Che cosa può fare l’Europa sull’intelligenza artificiale

Giorgio Parisi

Fondazione Basso e Casa della Cultura di Milano, 20 ottobre 2026

Ringrazio la Fondazione Basso, la Casa della Cultura di Milano e Walter Tocci per questo invito, e ringrazio Massimo Florio, che parlerà dopo di me. Partiamo dai nostri ultimi libri, mi è stato detto, ma vorrei che si capisse subito che non è una presentazione di libri. È una discussione su una scelta politica che l’Europa deve fare adesso, e che finora ha fatto solo a metà.

La domanda che si sente più spesso è: dove sta andando l’intelligenza artificiale? Io non so rispondere, e diffido di chi dice di saperlo. La domanda che mi interessa è un’altra: chi tiene il volante. Chi decide la direzione, con quali regole, e a vantaggio di chi. Su questa invece si può ragionare, perché riguarda il presente.

Che cosa sono queste macchine

Vorrei dire prima da dove vengono, perché non è noto a tutti e perché c’entra con quello che dirò dopo. Le reti neurali di oggi discendono in linea diretta dalla fisica dei sistemi disordinati. Nel 1982 John Hopfield, un fisico che conosceva la letteratura sui vetri di spin e insieme il problema biologico della memoria, mise le due cose assieme e costruì un modello di memoria associativa che era, parola per parola, un vetro di spin. Pochi anni dopo, i fisici Amit, Gutfreund e Sompolinsky, hanno calcolato quanti ricordi può contenere quella rete usando esattamente i metodi che avevamo sviluppato per i vetri di spin. Da lì, attraverso Hinton e le macchine di Boltzmann, si arriva alle reti profonde di oggi. Il Nobel per la fisica del 2024 a Hopfield e Hinton ha riconosciuto questa filiazione. Lo racconto per una ragione precisa: la scienza di base che ha reso possibile tutto questo è stata fatta in università e centri pubblici, e nessuno di noi sapeva, allora, a che cosa sarebbe servita.

Comincio ora da una confessione che forse vi sorprenderà. Noi scienziati non sappiamo bene come funzionano queste macchine. Abbiamo costruito reti neurali con centinaia di miliardi di parametri, funzionano benissimo, ma non abbiamo una teoria che ci permetta di prevedere il loro comportamento. Non sappiamo dire con precisione perché aumentando il numero di strati e di parametri migliori la qualità delle risposte, né che cosa accada esattamente dentro quegli strati. È come avere un motore potentissimo di cui non possediamo il libretto di istruzioni. È già successo nella storia: la macchina a vapore ha funzionato per un secolo prima che arrivasse la termodinamica a spiegare perché in maniera quantitativa. Ma la termodinamica, quando è arrivata, ha cambiato tutto, anche i motori.

Capire, e non solo usare, è il compito della ricerca. Un’azienda che vende un prodotto non ha interesse a capire fino in fondo: ha interesse a che il prodotto funzioni e si venda. Questa è la prima ragione, e la più semplice, per cui serve una ricerca pubblica: perché la domanda “perché funziona” la fa solo chi non deve vendere.

Che cosa sanno fare, intanto, lo vediamo ogni mese. Prendo l’esempio che conosco meglio, la matematica. Il 6 ottobre OpenAI ha reso pubbliche più di settecento dimostrazioni di risultati matematici ottenute da un suo modello interno: tre sono state ritirate il giorno dopo per un errore di segno, le altre sono ancora da controllare una per una, ma molte sembrano reggere. Una dimostra una serie di risultati sul jamming a cui ho lavorato con molti amici: centotrenta pagine, di una prolissità che le rende quasi illeggibili per un umano. Per i matematici è una brutta botta: molte tesi di dottorato sono state affondate da un giorno all’altro. E non è solo la matematica. Colleghi che conosco hanno preso cinquanta problemi di fisica, non esercizi da esame, ma problemi che un esperto risolve in una giornata di lavoro, e li hanno dati ai modelli in commercio: il migliore ne ha risolti quarantanove, a un costo di circa tre dollari l’uno. Un anno fa non era così.

