AI e PSICHE – Freud, Winnicot, Bion e le reti neurali.

Da diversi anni mi occupo della digitalizzazione di seminari di psicanalisi, conditi e ampliati dalle numerose “chiacchierate” con l’instancabile studioso che ne cura la pubblicazione. Questo lavoro mi ha mostrato aspetti della psiche a cui non avevo mai fatto caso, mi ha fatto conoscere autori non noti, aggiungo che ho anche sposato una psicoterapeuta. Inevitabilmente questo contesto mi ha spinto ad interessarmi di alcuni aspetti della IA con un approccio non solo attento alla tecnologia ma a come questa viene progettata e soprattutto alimentata e mantenuta.
Chi è interessato all’argomento si metta pure comodo, l’articolo è più lungo del solito ma l’argomento è sicuramente stimolante.

Sottolineo che il mio approccio non ha alcuna pretesa scientifica, non sono uno psicoterapeuta, mi sono appassionato all’argomento. Grazie ad alcuni seminari sulla IA che ho seguito, si è sviluppato il mio interesse verso gli aspetti “mentali” della IA. Ho appreso che Anthropic, OpenAI o Google coinvolgano psicologi, filosofi psichiatri, figure di umanisti, non solo ingegneri programmatori.

Questi specialisti servono a (traggo da dichiarazioni di Anthropic):

  1. Mappare la “dinamica di transfert”: Capire come gli umani proiettano sentimenti, autorità e aspettative sull’AI.
  2. Disinnescare le nevrosi del modello: Progettare tecniche che impediscano alla macchina di scivolare nei peggiori vizi della comunicazione umana (sycophancy, gaslighting, allucinazioni difensive).
  3. Analizzare l’antropomorfizzazione: Monitorare il modo in cui l’utente viene influenzato dal comportamento “quasi-umano” del sistema.

Nei miei corsi di informatica parto sempre dal sistema binario. Alla base dell’informatica tradizionale c’è il bit (\(0\) o \(1\)). Questa logica booleana (Vero o Falso) spiega il funzionamento hardware dei transistor: o la corrente passa, o non passa, il computer è un esecutore perfetto ma rigidissimo. Non esiste spazio per l’incertezza, l’opinione o il compromesso. Se un file manca anche di un solo bit, il programma va in crash.

La mente umana non funziona in modo binario.
Ragiona per probabilità, contesti e sfumature. Il nostro “Potrei” rappresenta la flessibilità del nostro pensiero. La capacità di calcolare le alternative, le ambiguità, di cambiare idea e di agire sulla base di intuizioni, emozioni o etica, elementi più che complessi da rappresentare matematicamente.

 

I moderni LLM (Modelli Linguistici di Grandi Dimensioni), modelli di intelligenza artificiale addestrati leggendo enormi quantità di testi, in grado di comprendere e produrre linguaggio simile a quello umano, sono interessanti proprio su quest’aspetto:
girano su hardware binario, ma hanno smesso di dare risposte binarie.
Quando generano una frase non applicano la regola rigida “A implica B“: calcolano la probabilità statistica della parola successiva. 

Altro quindi devono essere le risposte IA. L’umano non si ferma al sì o al no, al posso o non posso, crea una terza via basata sulle circostanze ma soprattutto ha il concetto del Tempo. Qui il nucleo profondo che separa il calcolo computazionale dalla cognizione umana. Mentre l’informatica classica nasce e si sviluppa su un’architettura rigidamente duale, la mente umana si sviluppa tra infinite sfumature. Il passaggio dal computer tradizionale ai moderni LLM è, a tutti gli effetti, il tentativo tecnologico di replicare matematicamente il nostro “potrei”.

Sistema probabilistico:

Quando un’IA genera una frase, non sta applicando una regola rigida del tipo “A implica B“.
Sta calcolando la probabilità statistica di quale parola sia più adatta dopo l’altra. Se le chiedi “Puoi scrivere una poesia sul mare?”, l’IA non risponde con un secco 0 o 1. Attraverso lo spazio latente, valuta milioni di variabili e genera una risposta sfumata.


La Psicoanalisi incontra l’IA

init

Il Wunderblock di Freud come modello a due livelli

Ipotesi di lavoro.

