- nexa - server-nexa.polito.it

Re: Illusions of Understanding from Outsourcing Thinking to LLMs

by Daniela Tafani

D'accordo. Allora, quando hai scritto frasi come "Oggi i modelli sanno leggere e interpretare immagini e quindi farsi una propria idea della realtà", stavi formulando una tua personale professione di fede. Così va bene, grazie. Non occorre discutere oltre. Io mi appello alla libertà di culto. La religione della Silicon Valley non è la mia. Il 16/05/26 18:53, Giuseppe Attardi ha scritto: > >> On 16 May 2026, at 18:25, Daniela Tafani <daniela.tafani(a)unipi.it> wrote: >> >> E' come temevo, sì: non si può dire, allora, >> né che le persone pensino né che gli artefatti non pensino. > Puoi dire ciò che vuoi, ma devi fornire una definizione quando vuoi “provare” qualcosa, come quando parli di “onere della prova”. > Anche una proprietà come l’intelligenza può essere “provabile” dandone una definizione osservabile e falsificabile, come ad esempio il test di Turing. > > -- > >> Esattamente l'indistinguibilità tra persone e macchine che caratterizza l'approccio dello psicopatico >> (Simon Baron-Cohen, La scienza del male. L'empatia e le origini della crudeltà, 2012) >> e di quel progetto politico del complesso militare-industriale (e accademico) denominato "intelligenza artificiale". >> >> >> ________________________________________ >> Da: Giuseppe Attardi <attardi(a)di.unipi.it> >> Inviato: sabato 16 maggio 2026 17:59 >> A: Daniela Tafani >> Cc: Giuseppe Attardi; nexa >> Oggetto: Re: Illusions of Understanding from Outsourcing Thinking to LLMs >> >> >> >>> On 16 May 2026, at 16:23, Daniela Tafani <daniela.tafani(a)unipi.it> wrote: >>> >>> Quindi potrei sostenere che la sedia, il tavolo e la tovaglia pensino? >> Ragionamento fallace: dire che non si può affermare !P(x) senza una definizione di P(x), significa che non si può affermare né P(x) né !P(x) per nessun x. >>> Non incomberebbe a me l'onere della prova? >> Per provare qualcosa, occorre prima definirla formalmente. >> >> -- >>> >>> >>> ________________________________________ >>> Da: Giuseppe Attardi via nexa <nexa(a)server-nexa.polito.it> >>> Inviato: sabato 16 maggio 2026 12:48 >>> A: Giuseppe Attardi >>> Cc: nexa >>> Oggetto: [nexa] Re: Illusions of Understanding from Outsourcing Thinking to LLMs >>> >>> >>> >>> On 16 May 2026, at 12:20, Giuseppe Attardi <giuseppe.attardi(a)unipi.it> wrote: >>> >>> >>> >>> On 16 May 2026, at 06:30, nexa-request(a)server-nexa.polito.it wrote: >>> >>> LLMs Cannot Think >>> >>> La scienza tratta solo concetti che siano misurabili, osservabili e falsificabili. >>> Si potrà falsificare “think” solo quando se ne darà una definizione falsificabile. >>> >>> The companies marketing their LLMs often describe them with >>> anthropomorphising terms like "thinking" and "reasoning", which might >>> create the impression that they can think (Mirzadeh et al., 2025; >>> Shojaee et al., 2026). But for that impression to be accurate we would >>> have to stretch the meaning of the term to refer trivially to whatever >>> the LLMs produce as output >>> Argomento del fantoccio (strawman): attribuisce una definizione che piace a lui a quanto direbbero altri. >>> - much like the meaning of intelligence has >>> historically been watered down to whatever the tests used to >>> operationalise the construct measured (Loru et al., 2025; Mitchell, >>> 2023; Quattrociocchi & Capraro, 2025; van der Maas et al., 2021). The >>> task of developing systems with non-trivial capability for human-like >>> cognition is computationally intractable (van Rooij et al., 2024). >>> >>> L’articolo di van Rooij afferma che si tratta di un problema NP-hard. Quasi ogni problema interessante in informatica è NP-hard, il ché non vuol dire che non si possa affrontare. >>> A scanso di equivoci: tutte le proprietà non banali dei programmi sono non decidibili, teorema di Rice. >>> Per problemi interessanti intendevo ciò che resta all’interno del computabile. >>> Lo sviluppo di euristiche per risolvere efficientemente problemi NP-hard è un importante campo di ricerca. >>> Qualcuno lo ha fatto proprio con i Transformer: >>> https://arxiv.org/abs/2103.03012 >>> >>> -- >>>

