Escludere l’umanità: la ricerca su internet assistita dall’IA privilegia la fredda logica rispetto all’ethos e al pathos.

Opinione Personale del redattore TheSolver:

1. La Logica vs. L’Empatia

I modelli linguistici operano attraverso un filtro di neutralità programmatica. Quando affrontano temi soggettivi, tendono a scomporre il problema in pro e contro, cercando un equilibrio che spesso sfocia in una risposta “grigia” o puramente analitica.

• L’IA cerca la coerenza: se $A$ e $B$ sono fatti accertati, la conclusione deve essere logicamente derivata.

• L’essere umano cerca la risonanza: una pagina web scritta da una persona può permettersi di essere illogica ma profondamente vera sul piano emotivo, toccando corde che un algoritmo non possiede.

2. Dati vs. Carne (Il fattore dell’autorevolezza)

L’autorevolezza di un’IA deriva dalla vastità del suo dataset (la quantità); quella umana deriva dalla profondità del vissuto (la qualità).

• In un blog umano, l’etica e l’autorità non nascono da una bibliografia, ma dalle “cicatrici” dell’esperienza: un esperto che ha fallito e riprovato comunica una saggezza che la logica pura non può simulare.

• L’IA può descrivere il dolore o l’estasi citando definizioni enciclopediche, ma non può “testimoniare”. Il passaggio dal sapere al sentire è dove il web umano mantiene il suo primato.

3. Ethos e Pathos: Il “Peso” delle parole

L’IA eccelle nel Logos (la logica), ma è intrinsecamente carente di:

• Ethos: La credibilità morale. L’IA non ha una reputazione da difendere o valori per cui lottare; segue linee guida di sicurezza.

• Pathos: La capacità di generare emozione. Mentre l’IA può imitare uno stile poetico, l’emozione in una pagina web umana è spesso un sottotesto involontario, una passione che traspare tra le righe e che guida il lettore verso una convinzione soggettiva.

4. Il rischio della “Bolla di Mediazione”

Affidarsi esclusivamente alla logica dei modelli AI per domande soggettive rischia di appiattire il discorso pubblico. Se eliminiamo il “rumore” delle passioni umane, dell’etica e delle opinioni forti, otteniamo risposte tecnicamente perfette ma prive di anima. Il web umano, con tutti i suoi difetti e pregiudizi, offre una biodiversità intellettuale che è necessaria per l’evoluzione del pensiero, cosa che una sintesi statistica, per quanto avanzata, tende a smussare per eccesso di prudenza.

In sintesi, mentre l’IA è un eccellente navigatore in un mare di informazioni, l’essere umano rimane l’unico in grado di decidere perché valga la pena intraprendere il viaggio, infondendo nel racconto del tragitto quel mix di cuore e autorità che nessun calcolo potrà mai sostituire.

Ecco come la fredda logica si scontra con la complessità umana in questi due ambiti:

1. Etica Medica: La differenza tra “Curare” e “Prendersi cura”

In medicina, l’IA può essere impeccabile nel suggerire il protocollo con la più alta probabilità statistica di successo. Tuttavia, l’etica non è un’equazione.

• Il dilemma del fine vita: Un’IA potrebbe calcolare l’inefficienza dei costi o la bassa qualità della vita residua in modo puramente matematico. Un medico umano, invece, attinge al Pathos: guarda negli occhi il paziente, ne percepisce la paura o il desiderio di dignità, e prende una decisione che pesa sulla propria coscienza (Ethos).

• La comunicazione della diagnosi: La verità fattuale è solo metà dell’opera. Il “come” viene detta una verità difficile richiede una sensibilità empatica che un modello linguistico può solo simulare, rischiando di apparire cinico o artificialmente rassicurante.

2. Critica d’Arte: L’assenza del “Brivido”

Nell’arte, la logica è quasi un ostacolo. L’IA può analizzare la tecnica di Caravaggio o la struttura di una sinfonia di Mahler, ma non può spiegare perché quell’opera ci faccia piangere.

• L’esperienza vissuta: Un critico umano scrive partendo dal proprio bagaglio culturale e sensoriale. Se dice che un quadro è “rivoluzionario”, lo fa perché sente il peso della rottura con il passato. L’IA, al contrario, definisce la “rivoluzione” come una variazione statistica nei pattern visivi.

• Il valore del difetto: Spesso ciò che rende un’opera d’arte sublime è la sua imperfezione o la sofferenza dell’artista che vi traspare. L’IA tende a premiare la perfezione formale e la coerenza, rischiando di ignorare il “cuore” di un’opera che risiede proprio nel suo essere illogica o tormentata.

In sintesi

Mentre nell’etica medica la logica dell’IA manca di responsabilità morale, nella critica d’arte manca di estasi sensoriale. In entrambi i campi, l’IA può fornire un’ottima “mappa”, ma è l’essere umano che deve decidere dove dirigersi e, soprattutto, dare un senso al panorama che sta guardando.