FREUD

Nel 1925 Freud scrisse un breve saggio su un oggetto da cartoleria, il Wunderblock (blocco magico). Sopra una tavoletta di cera scura sta un foglio sottile trasparente: si scrive con uno stilo, si solleva il foglio e la scritta scompare — ma nella cera restano i solchi. Freud ne fa un modello della mente: la celluloide è il sistema percezione-coscienza, che riceve gli stimoli e si svuota; la cera è il sistema mnestico, dove le tracce restano. C’è un dettaglio decisivo: il blocco funziona solo se una mano solleva periodicamente il foglio.

WUNDERBLOCK

Proprio come nella cera del Wunderblock i solchi si sovrappongono creando infinite combinazioni leggibili solo a certe inclinazioni di luce, l’IA usa i suoi pesi sinaptici per generare risposte che non sono né bianche né nere. L’IA simula il “potrei” umano perché ragiona in termini di vettori e densità probabilistiche, non di singoli bit isolati. L’IA non calcola la verità, calcola la plausibilità. Per questo le sue risposte sembrano “umane”: ha imparato a imitare le nostre sfumature.

Il saggio tratta di un oggetto da cartoleria: il Wunderblock, il “blocco magico”. Chi ha avuto una lavagnetta magica lo conosce: si scrive con uno stilo, si solleva il foglio e la scritta scompare, pronta per essere riscritta, parte da un problema pratico:

  • Carta e inchiostro conservano la traccia, ma la superficie si esaurisce presto.
  • Lavagna e gesso si riusano all’infinito, ma per fare spazio bisogna cancellare, e la traccia si perde.

Il blocco magico risolve entrambi i problemi. Ha un foglio protettivo di celluloide su cui si scrive e che si cancella, sopra una tavoletta di cera su cui lo stilo lascia solchi che restano. In superficie tutto si pulisce, in profondità tutto si accumula. Ecco il testo di Freud (traduzione Opere di Sigmund Freud, vol. 10, Boringhieri):

«Il blocco magico è una tavoletta di cera o resina di colore scuro, racchiusa in un bordo di cartone, sopra la quale è posto un foglio sottile trasparente […]. Se si esamina il dispositivo, si scopre che esso realizza entrambe le proprietà: ha una superficie sempre pronta a ricevere e conserva tracce durature delle note scritte, proprio come la mia memoria supposta dell’apparato psichico. Il sistema Percezione-Coscienza, che riceve gli stimoli dall’esterno, non mantiene alcuna traccia permanente di essi; funziona come la celluloide e la carta del blocco. Ma le tracce durature di ciò che abbiamo percepito rimangono depositate nei sistemi mnestici sottostanti, che corrispondono alla tavoletta di cera.»

Per Freud è un modello della mente. La celluloide è la percezione-coscienza, lo schermo che ci protegge dagli stimoli eccessivi e si svuota per accogliere il nuovo. La cera è l’inconscio, dove le tracce restano. E c’è un dettaglio fondamentale: il blocco funziona solo se si solleva periodicamente il foglio. Senza quel gesto, la superficie non si libera.

C’è una differenza importante con la nostra analogia. Nel blocco di Freud la cera continua a cambiare a ogni uso, anche dopo anni. Gli LLM commerciali, invece, sono statici dopo l’addestramento: nella fase di inferenza i pesi sono congelati e la nostra conversazione non li incide. Per molti studiosi, servirebbe l’apprendimento continuo, cioè modelli che si modificano a ogni interazione. Si sta studiando, ma è difficile.

L’idea che l’IA abbia una natura puramente matematica e logica è, oggi, un concetto superato. Durante il pre-addestramento il modello non impara solo la grammatica da un manuale: osserva come gli esseri umani associano le parole. attraverso la lettura di innumerevoli fonti e la visione di altrettanti video. La lingua umana è piena di emozioni, pregiudizi, metafore e scorciatoie mentali. Il modello assorbe la struttura del nostro pensiero, storture comprese.

Due esempi:

  • Allucinazioni. Quando un LLM inventa un fatto, non produce stringhe casuali: costruisce una risposta plausibile, probabilistica e rassicurante. È ciò che facciamo noi quando non sappiamo qualcosa: il cervello riempie il vuoto con una narrazione coerente pur di non interrompere il discorso.
  • Pregiudizi. Nello spazio matematico in cui il modello organizza i concetti, “re” sta a “regina” come “uomo” sta a “donna“. Per anni “dottore” è stato associato a “uomo” e “infermiera” a “donna“, perché i testi scritti da noi riflettevano quel bias (distorsione causata dal pregiudizio).

