Quando l’IA aiuta a pensare

In breve

L’IA aiuta a pensare non quando pensa al nostro posto, ma quando rende il nostro pensiero più attivo e più esigente. Può costringerci a formulare meglio un problema, confrontare prospettive, cercare controargomentazioni, individuare incoerenze, mettere alla prova un’idea e rielaborarla. Il criterio decisivo non è quindi quanto sia sofisticata la risposta dell’IA, ma che cosa accade cognitivamente alla persona durante l’interazione. Usata in questo modo, l’IA non è un sostituto del pensiero, ma un interlocutore con cui pensare più a fondo.

L’IA non aiuta a pensare perché produce pensiero per noi. Può aiutare a pensare quando la sua produzione diventa materiale sul quale la persona compie operazioni cognitive.

Una delle promesse più frequenti associate all’intelligenza artificiale è che possa “aiutarci a pensare”.

Ma che cosa significa?

Un sistema linguistico può produrre spiegazioni, riassunti, argomentazioni, esempi, confronti, interpretazioni. Può formulare in pochi secondi un testo che a noi richiederebbe molto più tempo. Tutto questo può essere utile. Ma ha i suoi limiti.

Produrre qualcosa che assomiglia al risultato di un pensiero non significa necessariamente aiutare qualcuno a pensare.

La distinzione è importante soprattutto a scuola.

Il criterio non è quanto fa l’IA

Potremmo essere tentati di misurare la qualità dell’uso dell’IA sulla quantità del suo intervento: poca IA sarebbe compatibile con l’apprendimento, molta IA lo metterebbe in pericolo.

Non credo che il problema sia questo.

L’IA può fare moltissimo e attivare un intenso lavoro cognitivo della persona. Oppure può fare pochissimo e sostituire proprio quell’operazione mentale che sarebbe stato importante esercitare.

La domanda da porre è un’altra:

Dopo l’intervento dell’IA, la persona ha dovuto pensare di più, meglio o diversamente?

Se la risposta è no, abbiamo probabilmente ottenuto un “prodotto”, un elaborato migliore o più rapidamente, ma non necessariamente un pensiero migliore.

L’IA aiuta a pensare quando introduce una differenza

Una conversazione diventa cognitivamente interessante quando l’IA non si limita a confermare ciò che già pensiamo o a confezionarlo meglio.

Uso qui “conversazione” non a caso. Nell’interazione con un’intelligenza linguistica, pensiero e apprendimento non si sviluppano per il semplice fatto di formulare una richiesta (prompt) alla macchina e ricevere un elaborato da fare proprio. Richiedono che ciò che la macchina restituisce rientri nell’interazione: venga interrogato, confrontato con ciò che pensiamo, contestato, modificato, utilizzato per formulare nuove domande e produrre nuove elaborazioni.

Può mostrarci un’obiezione che non avevamo considerato.

Può proporre una spiegazione alternativa.

Può mettere in relazione due concetti che tenevamo separati.

Può individuare una contraddizione.

Può chiederci di esplicitare un presupposto che stavamo dando per scontato.

Può presentarci un caso che mette in crisi una generalizzazione.

Può mostrarci che la domanda che abbiamo formulato contiene già una risposta implicita.

In tutti questi casi, il valore cognitivo non sta nella risposta dell’IA. Sta in ciò che quella risposta mette in movimento nella nostra mente.

L’IA introduce una differenza tra ciò che pensavamo prima e ciò che siamo costretti a considerare dopo.

Ed è in quello spazio che può accadere qualcosa di interessante.

Può rendere visibile il pensiero

C’è poi una seconda possibilità.

Molto del nostro pensiero rimane implicito. Abbiamo intuizioni, collegamenti, convinzioni non ancora ben formulate. Nel momento in cui dobbiamo esporle a un interlocutore linguistico, siamo costretti a trasformarle in parole.

E quando le vediamo restituite, riorganizzate, contestate o sviluppate, possiamo osservarle quasi dall’esterno.

Questo è uno degli aspetti più interessanti della conversazione con un modello linguistico. Nel momento in cui formuliamo un’idea, la rendiamo esplicita; quando l’IA ce la restituisce riformulata, sviluppata o contestata, possiamo osservarla quasi dall’esterno. Non riflettiamo più soltanto sull’oggetto del nostro pensiero, ma anche sul modo in cui lo stavamo pensando. Entriamo così in una dimensione metacognitiva: il nostro stesso pensiero può essere esaminato, valutato e, se necessario, modificato.

Possiamo chiedere:

Quale presupposto sto facendo?

