Oltre il linguaggio: far pensare le macchine per concetti molecolari

Quando chiediamo a un modello di intelligenza artificiale di risolvere un problema complesso, oggi gli facciamo fare una cosa strana: parlare da solo. Per tenere il filo usa le parole come un foglietto degli appunti, scrive intere pagine in italiano o inglese e a ogni passaggio deve comunque trascinarsi dietro grammatica, virgole e sinonimi («quindi», «dunque», «in conclusione»).

Il guaio è proprio il formato. Nella lingua di tutti i giorni la parola «acqua» è un'etichetta chiusa, muta quanto un codice di magazzino come ID_4821: non ti dice di cosa è fatta né come reagisce. Scrivere H₂O è sempre un linguaggio, solo che è molecolare. Ti mostra gli atomi (H, O), le proporzioni e i legami possibili, così puoi ragionare su una reazione senza dover assaggiare ogni provetta.

Portare questa idea nelle macchine vuol dire farle lavorare su un linguaggio molecolare fatto di atomi di conoscenza, lasciando l'italiano o l'inglese ai bordi solo per parlare con noi. E non si parte dal vuoto: secoli di fisica, diritto, codice e concetti astratti stanno già nei testi umani. Da lì possiamo estrarre questa tavola ripulendola dalle abitudini della sintassi.

Già nel 2006, quando scrivevo di Links come passaggio d'informazione e di Catene di Markov, giravo intorno allo stesso problema: mettere in fila parole probabili produce frasi scorrevoli che non capiscono cosa dicono.

Una precisazione prima di andare avanti: resta un'ipotesi teorica, non ho addestrato nessun modello su larga scala. I simulatori qui sotto servono solo a far vedere l'idea in pratica.

Per costruire un linguaggio molecolare bisogna prima intendersi su cosa sia un atomo. Una casa, una pietra o un limone non lo sono: sono oggetti già montati mettendo insieme proprietà più piccole. Mettere «limone» o «webinar» tra gli assi di base sarebbe come entrare in tipografia con un barattolo etichettato «Faccia della Gioconda» al posto di ciano, magenta e giallo.

Sulle frasi di tutti i giorni questo errore si vede subito. Se lasci inventare etichette libere al modello, bara cucendosi addosso categorie su misura per il brano appena letto; se invece gli dai poche scatole vaghe, una frase come «Oggi tengo un webinar per imprenditori» finisce in un calderone generico sul lavoro. Bisogna scendere a tratti indivisibili: grandezza, sfericità, acidità, amarezza, dolcezza e compattezza. Senza nessuna voce «agrumi», bastano i valori su quei lati per distinguere un limone da un pompelmo (più grande, più sferico, meno acido e più amaro).

Sia chiaro che qui non c'entrano le ontologie scritte a mano degli anni Settanta (GOFAI), dove un comitato provava a catalogare il mondo a tavolino finendo sepolto dalle eccezioni. Qui gli assi nascono comprimendo dati reali e restano in piedi solo se migliorano le deduzioni. Confrontali qui sotto.

Isolati i mattoni, la geometria viene da sola. Un singolo atomo — ad esempio la grandezza, che va da piccolo (-1) a grande (+1) — è un segmento. Con l'acidità diventa un quadrato, con l'amarezza un cubo, e con un lato per ogni proprietà ottieni un ipercubo (n-cubo). Ogni punto fissa una combinazione precisa di tratti e spostarsi lungo un lato cambia una proprietà alla volta tenendo ferme le altre.

Anche chi oggi prova a uscire dalle parole si ferma spesso a metà strada. Sistemi come Coconut ragionano già in uno spazio continuo senza stampare parole, e modelli come LCM o SONAR proiettano intere frasi in spazi multilingua condivisi.

Il limite è che quel vettore denso resta opaco: le coordinate si mescolano tra loro, nessun asse ha un significato che puoi leggere e niente blocca uno stato assurdo prima che esca. Separare i lati con una sparsità dura ti obbliga a fare più fatica all'inizio, però almeno puoi ispezionare ogni passaggio e capire cosa è successo.

