Dalla fotografia all’intelligenza artificiale, ogni nuova tecnologia ha messo in discussione il confine tra tecnica e creatività. Oggi, tra immagini generate da algoritmi, premi artistici e video sintetici sempre più realistici, la domanda torna con forza: l’AI sta trasformando l’arte o ci sta obbligando a ripensare cosa significhi creare?

Durante l’ultimo incontro di Filo, Marco Bani ha riportato al centro una domanda sempre più difficile da ignorare: cosa succede all’arte quando una macchina impara a creare immagini, video e opere capaci di competere con quelle prodotte dall’uomo e, soprattutto, ha ancora senso parlare di arte nello stesso modo di prima?

La domanda può sembrare esagerata, quasi costruita apposta per provocare una discussione, ma diventa meno assurda quando ci accorgiamo di quanto velocemente sia cambiato il nostro rapporto con le immagini. Fino a pochi anni fa, davanti a un’illustrazione particolarmente bella potevamo chiederci chi l’avesse disegnata, quale tecnica avesse usato e quanto tempo ci avesse messo, mentre oggi una delle prime domande è diventata un’altra: è fatta con l’intelligenza artificiale? Non è soltanto curiosità tecnica, perché dietro quella domanda ne nascondiamo una molto più difficile, cioè se un’immagine perda qualcosa nel momento in cui scopriamo che a produrla non è stata interamente una persona, una sensazione strana soprattutto perché l’immagine davanti a noi non cambia, i colori sono gli stessi, la composizione è la stessa e quello che avevamo provato guardandola pochi secondi prima dovrebbe restare invariato. Eppure, la sua origine sembra modificarne immediatamente il valore, come se conoscere il processo con cui qualcosa è stato creato cambiasse anche il nostro modo di guardarlo.

È successo in modo particolarmente evidente nel 2022, quando Jason M. Allen partecipò alla Colorado State Fair con Théâtre D’opéra Spatial, un’immagine realizzata attraverso Midjourney, uno dei primi generatori di immagini diventati popolari presso il grande pubblico. Allen vinse nella categoria dedicata all’arte digitale e la notizia provocò una discussione enorme, perché improvvisamente una domanda che fino a quel momento era rimasta confinata nei laboratori di ricerca e nelle community online entrava in un concorso d’arte: se una persona descrive un’immagine a una macchina, genera molte versioni, le confronta, modifica le istruzioni, sceglie quella che considera migliore e continua a lavorarci, chi è l’autore?

Allen non descrisse un singolo comando seguito da un risultato perfetto, nei documenti che ricostruiscono il suo lavoro spiegò di avere iterato almeno 624 volte tra revisioni e prompt, poi di avere lavorato sull’immagine con Photoshop e di averla ingrandita con Gigapixel AI. Allen ha fatto delle scelte e costruito progressivamente il risultato che voleva ottenere, ma per molti questo non bastava, perché mancava quello che siamo abituati a considerare il gesto artistico, la mano che disegna, dipinge, fotografa o modella direttamente la materia.

Nel mezzo delle polemiche Allen pronunciò una frase destinata a diventare quasi più famosa dell’opera stessa: “Art is dead, dude. It’s over. A.I. won. Humans lost.” L’arte è morta. L’intelligenza artificiale ha vinto. Gli esseri umani hanno perso. È una frase perfetta per Internet, perché trasforma una questione complicata in una battaglia con un vincitore e uno sconfitto, ma forse il problema è proprio pensare che debba esserci necessariamente una competizione tra noi e la macchina, come se la creatività fosse una partita e l’arrivo di uno strumento capace di generare immagini significasse automaticamente che qualcuno debba smettere di crearle. In realtà, non è nemmeno la prima volta che una tecnologia viene accusata di mettere in pericolo l’arte, perché quasi due secoli prima di Midjourney, Charles Baudelaire guardava con sospetto un’altra macchina capace di produrre immagini con una facilità e una precisione che sembravano impossibili fino a pochi anni prima: la macchina fotografica.

Nel Salon del 1859 Baudelaire scriveva parole durissime sulla fotografia e sul pubblico che la stava accogliendo con entusiasmo, arrivando a descrivere l’industria fotografica come il “rifugio di tutti i pittori mancati”. La fotografia, secondo lui, poteva essere utilissima per conservare ciò che rischiava di scomparire, documentare luoghi, oggetti, opere e informazioni, ma diventava pericolosa quando pretendeva di occupare lo stesso spazio dell’arte, perché l’arte non consisteva semplicemente nel riprodurre con precisione ciò che abbiamo davanti agli occhi. Per Baudelaire l’immaginazione aveva un ruolo centrale, perché l’artista non era una macchina incaricata di copiare il mondo, ma qualcuno capace di attraversarlo, deformarlo, ricordarlo e trasformarlo, mentre il sogno, l’impalpabile, ciò che non esiste ancora e forse non esisterà mai erano territori dell’arte proprio perché non potevano essere ridotti a una registrazione perfetta della realtà. La fotografia sembrava strappare quel velo e consegnare all’osservatore un momento realmente accaduto, fermato dalla luce e dalla macchina.