Dove è debole il mio ragionamento?

Quale sarebbe l’obiezione più forte?

Sto confondendo due concetti?

Che cosa non sto vedendo?

L’IA, in questo caso, non è semplicemente una fonte di informazioni. Diventa una superficie sulla quale il nostro pensiero può essere proiettato, osservato e rimesso in discussione.

Ma c’è una condizione

Perché tutto questo accada, però, deve esserci qualcosa dall’altra parte della conversazione.

Deve esserci conoscenza.

Devono esserci criteri.

Deve esserci una domanda autentica.

Deve esserci la capacità di riconoscere che una risposta non convince, anche quando è formulata magnificamente.

Altrimenti il dialogo diventa facilmente asimmetrico: la macchina propone e la persona accetta.

Ne ho parlato ragionando sulla distinzione tra conoscenza interna e conoscenza esternalizzata: per utilizzare produttivamente ciò che possiamo interrogare all’esterno dobbiamo possedere abbastanza conoscenza da poter comprendere, valutare e mettere in relazione ciò che riceviamo.

Ed è anche il problema affrontato discutendo che cosa possiamo delegare all’IA senza smettere di imparare a pensare: non dovremmo delegare proprio quelle operazioni cognitive attraverso le quali stiamo costruendo le capacità che ci serviranno per governare ciò che deleghiamo.

Da Mindtools a interlocutore cognitivo

Molti anni prima dei Language Models, David Jonassen proponeva di considerare le tecnologie come Mindtools: strumenti con i quali pensare, non macchine alle quali affidare il pensiero.

L’idea rimane sorprendentemente attuale.

Con una differenza importante.

Un Mindtool tradizionale ci permetteva di rappresentare, organizzare, modellizzare. Un modello linguistico risponde. Propone. Obietta. Riformula. Introduce continuamente nuovi elementi nella conversazione.

Lo strumento cognitivo può così diventare una sorta di interlocutore cognitivo.

Ma proprio questa potenza aumenta l’ambiguità.

Lo stesso sistema che può costringerci a pensare può evitarci di farlo.

Può aprire un problema oppure chiuderlo.

Può generare una domanda oppure consegnarci una risposta.

Può rendere più intenso il lavoro cognitivo oppure renderlo superfluo.

La tecnologia è la stessa.

Cambia ciò che accade cognitivamente alla persona che la usa.

Una prova molto semplice

Forse, allora, possiamo adottare un criterio elementare.

Dopo una conversazione con l’IA, chiediamoci:

Ho soltanto qualcosa che prima non avevo, oppure vedo qualcosa che prima non vedevo?

Nel primo caso abbiamo probabilmente usato una macchina molto efficiente.

Nel secondo potrebbe essere avvenuto apprendimento.

E forse è proprio qui che possiamo riconoscere l’uso più interessante dell’intelligenza artificiale a scuola.

Non quando ci permette di pensare meno.

Quando rende possibile pensare qualcosa che, da soli, in quel momento, non saremmo riusciti a pensare.

Una prima tassonomia delle attività cognitive

Ma che cosa facciamo quando pensiamo con l’IA?

Dire che l’IA può renderci possibile pensare qualcosa che, da soli, in quel momento, non saremmo riusciti a pensare non è ancora sufficiente.

Dobbiamo cercare di capire che cosa fa la persona perché questo accada.

La risposta non può essere semplicemente: fa una domanda e riceve una risposta. Questo descrive lo scambio linguistico, ma non ci dice quasi nulla del lavoro cognitivo che può avvenire al suo interno.

Una persona può formulare una propria idea, esporla all’IA, ricevere un’obiezione, confrontarla con ciò che pensava, respingerne una parte, accoglierne un’altra, scegliere una nuova direzione, riformulare la propria posizione, verificarla su un caso diverso e, alla fine, ricostruire come e perché il proprio pensiero sia cambiato.

Cominciano così a comparire alcuni verbi:

produrre, esporre, ricevere, confrontare, scegliere, contestare, riformulare, estendere, verificare, ricostruire.

Potremmo considerarli una prima, rudimentale grammatica dell’interazione cognitiva con un’intelligenza linguistica.

Non descrivono una procedura e tanto meno una sequenza obbligatoria. Nella conversazione reale queste operazioni si intrecciano e sono ricorsive: una risposta genera una nuova domanda, un’obiezione porta a riformulare un’idea, una verifica costringe a tornare su una distinzione, una nuova possibilità modifica la rappresentazione iniziale del problema.

L’output di uno scambio può così modificare le condizioni cognitive dello scambio successivo.

