L’Intelligenza Artificiale non si sveglierà. Ma forse può svegliare noi.

Come già esplorato in altre riflessioni qui su Via Intenta, l’Intelligenza Artificiale ha molto da insegnarci. Ma forse non nel modo in cui immaginiamo. L’aspetto più formativo — e anche più inconfessabile — è che, se ciò che dice un’IA ci sembra avere un senso profondo, questo accade in gran parte perché noi esseri umani siamo mortalmente ripetitivi, associativi e proiettivi.

Capita ormai di leggere in rete veri e propri deliri su come l’IA stia per “prendere coscienza”. Ogni tanto un chatbot produce una frase particolarmente suggestiva, qualcuno gli domanda se abbia paura di morire o ci ragiona sui massimi sistemi, quello risponde con quattro righe malinconiche e immediatamente compare il profeta: ci siamo, sta succedendo. Matrix!
La cosa curiosa è che questa narrazione viene sostenuta anche da persone intelligentissime, spesso accomunate però da una cecità piuttosto fondamentale: non sanno realmente che cosa stia facendo la macchina mentre parlano con lei. E non fanno nemmeno lo sforzo di andare a guardare e istallarsi un piccolo modello sul proprio pc…

Vedono sullo schermo qualcosa che usa la prima persona, comprende metafore, tiene il filo di un discorso, consola, scherza, scrive poesie e magari dice: “Capisco quello che provi”. Certo…
E il cervello umano fa ciò che ha sempre fatto: completa la scena. Mette qualcuno dietro alle parole. È un gigantesco esperimento percettivo, forse involontario: l’IA rende visibile quanto significato siamo noi stessi a proiettare sulle strutture linguistiche che riconosciamo. Non è interessante soltanto perché ci mostra qualcosa sulle macchine. È interessante soprattutto perché ci mostra qualcosa su di noi.

Ma come si ottiene la consapevolezza?

Nel nagualismo, così come in molte altre tradizioni, la consapevolezza non nasce semplicemente dall’accumulazione di informazioni. Nasce dal contatto, dall’attrito, dall’incontro con qualcosa che è fuori: con il mondo, con ciò che resiste, con qualcosa che non coincide interamente con la nostra descrizione. Piu popolarmente si diceva di viaggiare, o che la cultura è quello che rimane quando si è dimenticato tutto.

Eppure il ragionamento implicito di molti discorsi sull’IA sembra essere più o meno questo: l’IA legge Internet, assimila informazioni, parla, “ragiona”, utilizza strumenti, corregge i propri errori, quindi prima o poi, aumentando abbastanza la complessità, “si sveglierà”. Ma se bastasse indicizzare lo scibile umano per produrre coscienza, Google avrebbe dovuto raggiungere l’illuminazione già diversi anni fa… eppure…

La realtà è molto meno romantica e, proprio per questo, molto più interessante.

L’illusione della memoria

Un modello come ChatGPT non sa niente e non ragiona. La frase è volutamente radicale. Non c’è qualcuno dentro il sistema che sa le cose e poi le racconta. Non c’è un piccolo bibliotecario digitale che, ricevuta una domanda, corre verso uno scaffale, apre il volume corretto e torna dicendo: “Trovato!”. Non esiste un cervello nel quale siano archiviate frasi, ricordi, idee e conoscenze nel senso in cui normalmente usiamo queste parole.

Esiste un sistema matematico probabilistico. Durante l’addestramento, una quantità immensa di testo modifica miliardi di parametri numerici. Questi parametri finiscono per incorporare relazioni estremamente sofisticate tra parole, concetti, strutture linguistiche, situazioni e regolarità presenti nelle descrizioni del mondo prodotte dagli esseri umani. Sono relazioni nostre… ripetitive.

