Introduzione
Prima dei Large Language Models, prima delle reti neurali profonde, prima dei computer come li conosciamo oggi, un uomo pose la domanda che avrebbe definito un'intera disciplina: le macchine possono pensare?
Quell'uomo era Alan Turing. Era il 1950, e il mondo non aveva ancora visto un singolo programma di intelligenza artificiale. Eppure, in un articolo di poche decine di pagine, Turing anticipò quasi ogni dibattito che avremmo avuto nei settant'anni successivi: dalla coscienza delle macchine ai limiti della computazione, dalla capacità di ingannare un interlocutore umano alla differenza tra simulare e comprendere.
Questo articolo ripercorre le due idee fondamentali che Turing ha lasciato al mondo: la macchina di Turing, il modello teorico alla base di ogni computer mai costruito, e l'Imitation Game, l'esperimento mentale che ha dato il via alla ricerca sull'intelligenza artificiale. Due idee che, a distanza di quasi un secolo, restano straordinariamente attuali.
Perché questo articolo è importante oggi: ogni volta che interagisci con ChatGPT, Claude o qualsiasi altro modello linguistico, stai partecipando a una versione sofisticata dell'esperimento immaginato da Turing nel 1950. Capire le origini significa capire i limiti e le possibilità di ciò che usiamo ogni giorno.
Alan Turing: il matematico che immaginò il futuro
Alan Mathison Turing nasce il 23 giugno 1912 a Londra. Fin da ragazzo mostra un'intelligenza fuori dal comune e un interesse ossessivo per la matematica e le scienze naturali. A ventidue anni entra al King's College di Cambridge, dove inizia a lavorare sui fondamenti della logica matematica.
Nel 1936, a soli ventiquattro anni, pubblica On Computable Numbers, with an Application to the Entscheidungsproblem, il paper che introduce la macchina di Turing e risolve uno dei problemi aperti più importanti della matematica del Novecento. È un lavoro che, da solo, gli garantirebbe un posto nella storia della scienza.
Bletchley Park e la Seconda Guerra Mondiale
Durante la Seconda Guerra Mondiale, Turing viene reclutato dal Government Code and Cypher School a Bletchley Park, il centro britannico per la decrittazione. Qui progetta la Bombe, una macchina elettromeccanica capace di decifrare i messaggi criptati dalla macchina Enigma utilizzata dai nazisti. Il lavoro di Turing e del suo team è considerato decisivo per la vittoria degli Alleati: secondo alcune stime, accorciò la guerra di almeno due anni, salvando milioni di vite.
Una fine tragica
Nel 1952, Turing viene processato per "gross indecency" a causa della sua omosessualita', all'epoca illegale nel Regno Unito. Viene condannato e sottoposto a castrazione chimica. Il 7 giugno 1954 muore per avvelenamento da cianuro: la versione ufficiale parla di suicidio, anche se le circostanze restano discusse.
Nel 2013, la Regina Elisabetta II concede a Turing una grazia postuma. Nel 2021, il suo volto appare sulla banconota da 50 sterline, un riconoscimento tardivo ma simbolicamente potente per un genio che il suo stesso paese aveva perseguitato.
Un genio in anticipo sui tempi: Turing non fu solo un matematico. Fu un corridore olimpionico mancato (il suo tempo nella maratona era a undici minuti dal record olimpico del 1948), un biologo dilettante che studiò la morfogenesi, e un visionario che immaginò macchine pensanti quando i computer occupavano intere stanze e potevano fare poco più che calcoli aritmetici.
La macchina di Turing (1936)
Nel 1936, il giovane Turing affronta un problema posto dal matematico tedesco David Hilbert: l'Entscheidungsproblem, ovvero il "problema della decisione". Hilbert chiedeva: esiste una procedura meccanica che, data una qualsiasi proposizione matematica, possa stabilire in un numero finito di passi se essa sia vera o falsa?
