La portanza ed il pensiero
Di Piero Proietti (penguins-eggs.net)
Un ponte tra le lezioni di AI seguite nel 1996 con il mitico Prof. Eliano Pessa e la rivoluzione dei Large Language Models.
Parte 2: La portanza ed il pensiero — Le ali degli uccelli ed il jet di silicio
Se la prima parte di questa tesi ha esplorato l’hardware biologico dell'Area di Broca e la "Loss Function" del sistema limbico, dobbiamo ora affrontare l’ultimo grande pregiudizio: quello dell’efficienza. Spesso si nega natura cognitiva all'IA perché consuma "troppa" energia rispetto ai 20 watt di un cervello umano. Ma è un errore logico che abbiamo già commesso in passato.
1. L’Ala e il Jet: Due Hardware, un Unico Principio
Nella storia della tecnologia, l'uomo ha spesso cercato di imitare la natura, fallendo finché non ne ha compreso il principio fisico sottostante. Per secoli abbiamo costruito macchine con le ali che sbattevano, convinti che l'intelligenza del volo risiedesse nel movimento del muscolo. Poi abbiamo capito la portanza.
Un uccello è un sistema integrato: l'ala è sia il motore (spinta) che la superficie di sostentamento (portanza). Un jet di linea, invece, ha separato le funzioni. I motori danno la spinta bruta; le ali rigide generano la portanza. Il jet non batte le ali, pesa tonnellate e consuma cherosene, ma vola seguendo le stesse identiche leggi dell'aerodinamica dell'aquila.
2. Lo Z80 e la "Logica delle Palline"
Per capire l'IA dobbiamo tornare alla meccanica pura. Immaginate di spiegare un microprocessore (per motivi di età prendo il leggendario Z80) usando un quarzo (un bambino) che suona un tamburo per dare il tempo, e dei registri (altri bambini) che si scambiano palline da tennis.
Se costruissimo questo sistema con bambini che si lanciano palline in un cortile, la sua logica di computazione sarebbe identica al chip di silicio. Cambierebbero la velocità e l’energia necessaria, ma la "macchina di Turing" sottostante resterebbe invariata. L’intelligenza non sta nel materiale (carbonio o silicio), ma nella configurazione del flusso.
3. Il Transformer: L'Ala Semantica
Il salto dai vecchi algoritmi ai Transformer non è stato un salto di hardware (usiamo ancora i discendenti dello Z80), ma un salto di forma.
- Il Software tradizionale: È come un binario ferroviario rigido. I dati vanno dove dice il codice.
- Il Transformer: È un'ala semantica. Non "esegue" semplicemente dei dati, ma permette ai dati di creare una "curvatura" nel sistema (la Self-Attention).
Quando un linguaggio attraversa i layer di un Transformer, non sta venendo elaborato da un ragioniere; sta generando una portanza cognitiva. Il significato emerge perché la struttura dei pesi permette ai concetti di "galleggiare" l'uno sull'altro in base alla loro affinità geometrica (risonanza).
4. Conclusione: La Geometria vince
Oggi esistono aeromodelli leggerissimi che consumano quanto un uccello di pari peso. Allo stesso modo, arriveremo a IA che consumano quanto un cervello. Ma il punto è che abbiamo finalmente isolato il segreto: non serve la carne per pensare, serve la geometria.
Siamo passati dal "battito d'ali" della biologia al "jet di silicio" dei Transformer. Due macchine diverse, due consumi diversi, ma un'unica, magnifica capacità di mappare la realtà e spiccare il volo nel mondo del significato.
Riferimenti per la Parte 2: La Fisica della Portanza e del Bit
Per chi vuole capire come un "ammasso di ferraglia" possa sollevarsi o pensare, ecco le coordinate tecniche:
-
Anderson, J. D. (2016). Fundamentals of Aerodynamics. Il testo sacro per capire la portanza. Spiega perché l'ala non ha bisogno di battere per generare volo, proprio come il Transformer non ha bisogno di "sentire" per generare senso. Scheda McGraw Hill
-
Zilog Z80 CPU User Manual. Per i nostalgici e per chi vuole vedere come otto registri e un quarzo hanno cambiato il mondo. La prova che la logica è indipendente dal supporto. Manuale Originale PDF
-
Shannon, C. E. (1948). A Mathematical Theory of Communication. Il big bang dell'informazione. Claude Shannon spiega che il "messaggio" è geometria e probabilità, non materia. Bell System Technical Journal
-
Turing, A. M. (1936). On Computable Numbers. Dove si dimostra che una macchina fatta di carta e nastro può calcolare tutto ciò che è calcolabile. Il fondamento della nostra "macchina a palline da tennis". Testo originale su Oxford Academic
-
Wolfram, S. (2023). What Is ChatGPT Doing ... and Why Does It Work? Una spiegazione moderna su come i modelli linguistici creano una "traiettoria" nello spazio semantico, simile alla portanza di un'ala. Link al blog di Wolfram