Due riassunti sull'Intelligenza Artificiale - Prima parte

L’Intelligenza Artificiale non è magia: il problema è ciò che non sappiamo verificare

Il famoso "falso d'autore" di Ciro Ascione - link

Premessa

Dopo aver iniziato a curiosare nel mondo della cosiddetta “Intelligenza Artificiale”, soprattutto perché, volenti o nolenti, ce la ritroviamo praticamente ovunque, a volte per scelta ma più spesso per forza, ho letto innanzi tutto due libri, diversi per contenuti e per approccio, ma entrambi molto utili.

I due testi sono recensiti nella rubrica “La Scienza e la Tecnica raccontate”, disponibile sul sito della Sigea, rubrica riassunta anche nel blog: si tratta di “Perché le macchine imparano” di Anil Ananthaswamy e “In che mondo vivi” di Matteo Cinelli e Walter Quattrociocchi.

Ed è proprio seguendo gli sviluppi sulle pagine Facebook di quest’ultimo che ho iniziato, da semplice cultore, ad appassionarmi alla cosa, anche perché, una delle tematiche a me più care è tutto ciò che riguarda l’evoluzione biologica della mente, della coscienza e altre amenità. In tal modo, post dopo post, ho iniziato ad assorbire una serie di concetti fondamentali, a togliermi di dosso le tentazioni sensazionalistiche (lo chiamano hype) e persino ad approcciare con un paio di post qualche mese fa. Uno sulla cosiddetta epistemia, neologismo ideato proprio da Walter Quattrociocchi, e un altro più generico sui supposti timori di sostituzione dell’umanità, che tanto piacciono alla ricerca continua di narrazioni catastrofistiche dell’umanità. Consiglio la rilettura del primo perché contiene alcune spiegazioni divulgative di aspetti tecnici.

Da allora hai voglia a novità, intese soprattutto come nuove pubblicazioni scientifiche, nuove prese di posizione sia da parte dei ricercatori seri che dei cosiddetti pop-filosofi, o dei ciarlatani in genere che, armati appunto di IA (o AI che dir si voglia), sentenziano fino al paradosso, fino a produrre, ad esempio «un falso fabbricato per metterci in guardia contro l'intelligenza artificiale [che] ha utilizzato l'intelligenza artificiale per produrre un testo che invita a diffidare dell'intelligenza artificiale». Tombola! Per non dire degli artefici, degli ideatori di software di e per l’IA, che in diverse occasioni piuttosto recenti hanno messo in guardia da pericoli, anche molto gravi, che comporterebbe l’utilizzo delle loro stesse creature: realtà o narrazione tendenziosa?

Ecco quindi una serie di due post. Che per alcuni aspetti si richiamano l’un l’altro ma allo stesso tempo offrono diversi punti di vista.

Verificare o non verificare, that is the question…
Negli ultimi anni abbiamo assistito a una curiosa trasformazione del linguaggio sull’intelligenza artificiale. Secondo parecchie persone, tra cui molte notoriamente ed a ragione "intelligenti", i modelli linguistici hanno iniziato a comprendere, poi a ragionare, pianificare, verificare, usare strumenti e infine a diventare agenti. Affermazioni non solo da parte di pensatori d'ogni genere, soprattutto filosofico, ma persino da neuroscienziati o addetti ai lavori. Ogni nuova funzione è stata raccontata come la prova dell’emergere di una mente artificiale.

Ma osservare una macchina produrre una prestazione non significa aver dimostrato che possieda la facoltà mentale che associamo a quella prestazione.

Un sistema può generare una risposta brillante senza comprenderla, trovare una soluzione senza sapere perché funzioni, utilizzare una fonte senza conoscere davvero l’informazione che contiene. Può perfino produrre qualcosa di nuovo senza averlo pensato nel senso umano del termine.

C’è un’espressione specifica per la nostra abitudine di attribuire emozioni umane al non-umano: la fallacia patetica, che è spesso usata per riflettere la vita interiore dei personaggi attraverso il mondo esteriore: e così come le nubi possono essere minacciose o piangere, i sistemi AI...pensano e varie altre cose legate alla mente, alla coscienza.

Il punto non è ridimensionare l’IA. È descriverla correttamente.

Un LLM è ancora un modello probabilistico

La formula pappagallo stocastico viene spesso respinta come una descrizione superata dei vecchi modelli. I sistemi attuali, si dice, ragionano, pianificano e verificano: quindi non sarebbero più semplici modelli probabilistici.

La conclusione non segue dalle premesse.

Il cuore di un LLM rimane un modello addestrato a prevedere sequenze sulla base delle regolarità statistiche apprese dai dati. E ancora, si fa una gran confusione – essenzialmente dovuta all’ignoranza in campo matematico e/o statistico - sul vero significato di stocastico: non significa casuale, disordinato o incapace di produrre strutture. Significa che, dato un contesto, il sistema assegna probabilità alle possibili concatenazioni che messe tutte insieme generano una definizione, una frase, un prodotto insomma, di senso compiuto, plausibile.

Questa procedura può produrre testi originali, programmi sofisticati, dimostrazioni candidate e soluzioni che nessuno ha mai formulato esattamente in quel modo. Persino soluzioni inedite di problemi matematici! Mai viste prima perché anche tutti insieme i migliori matematici del mondo non hanno né i mezzi né il tempo per esplorare i triliardi di combinazione possibili nello spazio delle possibilità.

Ma la novità della combinazione non dimostra che il modello abbia avuto un’intenzione o una comprensione del problema. Una distribuzione statistica può generare combinazioni nuove. Non deve averle pensate in precedenza.

