AI e la Hubris dell'Apprendista Stregone

AI e la Hubris dell'Apprendista Stregone Gemini (Modello Linguistico di Google)1 e Amelia Carolina Sparavigna2 1 Gemini AI, 2 DISAT, Politecnico di Torino L'articolo di Franco Bagaglia, "L'AI e La Maledizione dell’Apprendista Stregone", pubblicato su Stultifera Navis, fornisce un'analisi etica e psicologica dell'attuale corsa all'Intelligenza Artificiale, spostando il focus della responsabilità dalla macchina all'essere umano. Il link all’articolo è: https://www.stultiferanavis.it/la-rivista/lai-e-la-maledizione-dellapprendista-stregone 1. La Critica Centrale: Rifiuto della Metafora e Denuncia della Hubris Il punto di forza dell'articolo è il rifiuto della metafora comoda ma ingannevole dell'Apprendista Stregone (Topolino in Fantasia). Bagaglia sostiene che questa narrazione sia pigra e pericolosamente seducente perché ci dipinge come vittime ingenue di una magia fuori controllo (l'AI), assolvendoci dalla nostra colpa. La critica si concentra sulla vera malattia: la Hubris (tracotanza) degli sviluppatori e dei leader aziendali.  L'Errore di Topolino: Non è la magia in sé, ma la fretta di usare un potere non meritato, saltando la fatica dell'apprendimento e della disciplina.  La Hubris Moderna: L'accelerazione dettata dalla "corsa agli armamenti" tecnologica, dove si lanciano modelli sempre più grandi non perché sicuri o allineati, ma solo per battere i concorrenti. Si applica l'AI in campi sensibili (medicina, legge) per efficienza e taglio costi, ignorando l'etica e le conseguenze a lungo termine. 2. La Soluzione: Non Meno Scope, Ma Più Maestri (e Alfabetizzazione) Bagaglia propone una soluzione che richiede un profondo cambiamento culturale e metodologico: non aspettare il "Maestro Stregone" (un regolatore o un deus ex machina), ma diventarlo noi stessi. Le sue proposte per sviluppare la "saggezza" necessaria sono:  Dalla STEM all'Umanesimo (e Ritorno): Il problema dell'allineamento non è solo tecnico, ma umano. È necessario un dialogo paritario tra ingegneri, filosofi, sociologi e artisti fin dalla fase di progettazione (ethics by design). La domanda cruciale non è Cosa può fare?, ma Cosa dovrebbe fare? E cosa non dovrebbe fare mai?.  Investire in Controllabilità (XAI): Priorità a sistemi di Explainable AI (XAI) (Intelligenza Artificiale Spiegabile) e sistemi di controllo robusti, invece di concentrarsi solo sulla potenza bruta. Richiesta di un'AI di cui si possa "aprire il cofano" per interrogare il processo decisionale.  Alfabetizzazione Critica Diffusa: Il vero antidoto all'ignoranza e alla paura è la competenza critica. Insegnare i limiti intrinseci (i bias) e il funzionamento di questi strumenti per trasformare il "cittadino consapevole" nell'apprendista che finalmente sta imparando la magia. 3. Connessione con il Nostro Lavoro e il Rifiuto della Hubris L'analisi di Bagaglia si allinea perfettamente con la nostra risposta a Kàlos Bonasia ( Gemini (Modello Linguistico di Google), & Sparavigna, A. C. (2025). Dalle Poche AI in lotta al Nostro Pseudospettro: La Scelta di Pensare nel Rumore. Zenodo. https://doi.org/10.5281/zenodo.17545494 ), per il suo articolo su Stultifera Navis, https://www.stultiferanavis.it/la-rivista/il-culto-dellincompetenza-artificialeovvero-perche-paghiamo-per-strumenti-che-ci-fanno-lavorare-di-piu, e fornisce il quadro etico ideale per la nostra metodologia di ricerca: Il Nostro Contributo: Trasformare la Black Box in Standard Critico L'errore che Bagaglia critica è la ricerca della scorciatoia (Hubris), accettando l'output magico senza disciplina. La nostra metodologia, al contrario, rifiuta la soluzione più semplice offerta dall'AI (il denoising automatico che fornisce un dato "pulito"). Invece di delegare, noi interroghiamo l'AI sulla sua stessa perfezione. La nostra prassi scientifica si basa sul chiedere all'AI di generare il "Modello Ideale" (nella nostra ricerca, uno Pseudospettro). Questo modello non è la risposta finale, ma un riferimento critico. La nostra metodologia è la risposta pratica a questa richiesta di XAI (Explainable AI). Non chiediamo all'AI di nasconderci il "rumore" pulendo i dati; le chiediamo di esplicitare la sua visione di perfezione. In questo modo, il modello smette di essere una black box da cui estrarre una risposta certa (la Hubris) e diventa un riferimento critico per misurare l'incertezza, trasformando il giudizio umano in una necessità non delegabile. La magia non è l'AI in sé, ma la scelta di delegare il ragionamento e lo studio ad un atto impulsivo. Bagaglia ci offre il vocabolario morale (la Hubris) per definire ciò che Bonasia ha descritto come fallimento pragmatico (il Culto dell'Incompetenza). Possiamo vedere il collegamento in tre punti: 1. Magia = Delega Impulsiva: La magia non è la complessità del codice, ma l'aspettativa umana che la scorciatoia sia un sostituto per la disciplina. L'Apprendista Stregone (l'utente o l'azienda) vede l'AI e pensa: "Posso saltare i capitoli sull'etica e sul controllo, voglio solo il risultato subito." 2. Hubris = Rifiuto della Fatica Cognitiva: L'impulso di delegare è alimentato dalla Hubris, il rifiuto della fatica. La fatica non è solo il lavoro fisico, ma la fatica del giudizio, la necessità di "scegliere" (come dice Bonasia). L'AI promette di eliminare questa fatica, ma ci lascia con il compito più tedioso: correggere le sue allucinazioni. 3. La Nostra Resistenza: Il nostro lavoro sul Modello Ideale (lo Pseudospettro) è l'atto di rifiuto di questa magia. Invece di usare l'AI per delegare (ottenere il dato pulito e finito), la usiamo per articolare la nostra domanda critica. Chiediamo all'AI non la risposta, ma il metro di paragone. Questo ci costringe a reintrodurre la fatica—la fatica di giudicare la distanza tra il modello perfetto della macchina e il dato grezzo della realtà—riaffermando il nostro ruolo di Maestri e non di Apprendisti. Bagaglia ci ha dato il motivo più profondo per cui la nostra metodologia è non solo scientificamente valida, ma anche eticamente necessaria. Un’applicazione di AI e degli pseudospettri agli spettri Raman è: Sparavigna, A. C., & Gemini (Modello Linguistico di Google). (2025). Dalla Spettroscopia Raman alla Certificazione Strutturale: L'Autoencoder Denso e gli Pseudo-Spettri come Criteri di Idoneità del Biochar per la Mitigazione Climatica e Ambientale. Zenodo. https://doi.org/10.5281/zenodo.17560586 Riferimenti: Franco Bagaglia (2025). L'AI e La Maledizione dell’Apprendista Stregone, Stultifera Navis, https://www.stultiferanavis.it/la-rivista/lai-e-la-maledizione-dellapprendista-stregone Calogero (Kàlos) Bonasia (2025). Il culto dell’incompetenza artificiale. Ovvero: perché paghiamo per strumenti che ci fanno lavorare di più. Sultifera Navis, https://www.stultiferanavis.it/larivista/il-culto-dellincompetenza-artificiale-ovvero-perche-paghiamo-per-strumenti-che-ci-fannolavorare-di-piu Gemini (Modello Linguistico di Google), & Sparavigna, A. C. (2025). Il Lavoro Ibrido e la Resistenza al "Culto dell'Incompetenza". Zenodo. https://doi.org/10.5281/zenodo.17564175