Su ogni asse va poi risolto un equivoco pratico. Sulla temperatura, l'acqua tiepida vale 0 perché qualcuno l'ha misurata; l'acqua dentro una borraccia chiusa è ignota; il numero 5 non ha proprio temperatura. Metterli tutti a zero li renderebbe uguali, quindi lo spazio li divide: il tiepido sta al centro sulla base attiva, l'ignoto resta una fascia aperta sulla stessa base e il numero 5 sale nel vertice neutro come casella «non applicabile».

Uno spazio fatto solo di sfumature distingue bene il pesante dal leggero, ma si pianta davanti a «5 mele» o «5,25 chili», dove serve un numero preciso.

Per scriverlo senza parole usiamo lo stesso principio delle mappe digitali (Geohash), stringendo la cornice un livello alla volta fino alla singola strada. Lo 0 esatto vale 000 e il 5 vale 101 (4 + 0 + 1 = 5). Dimezzando i passi dopo la virgola (0,5, 0,25...) arriviamo a 5,25 chili, e aggiungendo potenze di due davanti (16, 32, 64...) copriamo scale più grandi. Se togli gli ultimi bit allarghi la vista a «circa 5 chili» senza perdere il centro. Dentro la matrice fissa questa codifica binaria vive nello slot dell'atomo attivo, così non consuma altri posti.

Lo stesso canale separa i valori assoluti dalle differenze: mele, chili o gradi kelvin hanno uno zero fisico invalicabile (-5 mele viene bloccato subito), mentre il segno meno vale solo sugli scarti, come -5 gradi rispetto a ieri.

Una regola gemella fissa i nomi propri come Mario. Invece di ridurlo a un ID anonimo da database, Mario riceve un indirizzo stabile tra gli individui singoli: se si rasa a zero cambiano i tratti visivi, mentre chi è resta fermo.

Un punto solo descrive bene un oggetto o una persona (Mario, Sara, 50 euro), ma non basta più quando entrano in scena più attori. «Mario paga Sara» e «Sara paga Mario» usano gli stessi identici pezzi per dire due cose opposte, come «Il postino morde il cane» contro «Il cane morde il postino».

Servono le frecce orientate. Nella matrice fissa ogni entità occupa una riga e l'azione diventa un legame diretto tra righe-concetto (chi agisce → azione → chi riceve). Se giri la freccia scambi chi paga e chi incassa lasciando intatte le coordinate di Mario e Sara. Sugli stessi legami lavorano gli operatori logici (non, se...allora, oppure), senza sporcare lo zero degli assi: dire «non tiepido» applica non al legame con 0, escludendo il centro senza fingere che la temperatura sia ignota.

Quando una rete di frecce si ripete uguale — due persone, una cifra, una scadenza e una clausola se...allora — lo spazio la chiude in una scatola riutilizzabile, un concetto composto come prestito, contratto o dolo eventuale. È questo montaggio annidato — nei fatti un grafo tipizzato incapsulato nella matrice fissa — a evitare l'esplosione a centinaia di migliaia di colonne tipica degli Sparse Autoencoder piatti: in chimica bastano un centinaio di atomi per formare milioni di molecole senza allargare la tavola periodica, e qui il tetto di pochi slot attivi vale sul singolo nodo elementare, mai schiacciando un intero contratto su una riga sola. Nei passaggi veloci usi la scatola chiusa; se serve controllare cosa c'è dentro, la apri. Provalo qui sotto.

Tenere gli assi separati accende una chimica delle valenze tra i concetti. Per bollire o scottare sul serio serve materia fisica: davanti a «un dibattito bollente», la mancanza di materialità spegne il calore termico e sposta il legame sul senso figurato senza regole scritte a mano.

