Sappiamo fermare la macchina?
TRA PARENTESI. LE IMMAGINI DEL SAPERE

Sappiamo fermare la macchina?

Il CERN ha fatto del dubbio sui propri risultati un metodo di lavoro condiviso tra decine di Stati. L’intelligenza artificiale è nata invece come uno dei più grandi "esperimenti incontrollati" della storia: che cosa succederebbe se applicassimo al suo sviluppo la stessa etica del laboratorio di Ginevra?

Sean Pavone - iStock

Ascolta l'articolo 11:45

Dump the beam! Scarica il fascio. Quando un esperimento termina, o qualcosa va storto, il CERN di Ginevra devia le particelle verso un assorbitore che ne dissipa in sicurezza l’energia. È una procedura pianificata nei minimi dettagli, un esempio di come anche un sistema estremamente complesso e potente possa essere progettato per fermarsi quando necessario.

Per l’antropologa Kyriaki Papageorgiou, che da anni segue il grande laboratorio internazionale al confine fra Francia e Svizzera, si tratta di una capacità oggi assente nella governance dell’intelligenza artificiale. E non è l’unica differenza.

Il CERN funziona con decisioni e procedure condivise dai suoi Stati membri, all’interno di una cultura della collaborazione e dell’accesso aperto. Da più di settant’anni è così che costruisce fiducia nella scienza. Al contrario, nel 2025 oltre il 90% dei modelli di AI di frontiera più rilevanti è stato prodotto dall’industria privata, secondo lo Stanford AI Index Report 2026.

Papageorgiou studia come l’intelligenza artificiale stia cambiando il modo in cui si produce la conoscenza, dall’università al lavoro accademico. Per quasi un decennio è tornata regolarmente al CERN nell’ambito di un programma in cui gruppi di studentesse e studenti universitari sviluppano progetti per affrontare problemi sociali complessi, prendendo a modello la capacità del laboratorio ginevrino di fare scienza collettivamente. “Vedendo il CERN da vicino”, scrive in un recente articolo sulla rivista Issues in Science and Technology, “tornavo continuamente, insieme ai colleghi lì presenti, a una domanda: cosa significherebbe applicare alle sfide di questa scala non soltanto le tecnologie del CERN, ma anche il suo ethos e i suoi metodi?”.

A colpirla nelle sue prime visite al centro di ricerca era soprattutto il contrasto tra gli edifici principali, dall’aspetto sobrio e funzionale di un vecchio campus universitario, e la complessità dell’infrastruttura tecnologica, che si estende a circa cento metri sottoterra e che quindi non è visibile. È un’impressione di disorientamento comune a molti visitatori. Per contenerla, i comunicatori del laboratorio hanno trovato soluzioni originali. Una pista ciclabile con dieci stazioni espositive ricalca in superficie l’anello da ventisette chilometri del Large Hadron Collider (LHC), il più potente acceleratore di particelle al mondo . Poco distante, un murale dedicato ad ATLAS, uno dei quattro grandi rivelatori di LHC, in scala uno a tre mostra i cento milioni di sensori di questa gigantesca “macchina fotografica” di particelle. Sono modi per far capire ai visitatori che anche una struttura di questa complessità è un oggetto comprensibile. Ma rendere visibile un’infrastruttura non significa necessariamente saperla gestire. Per questo le sale di controllo del CERN sono presidiate giorno e notte: gli operatori seguono costantemente il funzionamento di acceleratori e rivelatori. Se qualcosa non procede come previsto intervengono e possono sospendere le operazioni.