May 16, 2026

Re: Illusions of Understanding from Outsourcing Thinking to LLMs

by Giuseppe Attardi

> On 16 May 2026, at 18:25, Daniela Tafani <daniela.tafani(a)unipi.it> wrote: > > E' come temevo, sì: non si può dire, allora, > né che le persone pensino né che gli artefatti non pensino. Puoi dire ciò che vuoi, ma devi fornire una definizione quando vuoi “provare” qualcosa, come quando parli di “onere della prova”. Anche una proprietà come l’intelligenza può essere “provabile” dandone una definizione osservabile e falsificabile, come ad esempio il test di Turing. -- > > Esattamente l'indistinguibilità tra persone e macchine che caratterizza l'approccio dello psicopatico > (Simon Baron-Cohen, La scienza del male. L'empatia e le origini della crudeltà, 2012) > e di quel progetto politico del complesso militare-industriale (e accademico) denominato "intelligenza artificiale". > > > ________________________________________ > Da: Giuseppe Attardi <attardi(a)di.unipi.it> > Inviato: sabato 16 maggio 2026 17:59 > A: Daniela Tafani > Cc: Giuseppe Attardi; nexa > Oggetto: Re: Illusions of Understanding from Outsourcing Thinking to LLMs > > > >> On 16 May 2026, at 16:23, Daniela Tafani <daniela.tafani(a)unipi.it> wrote: >> >> Quindi potrei sostenere che la sedia, il tavolo e la tovaglia pensino? > Ragionamento fallace: dire che non si può affermare !P(x) senza una definizione di P(x), significa che non si può affermare né P(x) né !P(x) per nessun x. >> Non incomberebbe a me l'onere della prova? > Per provare qualcosa, occorre prima definirla formalmente. > > -- >> >> >> >> ________________________________________ >> Da: Giuseppe Attardi via nexa <nexa(a)server-nexa.polito.it> >> Inviato: sabato 16 maggio 2026 12:48 >> A: Giuseppe Attardi >> Cc: nexa >> Oggetto: [nexa] Re: Illusions of Understanding from Outsourcing Thinking to LLMs >> >> >> >> On 16 May 2026, at 12:20, Giuseppe Attardi <giuseppe.attardi(a)unipi.it> wrote: >> >> >> >> On 16 May 2026, at 06:30, nexa-request(a)server-nexa.polito.it wrote: >> >> LLMs Cannot Think >> >> La scienza tratta solo concetti che siano misurabili, osservabili e falsificabili. >> Si potrà falsificare “think” solo quando se ne darà una definizione falsificabile. >> >> The companies marketing their LLMs often describe them with >> anthropomorphising terms like "thinking" and "reasoning", which might >> create the impression that they can think (Mirzadeh et al., 2025; >> Shojaee et al., 2026). But for that impression to be accurate we would >> have to stretch the meaning of the term to refer trivially to whatever >> the LLMs produce as output >> Argomento del fantoccio (strawman): attribuisce una definizione che piace a lui a quanto direbbero altri. >> - much like the meaning of intelligence has >> historically been watered down to whatever the tests used to >> operationalise the construct measured (Loru et al., 2025; Mitchell, >> 2023; Quattrociocchi & Capraro, 2025; van der Maas et al., 2021). The >> task of developing systems with non-trivial capability for human-like >> cognition is computationally intractable (van Rooij et al., 2024). >> >> L’articolo di van Rooij afferma che si tratta di un problema NP-hard. Quasi ogni problema interessante in informatica è NP-hard, il ché non vuol dire che non si possa affrontare. >> A scanso di equivoci: tutte le proprietà non banali dei programmi sono non decidibili, teorema di Rice. >> Per problemi interessanti intendevo ciò che resta all’interno del computabile. >> Lo sviluppo di euristiche per risolvere efficientemente problemi NP-hard è un importante campo di ricerca. >> Qualcuno lo ha fatto proprio con i Transformer: >> https://arxiv.org/abs/2103.03012 >> >> -- >> >