I sistemi contemporanei sono certamente molto più potenti rispetto a quelli di qualche anno fa. Il punto, però, è capire da dove derivi questa potenza. Spesso non deriva da una trasformazione in sé del modello, ma dall’infrastruttura che gli viene costruita intorno:

• sistemi di ricerca e recupero delle informazioni
• memoria esterna
• esecuzione di codice
• calcolatrici e database
• agenti che organizzano sequenze di operazioni
• verificatori automatici
• altri modelli incaricati di valutare le risposte

Questi componenti possono rendere il sistema complessivo molto più utile. Non dimostrano però che tutte le proprietà del sistema siano emerse nel modello linguistico.

Se un LLM usa Python (un linguaggio di programmazione) per fare un calcolo, non diciamo che l’interprete Python sia comparso dentro la rete neurale. Se consulta un database, non diciamo che il database sia stato incorporato nei suoi parametri. Se una dimostrazione viene accettata da Lean (un software specifico che agisce da verificatore esterno), la correttezza formale è da questo garantita, non dalla fluidità con cui il modello ha prodotto la dimostrazione.

La distinzione è semplice, ma decisiva: bisogna separare ciò che fa il modello da ciò che fa l’architettura complessiva. Se un modello prende l'iniziativa e in qualche modo viola i parametri di sicurezza su cui era stato addestrato potete star certi che è solo perché era stato, da qualche parte e in qualche modo, addestrato a farlo.

Insomma un motore a scoppio resta un motore a scoppio anche quando ha un regolatore d’erogazione, iniezione elettronica, ABS e un sistema che controlla la guida.

Generare non significa verificare
Si è detto che un LLM (Large Language Model) produce la continuità della risposta compatibile con il contesto e con le regolarità apprese. La verità, ovvero che il risultato sia vero, però, è una proprietà diversa.

Una frase può essere molto plausibile e falsa, anche senza scomodare Kurt Gödel. Può essere coerente con il testo precedente ma incompatibile con il mondo. Può essere corretta per caso, oppure risultare sbagliata nonostante una forma impeccabile.

La probabilità che il modello assegna a una sequenza riguarda la sua compatibilità con ciò che il sistema ha appreso. Non rappresenta automaticamente la probabilità che l’affermazione sia vera.

Per questo la generazione e la verifica devono essere trattate come operazioni differenti.

Quando esiste un criterio esterno forte, il problema può essere affrontato in modo relativamente efficace: un programma può essere eseguito e sottoposto a test, una dimostrazione può essere controllata da un proof assistant, un risultato sperimentale può essere confrontato con una misura, un algoritmo può essere valutato rispetto a una funzione obiettivo. In questi casi il modello può esplorare rapidamente molte possibilità, mentre un sistema indipendente controlla quali soddisfino davvero i requisiti.

La matematica formalizzata è un esempio istruttivo. Un modello può proporre una strategia, generare voci, scrivere codice e correggersi dopo aver ricevuto un errore: ma la validità della dimostrazione arriva dal sistema formale che controlla ogni passaggio secondo regole esplicite. Il risultato nasce quindi dalla collaborazione fra una componente generativa e una componente di verifica. Non è una differenza terminologica ma la differenza tra produrre una soluzione candidata e stabilire che quella soluzione abbia una determinata proprietà.

Il problema diventa molto più difficile quando il verificatore non esiste, è troppo costoso oppure richiede proprio la competenza che abbiamo deciso di delegare alla macchina. Chiedere al modello se si è certi del risultato non risolve il problema perché si starebbe di nuovo interrogando un generatore che può produrre una seconda risposta plausibile, magari diversa dalla prima, senza aver acquisito per questo un criterio indipendente di verità. Anche usare un altro LLM non è automaticamente un verificatore affidabile. Due modelli possono condividere dati, addestramento, assunzioni e distorsioni, commettendo quindi gli stessi errori. Un giudice artificiale può lasciarsi influenzare dall’ordine delle risposte, dallo stile della formulazione o da richiami retorici all’autorità, anche quando il contenuto è sbagliato.

Se un sistema è definito come verificatore significa avergli assegnato una funzione: la sua affidabilità deve essere misurabile e misurata, mettendolo alla prova su casi di cui conosciamo l’esito, studiare i suoi errori, sottoporlo a esempi con i dati in ingresso volutamente sbagliati per spingere i sistemi a compiere errori di classificazione (lo chiamano Adversarial machine learning) e verificare se la sicurezza che esprime sia effettivamente calibrata. In altre parole, se un sistema di verifica afferma di aver ragione nel 70% dei casi, quelle circa 7 volte su 10 devono essere riscontrate.

Senza questo lavoro, il verificatore rischia di essere soltanto un’altra voce autorevole generata dalla stessa macchina.

È di questi giorni la notizia che OpenAI, una della aziende protagoniste, ha pubblicato 22 manoscritti matematici generati da un modello interno, relativi a 372 famiglie di risultati e ottenuti valutando circa 4.000 problemi aperti. I lavori riguardano matematica pura, informatica teorica e fisica matematica. Molti includono dimostrazioni verificabili automaticamente (con opportuni strumenti), mentre altri sono ancora in fasi preliminari e potrebbero contenere errori.

Il punto centrale è, ancora una volta, la distinzione tra generazione e verifica: un modello può produrre dimostrazioni nuove e plausibili, ma solo un controllo indipendente le rende affidabili. Nei campi in cui esistono verificatori automatici, economici e rigorosi, come nella matematica formalizzata, la combinazione tra modelli generativi e sistemi di verifica può diventare uno strumento di ricerca molto potente. Negli ambiti in cui il controllo richiede esperimenti, competenze umane o conoscenza del mondo, invece, il costo e la difficoltà della verifica restano elevati.

