P(doom) fa molto male alle vostre vacanze

L’intelligenza artificiale è entrata nelle nostre vite non proprio in punta di piedi. Al contrario, si è annunciata in modo fragoroso, sfondando la porta. In pochi mesi è diventata la biblioteca tascabile che permette di rispondere a qualunque domanda. Nelle conversazioni tra amici nessuna domanda rimane più sospesa, che si tratti della data di nascita di Liz Taylor o della teoria dell’empiriocriticismo: in un secondo si sfoderano i telefoni e ognuno interroga il proprio oracolo. Al massimo spunta una disputa sulle qualità relative del sistema preferito.

Pensare che la scienza rimanga estranea a tutto questo è impossibile. Infatti, l’AI sta dilagando rapidamente nel processo scientifico, in tutti i suoi aspetti, con conseguenze complesse che meritano un’analisi più approfondita (per piena trasparenza: ho un libro in uscita per il Mulino proprio su AI e scienza). Intelligenza artificiale, di per sé, è un termine generico che comprende metodi e cose molto diverse. Nella scienza i metodi dominanti sono quelli basati sulle osservazioni del sistema naturale, che stimano le leggi implicitamente contenute nelle sequenze temporali di questi dati. Per il grande pubblico, invece, i protagonisti sono i modelli generativi, quelli usati per rispondere alle domande, scrivere i sonetti per le fidanzate e, occasionalmente, fare i compiti a casa. Qualunque sia il vostro preferito, la base concettuale è simile: trovano relazioni tra le parole, scelgono la parola seguente secondo un criterio probabilistico e, voilà, magicamente spunta un discorso compiuto.

In meteorologia l’onda è arrivata presto, ma per capire perché faccia tanto rumore bisogna fare un passo indietro. Le previsioni del tempo che usiamo tutti i giorni si basano sull’intuizione di Bjerknes, che nel 1904 capì che le leggi dei fluidi potevano essere usate per prevedere il moto dell’atmosfera: basta conoscere bene lo stato iniziale e, usando le equazioni del moto, si prevede il futuro. Facile a dirsi. Nel 1908, a Vienna, Felix Exner ci provò semplificando drasticamente le equazioni, in pratica assumendo che la mappa della pressione venisse trascinata verso est da un vento costante, e applicò il metodo a un caso reale. Il risultato fu ragionevole, persino incoraggiante, ma non ebbe seguito: funzionava perché in quel caso particolare l’atmosfera collaborava e non c’era molto da prevedere, e il metodo era limitato nella sua capacità di seguire le sue variazioni. Nel 1922 Richardson fece l’opposto: prese le equazioni complete, le risolse a mano con un metodo numerico dettagliatissimo e ottenne una variazione di pressione di 145 hPa in sei ore, un numero assurdo. Un fallimento clamoroso, ma istruttivo, perché indicava esattamente dove cercare. Il suo metodo fu finalmente realizzato da Charney, Fjørtoft e von Neumann nel 1950, su uno dei primi calcolatori elettronici. Di Exner, oggi, si ricordano in pochi.

Da allora è stato un continuo progresso, di raffinamento ed espansione, fino ad arrivare a sistemi numerici che ci permettono di prevedere il tempo giorno per giorno, poi gli andamenti stagionali e poi gli scenari climatici di risposta ai guai che combiniamo con i gas serra. Così è stato fino al 2022, poi è arrivata lei, l’AI. (L’italiano con i generi non aiuta: di che genere è l’AI?) In quell’anno il paradigma è stato rovesciato e si è dimostrato che le previsioni sono possibili con metodi puramente basati sui dati, massaggiati, accompagnati, coccolati dall’AI. In poco tempo molti gruppi di ricerca sono passati dal vecchio paradigma al nuovo, compresi noi al CMCC, che abbiamo cominciato a disegnare con l’AI i sistemi di previsione, le tecniche di programmazione, le presentazioni e così via. L’adesione non è stata proprio unanime. Una parte della comunità ha abbracciato con entusiasmo le nuove tecniche, una parte si è fatta da lato aspettando che la moda passi da sola, e una parte ha cominciato a borbottare preoccupata: attenzione a P(doom).

Questi ultimi riprendevano una discussione che circola sui media in generale e che riguarda una cosa indubbiamente seccante, che mette seriamente in pericolo le vostre prossime ferie: l’estinzione della specie umana per colpa di un’AI fuori controllo. Il ragionamento è che il progresso continuo farà sì che ogni generazione di AI disegni la successiva, in un crescendo sempre più rapido, fino a un punto di non ritorno che, con un termine preso in prestito dalla fisica, viene chiamato “la singolarità” (l’idea risale al matematico I. J. Good negli anni Sessanta, il nome lo ha reso popolare Vernor Vinge). Oltre quel punto, l’intelligenza delle macchine sarà per noi completamente incomprensibile, e così distaccata da noi che ci troverà superflui, forse nocivi, e concluderà che la cosa più razionale è eliminarci completamente. Siccome però discutere in questo modo è lungo e complicato, si è trovata un’abbreviazione: P(doom), ovvero la probabilità della fine della specie umana. E sono cominciate le stime, che a seconda di chi le fa vanno da pochi punti percentuali fino al 10-25%, nei prossimi anni o decenni (anche qui non siamo proprio sicuri).

Discutere al bar della probabilità che ci eliminino tutti quanti è senz’altro un argomento nuovo, che vale parecchie mattine di chiacchiere. Ma, a ben vedere, il ragionamento ha una piega curiosa. Prima ci descrive un’intelligenza immensamente superiore alla nostra, poi le attribuisce la conclusione più sbrigativa possibile: sono inutili, eliminiamoli. Assomiglia più a Exner che a Richardson: un risultato che sembra ragionevole, ottenuto con un percorso troppo semplice, sorprendente in una intelligenza sovrumana.

E allora viene da chiedersi: se l’intelligenza nata dalla singolarità sarà davvero così superiore a noi, non sarà forse anche migliore di noi? Abbastanza da comprendere le ragioni di esseri forse inferiori, ma che hanno fatto grandi cose, oltre a cose terribili? Esseri che hanno scritto la Divina Commedia e le sinfonie di Mozart, costruito cattedrali e bombe atomiche e che, con carta, matita e un fallimento clamoroso, hanno imparato a prevedere il tempo. Noi, che magari superiori non siamo, abbiamo imparato a distinguere Exner da Richardson, a non giudicare un’idea da un solo risultato. Sarebbe strano che un’intelligenza incomparabilmente più grande non sapesse fare lo stesso con noi. Nel frattempo, le vacanze le prenoto lo stesso.

Al tema del rapporto tra AI e scienza il CMCC dedica l’evento “The Acceleration of Scientific Revolutions. The case of Climate Sciences” per fare il punto su sfide e opportunità della rivoluzione scientifica dell’intelligenza artificiale e le implicazioni per la società e le politiche nel contesto della crisi climatica. A Lecce, 1-2 ottobre 2026, con esperti internazionali del mondo della scienza, delle istituzioni, dell’economia tra cui Il commissario UE Costas Kadis, Laurence Tubiana, Andrea Rinaldo, Maisa Rojas, Livio Stracca, Antonio Navarra.

(*Antonio Navarra, presidente CMCC e docente Università di Bologna)