Caro Enrico,

Continuiamo un poco per vis polemica. 

La dichiarazione di Hinton l'ho vista fin dalla mia prima risposta e, francamente, usare quella dichiarazione del 2016 per squalificare l'impianto euristico del pensiero di Hinton mi è sembrato pretestuoso, anche nel caso in cui HInton avesse detto un'assurdità.

Invece, ripeto, l'affermazione di Hinton non ha nulla di assurdo, ma rappresenta più o meno lo stato dell'arte dei modelli del luglio 2026. Come ho già detto sopra, fornite ai modelli radiografie e verificate i risultati. Non è aneddotica. Sono fatti. Si tratta di verificare le capacità di una tecnologia che esiste. Modelli domestici, non supervisionati, non integrati in workflow complessi, non sbagliano mai (o quasi); quindi, io concludo, la tecnologia è (quasi?, lo sarà tra 3 anni? è rilevante?) in grado di sostituire i radiologi nelle attività di routine—che poi di fatto non succeda per una serie di ragioni varie è altra cosa, che non intacca quel che Hinton diceva. Ci sono interi ospedali in Cina che lo confermano, o lo confermeranno pienamente nei prossimi 5 anni. Quando più performante dovrebbe essere la tecnologia oggi per avvalorare la previsione di Hinton del 2016?

Tra l'altro, proprio perché sono i fatti a dover parlare, occorre chiarire quale fatto stiamo verificando. La citazione integrale conferma, non smentisce, il punto che ho sostenuto. Hinton predisse che entro cinque anni—forse dieci, come precisò immediatamente—il deep learning avrebbe fatto meglio dei radiologi nell’analisi delle immagini. Non disse che entro quella data sarebbe scomparsa la professione, né che una macchina avrebbe sostituito integralmente il giudizio clinico umano. Se per "azzeccata" intendessimo che ogni sistema avrebbe superato ogni radiologo, in qualsiasi branca e contesto, naturalmente sarebbe una formulazione insostenibile. Io l’ho usata nel senso, già esplicitato, che la previsione tecnologica relativa all’automazione del lavoro routinario di analisi delle immagini si è rivelata sostanzialmente corretta e, formulata nel 2016, sorprendentemente lungimirante. Che il consiglio di smettere tout court di formare radiologi fosse provocatorio e troppo assoluto è un’altra questione: ho parlato della sostenibilità del ragionamento sull’allocazione delle risorse formative, non proposto di chiudere oggi le scuole di radiologia.

Penso che molta della tensione che traspare dalle nostre posizioni si riduca a quel "(fortunatamente)" che tu usi in conclusione. Altri potrebbero invece dire "(sfortunatamente)" e ritenere che strumenti efficaci nella sostituzione del giudizio umano siano auspicabili. L'aneddotica ancora una volta può servire a confermare quelle posizioni. Poiché, visto lo stato dell'arte del "giudizio umano" al luglio 2026, la sua sostituibilità, si potrebbe argomentare, non è altro che auspicabile. Questa è un'iperbole. Riflette però un dibattito possibile, che non possiamo avere, perlomeno in questa sede, perché si ridurrebbe a posizioni inconciliabili e polarizzate. 

Giancarlo

PS Circa le fonti citate, oltre al fatto che tutti gli studi analizzano tecnologia già obsoleta, documentare alcuni errori della macchina non dimostra quindi che essa svolga peggio una determinata mansione: "meglio dei radiologi" (o "come i radiologi" o "tale da poterli sostituire anche alla luce delle economie di scala") non significa "infallibile"—e i medici umani sono tutt'altro che infallibili e nella maggior parte dei casi, sia per attitudine personale che per carichi di lavoro, assolutamente privi delle qualità di empatia che dovrebbero essere prodromiche all'ammissione alla professione medica.

Lo studio di Rao e altri, per esempio, valuta 21 modelli generalisti su appena 29 vignette pubbliche, disabilitando reasoning avanzato, ricerca, RAG e strumenti esterni. Gli autori precisano espressamente che lo studio non è progettato per confrontare i modelli con i medici e misura prestazioni di base, non quelle massime ottenibili. Trova una debolezza nella diagnosi differenziale, ma prestazioni molto migliori nella diagnosi finale, un’accuratezza complessiva dell’81–90 per cento, miglioramenti generalmente progressivi fra successive generazioni e, per diversi modelli, risultati migliori sugli item contenenti immagini che su quelli soltanto testuali. La sua conclusione è che questi sistemi non sono ancora affidabili per decisioni cliniche integrali e non supervisionate, mentre sono già utilizzabili per mansioni circoscritte, a bassa incertezza e supervisionate. È esattamente la distinzione che ho sostenuto.