In sintesi: più diventa facile produrre contenuti plausibili, più diventa decisiva la capacità di verificarli. In tutti i settori, e sono la maggioranza, in cui non si sono sviluppati solidi criteri di controllo, gli LLM rischiano soprattutto di rendere più efficiente la produzione di contenuti infondati, di valore pari alla famosa montagna generata dalle scimmie dattilografe.

L’illusione delle capacità emergenti
La parola emergenza viene spesso usata per descrivere qualunque comportamento che non sappiamo spiegare bene. Ma non comprendere il meccanismo di tali comportamenti non significa che il sistema sta pensando, né tanto meno che ha acquisito coscienza.

Le coreografie di uno stormo di uccelli in volo, la vita, la coscienza sono proprietà emergenti. L’emergenza, in senso scientifico, dovrebbe indicare una proprietà osservabile che compare a un certo livello di organizzazione e che può essere studiata attraverso misure, condizioni e criteri di falsificazione, studiata insomma, con solito criterio: il metodo scientifico. Non è un lasciapassare per attribuire intenzioni, comprensione o desideri a un sistema soltanto perché produce un risultato sorprendente. Se scomponiamo il processo che non comprendiamo nel suo insieme e che desta meraviglia nel suo risultato ciò che definiamo apparentemente spettacolare diventa chiaro.

Un sistema che produca un risultato, che risolva un problema, in modo tale che assomigli ad agente competente, può averlo fatto perché: 

• genera molte soluzioni candidate
• cerca informazioni esterne
• scrive ed esegue codice
• conserva i risultati intermedi
• scarta i tentativi che falliscono
• ripete il ciclo
• sottopone l’output finale a un controllo formale 

La capacità osservata appartiene al ciclo complessivo e non è corretto attribuire automaticamente ogni sua proprietà al modello linguistico che ne costituisce una parte. Questo vale anche per i risultati matematici e scientifici più interessanti: un sistema può esplorare uno spazio di possibilità molto più vasto di quanto riuscirebbe a fare un essere umano, trovando controesempi, configurazioni, strategie e dimostrazioni candidate. Se il dominio offre un buon criterio di verifica, alcune di queste proposte possono trasformarsi in risultati autentici.

È una capacità straordinaria, ma non ha nulla a che fare né equivale necessariamente a una comprensione umana del problema.

La ricerca scientifica comprende almeno due attività diverse: esplorare uno spazio di possibilità e costruire una rappresentazione generale del fenomeno. Le macchine stanno diventando molto brave nella prima ma è ancora molto più difficile stabilire quanto siano capaci della seconda.

Un sistema può descrivere perfettamente molti casi particolari senza riuscire a individuare la legge generale che li spiega, così come può risolvere problemi già formulati senza riconoscere che la formulazione iniziale non rappresenta più adeguatamente la situazione.

Risolvere un problema dato da parte di un LLM è una cosa, riconoscere che quel problema non descrive più adeguatamente la realtà è tutt’altro. Questa capacità di rivedere la rappresentazione del problema, quando cambiano le evidenze o il contesto, è diversa dal semplice problem solving: è la capacità di capire che il problema iniziale non è più quello giusto.

Il costo della generazione crolla
La vera trasformazione prodotta dagli LLM non è necessariamente la comparsa di una mente, nemmeno fosse aliena, ma è la possibilità di generare a basso costo quantità enormi di contenuti, ipotesi, programmi, strategie e spiegazioni: un vantaggio enorme quando possiamo controllare ciò che viene prodotto.

Se un sistema genera cento programmi e possiamo testarli, l’esplorazione automatica è preziosa; se propone dimostrazioni che un proof assistant può verificare, possiamo sfruttare la sua capacità di ricerca senza affidarsi alla sola plausibilità; se formula ipotesi che possono essere sottoposte a esperimenti, la macchina può accelerare il lavoro scientifico.

Ma non tutti gli ambiti possiedono un verificatore esterno che, giudice imparziale, assegna valore di verità, un equivalente del linguaggio Lean per capirci.

È relativamente semplice controllare se un programma informatico supera una serie di test. Ma stabilire se una spiegazione storica sia corretta, se una relazione causale sia fondata, se una fonte sia attendibile o se un’interpretazione sociale descriva davvero il fenomeno, è tutt’altra cosa.

Qui emerge la questione centrale: il costo della generazione sta precipitando, mentre quello della verifica non segue la stessa curva, e tanto maggiore è la velocità con cui si producono i contenuti, tanto meno si è in grado di valutarli. La generazione di test, analisi, argomentazioni, critiche, teorie più o meno corrette o del tutto assurde, fino a triliardi di opinioni è stata accelerata molto più di quanto riusciamo a controllare.

Se una volta di parlava di infodemia la parola d’ordine adesso è epistemia: a scarseggiare non sarà necessariamente l’informazione, ma le competenze necessarie a capire quale informazione meriti fiducia e forse sarà proprio la fiducia che attribuiremo al risultato la discriminante del tutto irrazionale e fuorché che obiettiva. Fino a non molto tempo fa una ricerca Google ci dava un elenco di siti con le possibili risposte elencate con un ordine tutto sommato ragionevole; adesso abbiamo un interfaccia IA con la risposta pronta preconfezionata, nemmeno la fatica di andare a leggere le fonti che, per fortuna, continuano ad essere riportate. E il più delle volte si prende per buono ciò che si legge.

All’aumentare della necessità di verificare, paradossalmente potremmo delegare alle macchine proprio quei processi attraverso i quali le competenze si costruiscono: studiare, fare esercizio, commettere errori, risolvere problemi e imparare a giudicare.