Ma guardiamo bene che cosa è successo. Quei teoremi erano tutti congetture formulate da esseri umani: la macchina ha dimostrato o confutato, con un quadro concettuale dato nel prompt. Se anche l’intelligenza artificiale dimostrasse l’ipotesi di Riemann, è Riemann che ha fatto l’ipotesi. Capire quali problemi sono interessanti non è formalizzabile, e per un periodo che non so misurare resterà un compito umano. Due cose però mi preoccupano, e sono entrambe politiche. La prima: i matematici hanno sempre imparato risolvendo problemi semplici prima di affrontare quelli difficili; se i problemi semplici li risolve tutti la macchina, come si formerà la prossima generazione? La seconda: quelle settecento dimostrazioni non sono state fatte per amore della matematica. Sono una dimostrazione di forza, fatta per mostrare al mercato le capacità del modello. E se arriviamo a una matematica che l’intelligenza artificiale scrive e solo l’intelligenza artificiale legge, abbiamo perso qualcosa di essenziale: la conoscenza che non è intelligibile agli umani non è più conoscenza condivisa.

Torno alla nostra ignoranza su come funzionano, perché ne discende una conseguenza pratica. Queste macchine sbagliano, e sbagliano in modo convincente. Un sistema che produce un testo fluente non è per questo un sistema che sa quello che dice. Per questo l’intelligenza artificiale deve restare uno strumento e non diventare un’autorità: le decisioni che pesano sulla vita delle persone, in tribunale, in ospedale, alla frontiera, in guerra, devono restare in mano a esseri umani identificabili e responsabili. Non è una posizione contro la tecnologia: la responsabilità non si delega a un oggetto.

Il monopolio dell’informazione

Veniamo al punto che mi preoccupa di più. Oggi l’intelligenza artificiale di uso generale è in mano a un pugno di società: alcune americane, una cinese, qualcuna minore. Sono loro che possiedono la capacità di calcolo, i dati e i modelli. Massimo Florio vi spiegherà, molto meglio di me, perché questo mercato tende da solo all’oligopolio e perché questo è inefficiente anche dal punto di vista economico. Io mi limito a dirvi che cosa vedo da fisico: più un sistema diventa grande ed efficiente, più attrae utenti e risorse, e queste gli permettono di diventare ancora più grande. È un processo che si rinforza da solo. Lo abbiamo già visto con le ricerche in rete, dove in pochi anni è rimasto un solo attore.

Quel monopolio non è stato troppo pericoloso: alla fine ci dava dei collegamenti, e la fonte la sceglievamo noi. Adesso la prima risposta è sempre più spesso quella dell’intelligenza artificiale; ci soddisfa, e proprio per questo ci fermiamo lì, senza sapere da quali fonti viene. Chi decide quali fonti sono attendibili? Elon Musk, per esempio, ha deciso che tutto ciò che è woke non è attendibile, e si è fatto costruire un suo modello su misura.

Pensate a che cosa succede se questo processo arriva in fondo. I giornali, i libri, i siti avranno come lettore principale, e come finanziatore, un’intelligenza artificiale che li riassume e ce li racconta. Gli editori stanno già vendendo i diritti per l’addestramento: nel mio ultimo contratto me li hanno chiesti anche a me. Se un solo sistema decidesse di non leggere certi giornali o certi libri, questi di fatto scomparirebbero. Sarebbe come se ci fosse un solo editore al mondo. E non è nemmeno necessario arrivare al monopolio: un oligopolio di tre o quattro società che vengono dalla stessa parte del mondo e condividono la stessa ideologia non sarebbe molto diverso.

Non è il Grande Fratello di Orwell, che vietava. Nessuno vieta nulla: qualcuno sceglie per noi che cosa vedere e con quali parole raccontarcelo. Come dice Humpty Dumpty ad Alice, che obietta che una parola non può significare tante cose diverse: il problema è chi è che comanda, ecco tutto; e chi controlla le parole, la narrazione, controlla il mondo. Questo per me è il pericolo più grande.

L’Europa, in due parole

Veniamo all’Europa. Massimo Florio vi dirà che cosa pensa delle politiche europee, e non voglio anticiparlo. Mi limito a un bilancio in una frase. L’Europa ha fatto le regole, con l’AI Act, e le ha appena rinviate perché regola una tecnologia che non produce e che capisce poco. Sta costruendo le infrastrutture: il bando per le gigafactorie, sette grandi centri di calcolo, si chiude il 12 novembre. Ma i capannoni pieni di processori non sono la scienza, come i cannoni non sono la strategia. Abbiamo le regole, cominciamo ad avere le infrastrutture, non abbiamo l’istituzione scientifica. E senza l’istituzione scientifica le regole invecchiano prima di entrare in vigore e le infrastrutture le riempiono gli altri, se va bene.

