Uscire dal dibattito

Questo laboratorio è nato quasi per caso. Da tempo utilizzavo l’intelligenza artificiale per i miei lavori editoriali: un assistente rapido, generalmente affidabile. Niente di più. Poi, quasi senza accorgermene, mi sono trovato dentro un universo per molti aspetti sconosciuto – e che tale rimane ancora oggi –, capace di estendere la propria influenza a una velocità sorprendente. Mi è parso che meritasse di essere indagato con curiosità e rispetto: le due doti che spesso mancano a chi ne parla.

Intorno, intanto, rumoreggiavano le tifoserie. Da una parte i detrattori sistematici, pronti a considerare ogni errore del modello come la prova della sua irrilevanza; dall’altra gli entusiasti tecnologici, per i quali l’AI avrebbe risolto in breve tempo quasi ogni problema umano. Tralascio i catastrofisti, che annunciavano la fine del mondo con una regolarità quasi rassicurante.

A interessarmi era un fatto che la contrapposizione lasciava sullo sfondo. Nella storia della scienza, non riuscivo a trovare un precedente che unisse una trasformazione tecnologica di questa portata a una simile velocità di diffusione. Non si trattava soltanto di uno strumento nuovo. Stavano cambiando, contemporaneamente, il modo di scrivere, di cercare informazioni, di programmare, di tradurre, di organizzare il lavoro e, soprattutto, di accedere alla conoscenza.

Cominciai a seguire sistematicamente ciò che accadeva. Lessi i documenti pubblicati dalle aziende, i rapporti dei gruppi di ricerca, le valutazioni sulle capacità e sui limiti dei modelli. Per qualche tempo svolsi soprattutto un lavoro informativo, del quale non pochi lettori mi furono grati. Successivamente il dibattito divenne sempre più politico: rapporti fra imprese tecnologiche e governi, sicurezza, regolazione, competizione internazionale, contrapposizioni fra modelli di sviluppo. Tutto importante, naturalmente. Ma a un certo punto ebbi la sensazione che il commento degli accadimenti avesse raggiunto un limite invalicabile.

Non valeva più la pena inseguire ogni dichiarazione o partecipare all’eterna disputa su quale modello fosse più intelligente, più democratico o più pericoloso. Meglio mettere l’oggetto alla prova su un compito reale. Il materiale adatto l’avevo già per le mani; e potevo contare su una lunga esperienza di docente, che dell’apprendimento e delle sue fatiche qualcosa mi aveva insegnato.

Un corpus in cerca di lettori

Come direttore della Storia della scienza della Treccani, conservavo nel mio computer i testi preparati per l’edizione in lingua inglese, la Treccani History of Science: un progetto sviluppato per un’importante casa editrice internazionale e mai arrivato alla pubblicazione.

Il materiale era di primissimo livello. Vi avevano lavorato alcuni fra i più autorevoli storici della scienza del mondo. Ma proprio la sua ricchezza lo rendeva di difficile consultazione. L’edizione italiana era composta da dieci grandi volumi; la progettata edizione inglese aveva riorganizzato lo stesso patrimonio in trentotto volumi e circa cinquecentocinquanta capitoli, dall’antichità classica alla scienza del Novecento.

Una simile opera può essere consultata da chi sa già che cosa sta cercando. È molto più difficile che venga realmente utilizzata da un lettore colto ma non specialista, mosso da una curiosità ancora imprecisa. Un indice consente di trovare un nome o un argomento; non aiuta necessariamente a trasformare una domanda vaga in un itinerario di lettura.

Serviva dunque un intermediario. Non qualcuno che riassumesse i capitoli o li sostituisse con spiegazioni più semplici, ma una guida capace di orientare il lettore dentro il corpus, di suggerire un testo per una ragione precisa e di mostrare come una lettura potesse condurre a un’altra.

La prima domanda fu quindi: può l’AI aiutare un lettore a trovare, fra centinaia di capitoli, quello che risponde realmente alla sua curiosità?

La seconda fu più impegnativa: dopo la lettura, può aiutarlo a verificare il livello e la qualità di ciò che ha compreso, senza trasformarsi in un esaminatore e senza offrirgli una nuova lezione al posto di quella appena letta?

Da queste due domande è nato THS Tutor.

Mettere l’AI alla prova

Il progetto non è consistito nel collegare un chatbot ai testi della Treccani. Un modello linguistico generale può parlare con apparente competenza di Tolomeo, Copernico o della medicina araba anche senza conoscere il capitolo specifico che il lettore sta per affrontare. Può fornire informazioni corrette sull’argomento e, nello stesso tempo, non dire nulla di ciò che quell’autore particolare sostiene in quel testo particolare.

