Vincenzo Vespri, Professore di Analisi matematica presso l’Università di Firenze
Il 21 ottobre, a Villa Erba, a Cernobbio, parteciperò al convegno NextGenAI, organizzato dal Ministero dell’Istruzione e del Merito. Il mio intervento partirà da una domanda che riguarda la scuola, la ricerca e il futuro della conoscenza: come formare persone capaci di usare l’intelligenza artificiale senza rinunciare alla curiosità, al giudizio e alla responsabilità?
L’intelligenza artificiale non si limita più a eseguire calcoli. Oggi può esplorare congetture, proporre dimostrazioni, scrivere codice per verificare casi e formalizzare passaggi matematici. In alcuni casi ha contribuito ad affrontare problemi importanti e a produrre, in tempi molto brevi, una quantità di risultati che in passato avrebbe richiesto un lavoro ben più lungo. Per alcuni matematici, questi sviluppi fanno temere la fine del mestiere. È una preoccupazione comprensibile, ma forse la trasformazione in corso va osservata anche da un’altra prospettiva: sta cambiando il ritmo della ricerca e, con esso, il modo stesso di lavorare in matematica.
Un mio professore descriveva la ricerca matematica con una metafora calcistica. Un teorema importante, diceva, è come un gol: un evento raro. Molti matematici, anche molto bravi, nel corso della loro carriera non riescono a segnare quel gol; altri ne segnano uno o due; pochissimi fanno una goleada. Con l’intelligenza artificiale, i matematici possono oggi esplorare più possibilità e produrre risultati interessanti con maggiore frequenza. Per continuare con la metafora, forse non siamo ancora al punteggio del basket, ma una carriera di ricerca potrebbe assomigliare più a una partita di rugby che a una partita di calcio. Questo non significa che ogni risultato abbia lo stesso valore o che ogni proposta sia corretta. La quantità di materiale prodotto rende anzi ancora più necessario controllarlo con attenzione.
Gli strumenti di AI aprono possibilità nuove, ma richiedono prudenza: una risposta plausibile non è necessariamente vera, e una dimostrazione generata da una macchina deve essere compresa, verificata e collocata nel dibattito scientifico. Da qui nasce la domanda al centro del mio intervento: se l’intelligenza artificiale è in grado di fare matematica, che cosa dobbiamo insegnare?
Non dobbiamo competere con la macchina sulla velocità di calcolo o sulla quantità di risultati. Dobbiamo aiutare gli studenti a formulare buone domande, a riconoscere le ipotesi su cui si basa una risposta, a individuare un errore anche quando è presentato in modo convincente e a spiegare perché un ragionamento funziona.
La matematica, infatti, non è soltanto un insieme di risultati da memorizzare. È un’attività: osservare, congetturare, cercare controesempi, scegliere una strategia, verificare e spiegare. Per questo la valutazione deve considerare il percorso, oltre alla risposta finale. Una soluzione corretta, se non è accompagnata dalla comprensione, può nascondere una fragilità; un errore ben argomentato può rivelare molto del modo in cui uno studente sta ragionando.
Sono temi che abbiamo affrontato anche nel lavoro sulle Indicazioni Nazionali: quelle per il primo ciclo sono già operative, mentre quelle per i licei sono ancora all’esame del Consiglio di Stato. La sfida era immaginare quali conoscenze e competenze serviranno, in un mondo che cambia rapidamente, ai bambini che oggi frequentano la scuola primaria. Dovranno trovare il proprio posto in una società e in un mondo del lavoro che non possiamo prevedere nei dettagli, ma nei quali saranno fondamentali la capacità di comprendere, di collaborare, di valutare le informazioni e di partecipare consapevolmente alla vita democratica.
La trasformazione riguarda tutte le discipline. L’intelligenza artificiale può liberarci da compiti ripetitivi, così come la calcolatrice ci ha sollevato da calcoli lunghi e faticosi. Ma non può decidere che cosa meriti di essere studiato, né quale uso fare del tempo che si libera. Queste restano scelte educative e culturali. Servono solide basi disciplinari e informatiche, insieme alla curiosità: la disponibilità a esplorare ciò che non conosciamo e a non accontentarci della prima risposta. Serve anche una formazione etica, che ci aiuti a valutare gli effetti delle tecnologie, i dati che affidiamo loro e le responsabilità di chi le progetta e le utilizza.
È questo, per me, il senso di un neoumanesimo: mettere al centro la persona, la sua capacità di comprendere, collegare e scegliere, e la responsabilità con cui esercita queste capacità. L’intelligenza artificiale può raggiungere una grande profondità su una domanda circoscritta. Per comprendere il contesto, collegare i saperi e valutare le conseguenze di una risposta occorrono anche visione d’insieme e giudizio umano.
Il cambiamento è già visibile anche nel nostro territorio. Il 16 ottobre, in qualità di presidente del Comitato Volta, ho partecipato a Villa Saporiti all’inaugurazione di un computer quantistico ad annealing, nell’ambito delle iniziative per il bicentenario della morte di Alessandro Volta. È il secondo più potente in Europa e il più potente in Italia. Questo tipo di computer è progettato per affrontare problemi di ottimizzazione e ha caratteristiche diverse da quelle di un computer quantistico universale. La sua presenza offre però a università, imprese e studenti occasioni concrete per avvicinarsi a una tecnologia destinata a crescere e per sviluppare nuove competenze.
È anche un esempio della scuola che vogliamo costruire: aperta al territorio e capace di mettere in relazione formazione, ricerca e impresa. Le discipline conservano la propria identità, ma possono dialogare tra loro e con le tecnologie, i bisogni e le prospettive del mondo che ci circonda.
Anche il panorama dell’intelligenza artificiale evolve rapidamente. Mistral Large 4 è stato presentato in anteprima pubblica il 6 ottobre. A mio parere, il modello porta l’Europa a un livello paragonabile a quello delle migliori AI cinesi, pur restando ancora distante dai modelli americani di punta.
Di fronte a questi sviluppi, la scuola deve insegnare a usare le macchine senza delegare loro il nostro giudizio. Per farlo occorrono conoscenze solide, laboratori, storia della scienza e collegamenti tra le discipline. Occorre soprattutto mantenere viva la curiosità: quella che ci spinge a chiederci non soltanto se una risposta sia corretta, ma perché la domanda sia importante e che cosa possiamo imparare dalla risposta.
L’intelligenza artificiale non rende superflue la matematica o le altre materie STEM. Ci obbliga piuttosto a chiarire che cosa significhi davvero saperle: non solo ottenere un risultato, ma capire come ci siamo arrivati, che cosa dimostra e quale uso responsabile possiamo farne.
(*) Questo articolo è uno stralcio dell’intervento del professor Vespri a “NETGEN AI – Summit Internazionale sull’Intelligenza Artificiale nelle Scuole” organizzato dal Ministero dell’Educazione e del Merito (Milano-Lago di Como, 19-22 novembre)