Per rispondere a questa domanda, Turing aveva bisogno di definire con precisione cosa significasse "procedura meccanica". E qui compie il suo colpo di genio: inventa un modello astratto di calcolo che oggi chiamiamo macchina di Turing.
Come funziona
La macchina di Turing è un dispositivo immaginario, descritto in termini puramente matematici. È composta da quattro elementi:
- 1Un nastro infinito diviso in celle, ciascuna contenente un simbolo (ad esempio 0 o 1). Il nastro funge sia da input che da output e da memoria di lavoro.
- 2Una testina di lettura/scrittura che può leggere il simbolo nella cella corrente, scrivere un nuovo simbolo e spostarsi di una posizione a sinistra o a destra.
- 3Un registro di stato che memorizza lo stato corrente della macchina, scelto da un insieme finito di stati possibili.
- 4Una tabella di transizione (il "programma") che, dato lo stato corrente e il simbolo letto, specifica: quale simbolo scrivere, in che direzione muovere la testina, e quale nuovo stato assumere.
Questo è tutto. Nessun processore, nessun chip, nessuno schermo. Solo un nastro, una testina, degli stati e delle regole. Eppure, questa macchina immaginaria può calcolare tutto ciò che è calcolabile.
— Alan Turing, On Computable Numbers (1936)
La macchina universale
L'intuizione più profonda di Turing non è la macchina in sé, ma il concetto di macchina universale. Turing dimostra che esiste una singola macchina di Turing in grado di simulare qualsiasi altra macchina di Turing, purché riceva come input la descrizione (il "programma") della macchina da simulare.
Pensiamo a un'analogia: immagina un cuoco straordinario che non conosce alcuna ricetta a memoria, ma sa leggere perfettamente qualsiasi libro di cucina. Dategli un libro di pasticceria e preparera' dolci; dategli un libro di cucina giapponese e preparera' sushi. Il cuoco è sempre lo stesso, cambia solo il libro. La macchina universale di Turing è quel cuoco: un singolo dispositivo che, cambiando il programma, può eseguire qualsiasi calcolo.
Questa è esattamente l'idea alla base di ogni computer moderno. Il tuo smartphone è una macchina universale di Turing realizzata in silicio: lo stesso hardware esegue un browser, un foglio di calcolo, un videogioco o un modello di intelligenza artificiale. Cambia solo il software.
La tesi di Church-Turing
Contemporaneamente a Turing, il matematico americano Alonzo Church arrivò allo stesso risultato attraverso un approccio diverso (il lambda calcolo). Questa convergenza portò alla tesi di Church-Turing: tutto ciò che è intuitivamente "calcolabile" può essere calcolato da una macchina di Turing.
Questa tesi non è un teorema dimostrabile, ma un'ipotesi che nessuno è mai riuscito a confutare. Implica un limite fondamentale: se qualcosa non può essere calcolato da una macchina di Turing, allora non può essere calcolato da nessun dispositivo meccanico, per quanto sofisticato.
Il problema dell'arresto: Turing dimostrò anche che esistono problemi non calcolabili. Il più famoso è il problema dell'arresto (halting problem): non esiste alcun algoritmo che, dato un programma qualsiasi, possa stabilire in anticipo se quel programma terminera' o continuera' a funzionare all'infinito. Questo risultato, apparentemente astratto, ha conseguenze profonde: dimostra che esistono limiti intrinseci a ciò che qualsiasi computer potrà mai fare.
Computing Machinery and Intelligence (1950)
Quattordici anni dopo il paper sulla computabilità, Turing pubblica sulla rivista Mind un articolo che cambierà per sempre il modo in cui pensiamo al rapporto tra macchine e intelligenza: Computing Machinery and Intelligence.
L'articolo si apre con una delle frasi più celebri della storia della scienza:
— Alan Turing, Computing Machinery and Intelligence (1950)
Ma subito dopo averla posta, Turing fa qualcosa di sorprendente: rifiuta la propria domanda. Sostiene che i termini "macchina" e "pensare" sono troppo ambigui per permettere una risposta significativa. Tentare di definire "pensiero" porterebbe a un sondaggio di opinioni, non a una discussione scientifica.