Con gli LLM (Large language model, cioè modello linguistico di grandi dimensioni) dell’AI non c’è nulla di paragonabile. Anche chi li sviluppa non sempre è in grado di spiegare perché producano una determinata risposta. È il cosiddetto problema dell’interpretabilità, la difficoltà di ricostruire i processi interni che portano un sistema a generare un risultato. Il filosofo Luciano Floridi, in Etica dell’intelligenza artificiale, ha individuato proprio nell’esplicabilità, cioè nell’intelligibilità e responsabilità dei modelli, uno dei principi fondamentali per rendere compatibile l’AI con una società in grado di comprenderla e controllarla. L’AI Act europeo del 2024, primo quadro normativo organico sull’intelligenza artificiale al mondo, ne ha fatto in parte un obbligo di legge.

L’opacità riguarda però anche i dati usati per addestrare i modelli e si inserisce nella questione più ampia di come sono distribuiti risorse e potere tecnologico. Nel 2024, la Data Provenance Initiative, un progetto che ha coinvolto oltre cinquanta ricercatori del mondo accademico e industriale, evidenziava quanto la produzione dei dataset fosse concentrata in poche aree del pianeta. Oltre il 90% dei token testuali analizzati, cioè le unità minime di testo (caratteri, parti di parole, parole intere, punteggiatura o spazi) che un modello di intelligenza artificiale legge, elabora e genera, era riconducibile a organizzazioni europee e nordamericane, mentre il contributo africano e sudamericano era pressoché irrilevante. Per audio e video, la fonte di gran lunga più importante era YouTube, collocando Alphabet, la società madre di Google, in una posizione di vantaggio strutturale rispetto ai concorrenti.

Il confronto con il CERN non si esaurisce tuttavia nella trasparenza delle infrastrutture. La lezione forse più interessante ha a che vedere con il modo in cui vengono prodotti e verificati i risultati scientifici. Il 4 luglio 2012, ad annunciare la storica scoperta del bosone di Higgs furono Fabiola Gianotti e Joseph Incandela, all’epoca portavoci rispettivamente degli esperimenti ATLAS e CMS. Le due grandi collaborazioni scientifiche avevano raccolto il testimone della caccia all’elusiva “particella di Dio” durata quasi mezzo secolo ed erano finalmente giunte in modo indipendente allo stesso risultato. C’era voluto il lavoro di migliaia di ricercatori per raggiungere gli ambitissimi “5 sigma”, la soglia di significatività statistica richiesta per annunciare una scoperta nella fisica delle particelle. L’ultimo tassello ancora mancante del Modello Standard, la teoria che spiega l’architettura di base della natura, era stato trovato dopo decenni di ricerca, grazie a un’organizzazione del lavoro scientifico che ha fatto del rigore una delle risposte collettive più sofisticate mai costruite per affrontare la fallibilità umana.

Questo non significa che al CERN non ci siano gerarchie, conflitti o competizione, né che tutte le decisioni siano aperte alla partecipazione di chiunque. La sua credibilità si fonda però su pratiche condivise in cui le competenze sono distribuite tra soggetti diversi. L’autorità non spetta automaticamente a chi produce conoscenza. È ciò che Papageorgiou chiama “umiltà procedurale”, vale a dire la capacità di costruire nelle istituzioni l’abitudine a dubitare dei propri risultati, con verifiche collettive, momenti di pausa, dichiarazione esplicita dell’incertezza. «Integrare l’AI nella scienza», scrive la studiosa, «richiederà azioni deliberate per sostenere l’umiltà procedurale nel contesto di un’industria e di una tecnologia che finora hanno spinto nella direzione opposta».

L’idea di un CERN per l’AI, come via europea alternativa al dominio di poche grandi aziende tecnologiche e alla competizione geopolitica tra Stati Uniti e Cina, non è nuova. Fu proposta già nel 2017 dallo scienziato cognitivo Gary Marcus e nel tempo ha raccolto il favore di ricercatori, think tank e governi. L’ha rilanciata di recente anche il premio Nobel per la fisica Giorgio Parisi che, a un convegno al CNR di Roma nel maggio 2026, ha messo in guardia dal rischio di un oligopolio, o persino di un monopolio, sull’accesso alla conoscenza, come è accaduto con i motori di ricerca. Un grande centro pubblico di ricerca, ha detto, in questo momento «è immaginabile solo in Europa».