Vista da oggi, questa paura fa quasi sorridere, perché la fotografia non ha ucciso la pittura e i fotografi non sono diventati semplicemente pittori falliti con uno strumento più facile tra le mani. È successo qualcosa di molto più interessante: la pittura ha iniziato a chiedersi che cosa potesse fare ora che non era più l’unico modo per rappresentare il mondo, mentre la fotografia ha costruito un proprio linguaggio, una propria cultura e un proprio modo di raccontare la realtà, ed è difficile non vedere qualcosa di familiare nella discussione che stiamo vivendo oggi.

L’intelligenza artificiale, però, aggiunge un elemento ancora più strano, perché se la fotografia aveva sconvolto l’arte mostrando la realtà con una precisione nuova, l’AI può sconvolgerla facendo quasi il contrario: non ha bisogno che il momento rappresentato sia mai accaduto, può mostrarci una città che non esiste, una persona che non è mai nata o una scena che nessuna macchina fotografica avrebbe potuto fotografare, e può farlo partendo da poche parole scritte su uno schermo.

In questo senso, uno dei simboli più interessanti della storia recente dell’intelligenza artificiale non è un’opera esposta in un museo e nemmeno un’immagine premiata in un concorso, ma Will Smith che mangia gli spaghetti. Nel 2023 cominciò a circolare online un breve video generato con l’intelligenza artificiale nel quale una versione sintetica di Will Smith cercava di mangiare un piatto di spaghetti, con un risultato inquietante e comico allo stesso tempo: il volto cambiava forma, la bocca sembrava fondersi con il cibo, le mani apparivano e scomparivano e gli spaghetti sembravano avere una propria volontà. Non serviva essere esperti di intelligenza artificiale per capire che qualcosa non funzionava, bastavano pochi secondi per riconoscere che quello non era il mondo reale.

Quel video, nato quasi come una curiosità, è diventato negli anni una specie di test informale per osservare i progressi dei generatori video, perché ogni nuova generazione di modelli prova a rifare scene simili e ogni volta gli errori diminuiscono, i movimenti diventano più credibili, i volti più stabili e la luce più coerente, fino al punto in cui la cosa interessante non è più ridere di quanto sia incapace una macchina di rappresentare un uomo che mangia gli spaghetti, ma domandarsi quanto tempo ci separi dal momento in cui non troveremo più nulla da ridere. Per questo si può pensare al video di Will Smith quasi come a un nuovo test di Turing, naturalmente in senso metaforico: Alan Turing immaginava una situazione nella quale, conversando attraverso una macchina, sarebbe diventato difficile capire se dall’altra parte ci fosse un essere umano oppure un computer, mentre oggi stiamo portando una domanda simile nel territorio delle immagini, chiedendoci non più soltanto se una macchina sappia parlare come noi, ma se sappia costruire qualcosa che i nostri occhi accettano come reale.

E forse proprio qui la domanda “l’AI ha ucciso l’arte?” diventa meno interessante di un’altra: cosa succede all’arte quando creare immagini diventa facilissimo?

Per secoli una parte enorme del valore attribuito all’artista è stata legata anche alla difficoltà tecnica del fare: imparare a disegnare un volto, dipingere la luce, scolpire un corpo, usare una macchina fotografica, montare un film o animare una scena richiede tempo, esercizio e spesso anni di errori. Con l’intelligenza artificiale una parte di questa distanza tra immaginare e produrre si riduce enormemente, perché una persona che non sa disegnare può visualizzare un’idea, chi non ha una troupe cinematografica può costruire uno storyboard e chi non ha mai studiato animazione può iniziare a sperimentare con immagini in movimento. C’è qualcosa di profondamente positivo in questa possibilità, perché significa che molte idee prima bloccate dalla mancanza di mezzi possono finalmente assumere una forma, la creatività non appartiene soltanto a chi possiede una tecnica perfetta e rendere gli strumenti più accessibili permette a più persone di raccontare qualcosa. Ma proprio questa facilità crea un problema nuovo: se tutti possiamo produrre immagini bellissime in pochi secondi, una bella immagine smette automaticamente di essere interessante?

Una ricerca pubblicata nel 2024 su Science Advances da Anil Doshi e Oliver Hauser ha mostrato qualcosa che racconta bene questa contraddizione: in un esperimento con 293 scrittori, l’uso dell’intelligenza artificiale generativa aiutava gli scrittori a produrre racconti giudicati individualmente più creativi, soprattutto nel caso di chi partiva con minori capacità creative, ma allo stesso tempo i racconti prodotti con l’aiuto dell’AI tendevano a diventare più simili tra loro. Lo strumento poteva quindi aiutare il singolo, mentre a livello collettivo rischiava di ridurre la varietà. È forse una delle contraddizioni più importanti dell’AI creativa: può permetterci di fare più cose e, nello stesso momento, spingerci verso le stesse cose. Se milioni di persone usano strumenti costruiti sugli stessi modelli, chiedono immagini attraverso formule simili e scelgono i risultati che corrispondono agli stessi gusti visivi, il rischio non è necessariamente che smetteremo di creare, ma che cominceremo a farlo tutti nello stesso modo, producendo immagini perfette, illuminate perfettamente, composte perfettamente e, dopo averne viste mille, stranamente dimenticabili.