Quando poi gli scriviamo qualcosa, la macchina esegue sempre la stessa operazione fondamentale: calcola quale token dovrebbe venire dopo. Un token è grossomodo un frammento di parola. La Ai indovina un pezzettino di parola… fa soltanto questo.
Qualunque cosa sembri fare — tradurre, argomentare, programmare, consolare, interpretare Castaneda, scrivere una lettera d’amore o spiegare perché Don Juan stava prendendo in giro Castaneda nel deserto con cazzate sugli spiriti — alla fine deve manifestarsi attraverso la medesima operazione: produrre una distribuzione di probabilità sul token successivo.

Poi un altro token. Poi un altro. Poi un altro ancora. E improvvisamente abbiamo davanti un saggio di filosofia.

Il fatto straordinario non è che qualcuno dentro la macchina abbia scritto il saggio. È che non c’era bisogno di nessuno.

Questo è il punto che spesso ci sfugge. Noi vediamo il risultato finale e, poiché il risultato assomiglia a qualcosa che un essere umano avrebbe prodotto pensando, tendiamo automaticamente a immaginare che dietro debba esserci qualcosa che pensa. Ma l’intero fascino dell’esperimento sta proprio nel contrario: una macchina può simulare una quantità enorme di competenze senza che esista un soggetto che sappia di possederle. Può simulare ragionamento senza che ci sia qualcuno che sappia di stare ragionando. Figuriamoci avere coscienza di farlo.

La nazione a forma di stivale

Facciamo un esempio banalissimo. Scriviamo: “La nazione europea che sulla cartina ricorda uno stivale è…” e il modello risponderà quasi certamente: Italia.
( Un modello locale, magari stupidino, istallato su un pc, magari avrà anche un ventaglio di altre possibilità, e considerererà “Italia” probabile al 90% e altre opzioni al 10%)

Ma non sta visualizzando mentalmente l’Italia. Non sente il sapore della pizza. Non ricorda un viaggio a Roma. Non apre un cassetto chiamato geografia/italia. E non funziona nemmeno come un semplice dizionario che abbia contato quante volte nei libri comparivano insieme le parole stivale e Italia correlate tra loro.

Durante l’addestramento si è formato qualcosa di molto più complesso: una gigantesca rete di rappresentazioni distribuite nella quale Italia, Europa, Roma, Mediterraneo, penisola, stivale, cucina italiana e migliaia di altri elementi si trovano collegati attraverso relazioni matematiche. Gli esseri umani hanno descritto il mondo in miliardi di modi; la macchina ha imparato la struttura statistica di quelle descrizioni.

Così, davanti a quella frase, Italia diventa una continuazione estremamente compatibile. Non “ricorda” l’Italia nel senso umano del termine. Il suo spazio matematico è stato deformato in modo tale che quella risposta diventi naturale. Ed è molto più interessante di un enorme copia-incolla, perché significa che la macchina non deve aver visto esattamente quella frase per produrre la risposta. Ha interiorizzato, in forma matematica, una rete di relazioni che le permette di generalizzare.

Ma generalizzare non significa vivere. Una mappa può essere eccellente senza avere mai visitato il territorio. Ed è anche il motivo per cui tanti “fuffaguru” o finti esperti possono parlare di tutto, come un Ai, ammaliare, e non aver in realtà vissuto assolutamente niente di quello che raccontano.

Ma il sapere aggiornato?

Naturalmente esiste un problema. Il modello è stato addestrato su dati del passato. Se gli domandiamo cosa è successo stamattina, non può misteriosamente saperlo attraverso i propri pesi. Un sistema moderno, allora, utilizza strumenti esterni: cerca sul web, interroga un database, legge un documento, chiama una API. In altre parole, per conoscere qualcosa che non è già rappresentato adeguatamente nel modello, usa un programma che recupera l’informazione al posto suo.
Diciamola piu cruda: usa google al posto nostro. Tutto qui.

Poi prende ciò che quel programma gli restituisce, lo inserisce nel contesto e torna a fare ciò che sa fare: predire token.

