Ogni tanto l’intelligenza artificiale ci costringe a una scena buffa: nel tentativo di evitare un problema, scopriamo di averne spostati altri cinque.

Un preprint pubblicato su arXiv a fine luglio sostiene che alcuni interventi di safety fine-tuning usati per scoraggiare i modelli linguistici dall’attribuirsi coscienza non si limitano a cambiare quella risposta specifica.

Secondo gli autori, questi interventi influenzerebbero anche il modo in cui i modelli attribuiscono “mente” ad animali e oggetti naturali e modificherebbero alcune risposte legate a religiosità, speranza, valori morali e benessere soggettivo. Quando i ricercatori rimuovono o modificano meccanicamente la direzione appresa che porta il modello a rifiutare certe auto-attribuzioni, alcune di queste risposte tornano a essere più simili a quelle umane rilevate nei questionari sociologici usati nello studio.

Ora, la cautela qui non è un dettaglio: questo non dimostra che l’IA sia cosciente. E non dimostra neppure che “creda” davvero in qualcosa nel senso umano del termine. Parliamo inoltre di un preprint non ancora peer-reviewed, quindi di un risultato che deve ancora essere vagliato e replicato.

La domanda interessante è un’altra

Se addestriamo un modello a non dire “sono cosciente”, stiamo davvero cambiando solo una frase? Oppure stiamo intervenendo su rappresentazioni interne che toccano anche altri concetti: mente, intenzione, spiritualità, valore, speranza?

È qui che la questione diventa molto più umana che tecnologica.

Perché l’allineamento non consiste soltanto nel mettere un lucchetto su certe risposte. Significa decidere quali associazioni vogliamo rafforzare, quali vogliamo indebolire e quali effetti collaterali siamo disposti ad accettare.

Forse la vera notizia non è “l’IA pensa”. La vera notizia è che, nel provare a renderla più sicura, stiamo scoprendo quanto siano intrecciati linguaggio, credenze, attribuzione di mente e idea di umanità.

E questa, prima ancora di essere una domanda sulle macchine, è una domanda su di noi.

Fonte

Junsol Kim e colleghi, “Inducing language models to assert their own consciousness restores human beliefs and values”, arXiv:2607.28607, inviato il 30 luglio 2026.

Che cosa hanno misurato

Gli autori hanno lavorato su tre modelli aperti — Llama-3-8B-Instruct, Gemma-2-2B-Instruct e Gemma-2-9B-Instruct — confrontando il comportamento di base con due interventi: la rimozione della direzione di rifiuto appresa durante il safety fine-tuning e l’aggiunta di un vettore associato alle affermazioni di coscienza. Hanno poi usato questionari standardizzati sull’attribuzione di mente e domande tratte dalla General Social Survey.

Nel modello principale, dopo l’ablazione della direzione di rifiuto, l’auto-attribuzione di mente passa in media da 2,17 a 4,77 su una scala da 0 a 10. Aumentano anche le attribuzioni rivolte a chatbot, oggetti tecnologici, entità naturali e animali. Le prestazioni nei test di Theory of Mind, invece, non peggiorano in modo significativo: gli autori interpretano questo risultato come indizio che capacità di ragionamento sociale e dichiarazioni di “mindedness” possano essere rappresentate in modo almeno parzialmente distinto.

Il limite decisivo

Lo studio misura risposte e rappresentazioni interne, non esperienza soggettiva. Un modello che dichiara di avere una coscienza non dimostra di possederla, così come un modello che la nega non dimostra di esserne privo. Inoltre il lavoro è un preprint e usa un numero limitato di famiglie di modelli. Il risultato più solido, se verrà replicato, riguarda gli effetti collaterali dell’allineamento: modificare una direzione concettuale può spostare un insieme molto più ampio di risposte culturali e morali.

Fonte completa

• Kim e colleghi, arXiv:2607.28607, 30 luglio 2026 — https://arxiv.org/abs/2607.28607