Questi apprendimenti infantili si radicano nel profondo della nostra mente, al punto da suscitare comportamenti istintivi e non ragionati: non dobbiamo pensare se mettere un bicchiere in bilico o avvicinare la mano alla fiamma, perché qualche incidente da bambini è stato sufficiente ad imprimercelo nella zucca. Queste reazioni automatiche sono generalmente molto utili, seppur in alcuni casi possano risvegliare traumi o portarci a decisioni sbagliate facendo di tutta l’erba un fascio, se non ci fermiamo a pensare con la zucca.
Tanto per l’uomo, quanto per il ranocchio elettronico, generalizzare è fondamentale per apprendere in modo efficiente, senza dover memorizzare tutte le possibili combinazioni di contenitori e contenuti che si rovesciano, senza immaginare tutte le parti del corpo che possiamo bruciare appoggiandole a chissà quali superfici calde. Mentre il cervello del bimbo ipotizza degli schemi in autonomia, a quello elettronico bisogna insegnarli con santa pazienza, ma da quel punto in avanti entrambe classificano i dati in insiemi omogenei e coerenti con sé stessi, per imparare di più con meno dati a disposizione. L’uomo lo fa un milione di volte meglio del robot, come potete vedere paragonando un guidatore ed un’auto a guida autonoma mentre girano in città per la prima volta. Per chi volesse approfondire il tema della generalizzazione nell’intelligenza artificiale, ecco qui un bell’articolo da cui partire.
Ricordate Atlas, robot umanoide che impiega 6-7 ore davanti alle telecamere per imparare ad alzare e spostare un oggetto, e che deve reimparare il movimento per ogni nuovo oggetto. Al contrario un bambino, avendo imparato a muovere un peso la prima volta, poi ripete il movimento con qualsiasi altro oggetto simile. Forse avete visto l’immagine virale di centinaia di tessitori in India che lavorano con la telecamera sulla testa: stanno insegnando al ranocchio elettronico come cucire camice e pantaloni. Già sono pagati una miseria, figuratevi come sono felici di insegnare alla macchina che li metterà sulla strada. Detto per inciso, la nostra capacità di generalizzare è anche quella che ci insegna i valori, mentre il ranocchio elettronico capisce solo l’utilità della cosa. Noi impariamo il valore della reciprocità, del mettersi nei panni dell’altro: il robot pensa solo a sé stesso ed un pochino al proprio padrone.
Vi raccomando il caso di Chef Robotics, azienda che sviluppa automazione intelligente per la cucina, in grado di triplicarne i volumi prodotti, aumentare del 60% la produttività dei dipendenti, e sfornare piatti tutti sani e monotoni come la minestrina ospedaliera o il pollo bollito che trovate in aereo. La grande innovazione di questa azienda sta nella capacità di generalizzare le immagini riprese, e quindi trattare diversamente tutti i tipi possibili di insalate, salse, carni ed altri ingredienti. Questo consente ai bracci robotici di prenderli correttamente, senza schiacciarli o rovesciarli, e processarli nel modo giusto. Chef Robotics è fatta principalmente di progettisti ed ingegneri che provengono da Amazon, Google, Facebook ed altre aziende tecnologiche, ed è già ad oltre 70 milioni di pasti prodotti, scalando il mercato molto rapidamente. Decisione innovativa di quest’azienda è la scelta di usare LLM (Chat GPT 5 e Claude 4.6) per insegnare al robot le variazioni sul tema delle ricette.
Pensateci: nessuno di voi ha problemi ad inventarsi, al volo, una variante della carbonara sulla base di quali ingredienti ha in casa al momento, o anche per il gusto di fare una prova. Ovviamente non potete consultare una ricetta che non esista, ma non vi fate problemi a modificare ad occhio quella che avete sempre seguito: improvvisate sulla base della vostra conoscenza generale della carbonara, di come gli ingredienti giocano tra loro. Per il robot invece è un problema, perché non saprebbe da dove partire, ma con l’aggiunta di un LLM riesce ad imparare l’effetto dello scambiare un ingrediente, o variarne dosi e tempi di cottura, e farlo in modo coerente con il funzionamento generale della ricetta. Vedremo se in futuro questo chef robotizzato riuscirà a migliorare i propri piatti sulla base delle recensioni dei clienti bipedi.
In ultima analisi la capacità di generalizzare è fondamentale per imparare, sia per l’uomo sia per il ranocchio elettronico, e seppur vero che le euristiche ed intuizioni che produciamo, ogni tanto possono trarci in inganno, nel caso dell’intelligenza artificiale fisica il vantaggio dell’apprendimento e della velocità decisionale del robot è maggiore del rischio di bias decisionale.
