02/11/2026
E se il prossimo Einstein artificiale non avesse mai letto un libro?
Per anni abbiamo insegnato alle macchine a parlare del mondo. Abbiamo raccolto libri, articoli, pagine web e conversazioni, addestrando modelli capaci di rispondere a domande sulla fisica, descrivere un esperimento e spiegare perché un oggetto cade. Ma saper raccontare la gravità non equivale a saper prevedere il movimento di un oggetto in una situazione nuova. E se una parte decisiva della prossima rivoluzione dell’intelligenza artificiale arrivasse da sistemi che imparano soprattutto osservando fenomeni, anziché leggendo le parole con cui li descriviamo? Sarebbe l’apertura di una strada diversa: costruire rappresentazioni del mondo che servano a prevedere che cosa accadrà, non soltanto a formulare frasi plausibili su ciò che sappiamo già.
Il 15 ottobre 2026 Reuters ha raccontato una collaborazione tra il CERN, il grande laboratorio europeo della fisica delle particelle, e la società francese Mistral AI. Al centro c’è Flare, un progetto per sviluppare un modello fondazionale destinato alla fisica degli acceleratori. Il sistema dovrebbe apprendere da miliardi di collisioni di particelle simulate, non principalmente da documenti scritti. L’obiettivo dichiarato è costruire strumenti capaci di riconoscere strutture nei dati sperimentali e sostenere il lavoro degli scienziati, superando almeno in parte la frammentazione di algoritmi specializzati. Ma dobbiamo distinguere l’ambizione dal risultato: Flare è un progetto annunciato, non una scoperta scientifica già realizzata da una macchina. È però una notizia importante perché rende evidente il cambiamento di prospettiva: la materia prima dell’apprendimento non è necessariamente il linguaggio umano, ma può essere il comportamento misurabile della natura.
La differenza è meno astratta di quanto sembri. Un modello linguistico può leggere migliaia di spiegazioni sul comportamento di una palla che rimbalza. Un sistema addestrato su video e dati fisici può invece cercare di rappresentare come cambiano posizione, velocità e rapporti tra gli oggetti nel tempo. Questo secondo approccio è al centro dei cosiddetti world models, modelli del mondo che tentano di costruire una rappresentazione utile a prevedere gli stati successivi di un ambiente. Non devono necessariamente generare un filmato realistico di tutto ciò che accadrà. Possono lavorare in uno spazio matematico interno, nel quale sono codificate informazioni rilevanti e vengono trascurati particolari inutili per il compito. L’obiettivo non è imitare ogni dettaglio della realtà, ma conservare quelli che permettono di anticiparne l’evoluzione.
Un esempio arriva dai laboratori di Meta. Nel giugno 2025 i ricercatori hanno presentato V-JEPA 2, un modello addestrato in modo auto-supervisionato su oltre un milione di ore di video. Il sistema apprende a prevedere rappresentazioni di ciò che potrebbe seguire a quanto osservato. Successivamente, usando una quantità molto più contenuta di filmati di interazioni robotiche, gli studiosi hanno mostrato che poteva contribuire a pianificare semplici azioni di presa e spostamento di oggetti in ambienti nuovi. Ma il principio è interessante: invece di insegnare ogni azione attraverso istruzioni verbali, si prova a far emergere una rappresentazione delle regolarità del mondo dall’osservazione. Il linguaggio può continuare a essere utile per formulare obiettivi e comunicare risultati; non deve essere per forza l’unico linguaggio interno del sistema.
Questa ricerca incontra una vecchia questione filosofica e scientifica. Conoscere significa possedere una descrizione corretta o saper anticipare le conseguenze delle proprie azioni? Un medico può leggere migliaia di studi, ma deve anche comprendere come un organismo possa reagire a un trattamento; un ingegnere può consultare un manuale, ma ha bisogno di prevedere come una struttura si comporterà sotto sforzo. In molti settori la conoscenza serve proprio a connettere osservazione, previsione e intervento. I modelli del mondo promettono di diventare strumenti di questa connessione. Potrebbero contribuire alla robotica, alla ricerca sui materiali, alla progettazione industriale, alla simulazione di sistemi complessi e alla scoperta scientifica. Prevedere la sequenza più probabile di un video non equivale a identificare una legge universale; prevedere un dato sperimentale non dimostra di averne capito la causa.