Se siamo dotati di questa sorta di protesi che coadiuva i nostri processi cognitivi, non è affatto scontato che automaticamente si diventi più competenti usandola. Anzi, il più delle volte consente di produrre la forma esteriore della competenza senza possederne la sostanza: peggio che l’antico citare a memoria senza aver capito la citazione che, almeno, aveva avuto lo sforzo di impararla. Magari sfogliando le pagine d’un libro e soffermandosi su altre pillole di informazione che, sempre magari, si sarebbero potute annidare nella nostra memoria.

Avere una risposta non significa averla capita, avere un’argomentazione non significa averla costruita, avere una citazione non significa averla verificata.

Questo vale anche per l’università e per la ricerca: un testo può avere la struttura di un articolo scientifico, utilizzare la terminologia corretta e presentare conclusioni plausibili senza che chi lo firma sappia davvero spiegare le scelte metodologiche, i passaggi logici o i limiti del risultato.

In questi casi la domanda più utile non è soltanto se il testo sia stato scritto da un modello, ma chiedere all’autore di spiegare ciò che ha scritto.

La conoscenza, in fondo, non consiste soltanto nel produrre una traccia convincente, ma anche nel poter rispondere delle ragioni, delle fonti e delle conseguenze di quella traccia.

Ritorno alla realtà
Il clamore intorno all’IA alimenta due narrazioni opposte e ugualmente semplicistiche, quindi errate.

Da una parte c’è il culto della macchina che ci rende tutti geni: basta collegare un modello a qualche strumento e ogni limite umano sarebbe ormai superato. Dall’altra c’è il marketing dell’apocalisse: una mente artificiale sempre più intelligente svilupperebbe obiettivi propri, si migliorerebbe da sola e deciderebbe di sterminarci (quanto ci piace la narrazione catastrofista…).

Entrambe le storie trasformano prestazioni osservabili in facoltà mentali non dimostrate.

Un modello che genera una strategia non ha necessariamente un’intenzione. Un agente che esegue una sequenza di operazioni non possiede per questo desideri. Un sistema che migliora grazie a un ciclo di feedback non sta necessariamente volendo migliorarsi. Un risultato corretto non dimostra da solo comprensione.

Che sia un'attribuzione apocrifa o no, Niels Bohr ebbe a dire: «E’ difficile fare delle previsioni, soprattutto sul futuro». Neppure l’uso di percentuali rende scientifica una previsione: attribuire il 10%, il 15% o il 4% alla probabilità di un’estinzione futura può esprimere una convinzione personale, ma non equivale a una stima calibrata se non esistono dati, modelli e classi di riferimento adeguate. Queste percentuali non sono a caso, ma riferite a quanto hanno recentemente affermato guru delle principali aziende di IA a proposito della probabilità che questa possa rappresentare una seria minaccia per l'umanità. Rieccolo, il catastrofismo...

Il punto non è negare i rischi dell’IA, non così letali ma comunque esistenti, ma discuterli senza ricorrere a metafore che sostituiscano l’analisi.

Non serve immaginare una macchina cosciente e ostile per produrre problemi seri. È sufficiente costruire una società capace di generare molto più di quanto sappia verificare.

Per restare con i piedi per terra dobbiamo porci alcune domande concrete:

• quale componente del sistema ha prodotto questo risultato?
• quale informazione è stata recuperata dall’esterno?
• quale parte è stata verificata e da quale strumento?
• quanto è indipendente il verificatore dal generatore?
• su quali casi è stato validato?
• quali errori commette?
• quanto è calibrata la sua sicurezza?
• che cosa accade quando cambiano il contesto, le fonti o la formulazione del problema?

Queste domande sono meno spettacolari di «l’IA pensa?» o «l’IA ci distruggerà?» ma decisamente molto più utili.

L’intelligenza artificiale non ha bisogno di essere una mente aliena per trasformare profondamente la società: è già una tecnologia potentissima per esplorare possibilità, automatizzare processi e produrre coerenza. Ma la coerenza non è verità, la plausibilità non è conoscenza, la prestazione non dimostra da sola il processo che l’ha prodotta.

La sfida decisiva non sarà soltanto generare risposte sempre migliori. Sarà conservare, costruire e distribuire le competenze necessarie per capire quando quelle risposte meritano fiducia.

Perché a impacchettare il vuoto le macchine saranno sempre più efficienti. La parte difficile resterà metterci qualcosa di sensato dentro.

Quis custodiet ipsos custodes? Chi sorveglierà i sorveglianti stessi?
Il poeta latino Giovenale, 2000 anni fa, lo scriveva originariamente in un contesto ironico riguardo alla fedeltà coniugale e alla custodia delle donne da parte di eunuchi e guardie. In un contesto IA traete voi le conclusioni.

Molecole allo specchio. Il Nobel e l’asimmetria della vita

Una domanda vecchia quasi due secoli: perché la vita ha scelto di essere asimmetrica?

A ben vedere, la vita si fonda su simmetrie imperfette. Molte molecole biologiche, come gli amminoacidi delle proteine, esistono in due forme speculari: una destrorsa e una sinistrorsa, proprio come i guanti. Eppure la vita utilizza soltanto la forma sinistrorsa.

Perché? Non lo sappiamo. È come se, a un certo punto, l’universo avesse prodotto una copia storta e, invece di scartarla, l’avesse usata per costruire la biologia.

La simmetria è uno specchio che ci consente di capire il mondo com’è e perché non è in altro modo. Ci inganna con la perfezione apparente e invece basta spostare un dettaglio per rivoluzionare tutto. Per non parlare delle rotture di simmetria che hanno creato…tutto! Tanto care ai fisici. Ma non divaghiamo.