Anche la politica si è mossa. Nel 2025, all’AI Action Summit di Parigi, Ursula von der Leyen ha dichiarato di voler replicare il successo del laboratorio di Ginevra nelle gigafactory europee dell’AI: grandi centri di calcolo per addestrare e far funzionare gli Llm. In questo quadro si colloca RAISE (Resource for Artificial Intelligence Science in Europe), progetto di punta della Strategia europea per l’AI nella scienza: un istituto virtuale la cui prima fase di sviluppo ha ricevuto un finanziamento di 107 milioni di euro.

A differenza della struttura centralizzata del CERN, reti come RAISE sono organizzazioni di ricerca distribuite, che si sviluppano interconnettendo centri di calcolo e ricerca già esistenti sul territorio. Condividere potenza computazionale non significa però necessariamente condividere le regole della produzione della conoscenza. Le nuove infrastrutture europee potranno ampliare l’accesso alle tecnologie e ridurre la dipendenza dalle grandi aziende, ma resta da capire se saranno accompagnate da istituzioni capaci di garantire procedure comuni ispirate a quelle del CERN.

Istituito nel 1954 sulle macerie della Seconda guerra mondiale, il laboratorio di Ginevra, infatti, è stato strutturato fin dall'inizio su un modello di gestione intergovernativo, capace di assicurare finanziamenti pubblici condivisi e di lungo termine, relativamente al riparo da pressioni commerciali. La sua convenzione lo limita a una ricerca fondamentale e civile. La cultura della condivisione su cui è basato ha portato, tra le altre cose, alla decisione di rendere libera e gratuita la diffusione del World Wide Web nel 1993 da parte del suo inventore, l’inglese Tim Berners-Lee, che allora lavorava lì.

L’intelligenza artificiale presenta condizioni molto diverse. Gli interessi economici sono enormi e i rischi di uso improprio molto più elevati. Diversamente dalla fisica delle particelle, è difficile replicare un modello esclusivamente pubblico e considerare la piena apertura dei risultati come una soluzione sempre desiderabile. Per questo i sostenitori di un CERN per l’AI, più che copiare l’esperienza del laboratorio franco-svizzero, propongono di adattarla. Tra le soluzioni individuate dal Simon Institute for Longterm Governance di Ginevra per trasformare il riferimento al CERN da suggestione ideale a proposta concreta, vi sono: la creazione di un centro sull'AI orientato al bene comune, un organismo dedicato alla sicurezza e alla valutazione dei rischi, il sostegno a progetti di ricerca trascurati dal mercato e la possibilità di concedere un accesso progressivo e controllato ai modelli più potenti.

“L’intelligenza artificiale è stata introdotta nel mondo senza seguire nessuno dei processi intenzionali, rigorosi e fortemente collaborativi che caratterizzano la fisica delle particelle”, scrive Kyriaki Papageorgiou. “Oggi, una manciata di aziende sta di fatto conducendo uno dei più grandi esperimenti incontrollati della storia, e lo sta facendo senza trasparenza”.

Al CERN scaricare il fascio è un gesto ordinario inserito in procedure definite in anticipo. La capacità di fermarsi non riguarda però solo il funzionamento dell’acceleratore. È un aspetto di una cultura istituzionale più ampia che promuove la visibilità pubblica, la verifica rigorosa dei risultati e il riconoscimento dell’incertezza. Nell’industria commerciale dell’AI simili principi restano frammentati, quando non del tutto assenti. Non c’è qualcosa di paragonabile agli standard del CERN. Chi potrebbe oggi dare l'ordine: “Dump the beam!”?

Nico Pitrelli

Nico Pitrelli

Giornalista, comunicatore della scienza, direttore del Master in Comunicazione della Scienza della SISSA di Trieste.