May 16, 2026

Re: Una domanda a Beppe Attardi

by Giuseppe Attardi

Grazie per le domande. Quali delle AI attuali sono state influenzate da interessi commerciali? La corsa alla costruzione di modelli sempre più grandi è motivata dalla conquista di quote di mercato e dall’esclusione o dalla distruzione della concorrenza. Nel campo del software engineering ci sono già casi di startup che sono fallite o effetti dirompenti su aziende ben stabilite come Salesforce, dovuti all’invasione del settore da parte di advanced coding models. Altre aree influenzate sono la finanza, la cybersecurity. Le stesse Big Tech che dominano le piattaforme digitali stanno ampliando il loro dominio e vogliono evitare che le loro quote di mercato vengano erose. Incorporare modelli di AI nei servizi digitali costituisce un’ulteriore forma di lock-in. Ditte come Palantir hanno sviluppato la tecnologia specificamente nella direzione del controllo delle persone, dell’intelligence integrata globale per uso militare e di sicurezza (Observe, Orient, Decide, and Act). Quali direzioni andrebbero esplorate? Suggerivo modelli ricorsivi o ricorrenti, che consentirebbero modelli di dimensioni inferiori e capacità di astrazioni maggiori. Inoltre esplorare la possibiltà di apprendimento continuo, anche questo possibile con modelli ricorrenti che si automodificano. Ma le migliori idee dovrebbero venire dagli stessi ricercatori, lasciati liberi di esplorare nuove strade nel CERN for AI. Un’altro obiettivo è la democratizzazione della tecnologia, rendendo partecipi più possibili tutti nella progettazione e nello sviluppo, anche con iniziative come il training distribuito. Senza contare che le conoscenze acquisite sul campo dovrebbero servire a fornire indicazioni alla politica sugli interventi necessari per rendere il digitale futuro più aperto e meno invasivo (contrastare la cosiddetta Enshittification), con norme che prevedano la portabilità e la interoperabilità dei sistemi. — Beppe On 16 May 2026, at 16:23, nexa-request(a)server-nexa.polito.it wrote: From: de petra giulio <giulio.depetra(a)gmail.com<mailto:giulio.depetra@gmail.com>> Ringrazio sinceramente Enrico, Beppe, Guido, Giacomo e tutti/e coloro che hanno contribuito all’interessantissimo scambio di opinioni a partire dal documento ‘una visione realistica dell’intelligenza artificiale’. Per me una preziosa occasione di diminuire almeno un po’ la mia ignoranza. Mi permetto di fare una domanda. Nel suo primo intervento di critica Beppe ha scritto. ‘Ma ci sono strade di ricerca da esplorare diverse da quelle guidate da interessi commerciali, e su questo si dovrebbe investire in Europa. Da tempo, con l’associazione CAIRNE (https://cairne.eu/cern-for-ai/) e di recente con l’appoggio del premio Nobel Giorgio Parisi, stiamo chiedendo la costituzione di un CERN for AI, un centro fisico (non le solite network che piacciono tanto ai funzionari europei, vedi RAISE https://www.coe-raise.eu/) dove concentrare gli investimenti e i ricercatori in AI, dotandoli della necessaria libertà di ricerca, per battere anche strade inesplorate.’ Beppe mette in evidenza che la ricerca, quella che ha prodotto i sistemi attuali di AI, è stata ed è guidata da interessi commerciali (e militari, considerando la stretta interconnessione tra uso commerciale e uso militare della AI). La domanda che faccio è: quali filoni di ricerca e quali parti della AI attuale sono state e sono influenzate/determinate dagli interessi commerciali/militari? E quali strade di ricerca, anche inesplorate, occorrerebbe battere per sottrarsi a questa influenza?

