L’IA ha appena cancellato 200 pagine dalla sua stessa bibbia.
Il libro di testo di intelligenza artificiale di Stuart Russell—quello che insegna agli studenti di informatica dal 1995—ha appena ricevuto un aggiornamento significativo per il 2026. Ma ecco il colpo di scena: Russell non ha semplicemente aggiunto nuovi capitoli. Ha tagliato circa 200 pagine di materiale che un tempo erano considerate essenziali, incluse spiegazioni dettagliate degli algoritmi di ricerca A* che generazioni di studenti hanno memorizzato.
Questa non è una pulizia di primavera. È un segnale.
Le Vecchie Metriche Stanno Cedendo
Per decenni, abbiamo misurato il progresso scientifico nello stesso modo in cui misuravamo tutto il resto: contando. Più articoli pubblicati. Velocità di elaborazione più rapide. Dataset più grandi. Punteggi di accuratezza migliori. I numeri aumentavano, e lo chiamavamo progresso.
Ma l’IA sta facendo qualcosa di strano a questo sistema. Quando un modello linguistico può generare migliaia di articoli di ricerca in un pomeriggio, cosa misura realmente il conteggio delle pubblicazioni? Quando gli algoritmi ottimizzano se stessi più velocemente di quanto gli esseri umani possano valutare i risultati, cosa significa davvero “migliore”?
La modifica al libro di testo di Russell suggerisce un problema più profondo. Le tecniche che ha rimosso non sono sbagliate: sono diventate semplicemente sempre più irrilevanti. L’IA le ha superate così rapidamente che insegnarle in dettaglio fa perdere tempo agli studenti che potrebbero dedicare a imparare ciò che conta veramente adesso.
La Scienza alla Velocità delle Macchine
Ecco cosa rende tutto ciò scomodo: la scienza è sempre stata un’attività a ritmo umano. Pubbliciamo articoli affinché altri esseri umani possano leggerli. Facciamo revisioni tra pari affinché esperti possano verificare le affermazioni. Costruiamo sul lavoro precedente perché è così che la conoscenza si accumula nel tempo.
L’IA non ha bisogno di tutto ciò. AlphaFold non ha letto ogni articolo sulla piegatura delle proteine mai scritto: ha appreso schemi direttamente dai dati. GPT-4 non cita fonti nel suo processo di addestramento. Questi sistemi scoprono relazioni che funzionano senza necessariamente capire perché funzionano, almeno non in modi che gli esseri umani possano verificare facilmente.
Quindi, come misuriamo il progresso quando ciò che avanza non pensa come noi?
Cosa Conta Adesso
Alcuni ricercatori stanno proponendo nuovi framework. Invece di contare le pubblicazioni, misurare l’impatto reale. Invece di confrontare le prestazioni umane, verificare se i sistemi IA possono gestire situazioni genuinamente nuove. Invece di ottimizzare solo per l’accuratezza, valutare robustezza, equità e interpretabilità.
Ma anche queste metriche sembrano temporanee. Sono misure progettate dagli esseri umani per intelligenze non umane. È come giudicare un pesce in base a quanto bene riesce a scalare gli alberi: le stesse categorie potrebbero essere il problema.
Il Problema del Libro di Testo
Le pagine di Russell cancellate rappresentano qualcosa di più grande degli aggiornamenti curriculari. Sono la prova che la nostra conoscenza sta diventando stratificata. C’è un divario crescente tra “cose che gli esseri umani devono capire dell’IA” e “cose che l’IA fa realmente.”
Quel divario crea una crisi di misurazione. Se le persone che valutano i progressi dell’IA non possono comprendere appieno come funzionano i sistemi moderni, come possiamo sapere se stiamo misurando le cose giuste? Finiremo per affidarci a metriche proxy—benchmark, classifiche, video dimostrativi—che potrebbero trascurare ciò che conta davvero.
La verità scomoda è che stiamo entrando in un’era in cui le regole per misurare il progresso scientifico sono scritte dai stessi sistemi che stiamo cercando di misurare. Non esplicitamente, non consciamente, ma attraverso il semplice fatto che l’IA si muove più velocemente di quanto i nostri framework di valutazione possano tenere il passo.
Forse va bene così. Forse la scienza è sempre stata in questo modo: i nostri metodi evolvono appena dietro le nostre scoperte, affannandosi per dare un senso a ciò che abbiamo già costruito. Ma vale la pena notare quando una cancellazione di 200 pagine ci dice di più sul futuro di quanto possa mai fare un’aggiunta di mille pagine.
🕒 Published: