Le persone sono più che felici di "dimostrare" che l'intelligenza artificiale è stupida.

Nel 2024, i primi utilizzatori di ChatGPT chiedevano: "Quante R ci sono in una fragola?". Ora siamo passati a "Vai a piedi o porti l'auto all'autolavaggio?".

Questi post continuano a diventare virali perché i fallimenti sembrano così umani. Ma non sono la prova che l'intelligenza artificiale è difettosa. Sono la prova che la maggior parte delle persone non capisce ancora con chi sta parlando.

C'è un termine per definirlo: pappagallo stocastico. È una metafora che descrive i LLM come sistemi che rispecchiano statisticamente i modelli di testo dei dati di addestramento senza comprenderne il significato. Vedetela in questo modo: il pappagallo ha letto tutti i libri della biblioteca, ma non è mai uscito per vedere cosa significhi "auto" o "camminare".

Questo scollamento tra potenza di calcolo e buon senso è esattamente il punto di partenza di questi momenti virali.

Perché la domanda sull'autolavaggio lo rompe

Gli esseri umani portano con sé un modello mentale del mondo fisico. Sappiamo che gli oggetti occupano uno spazio, che un'auto deve essere fisicamente all'autolavaggio per essere pulita e che la questione non è tanto camminare o guidare. Si tratta di logistica.

Un LLM non ha questo modello di mondo. Per l'intelligenza artificiale, "autolavaggio" è un'etichetta di destinazione, come "il parco" o "la biblioteca". Capisce perfettamente la grammatica della frase, ma non il suo scopo.

Inoltre, la corrispondenza dei modelli è probabilistica. Se la risposta statisticamente più probabile a una domanda su una distanza di cinque minuti è "cammina", il modello la pronuncerà con totale fiducia, anche quando la premessa non ha senso.

È "intelligenza" o solo "congetture calcolate"?

La maggior parte dei modelli con cui si interagisce oggi sono pensatori del "Sistema 1": veloci, intuitivi e inclini a errori di pancia. L'industria sta già distribuendo modelli con capacità di "Sistema 2", che utilizzano il ragionamento a catena per ricontrollare la propria logica prima di rispondere. Ma questa non è ancora l'esperienza predefinita per la maggior parte degli utenti e il divario tra ciò che è possibile fare e ciò che si incontra quotidianamente è ancora ampio.

Questi momenti di "presa per i fondelli" non sono solo divertenti. Sono uno dei motivi più chiari per cui non abbiamo ancora consegnato le chiavi a sistemi completamente autonomi. Se un'intelligenza artificiale non riesce a capire come portare un'auto al lavaggio, è difficile fidarsi di lei per qualsiasi cosa riguardi la logistica del mondo reale.

L'ironia del 2026

Stiamo spendendo miliardi per addestrare modelli su centinaia di migliaia di GPU per insegnare a una macchina qualcosa che un bambino di quattro anni capisce intuitivamente: non si può lavare l'auto se è ancora nel vialetto.

Se lo chiediamo a un modello "pensante", otterremo un risultato diverso, magari con un commento ironico.