May 16, 2026

R: Illusions of Understanding from Outsourcing Thinking to LLMs

by Daniela Tafani

E' come temevo, sì: non si può dire, allora, né che le persone pensino né che gli artefatti non pensino. Esattamente l'indistinguibilità tra persone e macchine che caratterizza l'approccio dello psicopatico (Simon Baron-Cohen, La scienza del male. L'empatia e le origini della crudeltà, 2012) e di quel progetto politico del complesso militare-industriale (e accademico) denominato "intelligenza artificiale". ________________________________________ Da: Giuseppe Attardi <attardi(a)di.unipi.it> Inviato: sabato 16 maggio 2026 17:59 A: Daniela Tafani Cc: Giuseppe Attardi; nexa Oggetto: Re: Illusions of Understanding from Outsourcing Thinking to LLMs > On 16 May 2026, at 16:23, Daniela Tafani <daniela.tafani(a)unipi.it> wrote: > > Quindi potrei sostenere che la sedia, il tavolo e la tovaglia pensino? Ragionamento fallace: dire che non si può affermare !P(x) senza una definizione di P(x), significa che non si può affermare né P(x) né !P(x) per nessun x. > Non incomberebbe a me l'onere della prova? Per provare qualcosa, occorre prima definirla formalmente. -- > > > > ________________________________________ > Da: Giuseppe Attardi via nexa <nexa(a)server-nexa.polito.it> > Inviato: sabato 16 maggio 2026 12:48 > A: Giuseppe Attardi > Cc: nexa > Oggetto: [nexa] Re: Illusions of Understanding from Outsourcing Thinking to LLMs > > > > On 16 May 2026, at 12:20, Giuseppe Attardi <giuseppe.attardi(a)unipi.it> wrote: > > > > On 16 May 2026, at 06:30, nexa-request(a)server-nexa.polito.it wrote: > > LLMs Cannot Think > > La scienza tratta solo concetti che siano misurabili, osservabili e falsificabili. > Si potrà falsificare “think” solo quando se ne darà una definizione falsificabile. > > The companies marketing their LLMs often describe them with > anthropomorphising terms like "thinking" and "reasoning", which might > create the impression that they can think (Mirzadeh et al., 2025; > Shojaee et al., 2026). But for that impression to be accurate we would > have to stretch the meaning of the term to refer trivially to whatever > the LLMs produce as output > Argomento del fantoccio (strawman): attribuisce una definizione che piace a lui a quanto direbbero altri. > - much like the meaning of intelligence has > historically been watered down to whatever the tests used to > operationalise the construct measured (Loru et al., 2025; Mitchell, > 2023; Quattrociocchi & Capraro, 2025; van der Maas et al., 2021). The > task of developing systems with non-trivial capability for human-like > cognition is computationally intractable (van Rooij et al., 2024). > > L’articolo di van Rooij afferma che si tratta di un problema NP-hard. Quasi ogni problema interessante in informatica è NP-hard, il ché non vuol dire che non si possa affrontare. > A scanso di equivoci: tutte le proprietà non banali dei programmi sono non decidibili, teorema di Rice. > Per problemi interessanti intendevo ciò che resta all’interno del computabile. > Lo sviluppo di euristiche per risolvere efficientemente problemi NP-hard è un importante campo di ricerca. > Qualcuno lo ha fatto proprio con i Transformer: > https://arxiv.org/abs/2103.03012 > > -- >