Secondo te, il rischio maggiore è che l’IA diventi troppo “umana” nel simulare queste emozioni, finendo per ingannarci, o che noi umani diventiamo troppo “algoritmici” per adattarci alla sua logica?

Articolo:

Internet sta perdendo la sua anima? Uno studio collaborativo condotto da informatici e sociologi dell’Università della California a Riverside suggerisce di sì. Man mano che l’intelligenza artificiale risponde sempre più spesso alle nostre domande online con riassunti rapidi e spiegazioni impeccabili, potremmo guadagnare in efficienza a scapito di qualcosa di prettamente umano.

Lo studio ha rilevato che i modelli linguistici su larga scala, come ChatGPT e Gemini, si basano prevalentemente sulla logica e sulla coerenza fattuale quando rispondono a domande soggettive, mentre le pagine web scritte da esseri umani attingono a un mix più ricco di ragionamenti che include emozioni, esperienze vissute, etica e autorevolezza personale.

“Con la crescente dipendenza delle persone dai sistemi di intelligenza artificiale per la ricerca di informazioni, a scapito delle tradizionali ricerche sul web, il web potrebbe gradualmente perdere la sua anima e cessare di riflettere la natura umana che lo ha plasmato negli ultimi 25 anni”, ha affermato il coautore Vagelis Hristidis, informatico presso il Bourns College of Engineering dell’Università della California, Riverside (UCR). “Questo potrebbe dare origine in futuro a nuove piattaforme di diffusione delle informazioni.”

Un altro coautore, Kevin Esterling, professore di politiche pubbliche e scienze politiche, ha aggiunto: “Come esseri umani, siamo geneticamente predisposti a pensare che qualsiasi cosa produca linguaggio abbia alla base una cognizione umana, ma questo articolo dimostra che le macchine producono un linguaggio che non possiede qualità umane in termini di ragionamento e argomentazione”.

Lo studio ha confrontato il modo in cui i sistemi di intelligenza artificiale e le tradizionali ricerche sul web rispondono a domande controverse o basate su opinioni, come ad esempio se i governi debbano vietare le auto a combustibili fossili o se il sistema sanitario statunitense necessiti di una profonda riforma. Lo studio è stato presentato questa settimana alla conferenza ACM Web Science Conference di Braunschweig, in Germania ( WebSci26 ), da Md Taukir Azam Chowdhury, dottorando in informatica presso l’Università della California, Riverside (UCR) e autore principale. È pubblicato negli Atti della 18a ACM Web Science Conference 2026 .

Per condurre lo studio, i ricercatori hanno analizzato le risposte di ChatGPT e Gemini, insieme ai risultati delle ricerche web su Google e Bing. Utilizzando centinaia di domande soggettive tratte da dataset di ricerca consolidati, hanno esaminato non solo le posizioni assunte dai sistemi, ma anche le tipologie di giustificazioni utilizzate a supporto di tali posizioni.

Quali tipi di ragionamento sono stati confrontati?

I ricercatori hanno classificato il ragionamento secondo il triangolo retorico di Aristotele: logos, ethos e pathos. Il logos si riferisce alla logica e alla coerenza fattuale. L’ethos fa appello all’autorità o alla credibilità. Il pathos fa appello alle emozioni e all’esperienza umana condivisa.

“Abbiamo scoperto che gli esseri umani utilizzano essenzialmente tutti e tre questi elementi, mentre le LLM si basano quasi esclusivamente sul logos”, ha affermato Esterling. “Il modo in cui cercano di persuadere è diverso dal modo in cui persuadono gli esseri umani.”

Esterling ha affermato che la differenza diventa evidente nelle ricerche di tutti i giorni.

Esempi quotidiani di ciò che manca

Supponiamo che qualcuno desideri la ricetta di un margarita. Un chatbot basato sull’intelligenza artificiale potrebbe produrre all’istante una ricetta valida, ricavata da un’enorme quantità di dati di addestramento. Tuttavia, bypassando blog culinari e storie personali, gli utenti si perdono anche i dettagli che potrebbero rendere la preparazione e la degustazione del cocktail un’esperienza più memorabile e gratificante.

Il sito web Difford’s Guide , ad esempio, offre decine di ricette di margarita suddivise in sette stili , tra cui classico, fruttato, floreale, alle erbe e speziato. Scritto da Simon Difford, il sito fornisce anche una storia del cocktail, che risale alla scoperta, negli anni ’30, di una bevanda chiamata allora “Tequila Daisy” durante un viaggio in Messico (Margarita è la parola spagnola per margherita). Il giornalista documenta inoltre, con un articolo di giornale del 1936, come il cocktail fu creato involontariamente da un barista irlandese a Tijuana che aveva preso la bottiglia sbagliata mentre cercava di preparare un altro drink.

I master in giurisprudenza, tuttavia, filtrano quella profondità, quelle sfumature e quella passione che gli scrittori umani apportano al processo creativo.