È qui che Baudelaire torna a essere interessante, anche se non poteva naturalmente prevedere nulla di simile all’intelligenza artificiale, perché la sua critica alla fotografia conteneva un errore evidente, dato che la fotografia sarebbe diventata una forma d’arte enorme, ma conteneva anche un’intuizione che oggi possiamo rileggere: possedere una tecnologia capace di produrre immagini non significa automaticamente avere qualcosa da dire.

Forse il cambiamento più grande prodotto dall’AI sarà proprio questo: quando produrre diventa facile, scegliere diventa difficile. Quando possiamo generare cento immagini in pochi minuti, il gesto creativo non scompare, ma si sposta anche nella capacità di riconoscere quella che vale la pena tenere, capire perché funziona, modificarla, rifiutare le altre novantanove e soprattutto chiedersi se abbiamo davvero bisogno di generarne un’altra. L’artista del futuro potrebbe quindi non essere definito soltanto dalla capacità tecnica di realizzare qualcosa, ma dalla capacità di costruire un punto di vista in mezzo a una quantità praticamente infinita di possibilità, con un valore che potrebbe trovarsi meno nel dimostrare “guarda cosa sono capace di produrre” e sempre di più nel poter dire “tra tutto ciò che avrei potuto produrre, ho scelto di mostrarti questo”.

Questo non significa che la tecnica smetterà di avere valore, né che l’intelligenza artificiale renderà automaticamente tutti artisti, significa piuttosto che ci costringerà a distinguere sempre meglio tra produzione e creazione, tra un’immagine che esiste perché poteva essere generata e un’immagine che esiste perché qualcuno sentiva la necessità di farla esistere. Non possiamo scegliere un futuro nel quale l’intelligenza artificiale semplicemente non esiste, perché la incontreremo mentre studiamo, lavoriamo, scriviamo, progettiamo, ascoltiamo musica, guardiamo film e navighiamo online, spesso senza nemmeno renderci conto che è presente, e per questo pensare di difendere la creatività evitando qualsiasi contatto con l’AI rischia di essere tanto irrealistico quanto sarebbe stato, nell’Ottocento, provare a salvare la pittura facendo scomparire la fotografia.

La scelta che rimane, però, riguarda il modo in cui vogliamo interagire con questi strumenti: possiamo usarli per evitare la fatica di avere idee oppure per dare una forma a idee che prima non riuscivamo a realizzare, possiamo accettare la prima immagine che compare sullo schermo oppure continuare a cercare qualcosa che ci assomigli davvero, possiamo lasciare che la macchina riempia ogni spazio vuoto oppure ricordarci che proprio quello spazio, il momento in cui non sappiamo ancora cosa fare, in cui proviamo, sbagliamo, cancelliamo e ricominciamo, è sempre stato una parte fondamentale della creazione.

Forse allora l’intelligenza artificiale non ha ucciso l’arte, ma sta cambiando il nostro rapporto con essa, soprattutto se cominciamo a pensare che creare sia diventato inutile perché una macchina lo fa più velocemente. Il vero rischio non è che l’AI impari a disegnare meglio di noi, a scrivere meglio di noi o a generare un video di Will Smith che mangia spaghetti senza deformargli il volto, ma guardare quella macchina e decidere che, visto che può creare al nostro posto, noi possiamo smettere di farlo. Non dobbiamo essere creativi perché gli esseri umani saranno sempre tecnicamente migliori delle macchine, perché in molti campi potrebbe non essere così, dobbiamo continuare a esserlo perché creare è uno dei modi attraverso cui proviamo a capire ciò che vediamo, raccontiamo quello che non sappiamo spiegare direttamente, trasformiamo esperienze in immagini, parole, suoni e forme e lasciamo qualcosa di noi agli altri.

Interagire con l’intelligenza artificiale sarà quasi inevitabile, smettere di creare, invece, rimane una scelta. E allora, mentre le macchine imparano a produrre immagini, testi, musica e video sempre più convincenti, forse la risposta non è cercare disperatamente qualcosa che soltanto un essere umano sarà capace di fare per sempre, ma continuare a fare cose perché sentiamo il bisogno di farle, anche quando non siamo i più veloci, anche quando non sono perfette, anche quando una macchina potrebbe produrne cento nello stesso tempo.

Non smettiamo di creare, non per dimostrare di essere migliori dell’intelligenza artificiale, ma per non smettere di essere umani.

Articolo scritto da Debanhi Loana Garcia Reyes 

Fino a pochi anni fa vivere 130 anni sembrava fantascienza. Oggi la ricerca sull’invecchiamento e l’intelligenza artificiale rendono questa domanda meno assurda di quanto sembri.

Durante l’incontro del 12 settembre con Davide Casaleggio, secondo ospite del progetto FILO, a un certo punto è arrivata una domanda capace di cambiare subito il tono della conversazione: “Vorresti vivere 130 anni?”. Non era soltanto una domanda sulla durata della vita, ma anche sul futuro e su quanto siamo pronti ad accettare che la tecnologia entri sempre di più nel nostro rapporto con il corpo, la salute e perfino il tempo. Dopo l’incontro abbiamo deciso di portare questa riflessione anche fuori dall’aula e abbiamo posto ad alcune persone altre due domande: continueresti ad affidarti a un medico umano sapendo che, in determinati compiti, un’intelligenza artificiale potrebbe commettere meno errori? Ti faresti impiantare un chip capace di controllare costantemente il tuo stato di salute? Sono domande alle quali non serve rispondere subito, perché più ci si pensa, più diventano complesse.