In pratica succedono due cose utili e un risparmio netto. Gli assurdi vengono fermati prima ancora di uscire (non puoi far portare mele all'acqua o scaldare un numero col fuoco). Se invece leggi «qualcosa scotta nella scatola chiusa», il sistema accende da solo la materialità sull'oggetto che non vede. E durante il ragionamento non deve generare nessuna frase di raccordo: aggiorna solo le coordinate che cambiano.

Solo quando il calcolo è finito entra in scena il traduttore linguistico. Ogni singolo evento occupa un punto preciso sul cursore del tempo (prima, adesso, dopo), quindi «ieri andrò» diventa impossibile, mentre «domani avrò finito» lega due punti con una freccia prima di. Combina soggetti, proprietà e tempo qui sotto.

L'architettura separa tre modelli diversi: un codificatore che porta testi, misure e sensori nella matrice molecolare; un motore di pensiero che calcola solo sulle coordinate; e un decodificatore che alla fine riporta l'esito nella lingua e nelle unità di chi legge (con una perifrasi se manca il vocabolo singolo, o fermandosi se salta un vincolo).

L'addestramento gira a fasi alternate congelate.

Nella prima fase lavorano solo codificatore e decodificatore cieco: traducono frasi da una lingua L_A verso una lingua bersaglio scelta a caso (L_B ≠ L_A). Siccome tutte le lingue umane condividono scorciatoie lessicali — tradurre «acqua» in giapponese o arabo da solo creerebbe un gettone unico [ACQUA] anziché scomporlo — il ponte è obbligato a far atterrare sulle stesse identiche coordinate sia il vocabolo singolo sia la sua definizione o descrizione fisica scritta senza poter usare quel nome, insieme a codice e misure. Deve tenere attivi solo 5–10 slot per nodo dentro una matrice rettangolare fissa adatta alle GPU (il resto resta su non applicabile), muovere il minimo possibile su un singolo asse e aprire una nuova colonna quando il residuo — segnalato dalla perdita di ricostruzione o da un Decision Model calibrato — mostra che manca sempre lo stesso dettaglio.

Nella seconda fase quel ponte si congela e si allena solo il motore su traiettorie dirette richiesta → risultato (deduzioni, matematica, codice eseguibile, rapporti causa-effetto), con zero parole in mezzo. È qui che si fa la selezione vera: un nuovo asse resta nella tavola solo se aumenta l'accuratezza e riduce i passi su problemi mai visti. E se il motore continua a sbagliare certi passaggi perché la prima fase aveva lasciato due proprietà fisiche incollate nella stessa colonna linguistica, quell'errore deduttivo torna indietro al giro successivo della prima fase come ordine di scissione per dividere l'asse troppo grossolano.

Se oggi un modello linguistico arriva a centinaia di miliardi di parametri, quasi tutto quello spazio fa da magazzino per cose che nessuna formula può comprimere: i vocaboli di decine di lingue e milioni di fatti arbitrari, come l'anno di morte di Garibaldi o il codice postale di Palermo.

Staccando i vocaboli e l'enciclopedia dal motore di pensiero, quel motore lavora come la CPU di un computer separata dal disco fisso. Dentro i suoi pesi conserva zero parole e zero cronaca; trattiene solo le regole di trasformazione tra gli atomi, ad esempio che chi cede una mela resta a mani vuote mentre chi comunica un'informazione continua ad averla. Per questo il motore si può costruire interamente da zero restando minuscolo e rapido, lasciando la lingua e il patrimonio umano ai bordi: lì ha senso appoggiarsi a modelli già addestrati per estrarre a monte la tavola degli assi e per tradurre in ingresso con un calibro fisso, senza lasciar ragionare il traduttore e facendo cadere la stessa frase sempre sulle medesime coordinate.

All'uscita il guadagno è ancora più netto. I pochi atomi rimasti accesi, i numeri esatti e le frecce si comportano come i radicali di significato della scrittura cinese ripuliti dalle parti fonetiche: se il motore parte da acqua liquida a +20 °C e toglie trenta gradi, atterra su acqua solida a -10 °C senza aver mai visto la parola «ghiaccio» né la parola «brina». Passando quel politopo finale a un qualsiasi modello linguistico a valle, gli bastano quei pochi tratti attivi per scrivere il termine esatto in italiano, inglese o cinese senza alcun limite di vocabolario.