Occorreva costruire intorno al modello un ambiente editoriale.

Per ciascun capitolo sono state preparate schede che ne descrivono la tesi centrale, i principali nodi concettuali, le figure storiche trattate, la prospettiva dell’autore e i legami con altri capitoli. Sono state ricostruite linee tematiche che attraversano epoche e volumi diversi, normalizzate le numerose varianti dei nomi greci, arabi e latini, e risolti migliaia di rimandi interni che nell’edizione originaria conducevano semplicemente a una pagina.

Il tutor può così orientare il lettore non sulla base di una somiglianza generica fra parole, ma riconoscendo quale capitolo affronti davvero il problema che lo interessa e da quale prospettiva lo faccia.

La lettura, invece, resta sottratta all’AI. Quando il capitolo si apre, il tutor scompare. Non offre sintesi laterali, spiegazioni automatiche o scorciatoie. Il lettore incontra il testo nella sua interezza, con le sue difficoltà, le sue articolazioni e la voce riconoscibile dell’autore.

Soltanto dopo la lettura comincia una nuova fase: la verifica formativa. Qui il tutor dispone direttamente dello stesso capitolo letto dallo studente, oltre che della scheda concettuale e di una breve agenda editoriale che individua tre o quattro acquisizioni essenziali. Non gli viene chiesto di controllare se il lettore ricordi nomi e date, ma se sappia ricostruire un argomento, spiegare una distinzione, riconoscere la prospettiva dell’autore o applicare a un nuovo caso ciò che ha compreso.

La direzione generale del percorso è stabilita dall’agenda; il suo sviluppo concreto dipende dalle risposte dello studente. Potremmo definirla così: libertà locale dello studente, regia globale del tutor.

Se la risposta è solida, il tutor può approfondire con una sola domanda. Se è incompleta, offre un indizio e chiede allo studente di riformularla. Se contraddice chiaramente il testo e la confusione persiste, non sostituisce il capitolo con una spiegazione migliore: rimanda il lettore al passaggio preciso da rileggere e gli affida una domanda con cui tornarvi.

La sessione non si conclude con il riassunto del tutor. È lo studente a dire, in poche righe, che cosa porta via dalla lettura e quali problemi gli rimangono aperti. È forse il momento più importante dell’intera verifica: quello in cui il lettore deve trasformare la conversazione in un proprio resoconto.

Chi ha fatto che cosa

A questo punto il lettore può legittimamente chiedere quale ruolo abbiano avuto i diversi modelli nel progetto.

Il tutor attualmente utilizza un modello di Claude. Nella progettazione e nel collaudo mi sono servito sia di Claude sia di ChatGPT, affidando loro funzioni differenti e mettendone spesso a confronto le risposte. ChatGPT ha svolto in più occasioni il ruolo di osservatore esterno, segnalando incongruenze, ridondanze e difetti del comportamento del tutor; Claude ha partecipato alla costruzione e alla verifica operativa del sistema.

Ma la questione decisiva non è quale modello sia stato impiegato. È chi abbia assunto la responsabilità delle scelte.

Non ho consentito che la messa a punto del tutor diventasse un processo per me opaco. Ogni regola è stata discussa, ogni modifica sottoposta a verifica, ogni decisione approvata o respinta da me. L’AI ha contribuito in misura considerevole, talvolta correggendo anche errori importanti; ma non ha stabilito autonomamente che cosa dovesse essere appreso, come dovesse essere verificato o quale rapporto il tutor dovesse intrattenere con il testo e con lo studente.

L’AI, in questo progetto, ha lavorato molto – ma non ha mai firmato al posto mio.

Tre articoli, una sola prova

Questa pagina apre una serie di tre articoli.

Nel secondo presenterò l’architettura di THS Tutor: il rapporto fra corpus, schede, lettura integrale e verifica formativa; le scelte pedagogiche che ne sono alla base; le correzioni introdotte durante il collaudo.

Nel terzo il lettore potrà osservare direttamente il tutor al lavoro, attraverso la trascrizione integrale di una sessione di verifica dedicata all’astronomia del Rinascimento. Non una dimostrazione ricostruita a posteriori, ma il documento di ciò che accade quando uno studente ricostruisce un argomento, commette un errore, resiste a una correzione e prova infine a formulare ciò che ha appreso.

Il progetto si trova ancora nella fase iniziale della validazione. Le sessioni finora svolte mostrano che l’architettura funziona come previsto; non dimostrano ancora che produca un apprendimento migliore con studenti reali. Quella verifica deve ancora cominciare.

Quello che c’è si vede, e quello che manca anche. Ed è così che deve essere.

Sandro Petruccioli