Ma questi verbi descrivono soprattutto il movimento dell’interazione. Possiamo provare ad andare più a fondo e chiederci quali attività cognitive possa sostenere questo movimento.

Non vogliamo costruire un repertorio di modi per interrogare l’IA. Ci interessa qualcosa di diverso: una prima tassonomia, necessariamente provvisoria, delle attività cognitive che l’interazione con un’intelligenza linguistica può attivare e sostenere nella persona.

C’è un criterio che accomuna le attività che proporremo: lo studente deve produrre qualcosa cognitivamente proprio.

Non è sufficiente formulare una richiesta e leggere una risposta. Deve elaborare, confrontare, distinguere, scegliere, giudicare, modificare, collegare, ricostruire.

E qualcosa di questo lavoro dovrebbe lasciare una traccia.

Non necessariamente il tradizionale elaborato finale. Può essere una formulazione iniziale confrontata con quella successiva, una scelta motivata, una classificazione modificata, una nuova rappresentazione, una connessione scoperta, un errore riconosciuto, una revisione.

La traccia non dimostra automaticamente che sia avvenuto apprendimento. Ma può contribuire a rendere osservabile che cosa lo studente ha fatto cognitivamente nel corso dell’interazione.

Proviamo allora a individuare alcune di queste attività.

1. Acquisire conoscenza

Lo studente parte da qualcosa che non conosce o non comprende. Formula domande, legge e interpreta le risposte, chiede chiarimenti, spiegazioni, esempi e collegamenti, confronta quanto riceve con ciò che già conosce e, quando necessario, con altre fonti. Non si limita quindi a ricevere informazioni: cerca di costruirne una propria comprensione.

Una possibile traccia di apprendimento può essere una riformulazione personale di ciò che ha compreso, accompagnata dalle domande che sono state necessarie per arrivarci e dall’indicazione di ciò che rimane ancora poco chiaro.

2. Mettere alla prova ciò che pensa di sapere

Lo studente parte da una propria conoscenza, convinzione o interpretazione e la esplicita prima di sottoporla all’interazione. Cerca obiezioni, controesempi, casi limite e interpretazioni alternative. Li esamina e decide se la propria posizione possa essere mantenuta, debba essere precisata oppure debba essere modificata.

La traccia di apprendimento può assumere la forma di una sequenza molto semplice ma cognitivamente significativa: formulazione iniziale → elemento che la mette in difficoltà → valutazione dell’obiezione → eventuale formulazione modificata, con la motivazione del cambiamento o della decisione di non cambiare.

3. Elaborare autonomamente prima del confronto

Lo studente produce prima di chiedere. Formula una spiegazione, un’ipotesi, una soluzione, una classificazione, un’interpretazione o una previsione senza conoscere preventivamente ciò che produrrà l’IA. Solo successivamente mette la propria elaborazione a confronto con altre possibilità.

In questo modo la prima risposta disponibile non diventa automaticamente il punto di partenza del suo pensiero.

La traccia di apprendimento è costituita dalla produzione autonoma iniziale, dal confronto con quanto successivamente emerso nell’interazione e dall’esplicitazione di ciò che lo studente ha deciso di conservare, integrare, modificare o respingere.

4. Valutare

Lo studente prende una risposta, una spiegazione, un’argomentazione o una proposta dell’IA e la sottopone a giudizio. Individua ciò che considera convincente e ciò che non lo è, cerca errori, presupposti impliciti, generalizzazioni, contraddizioni o passaggi deboli, verifica quando necessario le informazioni e prende posizione.

La traccia di apprendimento non è semplicemente la risposta dell’IA annotata, ma una valutazione argomentata: che cosa accetto, che cosa respingo, su che cosa sospendo il giudizio e, soprattutto, per quali ragioni.

5. Distinguere

Lo studente mette a confronto concetti, fenomeni, casi, spiegazioni o categorie e cerca le differenze che contano. Formula criteri di distinzione, li applica a casi differenti, incontra eventualmente casi ambigui e, attraverso il confronto, affina o modifica le proprie categorie.

La traccia di apprendimento può essere una classificazione commentata, una tabella comparativa, un insieme di criteri esplicitati, oppure la documentazione di come una distinzione inizialmente grossolana sia diventata progressivamente più precisa.

6. Cambiare rappresentazione

Lo studente affronta lo stesso contenuto o problema attraverso rappresentazioni differenti: una spiegazione verbale, un esempio, un’analogia, una mappa, una struttura causale, un caso concreto, una prospettiva teorica diversa.