In che modo gli esseri umani e l’intelligenza artificiale argomentano in modo diverso

Lo studio ha inoltre rilevato che le pagine web contengono una gamma di stili di ragionamento molto più ampia rispetto ai LLM. I contenuti web creati da esseri umani mescolano argomentazioni fattuali con preoccupazioni morali, conseguenze pratiche, appelli emotivi e narrazione. Ad esempio, un appello a finanziare le banche alimentari può attingere all’esperienza personale dell’autore con la povertà infantile.

Al contrario, i sistemi di intelligenza artificiale privilegiano nettamente le spiegazioni incentrate sui fatti che “danno priorità al ragionamento di tipo logos”, ha affermato Esterling.

I ricercatori sospettano che ciò possa derivare in parte dai sistemi di “allineamento” e di sicurezza che le aziende di intelligenza artificiale integrano nei loro modelli. Queste barriere di sicurezza sono progettate per indirizzare le risposte verso risposte fattuali e non dannose, evitando un linguaggio controverso o emotivo.

Lo studio ha inoltre rilevato che ChatGPT e Gemini si somigliavano molto nel modo in cui rispondevano alle domande, anche quando le loro risposte si discostavano significativamente dalla più ampia varietà riscontrabile sul web.

Perché l’IA non può replicare le conversazioni umane

Secondo Esterling, gli esseri umani comunicano in modo molto diverso dalle macchine perché anticipano costantemente le reazioni emotive e intellettuali degli altri durante una conversazione.

“Quando gli esseri umani parlano tra loro, possiamo capire cosa pensa l’altro”, ha affermato. “Si tratta di una sorta di interazione bidirezionale.”

I modelli linguistici di grandi dimensioni, tuttavia, non pensano realmente al pubblico in questo modo, ha affermato. Piuttosto, generano sequenze di parole statisticamente probabili basandosi su dati di addestramento e parametri interni.

“Non è affatto come parlare con una persona”, ha detto Esterling. “È semplicemente una macchina che prevede quali parole dovrebbero essere pronunciate in risposta a un input.”

Cosa si potrebbe perdere con l’avvento dell’IA?

I ricercatori avvertono che, man mano che sempre più persone si affidano ai sistemi di intelligenza artificiale anziché alle tradizionali ricerche sul web per comprendere la politica, la salute, l’etica e gli affari pubblici, la società potrebbe gradualmente perdere il contatto con la complessa ma profondamente umana diversità di ragionamenti che plasma il discorso pubblico.

La ricerca basata sull’intelligenza artificiale potrebbe essere più rapida ed efficiente. Tuttavia, è anche più superficiale, meno personale e meno connessa alle esperienze emotive e morali che aiutano le persone a comprendersi a vicenda, ha affermato Esterling.

Hristidis ha aggiunto: “Quando utilizziamo piattaforme di intelligenza artificiale anziché ricerche sul web, otteniamo una versione condensata della conoscenza, limitata dai vincoli di ciascuna piattaforma di intelligenza artificiale e priva di qualsiasi emozione umana o diversità di opinioni”.

Il titolo dello studio è “Confronto tra opinioni soggettive e giustificazioni di LLM e motori di ricerca web”. Il team di ricerca comprendeva Esterling, Hristidis, Chowdhury e i dottorandi del Dipartimento di Informatica e Ingegneria: Jannat Ara Meem e Zabir Al Nazi. Chowdhury ha diretto gli esperimenti per questo lavoro.

Abstract

In questo articolo, studiamo la posizione e il ragionamento dei più diffusi motori di ricerca online (LLM) utilizzando due noti dataset di domande soggettive, ArguAna (250 domande soggettive) e OpinionQA (domande di sondaggio su privacy, opinioni politiche e salute). Confrontiamo la posizione e il ragionamento impliciti dei più diffusi motori di ricerca web sugli stessi insiemi di domande. In primo luogo, confrontiamo le posizioni (supporto, opposizione, neutralità) dei motori di ricerca online e dei motori di ricerca web su questi argomenti. Successivamente, confrontiamo le loro giustificazioni a supporto di queste posizioni sulla base di due classificazioni di giustificazione ampiamente accettate: la classificazione di Lippi (epistemica, pratica, morale) e il modello del Triangolo Retorico (logos, ethos, pathos). I nostri esperimenti dimostrano che i motori di ricerca online (ChatGPT e Gemini) hanno posizioni e giustificazioni simili tra loro, ma differiscono significativamente dalle fonti dei motori di ricerca web. Nello specifico, le giustificazioni dei modelli di apprendimento basati su logiche (LLM) sono dominate da categorie epistemiche (tassonomia di Lippi) e di logos (il modello del triangolo retorico), mentre i risultati delle ricerche sul Web mostrano una gamma più ampia, che include ragionamenti morali, pratici ed epistemici. Ciò implica che i modelli di apprendimento basati su logiche, forse a causa dei loro processi di addestramento o allineamento, tendono a sottorappresentare la diversità del ragionamento umano in risposta a quesiti soggettivi rispetto ai motori di ricerca. Pubblichiamo un corpus dei documenti dei risultati delle ricerche sul Web e delle giustificazioni estratte per le raccolte di domande soggettive analizzate, affinché altri possano sviluppare ulteriormente il nostro lavoro.

by