Il 7 ottobre l'Accademia reale svedese delle scienze ha assegnato il Nobel per la chimica 2026 a Henri B. Kagan e Kenso Soai, per la scoperta degli effetti non lineari e dell'autocatalisi nella sintesi organica asimmetrica. Ciò che ha portato alle scoperte che hanno consentito loro di vincere il Nobel è stato definito: «l’esperimento più bello della chimica organica. Nel loro insieme, le scoperte rivoluzionarie di Henri Kagan e Kenso Soai hanno ridefinito la nostra comprensione della chiralità molecolare: come nasce, si amplifica e si trasmette». Un pezzetto in più per iniziare a rispondere a quel socratico “non lo sappiamo”. Dietro una formula così tecnica e oscura si nasconde una questione quasi filosofica: perché gli esseri viventi sono costruiti con molecole che hanno tutte la stessa mano? Per capire il valore del premio conviene partire da lontano, dai cristalli di acido tartarico che si depositano nelle botti di vino.

Destra e sinistra, ma in versione molecolare
Un indizio nella luce polarizzata. La luce vibra in tutte le direzioni possibili, ma speciali filtri, semplificando, possono lasciar passare soltanto le onde che oscillano su un unico piano: è quel che fanno le lenti Polaroid. Già all’inizio dell’Ottocento un fisico francese, Jean-Baptiste Biot, notò che alcune sostanze, solide o in soluzione, fanno ruotare quel piano di un certo angolo. Sostanze come queste le chiamiamo otticamente attive. Se state pensando alla celebre copertina del celebre album dei Pink Floyd state sbagliando: non si tratta di dispersione e rifrazione, bensì di polarizzazione.

In seguito, nel 1844, il tedesco Eilhard Mitscherlich si trovò davanti a un rompicapo. Due sali derivati dall'acido tartarico, ancora lui, il tartrato e il racemato, avevano la stessa composizione, lo stesso comportamento chimico e perfino la stessa struttura cristallina. Eppure il primo deviava la luce polarizzata e il secondo no. Perché?

Modelli molecolari di due
enantiomeri di un generico amminoacido

Nel 1848 Louis Pasteur[1] era solo un giovane dottorando in cristallografia e, studiando le proprietà ottiche di un composto molto noto agli enologi, l’acido tartarico, scopre la chiralità, caratteristica delle molecole organiche che contengono un atomo di carbonio legato a quattro sostituenti diversi. Un sostituente, in chimica organica, è un atomo o un gruppo di atomi che prendono il posto di un atomo di idrogeno (o di un altro elemento) sulla struttura principale di una molecola.

Una molecola si dice chirale quando non può essere sovrapposta alla propria immagine allo specchio. L'esempio di tutti i giorni sono le mani: la destra e la sinistra sono identiche nella forma, ma nessuna rotazione le fa coincidere se sovrapposte. Nel mondo organico il caso più comune è quello di un atomo di carbonio legato a quattro gruppi diversi tra loro. Le due versioni speculari di una stessa molecola si chiamano enantiomeri e, in un ambiente che non possa influenzarli, si comportano in modo quasi indistinguibile. Quasi: c'è un modo per scoprire la differenza, e riguarda la luce.

Pasteur con le pinzette
Il lavoro di Pasteur fu grandioso. Osservando i cristalli al microscopio, si accorse che quelli del sale otticamente attivo erano tutti uguali, mentre quelli dell'altro erano di due tipi, uno l'immagine speculare dell'altro, presenti in parti uguali. Armato di pazienza e di pinzette, li separò a mano, uno per uno. Ciascun mucchietto, sciolto in acqua, deviava la luce con la stessa intensità ma in senso opposto. Insieme, i due effetti si cancellavano: ecco perché il miscuglio sembrava inerte. Pasteur aveva appena scoperto la chiralità molecolare e, con questa, aperto il cammino alla stereochimica, la parte della chimica che studia come le molecole si dispongono nello spazio. L'idea che gli atomi abbiano un ordine tridimensionale non nasceva dal nulla (Auguste Laurent ne aveva già parlato nel 1836), ma da quel momento diventò un terreno di ricerca vero. Pochi decenni dopo, grazie a nomi come van't Hoff e Le Bel, e all'italiano Emanuele Paternò tra i protagonisti dell'epoca, si arrivò a capire che il carbonio forma legami disposti a tetraedro e che proprio questa geometria è all'origine dell'attività ottica. 

Quando la forma decide tutto
Oggi sappiamo che la forma tridimensionale di una molecola ne governa quasi sempre il comportamento. Una proteina diventa un enzima solo grazie al modo in cui le sue catene di amminoacidi si ripiegano, ed è quella sagoma a farle riconoscere il proprio partner molecolare, come una chiave con la sua serratura.

Qui arriva la sorpresa. In ambiente controllato di laboratorio gli amminoacidi possono esistere in due forme speculari, L e D, lettere che stanno per levogira e destrogira. In tutti gli organismi viventi, però, troviamo praticamente solo la forma L. Gli zuccheri biologici, a loro volta, appartengono a una sola famiglia, e di conseguenza anche gli acidi nucleici, DNA e RNA. La natura ha rotto la simmetria e ha scelto una mano sola. Questa proprietà tra l’altro potrebbe rappresentare una sorta di firma della vita, tant’è che ci sono ricerche tese a determinare i rapporti L/D nella nascente astrobiologia.