Il lavoro cognitivo non consiste nell’accumulare rappresentazioni, ma nel confrontarle: che cosa permette di vedere questa rappresentazione che l’altra non mostrava? Che cosa mette in evidenza? Che cosa nasconde o semplifica?

La traccia di apprendimento può essere costituita da due o più rappresentazioni dello stesso oggetto accompagnate dal loro confronto, nel quale lo studente esplicita ciò che ha compreso diversamente passando dall’una all’altra.

7. Generare possibilità

Di fronte a un problema lo studente formula proprie ipotesi, spiegazioni, soluzioni o scenari e utilizza l’interazione con l’IA per ampliare lo spazio delle possibilità. Le possibilità generate, però, non costituiscono ancora il lavoro cognitivo più significativo: devono essere confrontate, raggruppate, combinate, selezionate o scartate.

La traccia di apprendimento può mostrare le ipotesi iniziali, le alternative successivamente considerate e soprattutto i criteri attraverso i quali alcune sono state scelte e altre abbandonate.

Non è importante quante possibilità siano state generate. È importante ciò che lo studente ha fatto cognitivamente con esse.

8. Stabilire connessioni

Lo studente mette in relazione un concetto, un fenomeno o un problema con altre conoscenze, esperienze, teorie o domini. Può utilizzare l’IA per far emergere connessioni che non aveva considerato, ma deve poi stabilire se siano significative o soltanto superficiali.

La domanda cognitiva diventa: in che senso A mi aiuta realmente a comprendere B?

La traccia di apprendimento può essere una mappa di relazioni, una rete concettuale, un breve testo argomentativo o qualsiasi altra rappresentazione nella quale non siano semplicemente accostati elementi diversi, ma sia esplicitata la natura delle relazioni che li collegano.

9. Cercare ciò che manca

Lo studente torna sulla propria spiegazione, analisi, soluzione o rappresentazione e cerca deliberatamente assenze, punti ciechi, variabili trascurate, prospettive non considerate, conseguenze non previste e domande che non si era posto.

L’IA può contribuire a far emergere queste assenze, ma è lo studente a dover stabilire quali siano realmente rilevanti.

La traccia di apprendimento può mostrare una rappresentazione iniziale e una successiva nella quale siano evidenziati gli elementi aggiunti, insieme alla motivazione: perché questa variabile, prospettiva o domanda modifica la comprensione del problema?

10. Ricostruire il proprio percorso cognitivo

Lo studente prende come oggetto di riflessione il proprio processo di pensiero. Torna su ciò che pensava inizialmente, sulle domande formulate, sulle risposte incontrate, sulle obiezioni, sugli errori, sulle decisioni e sulle revisioni e cerca di comprendere come e perché la propria rappresentazione sia cambiata.

Qui entriamo esplicitamente nella dimensione metacognitiva.

Una possibile traccia di apprendimento è una breve ricostruzione del tipo:

Pensavo X → ho incontrato Y → questo ha messo in discussione Z → ho modificato la mia posizione in W → ora penso… → rimane aperta questa questione.

Il Learning Log, il Reflective Journal e, più in generale, le pratiche di journaling possono offrire strumenti interessanti per documentare questo processo. Ma il diario è soltanto una delle possibilità. Ciò che interessa è conservare tracce della trasformazione del pensiero, non compilare la cronaca delle interazioni con l’IA.

Non il prodotto, ma le tracce del lavoro cognitivo

Queste dieci attività non costituiscono un repertorio chiuso e non devono diventare una nuova checklist didattica. Sono un primo tentativo di descrivere alcune delle operazioni cognitive che possono essere attivate e sostenute attraverso l’interazione con un’intelligenza linguistica.

Per ciascuna possiamo porci due domande:

Che cosa ha fatto cognitivamente lo studente, oltre a formulare una richiesta e leggere ciò che l’IA gli ha restituito?

Quale traccia può rendere almeno parzialmente visibile quel lavoro cognitivo?

Quando l’IA può produrre autonomamente un elaborato di qualità, queste domande diventano particolarmente importanti. Forse, accanto alla progettazione dei compiti, dovremo imparare a progettare anche rappresentazioni del processo di apprendimento.

È un problema che va oltre questo articolo e che meriterà di essere ripreso.

Per ora possiamo fermarci qui:

L’IA non aiuta a pensare perché produce pensiero per noi. Può aiutare a pensare quando la sua produzione diventa materiale sul quale la persona compie operazioni cognitive.

E, aggiungiamo ora, quando quelle operazioni lasciano tracce attraverso le quali la persona stessa può riconoscere e ricostruire il proprio pensiero.