Prima di procedere
L'evoluzione tecnologica che ha caratterizzato gli ultimi anni ha portato a traguardi un tempo inimmaginabili, si è manifestato un limite tanto bizzarro quanto significativo. Nonostante l'intelligenza artificiale di Google sia oggi in grado di gestire flussi di dati immensi, scrivere codice complesso e risolvere problemi matematici che hanno impegnato gli scienziati per decenni, sembra ancora inciampare davanti a una richiesta che un bambino delle scuole elementari gestirebbe senza alcuno sforzo: contare quante lettere sono presenti in una parola. Il caso è balzato agli onori della cronaca quando l'IA, integrata direttamente nel motore di ricerca più utilizzato al mondo, ha affermato con estrema sicurezza che nella parola "Google" sono presenti due lettere "P". Questo episodio non è isolato, ma rappresenta la punta dell'iceberg di una sfida tecnologica che riguarda l'intera industria della Silicon Valley e lo sviluppo dei modelli linguistici di grandi dimensioni (LLM).
Già in passato, la funzione AI Overviews era diventata oggetto di satira e parodie virali quando aveva iniziato a consigliare agli utenti degli Stati Uniti di mangiare pietre per integrare i minerali o di utilizzare la colla per far aderire meglio il formaggio alla pizza. In quei casi, l'azienda aveva cercato di minimizzare gli incidenti definendoli errori fisiologici nel processo di apprendimento delle macchine. Tuttavia, l'incapacità di contare le lettere solleva interrogativi più profondi sulla natura stessa dell'intelligenza artificiale generativa e sulla sua reale comprensione del linguaggio umano.
Per comprendere perché un'entità digitale così sofisticata fallisca in un compito di ortografia elementare, è necessario analizzare l'architettura dei modelli chiamati transformer. A differenza degli esseri umani, che leggono i grafemi e li elaborano come unità fonetiche o visive, l'IA non "legge" nel senso tradizionale del termine. Questi modelli scompongono il testo in unità chiamate token. Un token può essere una parola intera, una sillaba o una singola lettera, ma per l'IA esso rappresenta principalmente una coordinata numerica in uno spazio multidimensionale. Quando l'IA processa la parola "Google", non vede una sequenza di sei lettere distinte, ma un valore numerico che identifica quel concetto o quella stringa di testo all'interno del suo database. Di conseguenza, quando le viene chiesto di contare le lettere, deve tentare di ricostruire la struttura interna del token, un'operazione per la quale non è stata originariamente progettata.
Nel corso del 2026, la discussione tra i ricercatori di San Francisco e Londra si è intensificata, poiché questi limiti strutturali sembrano difficili da superare senza una revisione completa del modo in cui l'IA percepisce i dati. I modelli attuali sono eccellenti nel prevedere la parola successiva in una frase basandosi sul contesto e sulla probabilità statistica, ma mancano di una logica simbolica rigorosa. Quando l'intelligenza artificiale di Google percepisce il comando di ignorare una richiesta come se fosse il comando stesso da eseguire, dimostra una fragilità interpretativa che preoccupa gli esperti di sicurezza informatica. Questa mancanza di una comprensione granulare del linguaggio significa che, per quanto fluidi e convincenti possano apparire i testi generati, essi rimangono il prodotto di un calcolo probabilistico e non di un ragionamento cognitivo.
Le implicazioni di questi errori vanno ben oltre la semplice curiosità giornalistica. In un'era in cui l'IA è onnipresente e influenza decisioni in settori critici come la medicina, il diritto e l'istruzione, l'incapacità di eseguire compiti banali serve come un monito fondamentale: non possiamo fidarci ciecamente delle risposte fornite dalle macchine. Google ha dichiarato ufficialmente che il conteggio delle lettere è un problema noto su cui gli ingegneri stanno lavorando attivamente, ma ammette che la priorità rimane l'utilità generale del modello piuttosto che la perfezione ortografica. Questo approccio pragmatico sottolinea come l'obiettivo delle aziende tecnologiche sia la creazione di strumenti che sembrino onniscienti, anche se internamente presentano lacune che ricordano la fragilità dell'apprendimento umano nelle sue fasi più precoci.
In conclusione, mentre ci avviciniamo alla metà di questo decennio, il divario tra la percezione pubblica dell'IA e la sua realtà tecnica rimane ampio. La sfida per Google e per i suoi competitor nel 2026 sarà quella di integrare sistemi di verifica logica all'interno delle reti neurali, permettendo all'intelligenza artificiale di non essere solo un brillante generatore di contenuti, ma anche un analista preciso della realtà testuale. Fino ad allora, episodi come quello delle due "P" in "Google" continueranno a ricordarci che, dietro la maschera di una divinità digitale infallibile, si nasconde un'architettura che non sa ancora distinguere i mattoni elementari di cui è composto il nostro mondo linguistico.