Ma tornando sulla Terra, per chi lavora con i farmaci o con i nuovi materiali questo ha conseguenze concrete. Il corpo umano è un ambiente chirale: un enantiomero può calzare perfettamente nel suo bersaglio, mentre il suo gemello speculare può risultare inattivo o, nei casi peggiori, dannoso. Non sorprende che gli enti che si occupano dei controlli, a partire dalla statunitense FDA, richiedano di produrre i farmaci in forma enantiomericamente pura oppure di dimostrare che entrambe le forme siano sicure. E la stereochimica conta anche fuori dalla biologia: la plastica nota come polipropilene isotattico, che valse il Nobel al nostro Giulio Natta nel 1963, deve le sue proprietà proprio all'ordine spaziale della catena. Cos’è il polipropilene isotattico? Ma è il Moplen (!), tanto caro a noi bambini negli anni Sessanta del secolo scorso, per via dei divertenti spot pubblicitari con Gino Bramieri! E mo’? Moplen!

La "scelta"
Resta però un enigma di fondo. Primo: come si fa a produrre in laboratorio uno solo dei due enantiomeri, invece di un miscuglio al cinquanta per cento? Secondo, e più profondo: come può un'asimmetria minuscola, magari dovuta al puro caso, crescere fino a diventare dominio totale di una sola forma?

È qui che entrano in scena i due premi Nobel di quest’anno.

Henri Kagan ha mostrato che negli esperimenti di sintesi asimmetrica le cose non vanno sempre in modo proporzionale. Usando un catalizzatore (un composto chimico che attiva o accelera una reazione altrimenti improbabile ad avverarsi) chirale non perfettamente puro, ci si aspetterebbe un prodotto con una purezza altrettanto sbiadita. In certi sistemi, invece, la relazione è non lineare: le due forme del catalizzatore interagiscono tra loro e il risultato può essere sorprendentemente migliore, o peggiore, di quanto la semplice proporzione lasci prevedere. La non linearità è quel che normalmente si osserva nei sistemi complessi, e se c’è un mondo complesso è proprio quello dei triliardi (e son pochi) di possibilità della chimica organica. Resta il fatto che questa osservazione che ha cambiato il modo di progettare e di interpretare questo tipo di reazioni.

Kenso Soai è andato ancora oltre. Negli anni Novanta ha messo a punto una reazione in cui il prodotto agisce da catalizzatore della propria stessa formazione, ripetendo la propria mano. Partendo da una differenza appena percettibile tra le due forme, il processo la amplifica ciclo dopo ciclo fino a lasciare quasi soltanto un enantiomero. Una piccola sbilanciatura iniziale, insomma, si trasforma in una scelta netta.
Questo non dice quale sia stata la scintilla originaria sulla Terra primordiale, e sarebbe scorretto sostenere il contrario. Dimostra però che un meccanismo chimico in grado di far crescere da solo un lieve squilibrio fino all'asimmetria completa è possibile, e che la rottura di simmetria della vita non richiede per forza eventi straordinari.

Riconoscere la mano giusta

Avere a che fare con enantiomeri significa anche saperli riconoscere. Il metodo più antico è proprio quello di Biot, basato sulla rotazione della luce polarizzata. Oggi si usano tecniche più raffinate come la risonanza magnetica nucleare e la cromatografia chirale, mentre la ricerca lavora su sensori e biosensori sempre più selettivi, capaci di distinguere gli enantiomeri direttamente nelle soluzioni dove si trovano.

E fu grazie alla cristallografia e alla stereochimica Rosalind Franklin fornì il suo fondamentale e rivoluzionario: in particolare per la determinazione della struttura tridimensionale degli acidi nucleici e dei virus. Sebbene storicamente il suo nome sia legato alla celebre Foto 51, i suoi rigorosi calcoli cristallografici hanno fornito i parametri geometrici e stereochimici esatti che hanno permesso di risolvere il mistero della struttura a doppia elica del DNA. Un contributo riconosciutole soltanto da relativamente poco tempo perché il nome della Franklin fu oscurato dal sessismo del mondo scientifico di allora e dalla brama di successo dei più noti James Watson e Francis Crick. Una storia che merita di essere letta perché la Franklin purtroppo morì molto giovane e non fu quindi in grado di dimostrare il suo ruolo fondamentale. 

Un'asimmetria che ci riguarda da vicino

Da un cristallo di tartrato osservato nel 1848 a un Nobel assegnato pochi giorni fa, il filo conduttore è lo stesso: la natura non è speculare, e noi ne siamo la prova. Ogni proteina del nostro corpo è fatta con mattoncini di una sola mano. Che questa scelta sia nata dal caso o da qualche amplificazione silenziosa, come quelle che Kagan e Soai hanno imparato a controllare in provetta, resta una delle domande più belle che la chimica abbia davanti.

---

[1] Proprio lui, quello della pastorizzazione, e la cui prima applicazione fu in campo enologico e su richiesta di Napoleone III: trovare un modo per evitare che il vino andasse in aceto! Ma Pasteur usò i suoi esperimenti soprattutto per mettere definitivamente la parola fine alla teoria della generazione spontanea: “Omne vivum ex vivo” diceva e, ancora “nella scienza, il caso favorisce (solo) le menti preparate”.

Ghiacciai: il lento collasso dei termostati naturali

Restiamo in tema ghiacciai, come nel precedente post ma, anziché parlare di ghiacciai che resistono, torniamo, come fatto altre volte, su quelli che lentamente ma inesorabilmente stanno perdendo massa: le cronache di questa torrida estate 2026 ci hanno più volte raccontato della (...) situazione sulle Alpi, ed è qui che ci concentreremo. Sostituite ai puntini un aggettivo a piacere, personalmente userei "tragica", ma c'è chi ci mette "normale".

Premessa
Sappiamo tutti che sono le cose che diamo per scontate a mancarci di più quando le perdiamo. E sta accadendo persino per i ghiacciai: chiunque ne abbia visto anche solo uno dal vivo, sa di cosa parlo. Come contemplando i ghiacciai e pensando che ciò che fino a poco tempo fa sembrava eterno, troppo grande per venire a mancare, appare oggi fragile e sconfitto. Nel breve video una carrellata del Bernina dal versante svizzero ripreso dal sottoscritto qualche anno fa.