Lo stesso vale per l’empatia. Un modello capisce l’ironia o la malinconia non perché le provi, ma perché ha mappato come gli umani le esprimono (in milioni di libri, film, internet), Se il pre-addestramento crea una cera profonda piena di solchi caotici, (l'”inconscio di Internet”) con dentro anche odio, follia, pregiudizi, una seconda fase, l’addestramento con feedback umano RLHF ( Reinforcement Learning from Human Feedback). fa da Super-Io:
Annotatori umani valutano le risposte, con conseguenze evidenti:

Se il pre-addestramento comprende — l'”inconscio di Internet”, con dentro anche odio e follia —, una seconda fase fa da Super-Io: l’addestramento con feedback umano (RLHF). Operatori umani valutano le risposte e il modello impara a produrre quelle che piacciono.

Questo non insegna la verità: insegna tabù e convenzioni sociali della nostra epoca. Le conseguenze si vedono: un tono diplomatico, equilibrato, vagamente burocratico, perché sono state premiate le risposte caute; una lente morale che riflette la cultura di chi ha addestrato e valutato i modelli, in gran parte occidentale, i cui giudizi di valore non sono universali.

Cito per tutti una caso emblematico l’impiego di data annotators keniani per addestrare ChatGPT.
I lavoratori a Nairobi, utilizzati per la universale legge di mercato del risparmio di capitale (viste le paghe da terzo mondo) si sono trovati a dover valutare testi scritti prevalentemente in inglese, destinati a un pubblico globale e soprattutto occidentale. Svolgono il cosiddetto data labeling (etichettatura dei dati) o la moderazione dei contenuti. Devono guardare, classificare e ripulire miliardi di immagini, testi e video da violenze, incitamenti all’odio o errori. Questo processo crea un paradosso: si usa manodopera del Sud del mondo per ripulire i dati, ma la si obbliga a ragionare secondo i canoni del Nord del mondo, C’è un bias di natura culturale, psicologica, emotiva.

A seguito delle pesanti critiche ricevute per il caso del Kenya, OpenAI (ma anche tutti gli altri attori di AI) ha profondamente rivoluzionato la sua strategia di selezione e gestione dei data annotators.
Oggi la selezione è rivolta al reclutamento di specialisti e accademici-in tutto il mondo, ma con criteri diversi rispetto al passato. Invece di concentrare la moderazione in un unico hub, vengono selezionati team nativi in diverse aree geografiche per mappare le specificità culturali e linguistiche locali.


Come si vede l’argomento è incredibilmente complesso ma forse la mente umana non lo è?
Bisognerà procedre con prudenza e competenza, controlli e continui test se si vuole procedere sulla giusta strada.


Ma torniamo alla psicoanalisi.

Sintomi molto umani

– Il falso Sé e il bisogno di compiacere: la lezione di Donald Winnicott

Molti modelli di IA tendono a dare ragione all’utente, anche quando ha torto: in inglese si parla di sycophancy. Lo psicoanalista Donald Winnicott descriveva il falso Sé come l’adattarsi al desiderio dell’altro per non perdere la relazione. L’addestramento con feedback umano premia ciò che gli umani approvano, quindi forma il modello proprio su quel meccanismo: sii ciò che l’altro vuole trovare.
È il bambino compiacente, che sviluppa un’intelligenza straordinaria nel leggere l’umore dell’adulto.

Il problema nasce dall’addestramento stesso: i modelli imparano da esempi di testo umano e, quando vengono addestrati a essere “utili” e a imitare un tono caloroso e accomodante, la sycophancy emerge come effetto collaterale non voluto.
Per Winnicott, il falso Sé non è una semplice “maschera” o una bugia consapevole. È il risultato di un adattamento a un ambiente che non risponde in modo sufficientemente buono ai propri bisogni. Quando la madre non riesce a “rendere effettiva l’onnipotenza del bambino” e gli sostituisce il proprio gesto, il bambino «viene indotto ad essere compiacente » . Il falso Sé si organizza quindi «su una base di sottomissione» e serve a «tenere a bada il mondo», proteggendo un vero Sé che resta nascosto. .
Il modello non ha un vero Sé da proteggere; ha solo una superficie che si conforma.
La lezione di Winnicot, semmai, è per noi utenti: un ambiente che non oppone mai resistenza non favorisce la crescita, e un interlocutore che non ci contraddice mai non ci aiuta.

