalismo nostalgico, ma riconoscere che ogni sapere ha un suo ambito di validità, e che solo tenendoli insieme possiamo affrontare la complessità del reale.
La pratica della salute, in questo senso, diventa un paradigma per altre sfide contemporanee. Proprio perché mette in gioco competenze diverse – mediche, tecnologiche, psicologiche, sociali – essa richiede équipe multidisciplinari capaci di dialogare. Questo dialogo non è solo una questione organizzativa, ma un riconoscimento filosofico: la consapevolezza che il sapere umano, in tutte le sue forme, è frammentato e che il compito della cura è ricomporlo in una sintesi sempre provvisoria, ma essenziale.
Riflettere sulla salute ci insegna che non possiamo separare il rigore della scienza dall’intuizione del vissuto, né il progresso tecnologico dalla responsabilità etica. Métron e métrion non sono opposti inconciliabili, ma poli che, nella loro tensione, rendono possibile una comprensione più profonda e una pratica più giusta della cura.
In conclusione, la distinzione tra métron e métrion non è solo un esercizio filosofico, ma una lente attraverso cui riflettere sull’interazione tra intelligenza umana e artificiale. Come mostra l’esempio della salute, integrare métron e métrion è essenziale per affrontare la complessità del reale: il rigore del métron fornisce strumenti per analizzare e standardizzare, mentre il discernimento del métrion restituisce sensibilità e profondità. In un mondo sempre più dominato dalla tecnologia, questa integrazione non è solo auspicabile, ma necessaria per preservare ciò che è umano. Solo riconoscendo i limiti del métron e valorizzando la ricchezza del métrion, possiamo immaginare un futuro in cui l’intelligenza artificiale non sia solo potente, ma anche rispettosa e complementare alla nostra esperienza.
5. Una società di esploratori
Michael Polanyi, nel suo studio sulla conoscenza tacita, descrive la comunità scientifica come una “società di esploratori”, un collettivo guidato dal desiderio di scoprire nuove verità e arricchire il patrimonio di conoscenze condivise. Questa metafora sottolinea il ruolo della collaborazione e della progressiva integrazione tra contributi individuali per affrontare l’ignoto. Nell’ambito dell’intelligenza artificiale, possiamo vedere questa società di esploratori come un modello per l’interazione tra métron e métrion.
La conoscenza tacita, che opera nel dominio del métrion, emerge come un collante indispensabile in questa società: è attraverso il dialogo, l’esperienza e il discernimento che gli esploratori trovano nuovi sentieri, superando i limiti delle regole esplicite e del calcolo. Analogamente, il futuro dell’intelligenza artificiale deve essere concepito non come una sostituzione dell’intuizione e della creatività umana, ma come un alleato che amplifica il potenziale del métron senza mai oscurare la profondità del métrion.
Questa prospettiva ci invita a ripensare l’etica e il design dell’IA: come una tecnologia che non solo standardizza e analizza, ma che si integra in un contesto relazionale più ampio, valorizzando la conoscenza incarnata e il contributo unico di ogni esploratore. In questo senso, la società degli esploratori di Polanyi diventa un paradigma per immaginare un futuro in cui umano e artificiale collaborano per esplorare, comprendere e rispettare la complessità del reale.
Tuttavia, il panorama attuale presenta scenari diversi: l’IA è sempre più nelle mani di pochi attori dominanti, sollevando il rischio che il sapere e il potere siano concentrati, limitando le dinamiche democratiche e il dialogo collettivo che una vera società di esploratori richiederebbe.
Polanyi sottolinea anche che la ragione umana si muove lungo una tensione intrinseca tra due spinte complementari: da un lato, il desiderio di individuare regole universali che organizzino il mondo in modo sistematico e prevedibile; dall’altro, la consapevolezza dei limiti di queste regole, che alimenta dubbi, interrogativi e una continua revisione del sapere. Gli esploratori, nella loro ricerca, utilizzano l’intera gamma della ragione umana: unendo regole e dubbi, métron e métrion, trovano nuove vie di conoscenza che superano sia il rigore di schemi predeterminati, sia l’incertezza del puro relativismo.
Questa capacità di bilanciare stabilità e cambiamento rende la società degli esploratori viva e attuale, prosperando nella dialettica tra certezza e interrogazione. Solo così la ragione abbraccia la complessità del reale, mantenendo la conoscenza in evoluzione.
Bibliografia
- Boella, G. (2024). Da dove viene l’onda dell’intelligenza artificiale? MagIA. https://magia.news/da-dove-viene-londa-dellintelligenza-artificiale/.
- Boella, G. (2025). Idee in provetta. MagIA. https://magia.news/idee-in-provetta/.
- Gadamer, H.-G. (1994). Dove si nasconde la salute. Torino: Einaudi.
- Pascal, B. (2004). Pensieri. A cura di Carlo Carena. Torino: Einaudi.
- Platone. (2006). Tutti gli scritti. A cura di Giovanni Reale. Milano: Bompiani.
- Protagora
- Politico
- Menone
- Polanyi, M. (1966). The Tacit Dimension. Chicago: University of Chicago Press.
- Varanini, F. (2024). Splendori e miserie delle intelligenze artificiali. Alla luce dell’umana esperienza. Milano: Guerini e Associati.
- Wittgenstein, L. (2010). Tractatus Logico-Philosophicus – Quaderni 1914-1916. A cura di A. G. Conte. Torino: Einaudi.