Così Turing propone di sostituire la domanda originale con un'altra, formulata in termini operativi precisi: non "la macchina pensa?" ma "la macchina può fare ciò che farebbe un pensatore?". E per dare concretezza a questa riformulazione, inventa un gioco.
Il gioco dell'imitazione
Turing chiama il suo esperimento mentale The Imitation Game, il gioco dell'imitazione. Nella sua formulazione originale, coinvolge tre partecipanti:
- AUn essere umano che funge da interrogatore. Si trova in una stanza separata e comunica con gli altri due partecipanti solo tramite messaggi scritti.
- BUn altro essere umano che risponde alle domande cercando di dimostrare di essere umano.
- CUna macchina (un computer) che risponde alle domande cercando di far credere all'interrogatore di essere umana.
L'interrogatore non sa chi è chi. Può fare qualsiasi domanda: di matematica, di poesia, di sentimenti, di esperienze vissute. Alla fine, deve decidere quale dei due interlocutori è la macchina e quale l'essere umano.
La domanda di Turing diventa allora: se la macchina riesce a ingannare l'interrogatore con la stessa frequenza con cui lo ingannerebbe un essere umano, possiamo dire che "pensa"?
La genialità della riformulazione
La mossa di Turing è filosoficamente brillante per diverse ragioni:
- Evita il problema della definizione: non serve definire "pensiero" o "coscienza". Basta osservare il comportamento.
- È operativamente verificabile: non richiede di "guardare dentro" la macchina, ma solo di valutare le sue risposte.
- È equa: anche l'essere umano deve "dimostrare" di essere umano. Il test non chiede alla macchina di essere perfetta, ma di essere indistinguibile.
- Anticipa il funzionalismo: ciò che conta non è come il risultato viene ottenuto, ma che risultato viene ottenuto.
— Alan Turing, Computing Machinery and Intelligence (1950)
Turing era perfettamente consapevole che la sua proposta era provocatoria. Non stava dicendo che una macchina che supera il test è necessariamente cosciente. Stava dicendo qualcosa di più sottile: se non riusciamo a distinguere le risposte di una macchina da quelle di un essere umano, allora su quali basi possiamo negare che la macchina "pensi"?
Le nove obiezioni
Una delle caratteristiche più straordinarie dell'articolo del 1950 è che Turing non si limita a proporre il suo test: anticipa e affronta sistematicamente nove obiezioni alla possibilità che le macchine possano pensare. Alcune di queste obiezioni vengono sollevate ancora oggi, settant'anni dopo.
1. L'obiezione teologica
Il pensiero richiede un'anima
Solo gli esseri umani possiedono un'anima immortale, donata da Dio. Poiché le macchine non hanno un'anima, non possono pensare.
Limiti all'onnipotenza divina?
Turing risponde con ironia: non dovremmo porre limiti all'onnipotenza di Dio. Se Dio lo volesse, potrebbe conferire un'anima anche a un elefante o a una macchina. E chi siamo noi per sapere che non lo farebbe?
2. L'obiezione matematica (Goedel)
I teoremi di incompletezza
I teoremi di Goedel dimostrano che in qualsiasi sistema formale sufficientemente potente esistono proposizioni vere che il sistema non può dimostrare. Quindi qualsiasi macchina basata sulla logica formale avrà limiti intrinseci che la mente umana non ha.
Anche gli umani sbagliano
Turing osserva che i teoremi di Goedel mostrano i limiti di un sistema formale specifico, non della computazione in generale. Inoltre, non c'è ragione di credere che la mente umana sia immune da limitazioni analoghe: anche noi commettiamo errori, ci contraddiciamo e non riusciamo a verificare la coerenza del nostro stesso pensiero.