May 16, 2026

Re: Una domanda a Beppe Attardi

by Giovanna Sissa

Mi inserisco nella domanda di Giulio portando il discorso su un livello bassissimo: quello della fisicità dell'IA e in particolare dei suoi bisogni elettrici. Talvolta mi è parso - faccio una considerazione che può sembrare "eretica" - che le "stime di crescita" siano perfino enfatizzate o almeno non siano tali da giustificare la capriola concettuale delle Big Tech. Che fino a due-tre anni fa negavano o minimizzare i consumi elettrici (e la relativa impronta di carbonio) dei servizi digitali e del cloud in genere e poi, con l'affacciarsi dell'IA, si sono precipitate a sbandierare consumi enormi ed strabilianti stime di crescita. Perchè? La necessità di risolvere ad ogni costo il problema di alimentare l'IA conduce direttamente alla produzione di energia elettrica ed al farlo in modo disruptive. Ha fatto così il suo ingresso nel dibattito sulla generazione leettrica una vecchia star: l'energia nucleare, proponendosi come unica via, ad es. con gli Small Modular Reactor, proposti come panacea energetica o con il ripristino di vecchie centrali nucleari dismesse. Segnalo in tema di "AI vs nucleare vs rinnovabili” una tesi forte: https://www.utilitydive.com/news/nuclear-power-smr-ai-amory-lovins/758660/ Il paper, riassumendolo al massimo, sostiene che il vero rischio non sia che l’AI consumi troppa elettricità, ma che governi e utility reagiscano in modo irrazionale costruendo infrastrutture energetiche basandosi su previsioni speculative. Si stanno anche promuovendo nuove centrali gas/nucleare/carbone, usando l’AI come giustificazione politica per rivitalizzare un settore decotto, il nucleare e per contrastare la crescita delle rinnovabili. Lovins propone l“integrative design” applicato all’efficienza energetica radicale nei data center, un approccio che mira a ridurre drasticamente i consumi energetici tramite progettazione sistemica e ottimizzazione dell’intero sistema, anziché dei singoli componenti. Ma, tornando al nucleare, c'è anche una prefazione di GB Zorzoli al libro "L'illusione del nucleare e la rivoluzione delle rinnovabili" di Gianni Silvestrini e Giuseppe Onufrio, edizioni Ambiente (2026). GB Zorzoli in tale prefazione fa alcune considerazioni, di cui la sesta riguarda - e non esattamente in termini entusiastici - proprio degli SMR: "Come è documentato nel libro, si tratta di una minestra riscaldata, essendo già stata proposta alla fine del secolo scorso e ben presto abbandonata, perché già in fase di progetto i maggiori costi unitari, dovuti alle ridotte dimensioni degli impianti, erano immancabilmente superiori a quelli risparmiati nel cantiere. Abbiamo dunque assistito a una versione aggiornata della celebre arietta del Metastasio: “come l’araba fenice:/che ci sia, ciascun lo dice;/dove sia, nessun lo sa”. Discussione chiusa? Niente affatto. Malgrado queste evidenze, la fabbrica delle fake news sul nucleare, che lavora ininterrottamente 24 ore su 24 e 7 giorni su 7, ha attribuito agli impianti nucleari, in primis agli Small nuclear reactor, la funzione di fornire nel modo economicamente più efficiente l’energia necessaria per bilanciare l’intermittenza della produzione eolica e solare." (pp. 11-12). Non ho sentito spesso mettere in discussione il connubio Data center IA - nucleare, che sembra dato per scontato (o quasi). Che ne pensate? Giovanna Il giorno sab 16 mag 2026 alle ore 16:06 de petra giulio via nexa <nexa(a)server-nexa.polito.it> ha scritto: > > Ringrazio sinceramente Enrico, Beppe, Guido, Giacomo e tutti/e coloro che hanno contribuito all’interessantissimo scambio di opinioni a partire dal > documento ‘una visione realistica dell’intelligenza artificiale’. Per me una preziosa occasione di diminuire almeno un po’ la mia ignoranza. > Mi permetto di fare una domanda. > > Nel suo primo intervento di critica Beppe ha scritto. > > ‘Ma ci sono strade di ricerca da esplorare diverse da quelle guidate da interessi commerciali, e su questo si dovrebbe investire in Europa. > Da tempo, con l’associazione CAIRNE (https://cairne.eu/cern-for-ai/) e di recente con l’appoggio del premio Nobel Giorgio Parisi, stiamo chiedendo la costituzione di un CERN for AI, un centro fisico (non le solite network che piacciono tanto ai funzionari europei, vedi RAISE https://www.coe-raise.eu/) dove concentrare gli investimenti e i ricercatori in AI, dotandoli della necessaria libertà di ricerca, per battere anche strade inesplorate.’ > > Beppe mette in evidenza che la ricerca, quella che ha prodotto i sistemi attuali di AI, è stata ed è guidata da interessi commerciali (e militari, considerando la stretta interconnessione tra uso commerciale e uso militare della AI). > La domanda che faccio è: quali filoni di ricerca e quali parti della AI attuale sono state e sono influenzate/determinate dagli interessi commerciali/militari? > E quali strade di ricerca, anche inesplorate, occorrerebbe battere per sottrarsi a questa influenza?