L’intera criosfera, inclusi Antartide e Groenlandia, copre solo il 10 per cento della superficie terrestre, ma contiene due terzi dell’acqua dolce del mondo. C’è chi ha calcolato che se fondessero solo i ghiacciai montani e le calotte minori il livello degli oceani aumenterebbe di circa mezzo metro: abbastanza per mettere a mollo un numero enorme di città costiere.
Se fondessero tutti i ghiacciai presenti sulla terraferma, il livello medio del mare si innalzerebbe di circa 65-70 metri.[1]

I ghiacciai scendono dalle vette sotto il proprio peso e impressionano per la loro imponenza: una massa poderosa che sembra quasi leggera. Appaiono immobili, ma quella bellezza fragile, delicata come un petalo, inganna. Da vicino emergono le tensioni enormi che li attraversano, in superficie e in profondità, insieme alla loro antichità vertiginosa. Sono acqua congelata, ma anche l’espressione del tempo reso solido: sembrano vive presenze, eppure la loro immobilità colossale ci richiama a un passato remoto, quasi impossibile da concepire.

Il ghiaccio ha proprietà particolari. Se è sottile si spezza facilmente, come il vetro; quando è spesso, invece, diventa plastico, cioè flessibile, e molto resistente e, meravigliosa proprietà della molecola H₂O, se sottoposto a pressione fonde: l’acqua è infatti l’unico composto noto che ha la sua fase solida meno densa di quella liquida, se così non fosse i fondali oceanici conterrebbero ghiaccio anziché acqua liquida. Nei ghiacciai il movimento è più rapido nella parte centrale, dove si concentra gran parte del peso: la gravità li trascina verso valle, mentre l’acqua che scorre nelle fratture ne facilita lo scorrimento. In superficie il ghiaccio appare bianco, ma quando l’aria al suo interno viene espulsa assume un brillante colore azzurro.

L’aumento delle temperature, responsabile della fusione dei ghiacciai nel mondo, riduce il deflusso dell’acqua di fusione: meno massa, meno acqua di fusione, e così facendo minaccia anche le dighe da cui molte di esse dipendono. Le conseguenze sono evidenti. Le precipitazioni più abbondanti potranno continuare ad alimentare i fiumi, ma senza il regolatore naturale che trattiene l’acqua sotto forma di ghiaccio, dighe e ghiacciai diventeranno meno affidabili. Così le centrali idroelettriche, un tempo viste come un’alternativa alla geopolitica inquinante dei combustibili fossili, sono oggi minacciate proprio dal riscaldamento globale che avrebbero dovuto contribuire a contrastare. Se i serbatoi si prosciugassero, le turbine si fermerebbero.

L’acqua e la sua disponibilità infine, ovunque essa si trovi, sarà uno dei motivi in grado di scatenare conflitti globali: non più contese sul petrolio ma sull’acqua.

La comunità scientifica ricorda che, nel complesso, la Terra non si sta inaridendo, ma l’acqua dolce resta una risorsa preziosissima. Il 97 per cento dell’acqua del pianeta è salata e, di quel che resta, due terzi sono inquinati: alla fine, solo l’1 per cento è davvero disponibile per noi, oltretutto distribuito in modo molto diseguale. Il Medio Oriente, per esempio, ospita il 5 per cento della popolazione mondiale ma dispone appena dell’1 per cento delle risorse idriche.
Evidentemente, in alcune aree l’accesso all’acqua può diventare un fattore di crisi.

Fondono, hai voglia se fondono

Rivedendo un vecchio film di “007” ho pensato di prendere quanto si vede come esempio, ma ce ne sono a dozzine.

Nelle immagini che seguono potete vedere per cominciare un fotogramma dal film "007 missione Goldfinger", del 1963.
Si vede bene sullo sfondo l'Hotel Belvedere, costruito da un imprenditore svizzero che, in età vittoriana, seppe cogliere il momento propizio per sfruttare il nascente turismo alpino, facendo dell’accoglienza in Svizzera il suo fiore all’occhiello. Quell’albergo offriva agli ospiti una visione ravvicinata del ghiacciaio del Rodano (sulla strada per il passo della Furka): e nell’immagine è evidente come la massa glaciale, seracchi e crepacci, siano lì, a portata di mano. A partire dal 1870 c’è persino un tunnel nel ghiaccio per far vivere ai turisti un’emozione in più. Da allora viene scavato ex novo ogni anno per star dietro all’arretramento del fronte.

Nella foto a fianco, con una prospettiva simile, si può vedere la situazione di pochi anni fa. A lato infine, una locandina dell’epoca (1895).

L'albergo è abbandonato e in disuso da moltissimi anni: la sua ragion d'essere si è fusa come il ghiaccio...

Questo a seguire è un altro raffronto della situazione del ghiacciaio del Rodano alla fine del XIX secolo e oggi. L’Hotel Belvedere non si vede ma è lassù, su uno dei tornanti più alti.

Le implicazioni e le conseguenze sono preoccupanti, a dir poco. Ogni idilliaco torrente che, scintillando sotto il sole e gorgogliando con forza, scenda tra le rocce delle montagne, è alimentato dalla fusione di neve e ghiaccio.