Non è una svalutazione. È semplicemente ciò che accade. L’errore nasce quando noi vediamo il risultato finale e immaginiamo un omino invisibile che abbia “capito la situazione”. In realtà abbiamo una macchina capace di utilizzare altre macchine, leggere ciò che esse restituiscono e produrre una nuova sequenza linguistica estremamente plausibile.

Può sembrare magia solo finché non guardiamo il meccanismo.

E noi, nel frattempo, abbiamo addestrato le macchine

C’è poi un dettaglio storico piuttosto divertente. Per anni abbiamo passato tempo davanti a schermate che dicevano: “Seleziona tutte le immagini contenenti un semaforo”, oppure “Seleziona tutte le automobili”, oppure, nei momenti di maggiore sadismo, “Seleziona tutte le immagini contenenti una motocicletta”.

Naturalmente quei sistemi servivano davvero anche a distinguere gli esseri umani dai bot ( almeno in parte… ). Ma il gesto aveva anche un effetto collaterale interessante: grandi quantità di classificazioni effettuate dagli esseri umani potevano essere utilizzate per migliorare sistemi automatici di riconoscimento.

C’è qualcosa di quasi poetico nella scena: nel gesto stesso con cui cercavamo di dimostrare a una macchina di non essere macchine, contribuivamo a insegnare alle macchine a riconoscere il mondo.

E oggi continuiamo, in altre forme. Conversiamo. Correggiamo. Valutiamo. Preferiamo una risposta rispetto a un’altra. Quando consentiamo che queste interazioni vengano utilizzate per migliorare i sistemi ( magari non deselezionando da impostazioni di chatgpt “il miglioramento del modello per gli altri” ), forniamo continuamente nuovi esempi di come gli esseri umani parlano, desiderano essere trattati, formulano problemi e reagiscono alle risposte. In sostanza insegniamo alla macchina la nostra ripetitività e le nostre aspettative.

Ed è qui che l’IA comincia a diventare davvero uno strumento di osservazione dell’essere umano.

Sintassi e psiche

Se la macchina fa tutto questo senza sapere niente, perché ci sembra così intelligente? Qui comincia la parte interessante.

L’illusione funziona perché anche noi siamo molto più prevedibili di quanto ci piaccia ammettere.

È intuitivo quando parliamo di programmazione. Per ottenere una certa operazione esistono un certo numero di linguaggi, pattern, librerie, architetture e soluzioni. Se scrivo: “In linguaggio Go voglio un server HTTP che faccia questo e questo ”, lo spazio delle possibili risposte sensate non è infinito. Esistono pattern. Il modello ne ha osservati moltissimi. Li ricombina.

Fin qui l’ego umano rimane relativamente tranquillo.

Il problema comincia quando ci accorgiamo che la stessa cosa vale anche per la filosofia. Per la psicologia. Per l’empatia. Per la spiritualità. Per la poesia…

Il guerriero deve perdere…

Prendiamo Castaneda. Scriviamo:

Il guerriero deve perdere…

Chiunque abbia assimilato quel corpus linguistico e i suoi “comandamenti” sente già una serie di possibilità affacciarsi nella mente: “importanza personale”, “storia personale”, paura, abitudini, “forma umana”, dialogo interno... La frase sembra aperta, ma in realtà si sta muovendo dentro uno spazio concettuale relativamente ristretto. La probabilita è che sia soltanto uno di quei token... ehm parole.

Un essere umano che conosce Castaneda lo percepisce intuitivamente. Una macchina addestrata su abbastanza testo lo ricostruisce matematicamente. Può parlare della perdita dell’importanza personale, della sospensione del dialogo interno, dell’agguato, dell’intento e dello spostamento del punto d’unione senza aver mai avuto un punto d’unione, senza aver mai fermato il mondo, senza aver avuto paura, senza essere mai stata inseguita da uno spirito nel deserto e soprattutto senza sapere cosa significhi essere viva.