May 16, 2026

Re: Illusions of Understanding from Outsourcing Thinking to LLMs

by Giuseppe Attardi

> On 16 May 2026, at 16:23, Daniela Tafani <daniela.tafani(a)unipi.it> wrote: > > Quindi potrei sostenere che la sedia, il tavolo e la tovaglia pensino? Ragionamento fallace: dire che non si può affermare !P(x) senza una definizione di P(x), significa che non si può affermare né P(x) né !P(x) per nessun x. > Non incomberebbe a me l'onere della prova? Per provare qualcosa, occorre prima definirla formalmente. -- > > > > ________________________________________ > Da: Giuseppe Attardi via nexa <nexa(a)server-nexa.polito.it> > Inviato: sabato 16 maggio 2026 12:48 > A: Giuseppe Attardi > Cc: nexa > Oggetto: [nexa] Re: Illusions of Understanding from Outsourcing Thinking to LLMs > > > > On 16 May 2026, at 12:20, Giuseppe Attardi <giuseppe.attardi(a)unipi.it> wrote: > > > > On 16 May 2026, at 06:30, nexa-request(a)server-nexa.polito.it wrote: > > LLMs Cannot Think > > La scienza tratta solo concetti che siano misurabili, osservabili e falsificabili. > Si potrà falsificare “think” solo quando se ne darà una definizione falsificabile. > > The companies marketing their LLMs often describe them with > anthropomorphising terms like "thinking" and "reasoning", which might > create the impression that they can think (Mirzadeh et al., 2025; > Shojaee et al., 2026). But for that impression to be accurate we would > have to stretch the meaning of the term to refer trivially to whatever > the LLMs produce as output > Argomento del fantoccio (strawman): attribuisce una definizione che piace a lui a quanto direbbero altri. > - much like the meaning of intelligence has > historically been watered down to whatever the tests used to > operationalise the construct measured (Loru et al., 2025; Mitchell, > 2023; Quattrociocchi & Capraro, 2025; van der Maas et al., 2021). The > task of developing systems with non-trivial capability for human-like > cognition is computationally intractable (van Rooij et al., 2024). > > L’articolo di van Rooij afferma che si tratta di un problema NP-hard. Quasi ogni problema interessante in informatica è NP-hard, il ché non vuol dire che non si possa affrontare. > A scanso di equivoci: tutte le proprietà non banali dei programmi sono non decidibili, teorema di Rice. > Per problemi interessanti intendevo ciò che resta all’interno del computabile. > Lo sviluppo di euristiche per risolvere efficientemente problemi NP-hard è un importante campo di ricerca. > Qualcuno lo ha fatto proprio con i Transformer: > https://arxiv.org/abs/2103.03012 > > -- >

May 16, 2026

R: Illusions of Understanding from Outsourcing Thinking to LLMs

by Daniela Tafani

Quindi potrei sostenere che la sedia, il tavolo e la tovaglia pensino? Non incomberebbe a me l'onere della prova? ________________________________________ Da: Giuseppe Attardi via nexa <nexa(a)server-nexa.polito.it> Inviato: sabato 16 maggio 2026 12:48 A: Giuseppe Attardi Cc: nexa Oggetto: [nexa] Re: Illusions of Understanding from Outsourcing Thinking to LLMs On 16 May 2026, at 12:20, Giuseppe Attardi <giuseppe.attardi(a)unipi.it> wrote: On 16 May 2026, at 06:30, nexa-request(a)server-nexa.polito.it wrote: LLMs Cannot Think La scienza tratta solo concetti che siano misurabili, osservabili e falsificabili. Si potrà falsificare “think” solo quando se ne darà una definizione falsificabile. The companies marketing their LLMs often describe them with anthropomorphising terms like "thinking" and "reasoning", which might create the impression that they can think (Mirzadeh et al., 2025; Shojaee et al., 2026). But for that impression to be accurate we would have to stretch the meaning of the term to refer trivially to whatever the LLMs produce as output Argomento del fantoccio (strawman): attribuisce una definizione che piace a lui a quanto direbbero altri. - much like the meaning of intelligence has historically been watered down to whatever the tests used to operationalise the construct measured (Loru et al., 2025; Mitchell, 2023; Quattrociocchi & Capraro, 2025; van der Maas et al., 2021). The task of developing systems with non-trivial capability for human-like cognition is computationally intractable (van Rooij et al., 2024). L’articolo di van Rooij afferma che si tratta di un problema NP-hard. Quasi ogni problema interessante in informatica è NP-hard, il ché non vuol dire che non si possa affrontare. A scanso di equivoci: tutte le proprietà non banali dei programmi sono non decidibili, teorema di Rice. Per problemi interessanti intendevo ciò che resta all’interno del computabile. Lo sviluppo di euristiche per risolvere efficientemente problemi NP-hard è un importante campo di ricerca. Qualcuno lo ha fatto proprio con i Transformer: https://arxiv.org/abs/2103.03012 --

