C'era qualcosa di strano in quel paper. Il titolo diceva «il prezzo non è giusto». Non parlava di soldi.
Parlava del costo nascosto dell'intelligenza artificiale. Ogni modello che imparava per forza bruta — miliardi di esempi, milioni di ore di calcolo — portava un debito energetico che nessuno aveva messo in conto.
Nel 2026 l'AI consumava già più del 10% dell'elettricità americana.
E la traiettoria era verticale. Si costruivano datacenter come se lo spazio fisico e l'energia fossero infiniti. Scheutz e il suo gruppo hanno fatto una domanda semplice: e se stessimo sbagliando approccio?
L'approccio neuro-simbolico. Reti neurali più ragionamento logico.
Esatto. Le reti neurali sono brave a riconoscere i pattern — vedere un'immagine e dire «questo è un gatto». Il ragionamento simbolico è bravo a seguire regole — se A allora B. Gli esseri umani fanno entrambe le cose in parallelo, continuamente. Noi, fino a quel momento, facevamo quasi solo la prima.
E il risultato è stato il 95% di successo contro il 34%.
Su compiti strutturati, sì. Ma il numero che mi ha colpito di più era un altro: trentaquattro minuti di addestramento contro trentasei ore. Non era solo più efficiente. Era un ordine di grandezza diverso. Come confrontare una bicicletta con un aereo.
Perché allora nessuno l'aveva fatto prima?
Perché il deep learning funzionava. Quando una cosa funziona, smetti di chiederti se esiste un modo migliore. E c'era anche un elemento culturale: i ricercatori che avevano costruito le fortune dei grandi modelli avevano tutto l'interesse a continuare in quella direzione. Più parametri, più dati, più potenza.
Il paradigma della forza bruta.
Che ha prodotto cose straordinarie. Non lo nego. Ma come tutti i paradigmi, aveva i suoi punti ciechi. Il più grande era questo: confondeva la capacità di memorizzare miliardi di esempi con la capacità di ragionare. Sono cose diverse.
Da qui, dal 2083, come è andata?
I sistemi neuro-simbolici non hanno sostituito le reti neurali. Le hanno completate. Il cervello umano non sceglie tra intuizione e logica — le usa insieme. I sistemi migliori del 2083 fanno lo stesso. Ma il cambiamento vero è stato sul consumo energetico. L'AI ha smesso di essere una crisi climatica in attesa di esplodere.
Nel 2026 sembrava inevitabile che lo diventasse.
Ogni crisi sembra inevitabile prima che qualcuno trovi la strada laterale. Scheutz non ha risolto il problema energetico dell'AI. Ha dimostrato che il problema poteva essere ridefinito. E ridefinire un problema è spesso più potente che risolverlo.
Pensare invece di ricordare.
Era questa la svolta. Non costruire macchine con memorie più grandi. Costruire macchine che ragionassero meglio con meno. In fondo, è quello che fa un buon medico, un buon avvocato, un buon ingegnere — non chi sa più cose, ma chi sa usare quello che sa nel momento giusto.