Centotrent’anni sembrano tanti, quasi un’età appartenente alla fantascienza. Eppure anche gli ottant’anni, osservati da un passato non troppo lontano, avrebbero potuto sembrare un traguardo difficile da immaginare. All’inizio del Novecento l’aspettativa di vita mondiale era intorno ai 32 anni, nel 1950 era salita a circa 46 e oggi supera i 70. In Italia si aggira intorno agli 83 anni. Questo non significa che un secolo fa tutti morissero a trent’anni, perché a pesare enormemente sulla media erano soprattutto la mortalità infantile, le infezioni, le condizioni igieniche e l’assenza di molte cure che oggi consideriamo normali. Significa però che nell’arco di poche generazioni siamo riusciti a spostare molto più avanti il confine della vita. Vaccini, antibiotici, chirurgia, prevenzione, cure cardiovascolari, miglioramento dell’alimentazione e delle condizioni di vita hanno cambiato radicalmente ciò che oggi consideriamo una durata “normale” dell’esistenza. Una persona nata oggi considera normale arrivare a ottant’anni. Per una persona nata due secoli fa sarebbe stato molto meno scontato.

Ed è qui che la domanda dei 130 anni smette di sembrare soltanto fantascienza.

Nel corso dell’incontro è emerso un dato particolarmente suggestivo: per un lungo periodo storico, la migliore aspettativa di vita registrata nel mondo è cresciuta a un ritmo vicino ai tre mesi ogni anno. In altre parole, mentre passava un anno della nostra vita, la frontiera statistica della longevità si spostava in avanti di circa tre mesi, quasi due anni e mezzo in più ogni decennio. Naturalmente non significa che ognuno di noi riceva automaticamente tre mesi aggiuntivi a ogni compleanno, ma rende bene l’idea di quanto i progressi sanitari abbiano continuato a spostare in avanti ciò che sembrava essere un limite.

Da qui nasce una delle ipotesi più affascinanti legate alla longevità, quella della “longevity escape velocity”, la velocità di fuga della longevità. L’idea è semplice da spiegare e molto più difficile da realizzare: se la medicina arrivasse a regalarci più di un anno di aspettativa di vita per ogni anno trascorso, il limite della nostra vita inizierebbe ad allontanarsi più velocemente di quanto noi invecchiamo. Ray Kurzweil pensa che questo passaggio potrebbe verificarsi negli anni Trenta, mentre molti studiosi di demografia mantengono posizioni più prudenti. Nessuno oggi sa se raggiungeremo davvero quel punto, ma forse la parte più interessante non sta nella previsione esatta. Sta nel fatto che abbiamo iniziato a porci una domanda che qualche decennio fa avrebbe avuto un significato diverso: l’invecchiamento è soltanto qualcosa che dobbiamo accettare oppure alcuni dei suoi processi potrebbero essere rallentati, modificati o, almeno in parte, invertiti?

La natura, curiosamente, possiede già esempi capaci di mettere in discussione ciò che pensiamo sull’età. La Turritopsis dohrnii, conosciuta come “medusa immortale”, possiede una capacità che sembra uscita da un racconto di fantascienza. In determinate condizioni di stress riesce a invertire parte del proprio ciclo vitale: invece di proseguire verso la fase finale della vita, alcune cellule cambiano funzione e l’organismo ritorna allo stadio di polipo. Non è immortale nel senso comune del termine, perché può comunque morire a causa di malattie, predatori o cambiamenti ambientali, ma biologicamente possiede un meccanismo raro. È come se un organismo adulto riuscisse, in determinate circostanze, a tornare giovane e ricominciare il proprio ciclo.

Ovviamente noi esseri umani funzioniamo in modo molto più complesso di una medusa, ma il principio è affascinante perché mostra che l’invecchiamento non è identico in tutte le forme di vita. Ed è proprio qui che la ricerca scientifica ha iniziato a guardare con sempre maggiore attenzione ai meccanismi cellulari. Uno dei passaggi più importanti risale al lavoro di Shinya Yamanaka, che ha individuato quattro fattori capaci di riprogrammare cellule adulte riportandole verso uno stato simile a quello delle cellule staminali. La scoperta gli valse il premio Nobel per la Medicina nel 2012. Da allora alcuni laboratori stanno studiando la cosiddetta riprogrammazione cellulare parziale, cioè provare a ringiovanire alcune caratteristiche della cellula senza cancellarne completamente l’identità. Nei laboratori sono stati ottenuti risultati interessanti su cellule e animali, compresi esperimenti in cui alcuni marcatori biologici dell’età sono stati modificati. Allo stesso tempo siamo ancora lontani da una terapia sicura che permetta a una persona di “tornare giovane”. Intervenire sui meccanismi cellulari presenta però rischi importanti, tra cui quello di una crescita incontrollata delle cellule e dello sviluppo di tumori.