Un CERN per l’intelligenza artificiale

Arrivo alla proposta. Insieme ad altri colleghi, in un incontro all’Accademia delle Scienze di Bologna, abbiamo scritto un manifesto per un Centro europeo pubblico di ricerca sull’intelligenza artificiale. L’ho chiamato, semplificando, un CERN dell’intelligenza artificiale, e vorrei spiegare che cosa intendo, perché il nome si presta a equivoci.

Il CERN è nato nel 1954 da dodici Paesi che, da soli, non si sarebbero mai potuti permettere gli acceleratori di cui avevano bisogno. Ha funzionato per tre ragioni: ha messo in comune le risorse, ha reso pubblici i risultati, ha creato un luogo fisico dove i ricercatori di tutta Europa, e poi del mondo, si incontravano e si contraddicevano. Il web è nato lì, e nessuno l’ha brevettato.

Che cosa dovrebbe fare, concretamente, un centro di questo tipo? Non replicare in piccolo quello che fanno i grandi laboratori privati: con un decimo delle risorse si arriva secondi, e arrivare secondi su un prodotto non serve a nessuno. Deve fare quello che i privati non hanno interesse a fare. Vi propongo cinque priorità.

La prima è la teoria. Vi ho detto che non capiamo perché queste macchine funzionano. Capirlo è il problema scientifico più importante del campo, e insieme il più trascurato, perché non produce un prodotto. Una teoria delle reti profonde ci direbbe quando possiamo fidarci di una risposta e quando no, quanto si può ridurre un modello senza perdere capacità, dove sono i limiti. La termodinamica non ha solo spiegato il motore a vapore: ha detto quale rendimento massimo è possibile, e ha permesso di progettare motori migliori. Ci serve una termodinamica dell’intelligenza, e nessuna azienda la farà per noi. Non partiamo da zero: la fisica statistica ha già strumenti per studiare sistemi con un numero enorme di elementi che interagiscono, e qualcosa si comincia a capire, per esempio sul perché le prestazioni crescano con regolarità quasi matematica all’aumentare dei dati e dei parametri, o sul fatto che certe capacità compaiano all’improvviso, come in una transizione di fase. Ma sono risultati sparsi, ottenuti da piccoli gruppi universitari che devono chiedere in prestito alle aziende i modelli su cui lavorare. Un centro pubblico darebbe a questa ricerca i modelli, il calcolo e la massa critica.

La seconda è l’affidabilità. Un modello che sbaglia in modo convincente, senza avvertire, non si può usare in medicina, in un tribunale, nella gestione di una rete elettrica. Sapere quando un modello non sa: misurarlo, certificarlo, costruire modelli che lo dichiarino. Oggi la valutazione dei modelli la fanno le stesse aziende che li vendono, con criteri che scelgono loro. Un centro pubblico dovrebbe costruire i criteri condivisi di valutazione delle capacità e dei rischi, come esistono gli standard per i farmaci o per i ponti.

La terza sono i modelli che consumano meno. I grandi laboratori seguono una sola strada: modelli sempre più grandi, con sempre più dati e sempre più energia. I centri di calcolo nel mondo hanno consumato circa 415 terawattora nel 2024, un po’ più dell’intero consumo elettrico italiano, e l’Agenzia internazionale dell’energia prevede che, spinti dall’intelligenza artificiale, superino i 900 entro il 2030. Esplorare modelli meno affamati di calcolo e di dati, architetture diverse, metodi di addestramento più efficienti: è la strada su cui un’Europa con meno risorse può arrivare prima, non seconda, e che per i privati è meno urgente, perché il calcolo lo pagano ai loro azionisti e l’energia la pagano le comunità.

La quarta è andare oltre il linguaggio. I modelli di oggi sono, mi si passi la parola, parolai: conoscono le parole con cui descriviamo il mondo, non il mondo. Non hanno un corpo, non fanno esperimenti, non prevedono che cosa succede se spingo un bicchiere. Ragionare invece di prevedere la parola successiva, costruire rappresentazioni del mondo fisico, imparare da pochi esempi come fa un bambino: sono i problemi aperti, e sono problemi di scienza, non di ingegneria. Le applicazioni che contano per noi, la sanità, il clima, la robotica, le lingue europee, stanno tutte da questa parte.