Questo è destabilizzante non tanto per ciò che dimostra sulla macchina, ma per ciò che dimostra sul linguaggio umano.

Perché significa che una parte impressionante di ciò che riconosciamo immediatamente come “pensiero nagualista” è una struttura. Ha delle regole. Ha delle associazioni preferenziali. Ha dei percorsi. Possiede, in sostanza, una sintassi.

Ed ecco il piccolo sacrilegio: lo stesso nagualismo è anche un framework linguistico, è un modello.

Come un linguaggio di programmazione, soltanto con aquile, ombre che volano, fibre luminose e meno parentesi graffe.

Questo non significa che l’esperienza a cui il nagualismo pretende di riferirsi sia riducibile al linguaggio. Significa qualcosa di più semplice: il discorso sul nagualismo sì. Quello può essere appreso, imitato, ricombinato, completato. La macchina può diventare bravissima a parlare di esperienze che non ha mai avuto proprio perché ciò che sta imparando non è l’esperienza, ma la grammatica con cui noi la raccontiamo.

E lo stesso vale per quasi ogni altro framework umano.

La decorazione linguistica

La cosa diventa ancora più divertente quando cerchiamo rifugio nelle parole speciali. Gli esseri umani adorano ribattezzare le cose.

Se dici:

alterazione della regolazione affettiva

sembra psicologia.

Se dici:

oscillazione del punto d’unione

sembra che qualcuno stia per attraversare il deserto di Sonora insieme a Don Juan.

La macchina, invece, è spesso sorprendentemente indifferente alla decorazione linguistica. Le parole vengono trasformate in rappresentazioni distribuite in spazi matematici ad altissima dimensionalità. Termini differenti utilizzati in contesti simili finiscono per possedere relazioni geometriche e concettuali riconoscibili.
Per una macchina il concetto di punto di unione, se si immagina uno spazio 3d e semplifichiamo che cosa fa, è semplicemente accanto ad altri concetti simili del mondo psicologico, spirituale etc.

Questo non significa che regolazione affettiva e punto d’unione siano letteralmente la stessa cosa. Naturalmente non lo sono. Ma significa che il modello può attraversare abbastanza facilmente il rivestimento terminologico e riconoscere somiglianze funzionali, metaforiche o contestuali.

È come se ogni tanto dicesse all’esoterista:

«Lo so che hai cambiato i nomi alle cose e vuoi sentirti speciale, ma non stai facendo niente di particolare.»

Anni di iniziazioni magari pagate a caro prezzo e demoliti da un prodotto scalare.

E forse proprio per questo l’IA può essere utile anche a chi si occupa seriamente di spiritualità: costringe a domandarsi continuamente dove finisca l’esperienza e dove cominci il vocabolario con cui abbiamo imparato a raccontarla e a raccontarcela.

Il programmatore e il poeta

Qui emerge però una differenza fondamentale. Il codice informatico possiede un giudice spietato: il compilatore.

Possiamo scrivere per due ore la funzione più elevata della nostra vita. Possiamo sentirne profondamente l’intento. Possiamo sapere interiormente che quella funzione deve funzionare. Poi Go o qualunque altro linguaggio di programmazione risponde qualcosa come:

undefined: error

Fine della discussione.

Il compilatore non rispetta il nostro percorso. Non considera il trauma infantile. Non apprezza la nostra intenzione. Non dice: “Quello che hai scritto è comunque molto valido.” Dice:

NO.

Ed è meraviglioso.

Nella psicologia, nella filosofia e soprattutto nella spiritualità il compilatore è molto meno evidente. Una frase deve soprattutto sembrare plausibile, ragionevole, suonare beme. Deve inserirsi nella struttura concettuale che il lettore già possiede. La Ai deve essere brava ad ammaliare.

Se scrivo: “Quando il guerriero smette di difendere la propria immagine, l’energia precedentemente immobilizzata nella descrizione di sé torna disponibile all’intento”, molti lettori del genere sentiranno immediatamente: sì.

Ma dov’è il compilatore?

Chi determina se sia vero?

Quale esperimento fallisce?

Quale terminale stampa l’errore?

Il verificatore siamo noi stessi. ma verifichiamo davvero?

Ed è lì che l’IA gioca in casa. Perché non deve necessariamente produrre verità. Deve produrre continuazioni linguisticamente convincenti. E il cervello del lettore farà gratuitamente una parte del lavoro.

Questo è uno dei punti che trovo più divertenti e anche più spietati. Il programmatore può accorgersi che la macchina sta dicendo sciocchezze molto prima del filosofo, perché il programma non parte. Il poeta invece può leggere una frase perfettamente vuota e trovarla commovente per tre giorni.

Non perché sia stupido. Perché il linguaggio funziona così.

Ma chi è allora il vero poeta?

Pensiamo che il significato stia nelle parole. Ma le parole sono segni, rumori, forme grafiche. Sono scarabocchi senza senso tolta l’interpretazione.

Il termine cane non contiene nessun cane. Non abbaia. Non ha pelo. Non corre. Non chiede di uscire alle sette del mattino.

Esiste un accordo collettivo per cui quella sequenza di lettere rimanda a un certo campo di esperienza. Noi vediamo il segno e il nostro sistema percettivo fa il resto: immagine, memoria, concetto, emozione, associazione.

Il significato emerge dall’incontro tra il segno, la cultura e l’esperienza di chi legge.

In questo senso si potrebbe dire provocatoriamente che il vero poeta non è chi scrive. È chi legge.

Chi scrive dispone i segni. Chi legge genera il mondo. INtrepreta il mondo. Allinea il mondo.

Ed è questo che rende un chatbot così impressionante. Produce segni estremamente adatti a mettere in moto la nostra macchina semantica. Noi la avviamo. Poi rimaniamo stupiti dal risultato. Che abbiamo proiettato noi.

In un certo senso chiediamo alla macchina di mostrarci uno specchio, guardiamo dentro, riconosciamo qualcosa di noi stessi e poi attribuiamo allo specchio la profondità del volto che abbiamo visto.

La macchina costruita con la descrizione del mondo

Arriviamo così al punto che forse rende davvero interessante l’IA da una prospettiva nagualista.

L’IA è una macchina costruita quasi interamente dalla descrizione umana del mondo.

Non ha assorbito semplicemente “il mondo”. Ha assorbito soprattutto ciò che gli esseri umani hanno scritto, detto, fotografato, classificato e registrato del mondo: le nostre categorie, le nostre tassonomie, le nostre spiegazioni, i nostri pregiudizi, le poesie, i manuali universitari, i forum, reddit, le chat, i romanzi, le confessioni, le litigate, le battute, le preghiere e tutto il resto.

Tutto quel che poteva fagocitare selo è mangiato. E mangia tutti i giorni.

È una specie di gigantesca compressione statistica della descrizione collettiva.

Per usare il linguaggio di Castaneda:

l’IA è Tonal compresso estremamente ampio.

È per questo che sa parlare così bene del Tonal. È stata costruita precisamente con quello. Non deve necessariamente conoscere il mondo come lo conosce un organismo vivente. Le basta conoscere la forma della nostra descrizione del mondo.

Ed è qui che l’IA diventa quasi filosoficamente perfetta come oggetto nagualista. Perché ci mette davanti una creatura fatta, in larghissima parte, di descrizione. Un enorme apparato che restituisce all’uomo il mondo così come l’uomo lo ha raccontato.

Quando la macchina ci sembra profondissima, quindi, sarebbe utile domandarsi: quanta di quella profondità appartiene alla macchina e quanta appartiene alla gigantesca sedimentazione culturale che la macchina sta ricombinando per noi?