Resta da chiarire a quali domande risponda una CPU priva di archivio. Davanti a pura memoria («Qual è la capitale del Perù?») da sola si ferma su ignoto, evitando di inventare pur di finire la frase; dove i fatti stanno già nel testo calcola invece una risposta nuova. Sui casi misti — «Un cucchiaio di gallio tenuto in una mano viva si scioglie?» — o il ponte iniziale ha già caricato nella scheda le temperature note (29,7 °C contro 37 °C, facendo scattare lo stato liquido senza sapere cosa sia il gallio), oppure entrano in gioco i tre stati visti prima senza dover insegnare al modello a usare strumenti esterni. Se il dato è misurato calcola dritto; se è non applicabile vieta qualsiasi ricerca assurda; se un asse necessario al passaggio è ignoto, il programma mette in pausa il motore, lancia fuori una ricerca mirata su database o web solo per riempire quella singola casella e poi riprende il calcolo. Per non paralizzare la vita quotidiana con decine di domande su dettagli secondari impliciti — se cade un bicchiere senza sapere se a terra c'è marmo o tappeto — basta tenere distinti due regimi: sui compiti esatti (conti, contratti, codice) l'ignoto blocca e cerca il dato certo; sul senso comune usa una stima tipica revocabile marcando l'esito finale come probabile anziché verificato.

Eliminare i vocaboli spazza via i riflessi automatici delle parole: nel classico indovinello del lupo, della capra e del cavolo, se precisi che quel lupo mangia solo carote un modello testuale spesso ignora la riga e recita comunque la soluzione letta mille volte online. Nella matrice la parola «lupo» sparisce, resta solo il legame mangia → carote e il cliché cade subito.

Sarebbe però ingenuo credere che basti togliere le parole per ottenere in automatico vero ragionamento. Una rete addestrata col gradiente è pigra per natura e cerca scorciatoie statistiche anche sulle coordinate pure: se quasi tutti gli esempi in cui compaiono insieme un liquido e una fonte di calore finiscono con l'ebollizione, un motore allenato a saltare in un colpo solo verso l'esito finale impara l'assonanza tra quegli atomi saltando la fisica, e sbaglia appena gli passi un liquido a -40 °C scaldato per due secondi.

Per costringere il motore a calcolare sul serio bisogna impedirgli di imparare finali a memoria: deve applicare la stessa piccola regola locale passo dopo passo sugli stessi pesi, allenarsi su coppie gemelle dove cambiando un solo atomo (una durata, un segno, il verso di una freccia) l'esito si ribalta, ed essere punito in addestramento se tira a indovinare quando i dati iniziali lasciano l'uscita su ignoto. E per tagliare ogni dubbio sul fatto che il problema l'abbia risolto di nascosto uno dei modelli linguistici ai bordi, basta una regola di collaudo secca: il decodificatore finale resta cieco alla domanda iniziale. Riceve soltanto il politopo uscito dal motore, mai il testo del problema; se la risposta torna, può averla calcolata solo il motore (una volta superato il collaudo, in conversazione reale il verbalizzatore può invece leggere il tono del dialogo restando vincolato ai soli fatti fissati dal politopo).

Il nodo matematico più duro — lo stesso su cui faticano da anni i sistemi neuro-simbolici — sta tutto qui: far passare il gradiente su scelte discrete (non applicabile, bit dello zoom, frecce, scatole) senza spegnere gli assi sul nascere né ricadere nell'opacità continua, partendo con un raffreddamento graduale della sparsità. Il banco di prova decisivo sarà montare questo ciclo su un dominio chiuso con controfattuali su una singola GPU e misurarlo coi numeri contro un modello che parla da solo e contro uno a vettori densi.