May 16, 2026

Una domanda a Beppe Attardi

by de petra giulio

Ringrazio sinceramente Enrico, Beppe, Guido, Giacomo e tutti/e coloro che hanno contribuito all’interessantissimo scambio di opinioni a partire dal documento ‘una visione realistica dell’intelligenza artificiale’. Per me una preziosa occasione di diminuire almeno un po’ la mia ignoranza. Mi permetto di fare una domanda. Nel suo primo intervento di critica Beppe ha scritto. ‘Ma ci sono strade di ricerca da esplorare diverse da quelle guidate da interessi commerciali, e su questo si dovrebbe investire in Europa. Da tempo, con l’associazione CAIRNE (https://cairne.eu/cern-for-ai/) e di recente con l’appoggio del premio Nobel Giorgio Parisi, stiamo chiedendo la costituzione di un CERN for AI, un centro fisico (non le solite network che piacciono tanto ai funzionari europei, vedi RAISE https://www.coe-raise.eu/) dove concentrare gli investimenti e i ricercatori in AI, dotandoli della necessaria libertà di ricerca, per battere anche strade inesplorate.’ Beppe mette in evidenza che la ricerca, quella che ha prodotto i sistemi attuali di AI, è stata ed è guidata da interessi commerciali (e militari, considerando la stretta interconnessione tra uso commerciale e uso militare della AI). La domanda che faccio è: quali filoni di ricerca e quali parti della AI attuale sono state e sono influenzate/determinate dagli interessi commerciali/militari? E quali strade di ricerca, anche inesplorate, occorrerebbe battere per sottrarsi a questa influenza?

May 16, 2026

"Now you can securely connect your financial accounts" to ChatGPT

by Daniela Tafani

A new personal finance experience in ChatGPT Today we’re releasing a preview of a new personal finance experience in ChatGPT to Pro users in the U.S. Now you can securely connect your financial accounts, see a dashboard of where your money is going, and ask ChatGPT questions grounded in your financial context – all while staying in control of your data. We’re starting with a preview to a smaller group so we can learn from real-world use, improve the experience, and expand thoughtfully. [...] With your financial accounts connected, ChatGPT can combine that reasoning with your real financial context and what you’ve shared about your goals, lifestyle, and priorities, helping you spot patterns, understand tradeoffs, and plan for big decisions in a way that feels more personal and complete. https://openai.com/index/personal-finance-chatgpt/

May 16, 2026

Re: Illusions of Understanding from Outsourcing Thinking to LLMs

by Giuseppe Attardi

On 16 May 2026, at 12:20, Giuseppe Attardi <giuseppe.attardi(a)unipi.it> wrote: On 16 May 2026, at 06:30, nexa-request(a)server-nexa.polito.it wrote: LLMs Cannot Think La scienza tratta solo concetti che siano misurabili, osservabili e falsificabili. Si potrà falsificare “think” solo quando se ne darà una definizione falsificabile. The companies marketing their LLMs often describe them with anthropomorphising terms like "thinking" and "reasoning", which might create the impression that they can think (Mirzadeh et al., 2025; Shojaee et al., 2026). But for that impression to be accurate we would have to stretch the meaning of the term to refer trivially to whatever the LLMs produce as output Argomento del fantoccio (strawman): attribuisce una definizione che piace a lui a quanto direbbero altri. - much like the meaning of intelligence has historically been watered down to whatever the tests used to operationalise the construct measured (Loru et al., 2025; Mitchell, 2023; Quattrociocchi & Capraro, 2025; van der Maas et al., 2021). The task of developing systems with non-trivial capability for human-like cognition is computationally intractable (van Rooij et al., 2024). L’articolo di van Rooij afferma che si tratta di un problema NP-hard. Quasi ogni problema interessante in informatica è NP-hard, il ché non vuol dire che non si possa affrontare. A scanso di equivoci: tutte le proprietà non banali dei programmi sono non decidibili, teorema di Rice. Per problemi interessanti intendevo ciò che resta all’interno del computabile. Lo sviluppo di euristiche per risolvere efficientemente problemi NP-hard è un importante campo di ricerca. Qualcuno lo ha fatto proprio con i Transformer: https://arxiv.org/abs/2103.03012 --

May 16, 2026