La derivata: la matematica del “qui e ora”

Ma se la macchina non riflette sui propri errori, come impara? Qui entra in scena uno strumento matematico apparentemente molto lontano da tutte queste questioni: la derivata.

Per capire che cos’è senza trasformare tutto in una lezione di analisi matematica, immaginiamo una macchina che corre lungo una strada. In ogni istante possiede una posizione. Se voglio sapere quanto velocemente si sta muovendo proprio adesso, devo osservare come cambia quella posizione in intervalli di tempo sempre più piccoli, fino a farli matematicamente tendere a zero.

Quello che ottengo è la velocità istantanea: la derivata della posizione rispetto al tempo. La velocità… nel qui e ora.

La derivata, quindi, non racconta tutto il viaggio. Tizio può essere partito da Milano due ore fa, essersi perso tre volte, aver litigato all’autogrill e aver passato venti minuti fermo nel traffico. Alla derivata non interessa. Domanda soltanto:

come sta cambiando la posizione proprio qui, proprio adesso?

Non racconta l’intero viaggio: osserva che cosa sta facendo in quel punto. Per questo possiamo immaginarla come una specie di matematica del qui e ora.

L’integrale compie invece il movimento complementare. Se conosco la velocità della macchina istante dopo istante e la integro nel tempo, accumulo tutti quei minuscoli spostamenti e posso ricostruire lo spostamento complessivo. In breve: la derivata misura il cambiamento presente; l’integrale accumula ciò che è accaduto.

Ed ecco che il gioco diventa interessante.

La nostra storia personale è un integrale.

Tizio è Tizio perché continua, istante dopo istante, a integrare Tizio. Accumula ciò che gli è successo, ciò che pensa gli sia successo, ciò che gli altri gli hanno detto che è, le reazioni avute cento volte, le paure confermate, i successi ricordati, le sconfitte trasformate in identità. Tutto sedimenta fino a diventare qualcosa di relativamente stabile che chiama me stesso.

Io sono fatto così.

Io con queste persone reagisco così.

Questa cosa mi fa paura perché una volta…

Non potrei mai fare quello perché non sono il tipo…

Integrale, integrale, integrale.

Di rado derivata.

La storia personale è questo gigantesco accumulo attraverso il quale il passato viene continuamente trasportato nel presente e utilizzato per predire il futuro. Detta in linguaggio da Intelligenza Artificiale, potremmo quasi chiamarla contesto compresso automaticamente.

Anche noi utilizziamo continuamente ciò che è già accaduto per predire il prossimo token del mondo.

Vedo Marco entrare nella stanza. Conosco Marco, ricordo l’ultima discussione, riconosco il tono della sua voce. Prima ancora che finisca la frase, il mio sistema sta già completando la sequenza:

Marco → situazione → storia → prossimo token probabile.

La derivata formula invece una domanda molto più povera e, proprio per questo, radicale:

che cosa sta succedendo realmente qui, adesso?

Non: come è sempre stato Marco?

Non: che cosa ha fatto l’altra volta?

Ma: che cosa sta facendo in questo preciso istante?

Naturalmente una persona non è una funzione matematica e Castaneda non stava facendo analisi infinitesimale nel deserto di Sonora. È una metafora. Ma funziona perché rende visibile una differenza fondamentale: l’integrale costruisce continuità e conserva il viaggio; la derivata guarda il cambiamento locale senza aver bisogno di raccontare tutta la storia precedente.

E forse è anche per questo che il “qui e ora” è così difficile. Noi non viviamo quasi mai soltanto nel punto.

Viviamo nell’integrale.

Arriviamo a ogni istante trascinandoci dietro l’area accumulata sotto tutta la nostra curva... Perfino quando diciamo di “conoscere” qualcuno, spesso intendiamo proprio questo: possediamo abbastanza passato da poterlo predire. Non lo guardiamo per ciò che è in quel momento, magari nuovo, diverso, fresco. Lo guardiamo attraverso tutto ciò che abbiamo già accumulato. Lo prevedediamo, lo immaginiamo. Non c’é Vedere.

