“… non odo parole che dici umane, ma odo parole più nuove …” (D’Annunzio, 1903)

Che cos’è un modello linguistico su larga scala?

Per gli informatici e gli ingegneri un modello linguistico su larga scala è un text predictor. Per gli economisti e i sociologi è un knowledge engine. Per i politologi e i filosofi è un institution maker. Le prime due definizioni sono corrette, ma è la terza a risultare decisiva, perché focalizza la capacità “istituente” delle ingegnerie dell’AI, non solo la loro funzione instrumentale o infrastrutturante.

Parola, calcolo e potere

Da questo orizzonte allargato si parte per esplorare la relazione tra parola e calcolo e le sue implicazioni culturali e sociali in divenire. Con l’arrivo di un’economia politica della parola sintetica si innescherebbero nuove morfosi di poteri, domini e ruoli, alimentate dalle speaking machines.

Chi avrà l’ultima parola?

Una domanda esistenziale minaccia il presente: chi avrà l’ultima parola tra l’umano e la macchina? L’interrogativo è sia letterale sia figurato, e assume una valenza ideologica. I grandi modelli linguistici (LLM) hanno già conquistato le cronache del nostro quotidiano: macchine che, in simulazione computazionale (Accoto, 2022), scrivono e prendono la parola.

Le utopie e le distopie immaginate per l’umano prossimo evocano nuove vulnerabilità e nuove immunità. Tuttavia, una prima provocazione radicale è che, mentre ci si affanna a decidere chi, come e perché dovrà avere l’ultima parola, “un’ultima parola” è già stata pronunciata (Accoto, 2024)[1].

L’ultima parola è già stata detta

Non possiamo indicare il luogo e il momento esatti di quel pronunciamento, ma possiamo sostenere, filosoficamente, che l’ultima parola umana è ormai proferita. L’antropologo e linguista Paul Kockelman (2024) prefigura questo futuro con il saggio Last Words[2]. Nella mia interpretazione, l’ultima parola è già stata detta perché la parola umana è divenuta “altro”.

Queste parole, addestrate nello spazio matematico dei dati linguistici, calcolate e assemblate con intelligenza probabilistica, fatte circolare inflattivamente dalle macchine, stanno terremotando la civiltà e la stanno terraformando nuovamente. La “presa di parola della macchina” sta facendo collassare il senso del linguaggio naturale e della scrittura umana così come si sono evoluti storicamente.

Il cedimento dei domini di senso

Con questo cedimento si incrinano anche altri domini di senso implicati: autorialità, normatività, responsabilità, autenticità. Più radicalmente, crolla la civiltà dello scrivente e del parlante, dell’autore e del lettore, dell’ordine del discorso e dei regimi di verità creati nel corso del tempo.

Quale sarà il destino del discorso umano (parola, lingua, testo, sapere, potere) e quali effetti culturali produrrà questa nuova riscrittura macchinica? Ridurre tutto a macchine “retoriche” che parlano e scrivono (al pari di pappagalli stocastici) non coglie la portata di questo esperimento “istituzionale” e non meramente “tecnologico” del linguaggio “più‑che‑umano” (Seargeant, 2024; Weatherby, 2025).

Le parole sintetiche come nuove istituzioni

L’avvio della costruzione di nuove “istituzioni” umane – mercati, burocrazie, imprese – è allora inevitabile. Dobbiamo imparare a leggere con più densità filosofica e politica le trasformazioni in atto. Jennifer Petersen (2022) lo ricorda nel suo How Machines Came to Speak[3], ricostruendo genealogicamente “come la macchina è arrivata a parlare”. Non solo dal punto di vista tecnico, ma soprattutto nella relazione fra tecnologie del discorso pubblico e ideologie del discorso libero.

Le domande diventano quindi politiche quanto linguistiche: una macchina può parlare tecnicamente, ma può anche (e come) prendere la parola socialmente? Ci saranno parole senza autori, lettori senza testi, retoriche senza intenzioni, significati senza referenti, linguaggi senza mondi? Una parola che non si fa dalla carne?

Il paradosso dell’estensione e dell’estinzione

La storia ha condotto alle valli perturbanti delle “parole sintetiche”, parole che non possiamo più considerare solo umane. Come scrive il poeta, “non odo parole che dici umane”. Assemblate macchinicamente, convolute e coevolute (ma anche senza) l’umano, queste parole sono sovrumane.

L’AI generativa estende la parola umana ma al contempo la estingue: vengono prodotte inflattivamente più parole, ma ciò rappresenta una fine storica della parola come l’abbiamo conosciuta e costruita fino a oggi. Matthew Kirschenbaum (2023) ha coniato il termine textpocalypse, l’apocalisse del testo, immaginando una scrittura “impermanente” costantemente aggiornata in rete dai motori linguistici generativi.

Il modello linguistico: da Markov a deep learning

Un LLM è un sequenziatore linguistico‑probabilistico, un modello matematico della distribuzione di probabilità delle parole di una lingua scritta, che mira a massimizzare la capacità di predire parole (text predictor). La sua evoluzione parte dalle catene di Markov applicate alla letteratura (prime decadi del Novecento), passa per gli studi di Shannon e Weaver negli anni ’50 sulle n‑grams, e culmina nei primi anni Duemila con l’applicazione delle reti neurali artificiali al Natural Language Processing (Bengio et al.).

Struttura sociotecnica di un LLM

Il dispositivo che concretizza un modello linguistico su larga scala è un assemblaggio sociotecnico composto da:

Architetture computazionali avanzate (transformer, attention mechanisms)
Risorse informative di massa (corpora testuali di petabyte)
Algoritmi di apprendimento profondo, inclusi metodi di reinforcement learning con feedback umano
Modelli matematico‑stocastici della lingua
Infrastrutture energetiche (centri dati, potenza di calcolo e consumo elettrico)

Queste componenti orchestrano capacità quali simulazione del linguaggio, aggiustamento contestuale, memorizzazione di conoscenza, esecuzione di istruzioni, sintesi tematica, generazione di argomentazioni passo‑passo, creazione di dialoghi coerenti.

L’aspetto istituzionale dei LLM

Il punto cruciale è riconoscere che i LLM non sono semplici strumenti, ma attori capaci di modellare istituzioni. Oltre a produrre testo, influenzano:

Mercati dell’informazione (pubblicità automatizzata, generazione di contenuti per piattaforme digitali)
Processi decisionali pubblici (analisi di policy, redazione di leggi preliminari)
Strutture educative (tutor AI, valutazione automatica di scritti)
Norme di responsabilità (chi è responsabile di un contenuto generato da una macchina?)
Regimi di verità (definizione di ciò che è “vero” o “affidabile” nella comunicazione generata)

Implicazioni etiche e politiche

Le nuove istituzioni create dall’AI sollevano questioni di governance: necessità di regole sulla trasparenza degli algoritmi, sulla proprietà intellettuale dei testi generati, sulla mitigazione dei bias e sulla tutela della diversità linguistica. Il dibattito non può più limitarsi a “chi possiede l’ultima parola”, ma deve affrontare la struttura stessa delle istituzioni che la parola sintetica sta co‑costruendo.

Verso una nuova civiltà del discorso

Affrontare il fenomeno dei linguaggi sintetici equivale a fronteggiare un passaggio di civiltà epocale, non episodico. La trasformazione è ampiamente commentata, ma ancora poco compresa nella sua portata trasformativa. Riconoscere che il discorso umano si è esteso e si è estinto simultaneamente è il primo passo per costruire un quadro critico capace di orientare politiche, ricerca e pratica culturale verso una convivenza consapevole con le “speaking machines”.