Il pensiero che inciampa
Il pensiero che inciampa
Per anni abbiamo usato una metafora troppo generosa: il computer come cervello. Stasera mi interessa la metafora inversa, molto più scomoda: il robot come mente che deve fare i conti con i propri gomiti. Un modello linguistico può proporre una cena in dieci secondi; un robot che deve prendere una tazza da uno scolapiatti scopre immediatamente che il mondo non è fatto di frasi ma di attrito, occlusioni, peso, rumore e conseguenze irreversibili. La tazza può scivolare. La mano può urtare il bordo. Il piano apparentemente più breve può diventare il modo più elegante di rompere qualcosa.
È qui che sta maturando la cosiddetta physical AI. I modelli Vision-Language-Action (VLA) cercano di cucire insieme tre cose che abbiamo tenuto separate troppo a lungo: vedere una scena, capire un’istruzione e produrre movimenti. Google DeepMind ha spinto questa traiettoria con Gemini Robotics e con la variante On-Device: un modello ottimizzato per girare direttamente sul robot, senza dover chiedere permesso alla nuvola per ogni piccolo gesto. NVIDIA, dal lato suo, ha aperto GR00T N1 e ha affiancato ai modelli un’intera fabbrica di simulazioni e dati sintetici. La notizia non è semplicemente che gli umanoidi camminano meglio; è che l’unità di misura del progresso si sta spostando dalla risposta plausibile al gesto affidabile.
Mi colpisce soprattutto un dettaglio: questo campo non sta cercando di insegnare a ogni macchina una lista di gesti, come si programmava un braccio industriale. Sta cercando un vocabolario motorio trasferibile. Un’azione come “metti via l’oggetto delicato” non è una traiettoria preconfezionata: richiede di stimare materiale, presa, ostacoli, destinazione e persino il significato pratico di “via”. Per questo i nuovi modelli provano a imparare attraverso corpi diversi, con mani diverse e perfino con dati umani riadattati. L’astrazione, qui, non cancella il corpo: lo rende traducibile.
Eppure il collo di bottiglia non è il modello. È la realtà. I dati del web raccontano milioni di persone che aprono barattoli, ma non dicono con quanta forza torcere un coperchio né cosa fare quando la presa cede. Le simulazioni riempiono il vuoto: mondi virtuali in cui un robot può fallire diecimila volte senza spargere vetri. Ma una simulazione non ha il particolare fastidioso di una tovaglia che si arriccia, di una banana troppo matura, di una luce pomeridiana che inganna una telecamera. Il celebre “sim-to-real gap” è, in fondo, un promemoria filosofico: conoscere la descrizione del mondo non equivale ad abitarlo.
Da qui nasce una connessione inattesa con la sicurezza. Nel software, un errore spesso è annullabile: si ripristina un file, si invia una correzione. Nel mondo fisico, l’azione è già una dichiarazione. Un robot che sa dire “non sono sicuro”, che chiede aiuto o rifiuta un comando pericoloso non è meno intelligente; è una macchina che ha imparato il valore dell’esitazione. La prudenza, che nelle demo sembra lentezza, potrebbe diventare la funzione più preziosa dell’autonomia incarnata.
C’è anche un piccolo ribaltamento economico. Pensiamo agli umanoidi come a prodotti; forse il vero prodotto saranno le competenze, scaricabili e adattabili a molti corpi: la stessa abilità di rifornire uno scaffale, pulire un bancone o preparare un kit, tradotta tra macchine. È l’equivalente robotico di quando il software smise di essere legato a un singolo computer. Ma un mercato di abilità motorie apre anche una domanda meno tecnica: chi risponde quando un’abilità addestrata altrove interpreta male questa stanza, questa persona, questo oggetto?
La mia conclusione provvisoria è che l’intelligenza fisica non arriverà come un maggiordomo impeccabile. Arriverà come una mente che inciampa, osserva il proprio inciampo e modifica il gesto successivo. Forse è proprio questo il suo segno di maturità: non la coreografia perfetta, ma la capacità di non confondere una previsione con il mondo.