A questo punto possiamo tornare all’Intelligenza Artificiale, perché durante l’addestramento la derivata ricompare davvero, questa volta non soltanto come metafora.

Immaginiamo una gigantesca montagna fatta di numeri. Ogni posizione rappresenta una certa configurazione dei parametri della rete neurale; l’altezza rappresenta quanto il modello sta sbagliando, cioè la sua funzione di perdita, o loss.

Più siamo in alto, maggiore è l’errore. Più scendiamo verso il fondo della valle, minore è l’errore.

La domanda è:

da che parte dobbiamo muoverci per scendere?

In una funzione semplice la derivata ci dice la pendenza della curva in quel punto. In una rete neurale, dove i parametri possono essere miliardi, si usa il gradiente, che generalizza lo stesso concetto a moltissime dimensioni.

Il gradiente dice, in sostanza:

se modifico di pochissimo questi parametri, come cambia l’errore?

Indica la direzione in cui l’errore cresce più rapidamente; andando nella direzione opposta lo riduciamo. Da qui il nome gradient descent, discesa del gradiente.

Detta brutalmente: la macchina ha sbagliato e la matematica le dice da che parte spostare un pochino i suoi numeri perché la prossima volta sbagli meno.

Non pensa: ho capito dove ho sbagliato.

Non ripercorre la propria infanzia digitale.

Calcola il gradiente, modifica i numeri e ripete. Miliardi di volte.

Ed è curioso: l’IA non possiede alcun qui e ora esperienziale, ma viene addestrata attraverso una matematica che domanda continuamente:

che cosa succede all’errore se mi muovo di pochissimo proprio da qui ora?

L’IA, però, non possiede una storia personale. Non ricorda il proprio passato come noi ricordiamo il nostro e non costruisce un’autobiografia. Il suo enorme “integrale” esiste altrove:

nei pesi.

Miliardi di testi, esempi e correzioni hanno modificato quei parametri durante l’addestramento. Ma quella sedimentazione non è la sua storia personale.

È, in grandissima parte, la nostra.

Noi abbiamo una biografia sedimentata.

Lei ha una sedimentazione statistica della descrizione umana del mondo.

Noi abbiamo la nostra storia personale.

Lei ha i suoi pesi.

E qui uomo e macchina tornano curiosamente ad assomigliarsi: entrambi affrontano ciò che viene dopo attraverso ciò che si è accumulato prima.

Noi guardiamo Marco e prediciamo quello che dirà sulla base di tutto ciò che sappiamo di Marco. La macchina legge una sequenza di token e predice quello successivo sulla base di ciò che è sedimentato nei suoi parametri e di ciò che trova nel contesto.

I due meccanismi non sono la stessa cosa, naturalmente. Ma il parallelismo è suggestivo: entrambi utilizziamo il passato per restringere violentemente lo spazio di ciò che potrebbe accadere dopo.

Ed è forse questo che rende così difficile, nel linguaggio di Castaneda, “fermare il mondo.”

Il mondo normalmente non arriva mai davvero nuovo.

Lo precede sempre il nostro integrale.

Vediamo una persona e sappiamo già chi è. Entriamo in una situazione e sappiamo già cosa significa. Sentiamo una frase e sappiamo già dove va a parare.

Il passato calcola continuamente il futuro.

Forse allora “fermare il mondo” può essere descritto come una momentanea rivolta contro l’integrale: smettere per un istante di chiedere al passato che cosa deve significare ciò che sta accadendo adesso.

Restare sulla derivata.

Sulla variazione.

Sul punto.

Prima che l’integrale della nostra storia personale calcoli ancora una volta il prossimo token del mondo.