Ramaswamy e altri testano invece il chatbot consumer ChatGPT Health, basato su GPT-5-mini, su 60 vignette di triage: niente radiografie e nessun confronto con radiologi. I due preprint sulla formulazione delle domande sono ancora più distanti. Yun e altri studiano domande sull’efficacia di trattamenti basate su abstract di trial clinici; il framing riduce l’accordo medio dal 76,2 al 72 per cento, non dimostra genericamente che i modelli «sbagliano molto», e la valutazione automatica non è stata sistematicamente validata da esperti umani. Bazoge e altri confrontano vignette testuali in inglese e francese: il più recente o3 non mostra alcun effetto linguistico complessivo e ottiene il punteggio massimo mediano nella diagnosi finale in entrambe le lingue. Questi lavori individuano problemi di interfaccia e standardizzazione degli input, importanti soprattutto nell’uso consumer, non limiti intrinseci dell’analisi radiologica.

L’articolo di MIT News riassume uno studio sulle alterazioni linguistiche dei messaggi dei pazienti. Gli articoli di The Verge e del Guardian non sono studi scientifici: presentano, rispettivamente, un singolo errore terminologico e alcuni controlli giornalistici delle sintesi prodotte da Google Search, senza campione, denominatore o confronto con medici. Sono esempi seri di fallibilità, ma restano aneddotica — esattamente il criterio che Stefano invoca nei miei confronti.

Infine, lo studio di Budzyń e altri semmai rafforza il punto tecnologico. Suggerisce che, dopo l’esposizione all’IA, gli endoscopisti possano perdere efficacia quando tornano a operare senza assistenza. È però uno studio osservazionale su 19 endoscopisti di quattro centri polacchi, vulnerabile a confondimento residuo e privo persino dei dati sui tempi di osservazione. Soprattutto, parte dal dato che l’IA migliora la rilevazione: una meta-analisi di 44 trial randomizzati e 36.201 procedure rileva un tasso di individuazione degli adenomi del 44,7 per cento con IA contro il 36,7 per cento senza. Se il deskilling fosse confermato, sarebbe precisamente un effetto del trasferimento alla macchina di una funzione percettiva routinaria. Solleverebbe un problema di formazione e governance — quello che anch’io evidenzio — non dimostrerebbe l’inesistenza della capacità tecnica.

La conclusione scientificamente sostenibile è dunque che l’IA non dovrebbe oggi sostituire autonomamente l’intero giudizio clinico. Non è la conclusione, del tutto diversa, che l’analisi routinaria delle immagini non sia già largamente automatizzabile. La prima proposizione qualifica le modalità d’impiego; non confuta né la seconda né la lungimiranza tecnologica di Hinton.


On Sat, 18 Jul 2026 at 12:32, Enrico Nardelli via nexa <nexa@server-nexa.polito.it> wrote:

Caro Giancarlo

l'aneddotica è una cosa, la realtà e la ricerca scientifica sono un'altra cosa.

Ognuno ha diritto alle sue opinioni, ci mancherebbe altro, ma questo è quello che ha detto esattamente Hinton nell'ottobre 2016:

«I think if you work as a radiologist, you're like the coyote that's already over the edge of the cliff but hasn't yet looked down, so doesn't know there's no ground underneath him. People should stop training radiologists now. It's just completely obvious that within five years deep learning is going to do better than radiologists. It might be 10 years, but we've got plenty of radiologists already.»

Il video è qua https://www.youtube.com/watch?v=2HMPRXstSvQ

La citazione delle sue parole nello European Medical Journal è qua https://www.emjreviews.com/radiology/article/artificial-intelligence-in-radiology-an-exciting-future-but-ethically-complex-j140121/

Quindi, perdonami, ma scrivere «a mio parere l'affermazione di Hinton del 2016 è stata azzeccata» io lo ritengo "lievemente impreciso". Poi non torno più sulla faccenda perché su queste cose le opinioni, anche la mia, lasciano il tempo che trovano. Sono i fatti a dover parlare.

Stefano Quintarelli ha ricordato gli svariati modi in cui l'output di un chatbot viene modificato da ciò che viene detto o non detto e come lo viene detto, e fornito riferimenti a lavori scientifici in cui il tema viene analizzato e discusso anche in riferimento alle diagnosi mediche, e sono completamente d'accordo con lui che la tecnologia valutata isolatamente dal contesto in cui si utilizza possa dar luogo a risultati scorretti.

Dopo di che nessuno nega che si tratta di una tecnologia potente che può essere utile in mano ad un esperto, sia Stefano che io che molti altri lo ripetiamo da anni.

Ma che conduca alla sostituzione del giudizio umano, beh, qui siamo ancora (fortunatamente) molto lontani.