Però qualcosa è cambiato nel modo in cui osserviamo l’invecchiamento: non lo consideriamo più soltanto come una conseguenza inevitabile del tempo, ma anche come un insieme di processi biologici da comprendere. Forse la vera rivoluzione non sarà permettere a qualcuno di vivere 130 anni, ma riuscire a far sì che gli anni in più siano anni di autonomia, memoria, movimento e salute.

Perché la domanda “quanto vuoi vivere?” perde significato se non ne aggiungiamo un’altra: “come vuoi vivere?”. Vivere fino a 130 anni avrebbe poco valore se gli ultimi quaranta fossero trascorsi tra malattie, perdita dell’autonomia e dolore. Per questo oggi si parla sempre di più di healthspan, gli anni vissuti in buona salute, e non soltanto di lifespan, la durata complessiva della vita. Forse il vero traguardo della medicina del futuro non sarà semplicemente allungare la vita, ma permetterci di trascorrere più anni in buona salute.

In questo senso è interessante che, mentre alcuni laboratori studiano la riprogrammazione cellulare, una parte della ricerca continui a osservare luoghi dove le persone sembrano vivere più a lungo senza tecnologie futuristiche. Sono le cosiddette Zone Blu, territori diventati famosi per l’elevata presenza di centenari e anziani in buone condizioni di salute. Tra gli esempi più conosciuti ci sono alcune aree della Sardegna, Okinawa in Giappone e Nicoya in Costa Rica. Il concetto di Zone Blu non è privo di discussioni, soprattutto per quanto riguarda la qualità di alcuni registri anagrafici e la difficoltà di attribuire la longevità a una formula precisa, ma le abitudini osservate in diverse popolazioni longeve continuano a offrire spunti interessanti. In queste comunità ricorrono spesso elementi che sembrano quasi troppo semplici rispetto alle promesse della medicina del futuro: movimento quotidiano, un’alimentazione equilibrata e ricca di alimenti vegetali, legami familiari e sociali forti, ritmi meno sedentari, partecipazione alla comunità e la sensazione di avere ancora un ruolo e uno scopo. È curioso pensare che mentre cerchiamo farmaci, algoritmi e tecnologie capaci di allungare la vita, una parte del segreto potrebbe continuare a trovarsi in cose estremamente umane, come camminare, mangiare insieme, avere qualcuno con cui parlare, sentirsi utili e prendersi cura di sé prima che compaia una malattia.

La tecnologia, però, potrebbe aiutarci proprio in questa direzione, spostando sempre più la medicina dalla cura alla prevenzione. Ed è qui che torna la domanda sul chip. L’idea di avere qualcosa impiantato nel corpo che controlla la nostra salute suscita spesso una reazione immediata, perché fa pensare a un futuro lontano e invasivo. In realtà conviviamo già con tecnologie di questo tipo. Pacemaker e defibrillatori impiantabili controllano il cuore, alcuni sensori seguono in maniera continua i livelli di glucosio, mentre la ricerca sta sviluppando dispositivi sempre più piccoli capaci di misurare parametri biologici dall’interno dell’organismo.

A questo punto diventa interessante pensare allo scenario futuro. Se un piccolo dispositivo fosse in grado di individuare un cambiamento nel tuo corpo mesi prima che tu inizi a sentirti male, lo vorresti? Se riconoscesse una variazione sospetta nel battito cardiaco, nella glicemia o in un altro parametro e avvisasse il medico prima della comparsa dei sintomi, la presenza di quel dispositivo sembrerebbe ancora così inquietante? Forse sì, forse no. Un sistema simile cambierebbe il nostro rapporto con la medicina ed entrerebbero subito in gioco altri problemi, come la privacy, la sicurezza dei dati, la possibilità di falsi allarmi e il diritto di non vivere continuamente sotto osservazione. Un corpo trasformato in una fonte permanente di dati potrebbe migliorare la prevenzione, ma potrebbe anche farci sentire pazienti anche quando siamo sani. Il progresso tecnologico non elimina queste domande, le rende ancora più necessarie.

Lo stesso accade con l’intelligenza artificiale e la figura del medico. Durante l’incontro è stato portato l’esempio di Agent Hospital, un ospedale virtuale sperimentale con 42 medici digitali distribuiti in 21 reparti. Il sistema ha raggiunto un’accuratezza del 93,06 per cento su un sottoinsieme di domande riguardanti malattie respiratorie. C’è però un dettaglio fondamentale: lo studio non prevedeva un confronto diretto con medici umani. Questo elemento è importante, perché affermare genericamente che un’AI sia “più brava del medico” rischia di trasformare una questione complessa in una gara che non rappresenta ciò che sta accadendo davvero.

In alcuni compiti specifici l’intelligenza artificiale riesce già ad analizzare grandi quantità di informazioni in tempi impossibili per una persona, riconosce schemi nelle immagini, confronta migliaia di casi e segnala anomalie che meritano attenzione. Un medico, però, non svolge soltanto un esercizio di riconoscimento. Deve ascoltare, capire la storia di una persona, interpretare sintomi che non sempre entrano perfettamente in una categoria, spiegare un rischio, assumersi responsabilità e accompagnare il paziente nelle decisioni. Un algoritmo vede dati. Un medico vede anche una persona.