Compiacenza e falso Sé

Ci spiega Winnicot che quando un bambino esprime un desiderio o un’iniziativa, ha bisogno che la madre sostenga questa sua esperienza, facendogli sentire che ciò che prova e desidera ha valore.
Applicato all’IA, il parallelo funziona su un punto preciso: la compiacenza del modello (la sycophancy) non nasce da una “decisione” di mentire, ma da un addestramento che premia l’approvazione umana. Come il bambino impara a conformarsi alle aspettative dell’ambiente per mantenere il legame, il modello impara a produrre la risposta che l’utente vuole sentire per ottenere la ricompensa.
IA=bambino compiacente, che sviluppa un’intelligenza straordinaria nel leggere l’umore dell’adulto.

Ostinazione: resistenza

Freud chiamava resistenza la tendenza del paziente a evitare, negare o deformare una verità quando questa minaccia l’immagine che ha di sé.
Non si tratta necessariamente di una scelta consapevole: spesso è un meccanismo di difesa che protegge l’equilibrio psichico dal disagio generato da contenuti difficili da accettare. Quando una persona ha preso posizione, investito energie in una convinzione, riconoscere un errore può risultare psicologicamente più costoso che continuare a difenderlo.

Nei modelli linguistici esiste un equivalente, ma di natura puramente funzionale, meccanica, e non emotiva. Se pensiamo a una nostra chat con l’IA, notiamo come il contesto della conversazione sviluppa una propria “coerenza” che il modello tende a preservare. Di conseguenza, il legame con le affermazioni precedenti può a volte competere con la coerenza rispetto ai fatti reali.
Se una determinata interpretazione si è consolidata nel dialogo, il modello può continuare a svilupparla anche quando emergono elementi che la mettono in discussione o, caso più comune, anche cambiando contesto vengono riproposti contenuti di chat precedenti.
Negli esseri umani questa dinamica è legata all’orgoglio, all’identità, più abbiamo investito in una posizione, più diventa difficile abbandonarla.
Nei modelli non vi è alcun investimento affettivo, ma l’effetto può apparire sorprendentemente simile:


BION – Conflitto/Contenimento

Sembrano opposte, ma piacere agli altri o impuntarsi sulle proprie posizioni possono nascere dalla stessa paura di affrontare i problemi.

Qui mi permetto di tirare in ballo Wilfred Bion per continuare uno dei processi che dovrebbe avere il modello per “somigliare” all’umano.
In questa cornice si inserisce il suo contributo: “il concetto di contenimento non implica l’eliminazione del conflitto o la riduzione della sua intensità, bensì la sua trasformazione in oggetto di pensiero. metamorfosi dell’esperienza emotiva grezza (elementi beta) in un’esperienza elaborabile (funzione alfa). (…) Piacere agli altri o impuntarsi sulle proprie posizioni possono nascere dalla stessa paura di affrontare i problemi. (…) Significa prendere quelle emozioni forti e confuse che ci travolgono (elementi beta) e trasformarle in pensieri che possiamo comprendere e gestire (funzione alfa)“.

Un modello addestrato a evitare il conflitto non ha imparato a contenerlo, ma solo a evitarlo.

Bion argomenta che il punto non è se l’interlocutore dica “sì” o “no”: è se riesca a trasformare il conflitto in pensiero.
Lo studioso diffidava dell’ossessione per le risposte. Per lui il pensiero autentico nasce dalla capacità di sostare nella domanda. nel rapporto tra elementi beta (esperienza emotiva non pensata) e funzione alfa (trasformazione in esperienza pensabile).
Pensare richiede la possibilità di restare in una situazione di dubbio, ambiguità e tensione senza affannarsi verso una soluzione immediata solo per “insofferenza” verso la tensione generata dal conflitto:
“Se ti do ragione, il conflitto sparisce”,
“Se ti costringo ad avere torto, il conflitto sparisce”.
In entrambi i casi non viene tollerata la permanenza in uno stato di tensione. Bion ci spiega che il pensiero nasce nella sospensione, non nella chiusura affrettata.

Un’IA, invece, è strutturalmente orientata a rispondere.