Ciao, Enrico


Il 16/07/2026 17:34, GC F ha scritto:
Caro Enrico,

Premettiamo che la radiografia non è la chirurgia vascolare, quindi il riferimento di Hinton è sensato. Con "breve periodo", in tutta onestà, intendo tra oggi e domani. Quindi, a mio parere l'affermazione di Hinton del 2016 è stata azzeccata (con tutti i caveat del caso e con quel che dicevo nella mia risposta precedente). Perchè mi sono formato questa convizione? L'aneddotica mi supporta. Personalmente negli ultimi due anni ho fornito decine e decine - forse centinaia - di referti medici all'intelligenza artificiale da valutare - ho due genitori molto anziani, con patologie gravi. Diagnosi e prognosi fornite dalla macchina - che ad ogni iterazione trimestrale migliora enormemente - sono sempre state perfette. Spesso più complete e chiare di quelle dei medici umani che poi hanno valutato gli stessi referti (spesso con lo stesso livello di empatia della macchina). In Cina, ci sono già interi ospedali aumentati dall'intelligenza artificiale. Ci sono stato; non è fantascienza. E siamo solo agli inizi, agli albori di una rivoluzione in campo medico senza precedenti. Quindi ripeto, la previsione di Hinton del 2016, ulteriormente qualificata in relazione all'attività routinaria, riflette esattamente lo stato dell'arte del 2026, a mio parere. 

Giancarlo

On Thu, 16 Jul 2026 at 10:02, Enrico Nardelli via nexa <nexa@server-nexa.polito.it> wrote:
Il 16/07/2026 00:00, GC F via nexa ha scritto:
(4) che l'AI possa potenzialmente sostituire i radiologi nel breve mi pare così ovvio che non credo sia necessario scomodare Hinton. In termini di allocazioni delle risorse (formative), quindi il ragionamento di Hinton è sostenibile. E' invece questione diversa se produca più o meno esternalità positive per la società mantenere monopoli professionali in capo a soggetti umani. Io credo che convenga continuare a mantenere questi monopoli, quindi le professioni abilitate dovrebbero continuare ad essere prerogativa esclusiva di agenti umani, aumentati dalle competenze conoscitive e computazionali della macchina.

Scusami, potresti definire cosa intendi con "breve periodo", visto che l'affermazione di Hinton risale ormai a 10 anni fa (2016)? 

E anche definire cosa vuol dire "sostituire" visto che un po' di anni dopo quell'affermazione lo stesso Hinton ha cominciato a chiarire che in realtà non voleva dire sostituire completamente ma solo per la parte routinaria di analisi delle immagini, e che la sua era più una provocazione che un vera previsione, etc. etc.

Grazie, Enrico


--

-- EN

https://www.hoepli.it/libro/la-rivoluzione-informatica/9788896069516.html
===================================================
Prof. Enrico Nardelli
Past President di "Informatics Europe"
Vicedirettore del Laboratorio Nazionale "Informatica e Scuola" del CINI
Dipartimento di Matematica - Università di Roma "Tor Vergata"
Via della Ricerca Scientifica snc - 00133 Roma
home page: https://www.mat.uniroma2.it/~nardelli
blog: https://link-and-think.blogspot.it/
tel: +39 06 7259.4204 fax: +39 06 7259.4699
mobile: +39 335 590.2331 e-mail: nardelli@mat.uniroma2.it
online meeting: https://blue.meet.garr.it/b/enr-y7f-t0q-ont
======================================================================================================
--
_______________________________________________
nexa mailing list -- nexa@server-nexa.polito.it
To change settings or unsubscribe please go to: https://server-nexa.polito.it/postorius/lists/nexa.server-nexa.polito.it/
The general archive of the list is located at: https://server-nexa.polito.it/hyperkitty/list/nexa@server-nexa.polito.it/
Permalink to this message: https://server-nexa.polito.it/hyperkitty/list/nexa@server-nexa.polito.it/message/Y7X7ATD7RU3KUIFYYH4GMSQXWL6TQ3OL/
--

-- EN

https://www.hoepli.it/libro/la-rivoluzione-informatica/9788896069516.html
===================================================
Prof. Enrico Nardelli
Past President di "Informatics Europe"
Vicedirettore del Laboratorio Nazionale "Informatica e Scuola" del CINI
Dipartimento di Matematica - Università di Roma "Tor Vergata"
Via della Ricerca Scientifica snc - 00133 Roma
home page: https://www.mat.uniroma2.it/~nardelli
blog: https://link-and-think.blogspot.it/
tel: +39 06 7259.4204 fax: +39 06 7259.4699
mobile: +39 335 590.2331 e-mail: nardelli@mat.uniroma2.it
online meeting: https://blue.meet.garr.it/b/enr-y7f-t0q-ont
======================================================================================================
--

_______________________________________________
nexa mailing list -- nexa@server-nexa.polito.it
To change settings or unsubscribe please go to: https://server-nexa.polito.it/postorius/lists/nexa.server-nexa.polito.it/
The general archive of the list is located at: https://server-nexa.polito.it/hyperkitty/list/nexa@server-nexa.polito.it/
Permalink to this message: https://server-nexa.polito.it/hyperkitty/list/nexa@server-nexa.polito.it/message/HIYTLKLXTMRL45SDAHDHJYCWBTD7ZY7B/