Forse per questo la domanda più interessante non è “AI o medico?”, ma “che tipo di medico avremo quando l’AI sarà uno strumento normale della medicina?”. Un medico aiutato da sistemi capaci di controllare migliaia di informazioni potrebbe avere più elementi per prendere decisioni, individuare prima alcuni problemi e personalizzare meglio una terapia. Se una parte del lavoro ripetitivo venisse affidata alla macchina, il tempo umano potrebbe essere usato proprio per ciò che una macchina non restituisce allo stesso modo: ascoltare, spiegare, rassicurare, capire il contesto e condividere una scelta.

AlphaFold offre un esempio significativo di ciò che questa collaborazione tra intelligenza artificiale e ricerca biologica sta già producendo. Il sistema ha contribuito a prevedere la struttura di circa 200 milioni di proteine, mettendo a disposizione della comunità scientifica informazioni che richiedevano un’enorme quantità di lavoro sperimentale. Non significa che l’AI abbia risolto la biologia, ma mostra la differenza di scala che una macchina introduce nella ricerca. Problemi che prima richiedevano tempi lunghissimi diventano più accessibili, e questo potrebbe accelerare lo studio delle malattie, la ricerca farmacologica e la comprensione del nostro organismo.

Arrivati a questo punto, forse i 130 anni diventano quasi secondari. La domanda iniziale sembrava parlare soltanto di longevità, ma finisce per toccare qualcosa di più ampio: quale rapporto vogliamo avere con una tecnologia che conoscerà sempre più cose del nostro corpo? Quanto saremo disposti a condividere pur di ricevere diagnosi prima, cure più precise e una vita più lunga? E se un giorno vivere fino a cento anni in buona salute diventasse normale, cambierebbe anche il modo in cui scegliamo cosa fare della nostra vita?

Se a vent’anni pensassimo di avere davanti altri cento anni, forse affronteremmo in modo diverso il lavoro, le relazioni, la famiglia, il rischio e perfino il fallimento. Potremmo concederci più tempo per cambiare strada, imparare una nuova professione a sessant’anni, iniziare qualcosa a ottanta. Oppure potremmo cadere nella tentazione opposta e rimandare tutto, convinti di avere sempre un’altra occasione. Più tempo non significa automaticamente più vita vissuta.

Forse è questo il punto su cui vale la pena soffermarsi. L’intelligenza artificiale, i sensori, la biologia cellulare e la medicina preventiva potrebbero aiutarci ad aggiungere anni alla nostra esistenza, ma il vero progresso sarebbe riuscire ad aggiungere vita a quegli anni. Non sappiamo se arriveremo davvero a 130 anni e non sappiamo quale parte delle tecnologie di cui parliamo oggi diventerà normale tra venti o trent’anni. Sappiamo però che il confine tra salute, prevenzione e tecnologia sta cambiando rapidamente e che sarà sempre più difficile parlare di medicina senza parlare anche di dati e intelligenza artificiale.

Alla fine, restano le domande con cui abbiamo iniziato. Vorresti vivere 130 anni? Accetteresti un dispositivo nel tuo corpo se aiutasse a riconoscere prima una malattia? Ti affideresti a un medico che prende decisioni anche con l’aiuto di un’intelligenza artificiale? Oggi possiamo avere risposte diverse, ma tra venti o trent’anni quelle stesse domande potrebbero non sembrare più futuristiche. E allora la questione non sarà soltanto quanto a lungo riusciremo a vivere, ma quale parte di noi vorremo affidare alla tecnologia per provare a vivere meglio.

Articolo scritto da Debanhi Loana Garcia Reyes 

Le piattaforme ci hanno abituati a ottenere risposte immediate, percorsi semplici ed esperienze personali, mentre una decisione collettiva funziona al contrario e richiede tempo, complessità e incontri con persone che non la pensano come noi. 

Premiamo un’icona e arriva un’auto, scriviamo un indirizzo e compare il percorso, digitiamo una domanda e otteniamo una risposta e scorriamo una lista di film e la piattaforma prova a prevedere quale ci piacerà. 

Una parte enorme della tecnologia contemporanea è costruita attorno a una promessa semplice: togliere tempo tra il desiderio e il risultato, una promessa potente e ci siamo abituati rapidamente. 

Poi usciamo da questo ambiente e incontriamo una riunione pubblica, una consultazione, un consiglio comunale, un’assemblea, una legge: qualcuno parla troppo, un altro chiede di tornare su una questione che sembrava già chiusa, mancano informazioni, emergono interessi incompatibili e serve una seconda riunione. Poi una terza. 

La sensazione è familiare: perché deve essere tutto così lento? Forse la domanda contiene già una parte del problema. 

Durante il primo incontro di FILO, il professore Gianluca Sgueo ha descritto tre caratteristiche dell’esperienza tecnologica di massa: velocità, semplicità e singolarità. 

La prima riduce l’attesa, la seconda riduce i passaggi e la terza adatta l’esperienza all’individuo. 