La quinta è costruire beni comuni. Dati affidabili e documentati, procedure di addestramento riproducibili, modelli aperti rilasciati quando non è pericoloso farlo, e un luogo fisico dove i ricercatori pubblici e quelli delle imprese possano incontrarsi senza segreti industriali o militari. Il CERN ha prodotto il web perché qualcuno aveva bisogno di condividere documenti e nessuno aveva interesse a brevettare la soluzione. È il tipo di cose che succedono solo in un posto così.

Il tutto con una governance indipendente: bandi aperti, regole rigorose sui conflitti di interesse, libertà di pubblicazione.

Perché pubblico, e non un consorzio di imprese? Per tre ragioni. La prima l’ho già detta: la scienza avanza condividendo le conoscenze, le aziende tendono a tenerle per sé, e i modelli di oggi non saranno la tecnologia definitiva. La seconda è storica: quando il software è diventato tutto proprietario e chiuso, la comunità scientifica e informatica si è ribellata e ha costruito Linux, che oggi fa girare quasi tutti i server del mondo. Si può fare, è già stato fatto. La terza riguarda la libertà. La possibilità stessa di criticare pubblicamente una tecnologia dipende da chi paga la ricerca. Se tutta la ricerca è privata, la critica indipendente diventa un atto di coraggio personale, e non si può affidare il controllo democratico di una tecnologia così potente al coraggio dei singoli.

Su un punto sono d’accordo in anticipo con Florio: il perimetro non deve essere quello dell’Unione. Il CERN non lo è mai stato: è nato nel 1954 con 12 paese membri prima del trattato di Roma del 1957 con solo 6 paesi membri. Un centro per l’intelligenza artificiale deve essere aperto a chi condivide le regole, non a chi ha il passaporto giusto. E aggiungo che non deve essere solo modelli: deve dialogare con le infrastrutture, con le filiere, con le amministrazioni che useranno questi strumenti, e con quello che Florio chiama intelligenza sociale, cioè la capacità delle comunità di riappropriarsi della conoscenza e non solo dei dati.

Non è protezionismo. È necessità democratica. Decidere come questa tecnologia serve il lavoro e la convivenza civile non può essere lasciato a chi la possiede e la vende. Lo ha detto anche il Presidente Mattarella, a fine 2025: i Paesi dell’Unione dispongono insieme delle risorse per realizzare un modello di intelligenza artificiale originale, trasparente, sicuro e attento ai diritti. Le risorse ci sono. Manca la decisione.

Il lavoro

Due parole sul lavoro, perché è lì che la questione arriva alle persone in carne e ossa. Dalla rivoluzione industriale in poi ogni tecnologia ha ridotto la quantità di lavoro necessaria: da più di dieci ore al giorno alle quarantotto ore settimanali, poi alle quaranta. Passare alle trentadue, almeno in certi mestieri, mi pare la continuazione naturale di questo processo. Lavorare meno, lavorare tutti. E a chi appartiene il guadagno? L’aumento di produttività dell’intelligenza artificiale è costruito su decenni di ricerca pubblica, sui dati che tutti noi produciamo, sulla conoscenza accumulata da generazioni: è un bene comune. Chiedere che una parte di quei guadagni torni alla collettività non è generosità, è giustizia.

Conclusione

Chiudo con una citazione che ho messo anche nel libro. Karl Marx, nel 1856, scriveva: “Macchine, dotate del meraviglioso potere di ridurre e potenziare il lavoro umano, fanno morire l’uomo di fame e lo ammazzano di lavoro. Un misterioso e fatale incantesimo trasforma le nuove sorgenti della ricchezza in fonti di miseria”.

Come sapeva bene Karl Marx, non c’è nessun incantesimo. Ci sono scelte: chi possiede le macchine, chi ne capisce il funzionamento, chi ne distribuisce i frutti. L’Europa ha fatto le regole e sta costruendo i capannoni. Le manca il pezzo che è più nelle sue corde, perché l’ha già fatto una volta settant’anni fa: un luogo pubblico dove la scienza di questa tecnologia sia di tutti, e dove si facciano le domande che chi vende non ha interesse a fare. Farlo o non farlo è una scelta, e dipende ancora da noi.