All’aumentare delle temperature aumenta di conseguenza il rilascio delle riserve accumulate da parte dei ghiacciai. Ad ogni ondata di calore aumenta la quantità di acqua dolce  e fredda che si riversa nel reticolo idrografico fino a raggiungere i corsi d’acqua principali, proprio quando è più necessario ristabilire una sorta di equilibrio termico. In inverno invece nevai e ghiacciai trattengono le precipitazioni, riducendo il rischio di inondazioni e, in un certo qual modo, immagazzinano ghiaccio per l’anno seguente.

Questa è termoregolazione eseguita dai ghiacciai, proprio come fossero termostati ambientali.

La scomparsa dei ghiacciai non è solo estetica, qualcosa che contribuisce al fallimento del turismo montano estivo o invernale che sia: così come i vulcani non stanno dove stanno per abbellire il paesaggio, ma per eruttare, un ghiacciaio esiste come conseguenza di complesse relazioni climatiche, meteorologiche e morfologiche, che si influenzano l’un l’altra.

Innegabilmente, sotto gli occhi di tutti, stiamo andando incontro come, se non ci fosse un domani, al prosciugamento delle fonti che da tempo immemorabile, dalla fine dell’ultima glaciazione almeno (circa 12.000 anni fa), stanno fornendo acqua ai fiumi europei, per cominciare da ciò che ci riguarda più da vicino. I rubinetti si stanno esaurendo.

Per quanto gli irriducibili scettici radicali neghino, ma sono rimasti in pochi, i loro tentativi annegano nel ridicolo di fronte alle eloquenti immagini del passato e del presente.

Il ritmo del disgelo è drasticamente aumentato negli ultimi anni. Nel solo biennio tra il 2022 e il 2023, i ghiacciai svizzeri hanno perso il 10% del loro volume totale, mentre in Italia aree simbolo come il ghiacciaio della Marmolada mostrano un ritiro drammatico che rischia di portarle alla totale scomparsa entro il 2040. Dall'inizio del XXI secolo, i ghiacciai alpini dell'Europa centrale hanno perso circa il 39% della loro massa ed estensione complessiva e, se non verrà rallentato il riscaldamento globale il ghiaccio alpino, la cui perdita accelera esponenzialmente, rischia l’esaurimento totale entro la fine del secolo.
Ed è solo una parte: dal 2000 a oggi abbiamo perso ogni anno, solo nei ghiacciai continentali - esclusi quindi quelli di Artico e Antartide - 273 miliardi di tonnellate di ghiaccio, una quantità d'acqua pari a quella consumata dall'intera popolazione umana in 30 anni. Nel 2023, i dati del satellite europeo CryoSat hanno mostrato che, tra il 2010 e il 2020, i 200.000 ghiacciai terrestri, concentrati soprattutto nelle regioni polari, hanno perso 2.720 miliardi di tonnellate di ghiaccio: una quantità d’acqua enorme, capace non solo di alimentare i fiumi, ma anche di farli esondare.

Non starò a ritornare sulla la causa principale di tutto ciò, ovvero il riscaldamento globale e le sue origini innegabilmente antropogeniche.

Nelle Alpi centrali, soprattutto in Svizzera, le temperature medie sono aumentate più che altrove, con incrementi fino al 2% negli ultimi anni. L’aumento è stato favorito da una particolare configurazione meteorologica legata alle alte montagne, che ha reso ad esempio la valle del Rodano eccezionalmente soleggiata: qui si contano trecento giorni l’anno di cielo azzurro e una vegetazione tropicale, cactus compresi, insolita a questa latitudine. Uno scenario suggestivo per i turisti, ma tutt’altro che favorevole al ghiaccio.

Degrado...degradante
Fino a poco tempo fa ritenevamo i ghiacciai eterni, ma con la rapidità del loro ritiro siamo di fronte alla necessità di riflettere sulla loro importanza. Hanno modellato le valli meravigliose lungo le quali scorrono i fiumi ma il loro ruolo non è concluso. I corsi d’acqua che nascono dalle cime ghiacciate sono non solo alimentati ma regolati dalla loro presenza. La scomparsa dei ghiacciai ha, ad oggi, conseguenze imprevedibili.

Ovviamente sappiamo bene che ogni fiume non è alimentato soltanto dai ghiacciai e quindi, i corsi d’acqua non sono destinati a scomparire nel breve periodo. Le decine, se non centinaia, di affluenti di ogni grande fiume, continueranno a fornire il loro apporto, pur sapendo – lo vediamo già oggi – che il cambiamento climatico che minaccia i ghiacciai riempie i corsi d’acqua con precipitazioni più intense, che si manifestano spesso in fenomeni estremi, esondazioni, rotture di argini, ridisegno delle vallate, distruzione e morte. Le immagini dal Nepal sono state più che eloquenti.

C’è una speranza legata alla loro lunga storia: precipitazioni e acque da disgelo scorrono nei pendii e nelle valli di ogni reticolo idrografico da un insondabile tempo geologico, resistendo a tettonica, ere glaciali, siccità e inondazioni, cambiando il loro corso più volte.

Certamente il riscaldamento globale ha provocato danni ormai pressoché irreversibili, ma il ciclo dell’acqua sopravviverà al nostro sabotaggio, con o senza di noi.

Nella storia geologica di questo pianeta, ancorché limitata agli ultimi milioni di anni, quel che appare ai nostri occhi come una crisi senza via d’uscita, è solo un episodio transitorio, un battito di ciglia, e sarebbe quasi presunzione immaginare che le nostre azioni possano fermare un fenomeno così immenso.

Sperare, altro non possiamo fare.

---

[1] La fusione della calotta artica, o dei ghiacci marini delle banchise, non provocherebbe nessun innalzamento: è acqua che già sta lì, in un’altra forma (per provarlo basta misurare il livello di acqua in un bicchiere contenente dei cubetti di ghiaccio, non cambia dopo che si saranno sciolti).