3. L'argomento della coscienza
Non basta simulare
Una macchina potrebbe produrre risposte corrette senza "provare" nulla. Senza coscienza, senza esperienza soggettiva, non si può parlare di pensiero. Questa obiezione è nota anche come "l'obiezione di Lady Lovelace", che nel 1843 scrisse che la macchina analitica di Babbage non poteva "originare nulla".
Il problema delle altre menti
Turing risponde che questa obiezione, portata alle sue conseguenze logiche, conduce al solipsismo. L'unico modo per sapere se un'altra entità è cosciente sarebbe essere quell'entità. Eppure nella vita quotidiana attribuiamo coscienza agli altri esseri umani sulla base del loro comportamento, non perché abbiamo accesso diretto alla loro esperienza interiore.
4. L'argomento dell'informalità del comportamento
Il comportamento umano non segue regole
Gli esseri umani non agiscono seguendo un insieme fisso di regole. Il comportamento umano è troppo complesso, imprevedibile e creativo per essere catturato da un programma.
Complessità non implica informalità
Turing sostiene che il fatto di non conoscere le regole che governano un comportamento non significa che tali regole non esistano. Un sistema può apparire imprevedibile dall'esterno pur essendo determinato da regole precise, semplicemente perché quelle regole sono troppo numerose e complesse per essere individuate dall'osservatore.
Le risposte di Turing sono notevolmente preveggenti. L'obiezione della coscienza è essenzialmente il problema dei qualia, ancora irrisolto in filosofia della mente. L'obiezione dell'informalità anticipa il frame problem dell'intelligenza artificiale. L'obiezione matematica è ancora oggetto di dibattito (il fisico Roger Penrose la usa per sostenere che la mente umana non sia computazionale). Turing non ha "risolto" queste questioni, ma le ha inquadrate con una lucidita' che resta insuperata.
Il Test di Turing oggi
L'idea di Turing ha attraversato i decenni, diventando il più celebre benchmark (e il più controverso) dell'intelligenza artificiale. La sua storia è un racconto istruttivo su quanto sia facile ingannare un essere umano e quanto sia difficile definire l'intelligenza.
ELIZA (1966)
Il primo programma a mettere alla prova l'intuizione di Turing non fu un'intelligenza artificiale sofisticata, ma un semplice chatbot creato da Joseph Weizenbaum al MIT. ELIZA simulava uno psicoterapeuta rogersiano: riformulava le frasi dell'utente sotto forma di domande ("Mi sento triste" → "Perché ti senti triste?").
Il programma non comprendeva nulla. Eppure molti utenti, inclusi alcuni colleghi di Weizenbaum, si convinsero di parlare con un interlocutore empatico e intelligente. Lo stesso Weizenbaum ne fu turbato: il suo esperimento, pensato per dimostrare la superficialita' dell'interazione uomo-macchina, dimostrò invece quanto facilmente gli esseri umani attribuiscano intelligenza e intenzione a un sistema che produce risposte plausibili.
Il Loebner Prize
Nel 1990, Hugh Loebner istituisce un concorso annuale basato formalmente sul Test di Turing. Per decenni, nessun programma riesce a superarlo in modo convincente. I chatbot che partecipano usano trucchi retorici: cambiano argomento, fanno battute, fingono di essere persone stravaganti per giustificare risposte incoerenti. Il premio è stato assegnato per l'ultima volta nel 2019.
ChatGPT e i modelli linguistici moderni
Con l'arrivo dei Large Language Models, la situazione è cambiata radicalmente. Modelli come GPT-4, Claude e Gemini producono testi che la maggior parte delle persone non riesce a distinguere da quelli scritti da un essere umano. In numerosi esperimenti informali e in alcuni studi accademici, questi modelli hanno "superato" versioni semplificate del Test di Turing.
Ma hanno davvero superato il test nel senso inteso da Turing? La risposta è più complicata di quanto sembri.