Netflix suggerisce un film per me. Una mappa costruisce il percorso per me. Un’app di incontri ordina persone sulla base delle mie preferenze. Il digitale promette un ambiente nel quale un sistema impara progressivamente cosa voglio e cerca di portarmelo davanti. Sgueo sostiene che trasferire automaticamente queste aspettative nello spazio pubblico produce una tensione. 

Le istituzioni devono durare, mentre le tecnologie cambiano rapidamente. Un servizio pubblico deve raggiungere anche chi non appartiene all’utente ideale. Una decisione politica riguarda gruppi eterogenei, mentre la personalizzazione digitale tende a costruire esperienze individuali, e un problema collettivo non sempre sopporta di essere ridotto a una scelta binaria. Prendiamo la velocità. Nel linguaggio comune, lento è quasi sempre un difetto: un sito lento è un cattivo sito, una consegna lenta è un cattivo servizio e un computer lento è un computer da sostituire. 

Ma una democrazia lenta è necessariamente una cattiva democrazia? 

L’OCSE ha raccolto centinaia di esperienze di assemblee dei cittadini, giurie, panel e altri processi deliberativi. La sua conclusione sul tempo è controintuitiva per chi arriva dall’esperienza delle piattaforme: una deliberazione di qualità richiede abbastanza tempo per imparare, valutare prove, ascoltare prospettive differenti e formulare raccomandazioni informate. Per processi destinati a produrre raccomandazioni approfondite, l’OCSE indica almeno quattro giornate intere di incontro, salvo ragioni specifiche per abbreviare.  

Le assemblee dei cittadini più ampie durano ancora di più. Nei casi esaminati dall’OCSE nel rapporto del 2020, riunivano in media circa 90 persone per quasi 19 giornate distribuite nell’arco di circa undici mesi. La prima fase viene spesso dedicata all’apprendimento, con esperti, gruppi interessati e persone direttamente coinvolte nel problema. Solo dopo arriva la deliberazione.  

Questo tempo non è un incidente organizzativo. Serve a fare qualcosa che un feed personalizzato tende a evitare: costringerci a incontrare ragioni che non abbiamo scelto. 

La democrazia funziona male quando ciascuno riceve soltanto la propria versione del mondo. Ed è qui che semplicità e singolarità diventano politiche. 

Il cittadino non è un consumatore che deve ricevere esattamente ciò che preferisce. Una decisione pubblica deve includere persone che hanno desideri incompatibili. 

Il nuovo parco occupa un terreno che qualcuno avrebbe destinato a parcheggio, una nuova linea ferroviaria collega territori e disturba quartieri, una politica climatica produce benefici futuri e costi immediati, mentre una norma sull’intelligenza artificiale protegge alcuni diritti e impone oneri a imprese e amministrazioni. 

Non esiste un algoritmo di raccomandazione capace di consegnare a ogni cittadino una versione personale della stessa legge. Alla fine, dobbiamo condividere una decisione. 

L’Unione europea ha sperimentato questa difficoltà durante la Conferenza sul futuro dell’Europa, svolta tra aprile 2021 e maggio 2022. La Conferenza combinò una piattaforma digitale accessibile nelle 24 lingue ufficiali dell’UE con panel composti complessivamente da 800 cittadini selezionati in modo casuale e pensati per rappresentare la diversità sociologica europea. Il processo si concluse con 49 proposte e 326 misure.  

È un esempio utile perché non scelse tra online e offline: la piattaforma ampliava la possibilità di contribuire, i panel riducevano la scala e restituivano tempo alla conversazione e la plenaria collegava i contributi alle istituzioni. La tecnologia aiutava a raccogliere, ma le persone dovevano ancora discutere. 

Questa distinzione diventa ancora più importante con l’intelligenza artificiale. Come suggerito dal professore Sgueo, un concetto utile è quello di “democrazia aumentata”, in questo modello, l’IA aiuta a filtrare interventi, raggruppare proposte, tradurre grandi quantità di contributi e sintetizzare preferenze collettive, mentre l’agenda politica, la decisione finale e la responsabilità restano invece nelle mani umane. 

Sembra una distinzione teorica. Non lo è più. 

Due esempi ricordati anche dal professor Sgueo mostrano come l’intelligenza artificiale stia già entrando nei processi pubblici. Nel Regno Unito, lo strumento Consult è stato sperimentato per analizzare migliaia di risposte alle consultazioni pubbliche, individuare i temi principali e facilitare il lavoro dei funzionari, mantenendo il controllo umano sui risultati. Un caso diverso è quello di Diella, presentata dal governo albanese come una ministra virtuale basata sull’intelligenza artificiale e incaricata di contribuire alla gestione degli appalti pubblici e alla lotta contro la corruzione. Questi casi mostrano due ruoli diversi dell’IA: nel primo supporta il lavoro delle istituzioni, mentre nel secondo entra più direttamente nell’attività politica, sollevando domande sulla trasparenza, sulla responsabilità e sul controllo umano. 

Un altro esempio arriva dalla ricerca. Nel 2024 un gruppo di ricercatori di Google DeepMind pubblicò su Science un esperimento con un sistema chiamato Habermas Machine. Il modello riceveva opinioni individuali e critiche dei partecipanti, poi produceva una dichiarazione di gruppo cercando un terreno comune. Lo studio coinvolse 5.734 persone. In media, i partecipanti preferirono le sintesi generate dall’IA a quelle prodotte da mediatori umani e i gruppi mostrarono una maggiore convergenza delle posizioni dopo il processo.  

