Ipotesi teorica 13 min di lettura

Pensare senza parole: un linguaggio molecolare per le macchine

Un'ipotesi per far pensare l'AI senza parlare da sola: distillare concetti molecolari tra più lingue e tradurre in parole solo la risposta finale.

Autore: Vincenzo Lombino
#GeometricAI#KnowledgeAtoms#ConceptSpaces#WorldModels

1. Perché far pensare una macchina a parole è spreco

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.

2. Limoni e case non sono atomi: i mattoni elementari

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.

Limone e pompelmo in atomi

Cambia i due oggetti: la macchina legge i valori sui singoli atomi, senza usare «agrumi».

Limone Ovale, piccolo, acidità netta
Pompelmo Più grande, tondo, fondo amaro
Grandezza Limone: -0,25 · Pompelmo: +0,35
Piccolo (-1) 0 Grande (+1)
Sfericità Limone: +0,45 · Pompelmo: +0,90
Allungato (-1) 0 Sferico (+1)
Acidità Limone: +0,90 · Pompelmo: +0,50
Assente (0) Molto acido (+1)
Amarezza Limone: +0,15 · Pompelmo: +0,70
Assente (0) Amaro (+1)
Dolcezza Limone: +0,10 · Pompelmo: +0,32
Assente (0) Dolce (+1)
Compattezza Limone: +0,30 · Pompelmo: +0,30
Liquido (-1) 0 Duro (+1)
Vicinanza sui 6 atomi illustrativi (100% − distanza): 67%

Lo scarto principale tra limone e pompelmo cade sull’atomo Amarezza (55% della scala).

3. Ogni atomo è un lato: l’ipercubo e i suoi tre stati

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, modelli come LCM o SONAR proiettano intere frasi in spazi multilingua condivisi, e architetture di memoria latente come Memorilla comprimono centinaia di conversazioni o capitoli in sedici vettori continui iniettati dritti in un modello congelato.

La velocità regge, però 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. Man mano che l'archivio cresce resta l'alone vago dell'argomento mentre svaporano date esatte, nomi propri e vincoli secchi, fino a fondere persone diverse o riempire i vuoti con frasi fatte dell'addestramento. Separare i lati con una sparsità dura ti obbliga a fare più fatica all'inizio, però almeno i dettagli non si impastano e puoi ispezionare ogni passaggio.

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».

Lati separati nell’ipercubo dei concetti

Aggiungi un atomo alla volta (linea, quadrato, cubo, ipercubo) e sposta il punto.

LimonePompelmoAranciaCaffè amaro Tiepido misurato = 0Ignoto (borraccia)Non applicabile = n. 5
Stato della proprietà:

Il punto ottanio che stai muovendo è più vicino a: Pompelmo.

4. Dire «5 mele» con lo zoom binario e fissare «Mario»

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. Anche questo confine nasce dai dati anziché a mano: su quegli assi le misure statiche non scendono mai sotto zero, mentre i valori negativi compaiono solo legati a una freccia di variazione tra due stati.

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.

Zoom binario sui numeri esatti

Scegli un esempio o muovi lo zoom: più cifre stringono l’inquadratura; meno cifre la allargano a «circa 5».

02468 mele
Passo 1 1 1 × 4
Passo 2 0 0 × 2
Passo 3 1 1 × 1
Valore esatto: 5 (101 in binario)

Sulle unità intere (mele) lo zoom si ferma al mattoncino 1: niente frazioni 0,5 o 0,25.

5. Chi fa cosa a chi: frecce orientate e scatole astratte

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.

Frecce orientate, negazione e concetti astratti

I punti restano identici: invertire la freccia ribalta i ruoli, negarla esclude il fatto e la scatola chiude la rete.

1. Scena:
2. Operazioni sulle frecce:
Chi paga → Chi incassa Freccia attiva
paga 50 € aMarioPersonaSaraPersona

«Mario paga 50 € a Sara»

I due punti restano identici: solo il verso della freccia decide chi agisce.

6. Chimica delle valenze e lingua come solo traduttore

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.

Legami di realtà e traduzione finale

Scegli soggetto, proprietà e modo, poi sposta il cursore del tempo.

1. Chi o cosa:
2. Proprietà o azione:
3. Tipo di legame:
Chimica degli atomi nello spazio DEDUZIONE: ACCENDE MATERIA
Dedotto: Materia = +1Oggetto XMateria: +1Calore +0,9Letterale

Il calore fisico si lega solo alla materia: lo spazio accende da solo Materia (+1) sull’oggetto nascosto.

Unico cursore del tempo → Traduttore finale

«Ieri dentro la scatola c’era un oggetto fisico che scottava.»

Il tempo nello spazio è un punto solo: non potendo stare insieme su «ieri» e «domani», una frase rotta come «ieri andrò» non può proprio formarsi.

7. Tre modelli, lingua casuale e motore senza parole

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 LA verso una lingua bersaglio scelta a caso (LB ≠ LA). 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.