Il paradosso del Test di Turing nel 2026: i modelli linguistici moderni sono straordinariamente bravi a produrre testo indistinguibile da quello umano. Eppure sappiamo per certo che non "comprendono" nel senso in cui comprendiamo noi. Questo ha portato molti ricercatori a concludere che il Test di Turing misura la capacità di ingannare, non la presenza di intelligenza. Il test cattura un aspetto dell'intelligenza (la capacità linguistica) ma ne ignora molti altri (la comprensione, l'intenzionalità, l'esperienza).
Dalla macchina universale al computer moderno
La macchina di Turing del 1936 era un oggetto puramente teorico: nastri infiniti e testine astratte. Ma il percorso dalla teoria alla realtà fu sorprendentemente breve.
L'architettura di von Neumann
Nel 1945, il matematico John von Neumann pubblica il First Draft of a Report on the EDVAC, che descrive l'architettura dei computer a programma memorizzato. L'idea fondamentale — un singolo dispositivo che può eseguire programmi diversi caricati nella stessa memoria che contiene i dati — è esattamente il principio della macchina universale di Turing, tradotto in termini ingegneristici.
Von Neumann conosceva bene il lavoro di Turing (Turing aveva studiato a Princeton sotto la supervisione di Church quando von Neumann era professore lì). L'influenza è diretta e documentata.
L'ACE e i primi computer britannici
Turing stesso lavorò alla realizzazione pratica delle sue idee. Nel 1945, presso il National Physical Laboratory (NPL), progetto' l'Automatic Computing Engine (ACE), uno dei primi progetti dettagliati per un computer elettronico a programma memorizzato. Il Pilot ACE divenne operativo nel 1950 e fu per un periodo il computer più veloce del mondo.
Successivamente, a Manchester, Turing contribuì allo sviluppo del Manchester Mark I, uno dei primi computer operativi al mondo. È su questa macchina che scrisse alcuni dei primi programmi per giocare a scacchi, anticipando di decenni il Deep Blue che avrebbe battuto Kasparov.
La linea diretta fino a oggi
- 11936: Turing descrive la macchina universale — un modello astratto che può eseguire qualsiasi programma.
- 21945: Von Neumann traduce il concetto in architettura hardware: CPU, memoria, bus dati.
- 31950: I primi computer a programma memorizzato diventano operativi.
- 41971: Intel produce il primo microprocessore commerciale (Intel 4004), mettendo un'intera CPU su un singolo chip.
- 52026: Il tuo smartphone contiene miliardi di transistor, ma il principio è lo stesso: una macchina universale che esegue programmi diversi.
Dal nastro infinito al chip di silicio: ogni computer, dal supercomputer più potente al microcontrollore di un elettrodomestico, è un'implementazione fisica della macchina universale di Turing. I materiali cambiano, la velocità cambia, la miniaturizzazione avanza, ma il principio teorico è identico a quello descritto da un ventiquattrenne a Cambridge nel 1936.
L'eredità filosofica
Le domande poste da Turing non hanno trovato risposta definitiva. Al contrario, hanno generato alcuni dei dibattiti più profondi della filosofia contemporanea.
La Stanza Cinese (Searle, 1980)
Nel 1980, il filosofo John Searle propone un celebre esperimento mentale: immaginate una persona chiusa in una stanza, che riceve fogli con caratteri cinesi attraverso una fessura. La persona non conosce il cinese, ma ha un manuale di istruzioni dettagliatissimo che le dice, per ogni combinazione di simboli ricevuta, quali simboli inviare in risposta.
Dall'esterno, le risposte sono perfette: chiunque comunichi con la stanza pensa di parlare con qualcuno che conosce il cinese. Ma la persona dentro la stanza non capisce una sola parola di cinese. Esegue manipolazioni sintattiche senza alcuna comprensione semantica.
L'argomento di Searle è diretto: un computer che supera il Test di Turing è come la persona nella stanza. Manipola simboli secondo regole, ma non comprende il significato di ciò che elabora.
Intelligenza Artificiale Forte vs Debole
La macchina comprende davvero
L'ipotesi che un sistema computazionale sufficientemente complesso possa sviluppare genuina comprensione, coscienza e intenzionalità. La mente sarebbe un tipo di computazione, e quindi riproducibile su un computer.