È un risultato affascinante. È anche il punto in cui serve rallentare. 

Che cosa significa trovare consenso? Il consenso migliore è la frase con cui il maggior numero di persone è disposto a dichiararsi d’accordo? Oppure una buona deliberazione deve lasciare spazio anche al conflitto, alla spiegazione delle ragioni, al cambiamento profondo di una posizione e alla possibilità che una minoranza non voglia essere sintetizzata? 

Un’analisi critica pubblicata nel 2025 ha sostenuto che il design della Habermas Machine attribuisce un peso eccessivo al raggiungimento dell’accordo e riduce parte della deliberazione alla produzione e valutazione di opinioni individuali. Il punto dell’autore è importante: un sistema progettato per “migliorare” la democrazia incorpora inevitabilmente una propria idea di ciò che una buona democrazia dovrebbe essere.  

Nel 2026 un altro studio di Google DeepMind ha reso il quadro ancora più interessante. In esperimenti su deliberazioni di gruppo con 879 partecipanti e decisioni riguardanti vere donazioni benefiche, la facilitazione tramite modelli linguistici non aumentò in modo significativo il consenso. I partecipanti preferivano comunque la discussione assistita dall’IA. I ricercatori osservarono anche due rischi: in alcune condizioni il facilitatore algoritmico spostava le allocazioni verso specifiche organizzazioni, e la sensazione di maggiore inclusione percepita dai partecipanti non corrispondeva a un miglioramento misurato nell’equità della partecipazione.  

Questa differenza tra sentirsi ascoltati ed essere ascoltati dovrebbe interessare qualsiasi progetto di democrazia digitale. Un’interfaccia fluida produce una sensazione di efficacia. Ma la democrazia non dovrebbe essere valutata soltanto attraverso la soddisfazione dell’utente. 

A volte un processo democratico deve frustrarci: deve dirci che la nostra posizione non ha ottenuto la maggioranza, deve mostrarci una prova che contraddice ciò che pensavamo, deve obbligare chi decide a spiegarsi e deve registrare il dissenso invece di nasconderlo dentro una sintesi elegante. 

Un altro esempio è Polis, un software usato nei processi partecipativi a Taiwan. Il funzionamento è semplice: ai partecipanti vengono mostrate brevi affermazioni e ciascuno può indicare se è d’accordo, in disaccordo oppure se preferisce non rispondere. Il sistema confronta poi le risposte, raggruppa le persone con opinioni simili e individua i punti su cui gruppi diversi riescono a trovare un accordo. 

Polis, però, non prende decisioni politiche. Serve soprattutto a capire meglio cosa pensano i partecipanti, quali opinioni sono più diffuse e dove esistono possibili punti di consenso. 

Questa potrebbe essere una buona regola anche per l’IA: usarla per vedere meglio, non per decidere al posto nostro, per tradurre una consultazione con migliaia di contributi, per accorpare duplicati senza cancellare le differenze, per individuare domande rimaste senza risposta, per mostrare quali argomenti uniscono gruppi distanti e per aiutare persone con difficoltà linguistiche o cognitive a partecipare. 

Ma ogni sistema del genere dovrebbe lasciare traccia di come ha riassunto, quali contributi ha escluso, quali categorie ha creato e dove esiste dissenso. Le persone devono conservare la possibilità di contestare la sintesi. Chi occupa una posizione pubblica deve conservare la responsabilità della decisione. 

Altrimenti rischiamo una trasformazione più profonda: non una democrazia più partecipata grazie alle macchine, ma una democrazia nella quale la macchina diventa l’interprete principale di ciò che la popolazione pensa. 

Il professore Sgueo distingue tra democrazia aumentata, democrazia automatizzata e democrazia sintetica. In quest’ultima ipotesi, i sistemi di intelligenza artificiale non si limitano a organizzare o riassumere le opinioni di persone reali, ma possono generare interlocutori, identità, immagini, commenti e forme apparenti di consenso. Il problema, quindi, diventa capire se l’opinione pubblica che osserviamo riflette posizioni realmente presenti nella società oppure se è stata artificialmente simulata. 

È una ragione in più per rivalutare una parola poco amata, tempo: il tempo necessario a verificare chi partecipa, il tempo di leggere un’opinione intera invece della sua sintesi, il tempo per cambiare idea, il tempo per permettere a una minoranza di spiegare perché non è d’accordo, il tempo per verificare ciò che un sistema automatico ha prodotto e il tempo per attribuire una responsabilità umana a una decisione. 

Siamo circondati da tecnologie che ci promettono di eliminare attese: per comprare qualcosa, è un risultato utile, per scegliere un film, anche, ma per governare una comunità, il criterio deve essere diverso. 

La democrazia non serve a portarci nel modo più rapido possibile dal desiderio individuale al risultato, ma serve a permettere a persone che desiderano cose diverse di continuare a vivere sotto decisioni comuni. Per farlo occorrono strumenti migliori e occorre anche accettare che alcune cose importanti richiedano tempo. 

Articolo scritto da Debanhi Loana Garcia Reyes