Tre modelli separati e fasi alternate

Alterna Fase 1 (traduzione verso lingua casuale B ≠ A, matrice sparsa e residuo) e Fase 2 (ponte congelato, motore richiesta → esito e filtro su casi mai visti).

1. Fase del ciclo:
2. Caso di prova:
Fase 2: Ponte congelato · Motore richiesta → esito (assi validati su casi mai visti) Ponte fedele
1. CodificatoreRichiesta → atomi(congelato)2. MotoreRichiesta → esitoZero parole3. DecodificatoreEsito → lingua(congelato)
Ingresso: «Nella scatola chiusa qualcosa scotta»
Coordinate nello spazio: Oggetto X (Materia: +1 dedotto) · Calore: +0,9 · Ora

«Nella scatola c’è un corpo fisico bollente.»

A ponte congelato, il Motore calcola richiesta → risultato senza parole intermedie e accende Materia (+1); i nuovi assi sopravvivono solo se migliorano casi mai visti.

8. Togliere la conoscenza dal pensiero: una CPU senza vocabolario

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 la cronaca dal motore di pensiero, quel motore lavora come la CPU di un computer separata dal disco fisso: nei pesi trattiene zero parole e solo regole di trasformazione tra atomi (chi cede una mela resta a mani vuote, chi comunica un'informazione continua ad averla). L'ipotesi è che così il motore possa nascere da zero restando molto più compatto — quanto piccolo esattamente resta da misurare, visto che fisica, diritto e senso comune contengono comunque molte regole implicite. La lingua e il lessico restano invece ai bordi, dove conviene usare modelli già addestrati per estrarre a monte la tavola degli assi e tradurre in ingresso a calibro fisso.

All'uscita il vantaggio è diretto. I pochi atomi rimasti accesi, i numeri esatti e le frecce funzionano come i radicali di significato della scrittura cinese ripuliti dalle parti fonetiche: partendo da acqua liquida a +20 °C e togliendo trenta gradi, il motore atterra su acqua solida a -10 °C senza aver mai visto le parole «ghiaccio» o «brina». Passando quella scheda finale di coordinate a un qualsiasi modello linguistico a valle, quei pochi tratti attivi gli bastano per scrivere il termine esatto in italiano, inglese o cinese senza limiti di vocabolario.

Davanti a domande di pura memoria («Qual è la capitale del Perù?») una CPU priva di archivio si ferma da sola su ignoto, invece di inventare; dove i fatti stanno già nel testo calcola una risposta nuova. Sui casi misti — «Un cucchiaio di gallio tenuto in una mano viva si scioglie?» — o il ponte iniziale ha già caricato le temperature note (29,7 °C contro 37 °C), oppure i tre stati visti prima attivano ricerche esterne da soli: misurato calcola dritto, non applicabile vieta ricerche assurde, e ignoto su un asse necessario mette in pausa il motore per cercare fuori solo quella casella.

Cercare una casella precisa funziona quando la domanda nomina già il pezzo mancante, come il gallio; salta invece davanti ai vincoli nascosti nelle domande aperte. Se mesi fa, chiedendo consiglio su una giacca sintetica, hai accennato che i tuoi genitori sono vegani e oggi chiedi cosa cucinare per loro, la ricerca per somiglianza testuale (RAG) pesca ricette a caso perché nessuna parola lega una giacca a una cena, mentre comprimere ogni vecchia chat in un vettore denso annacqua il vincolo finché scompare. Perché una CPU senza memoria trovi anche ciò che non sa di dover cercare, lo stesso disco esterno va scritto in coordinate molecolari: quel vecchio accenno aggiorna subito il nodo genitori sugli assi del cibo staccandolo dai vestiti, così mesi dopo basta aprire i partecipanti alla cena per trovare il vincolo intatto (col lavoro vero, tutt'altro che banale, di gestire conflitti e correzioni quando un fatto cambia nel tempo).

Per evitare poi che nella vita quotidiana il sistema si pianti su decine di dettagli impliciti — un bicchiere che cade senza sapere se a terra c'è marmo o tappeto — restano 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 il risultato finale come probabile anziché verificato.

9. Ragionamento vero contro assonanza tra atomi

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 regola locale passo dopo passo sugli stessi pesi, allenarsi su coppie gemelle dove cambiando un solo atomo l'esito si ribalta (facili da generare in matematica, fisica e codice, molto più spinose da costruire su diritto e senso comune) ed essere penalizzato se tira a indovinare quando l'uscita resta ignoto.

Serve poi blindare entrambi i lati del collaudo perché nessuno dei modelli linguistici ai bordi risolva il problema di nascosto. In ingresso il codificatore legge una premessa alla volta in isolamento — e una sonda verifica che la risposta finale non sia già leggibile nelle coordinate iniziali — mentre in uscita il decodificatore resta cieco alla domanda, ricevendo solo la matrice finale calcolata dal motore (superato il test, in conversazione reale potrà invece leggere il tono del dialogo restando vincolato ai soli fatti fissati dalle coordinate).

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.