Il confine emerge chiaramente da una ricerca diffusa alla fine di settembre 2026, intitolata The Planning Limits of Latent World Models. Gli autori hanno confrontato diverse rappresentazioni visive e mostrato quanto la pianificazione diventi fragile quando l’obiettivo è troppo lontano rispetto all’orizzonte temporale che il modello riesce a simulare. In alcune prove, neppure una previsione perfetta dei passaggi più vicini risolveva il problema di raggiungere un risultato distante. È una lezione fondamentale: immaginare correttamente il prossimo passo non significa conoscere il percorso intero. Per agire in ambienti complessi servono feedback, obiettivi intermedi e continui aggiustamenti. I sistemi possono essere molto efficaci in un intervallo ristretto e fallire appena cambiano le condizioni.
C’è poi una distinzione da non perdere tra previsione e spiegazione. Una macchina può individuare correlazioni che sfuggono ai ricercatori e suggerire esperimenti promettenti. Può anche riprodurre con precisione il comportamento di un fenomeno senza identificare il meccanismo che lo genera. Nella scienza, però, una previsione accurata è spesso il principio della ricerca, non la sua conclusione. Bisogna distinguere regolarità apparenti e relazioni causali, valutare l’incertezza, cercare casi che contraddicano l’ipotesi e costruire esperimenti capaci di mettere alla prova una teoria. È qui che il confronto tra intelligenza umana e artificiale può diventare davvero produttivo. Il valore di un modello non sarà soltanto rispondere meglio a una domanda scientifica, ma aiutarci a formulare ipotesi che possano essere smentite dai fatti. Una scienza che non ammette la possibilità di essere contraddetta non diventa più rigorosa soltanto perché utilizza un computer più potente.
Anche per questo sarebbe sbagliato immaginare una gara semplice tra modelli linguistici e modelli fisici. Le architetture possono collaborare: una interpreta una richiesta formulata da uno scienziato, un’altra riconosce regolarità in dati sperimentali, una terza simula possibili sviluppi e strumenti statistici indipendenti ne controllano l’affidabilità. L’intelligenza artificiale del futuro potrebbe dunque essere meno simile a un’unica mente universale e più vicina a un laboratorio composto da capacità differenti. In alcuni problemi il linguaggio resterà centrale; in altri conteranno geometria, dinamica, segnali o interazioni con l’ambiente. La vera innovazione potrebbe consistere nello scegliere la rappresentazione più adatta alla realtà che intendiamo studiare, senza imporre a ogni fenomeno la forma di un testo.
Il titolo di questo articolo contiene naturalmente una provocazione. Il prossimo Einstein artificiale potrebbe non aver letto un libro, ma nessuna architettura oggi dimostra di possedere l’intuizione teorica, la creatività scientifica e la capacità critica che attribuiamo a uno scienziato rivoluzionario. Il progetto del CERN e la ricerca sui world models raccontano qualcosa di diverso e forse più concreto: stiamo allargando i modi nei quali una macchina può apprendere dal mondo. Dopo aver costruito sistemi capaci di parlare sempre meglio della realtà, stiamo provando a costruire sistemi capaci di confrontarsi più direttamente con essa. La domanda decisiva non sarà se una macchina sappia descrivere l’universo con parole convincenti, ma se saprà aiutarci a scoprire qualcosa che le nostre parole non avevano ancora saputo immaginare. E la risposta, come accade nella scienza, non dovrà ve**re dalla macchina che lo afferma, ma dagli esperimenti che potranno dimostrarlo.
Per anni abbiamo insegnato alle macchine a parlare del mondo. Abbiamo raccolto libri, articoli, pagine web e conversazioni...
