Comprendere o delegare all'IA: il dilemma di Asimov applicato alla scienza

Immagina un gruppo di scienziati che ottiene da un'intelligenza artificiale la soluzione a uno dei sogni umani più grandi: il viaggio interstellare. Ma non si preoccupano nemmeno di chiedere come funzioni davvero. Questo non è il futuro: è il cuore di un racconto di Isaac Asimov del 1945, dove la vera anticipazione non è il razzo spaziale, ma il modo in cui gli esseri umani delegano la comprensione profonda alle macchine. E oggi, nella scienza reale, questo dilemma è più vivo che mai. Siamo abituati a pensare che la tecnologia dell’IA sia solo un potente strumento, qualcosa che ci permette di fare più in fretta ciò che già sappiamo fare. Ma cosa succede quando la soluzione che l'IA trova non solo ci sfugge, ma diventa letteralmente incomprensibile anche ai suoi creatori? Il nuovo dilemma non è più "possiamo risolvere questo problema?", ma "dobbiamo capire la soluzione o ci basta che funzioni?". Prendiamo ad esempio le Kolmogorov-Arnold Networks, o KAN, una nuova architettura di reti neurali presentata in un articolo scientifico nel dicembre 2025. Gli scienziati di solito lavorano con reti neurali in cui ogni neurone somma segnali e li trasmette secondo regole fisse, e l'apprendimento avviene modificando i pesi di queste somme. Ma nelle KAN, la somma rimane semplice e i neuroni imparano invece regole di trasformazione sempre più complesse. Ciò significa che, a differenza delle reti classiche in cui la conoscenza è nascosta in una foresta di numeri, nelle KAN è possibile vedere e persino disegnare le funzioni che la rete ha appreso. Un dettaglio pazzesco: una KAN è riuscita da sola a riscoprire una simmetria matematicamente sofisticatissima, legata alla struttura dello spazio-tempo attorno a un buco nero, che aveva impegnato intere generazioni di fisici per quasi vent'anni. Qui la posta in gioco non è solo tecnica. Quando lasciamo che l'IA risolva problemi che nessun essere umano capisce più, rischiamo di perdere il senso di proprietà della conoscenza. Gli scienziati descritti da Asimov non chiedono mai spiegazioni: accettano che la complessità sia fuori portata e si accontentano del risultato. Ma la scienza è sempre stata, soprattutto, un esercizio di appropriazione della realtà: capire, non solo applicare. Un ricercatore fisico che ha letto l'articolo sulle KAN racconta che per la prima volta ha potuto «vedere» ciò che la rete aveva appreso, e non solo constatare che funzionava. La differenza sembra piccola, ma è la linea che separa il fare scienza dal delegare ciecamente. Chi dice che “l'importante è che funzioni” rischia di scivolare in una nuova forma di superstizione: la fede cieca nell'algoritmo, invece della comprensione. E c'è una domanda che nessuno si sta ponendo: cosa perdiamo, come umanità, quando lasciamo che la spiegazione diventi un optional? E se un giorno nessuno sarà più in grado di spiegare come funzionano le cose che usiamo ogni giorno, perché dovremmo ancora chiamarla scienza? Siamo vicini a un bivio: delegare la comprensione alle macchine o pretendere di capire davvero. Chi si accontenta del risultato si priva della vera gioia della scoperta. L'IA può trovare soluzioni sorprendenti, ma la scienza nasce dove qualcuno chiede ancora: “Come ci siamo arrivati?” Se questa storia ti riguarda, su Lara Notes puoi premere I'm In — non è un like, è il tuo modo di dire: questa idea adesso è mia. E se domani racconti a qualcuno della KAN che ha risolto un enigma dei buchi neri, su Lara Notes puoi segnarlo: Shared Offline è il modo per dire che quella conversazione contava. Questo spunto viene da Le Monde e ti ha fatto risparmiare quasi cinque minuti rispetto all'articolo completo.