La macchina simula soltanto
L'ipotesi che i computer possano simulare il comportamento intelligente senza mai possedere vera comprensione. Sono strumenti potentissimi, ma non "menti". La simulazione del pensiero non è pensiero.
Il problema del radicamento dei simboli
Nel 1990, il filosofo Stevan Harnad formalizza il symbol grounding problem: come possono i simboli manipolati da un computer acquisire significato? Per un essere umano, la parola "gatto" è connessa a esperienze visive, tattili, emotive. Per un computer, è una sequenza di bit collegata ad altre sequenze di bit.
Questo problema è particolarmente rilevante per i Large Language Models: un modello addestrato su miliardi di testi "conosce" tutte le relazioni statistiche tra le parole, ma non ha mai visto, toccato o sentito nulla di ciò che le parole descrivono. La predizione statistica equivale alla comprensione? La maggior parte dei filosofi e dei neuroscienziati risponde di no. Ma la questione è tutt'altro che chiusa.
— Marvin Minsky, The Society of Mind (1986)
Turing e i Large Language Models
Siamo arrivati al punto in cui il cerchio si chiude. I modelli linguistici moderni — GPT-4, Claude, Gemini, Mistral — sono, in un senso molto preciso, sofisticati giochi dell'imitazione.
Sono stati addestrati su miliardi di testi scritti da esseri umani. Hanno imparato le regolarità statistiche del linguaggio umano con una precisione senza precedenti. Quando rispondono a una domanda, non "pensano" alla risposta: calcolano la sequenza di token più probabile dato il contesto. Eppure il risultato è spesso indistinguibile da una risposta umana.
Cosa riconoscerebbe Turing
Se Turing potesse osservare un moderno LLM, riconoscerebbe immediatamente il principio in azione: una macchina che, senza comprendere, produce risposte che convincono. È esattamente ciò che il suo Imitation Game descriveva.
Ma noterebbe anche le differenze. Nel suo articolo del 1950, Turing immaginava un'interazione in tempo reale, con domande mirate a smascherare la macchina. I moderni LLM operano in modo diverso: non rispondono a un interrogatore scettico in un contesto controllato, ma producono testi per milioni di utenti che spesso non sanno di interagire con una macchina, o non si preoccupano di verificarlo.
Le previsioni del 1950
Turing fece previsioni concrete nell'articolo del 1950:
— Alan Turing, Computing Machinery and Intelligence (1950)
Turing prevedeva che entro il 2000 un computer avrebbe potuto ingannare un interrogatore medio nel 30% dei casi dopo cinque minuti di conversazione. Ci è voluto un po' più di tempo — circa settantacinque anni invece di cinquanta — ma la direzione era corretta. E la scala a cui è avvenuto avrebbe probabilmente stupito anche lui.
Le domande che restano aperte
- Può la predizione statistica portare alla comprensione? I LLM dimostrano capacità emergenti (ragionamento, analogia, creatività limitata) che nessuno aveva esplicitamente programmato. Sono un indizio di comprensione o un'imitazione sempre più sofisticata?
- L'Imitation Game è il test giusto? Se possiamo costruire macchine che lo superano senza comprendere nulla, forse il test misura la cosa sbagliata.
- Dove finisce la simulazione e inizia il pensiero? È possibile che esista un continuum, non una linea netta, tra imitazione e comprensione?
L'eredità di Turing non è una risposta, ma una domanda. Non ci ha detto se le macchine possono pensare. Ci ha dato gli strumenti concettuali per affrontare il problema con rigore. E le domande che ha posto nel 1950 — su coscienza, comprensione, imitazione, limiti della computazione — sono oggi più urgenti che mai, perché per la prima volta nella storia abbiamo macchine che rendono queste domande concrete e quotidiane.
Glossario
Definizioni dei termini chiave per orientarsi nel mondo di Turing e delle sue idee.