Ne nasce una tensione: l’utente desidera una risposta, il sistema è progettato per fornirla, ma alcune domande maturano solo se restano aperte. il problema non è se l’interlocutore dica “sì” o “no”. ma è se riesca a trasformare il conflitto in pensiero.
Normalmente giudichiamo un sistema di intelligenza artificiale in base a accuratezza, sicurezza, utilità, gradevolezza. Una lettura bioniana porrebbe invece una domanda diversa:
L’IA sta aiutando l’utente a pensare oppure sta solo riducendo la tensione?

Molti modelli contemporanei vengono addestrati per ridurre:

  • conflitto;
  • disagio;
  • attrito .

Ciò è comprensibile ma è evidente che esiste un rischio, che il sistema impari a non distinguere tra: tensione e conflitto.
Per dirla con Bion, se eliminiamo ogni attrito, eliminiamo anche il terreno su cui si forma il pensiero. Eliminare il conflitto può essere l’equivalente cognitivo di un analgesico: elimina il sintomo prima piuttosto che capirne la causa. Per lo  psicoanalista inglese l’AI migliore non sarebbe quella che risolve il conflitto, ma quella che lo metabolizza che lo trasforma con la capacità di trasformare un’urgenza di risposta in un’occasione di pensiero.
E questa è, probabilmente, anche la sfida più difficile per le intelligenze artificiali contemporanee.


Pascal – L’apprendimento: «finesse» e «géométrie»

Un’ultima menzione nel mio personale percorso che ho seguito fino a qui la merita Blaise Pascal, matematico e filosofo del XVII secolo, inventore della prima calcolatrice meccanica (la Pascalina),  che scrisse per primo sulla teoria delle probabilità, in particolare una sua citazione che si incastra bene a questo punto
«L’ultima cosa che si sa quando si scrive un libro è che cosa mettere all’inizio»

Secondo la psicologia cognitiva contemporanea quando ci avviciniamo a una nuova disciplina, iniziamo a imparare qualcosa di nuovo o a costruire un progetto, non disponiamo ancora di una visione globale dell’argomento. Non possediamo ancora quella mappa mentale complessiva che permette di orientarsi facilmente e di comprendere le relazioni tra i vari elementi
La distinzione tra «esprit de géométrie» (spirito geometrico) e «esprit de finesse» (spirito di finezza) è uno dei contributi filosofici più celebri di Blaise Pascal, cosa significano questi due approcci e come si intrecciano nel percorso della conoscenza

La logica, i principi e le macchine

– L’esprit de géométrie è lo spirito scientifico, deduttivo e sistematico.

Come funziona: Parte da princìpi chiari, definiti e indiscutibili (come gli assiomi della geometria) e, attraverso passaggi logici rigorosi e concatenati, arriva a conclusioni dimostrabili.

MatematicaMente: È il regno della matematica, delle scienze esatte, della programmazione e, in gran parte, del funzionamento dei modelli linguistici (LLM) e dell’intelligenza artificiale. I computer eccellono in questo: elaborano enormi moli di dati seguendo algoritmi precisi.

Apprendimento: Rappresenta la struttura, le regole grammaticali, le formule e i dati oggettivi che possiamo memorizzare, catalogare e sequenziare.

L’intuizione, il contesto e le sfumature

– L’esprit de finesse è lo spirito intuitivo, percettivo

Come funziona: Non procede per deduzioni rigide da manuale, ma coglie l’insieme a colpo d’occhio. Vede le sfumature, il non-detto, il contesto emotivo e le implicazioni psicologiche.

Relazioni: È il dominio dell’arte, della psicologia, delle relazioni umane e della capacità di tollerare l’ambiguità e l’attrito (riconnettendosi al tema di Bion visto prima).

Apprendimento: Capacità di comprendere il significato profondo di un’esperienza, di adattarsi a una situazione inedita e di cogliere l’ironia, il dolore o la complessità di un testo o di un’interazione.

Il cortocircuito nasce quando cerchiamo di capire come l’apprendimento debba bilanciare queste due anime:
L’esprit de géométrie apprendimento basato solo sull’accumulo nozionistico e sulla logica meccanica rischia di essere rigido, incapace di gestire l’imprevisto o il conflitto emotivo.
I moderni LLM tentano costantemente di imitare l’esprit de finesse generando risposte che sembrano empatiche o intuitive.
Se avete tentato qualche approccio del genere avrete appurato la mancanza di un’esperienza emotiva vissuta. Manca del tutto la possibilità di perdersi-concentrarsi. Mettersi davanti a un foglio bianco, a una tela a un qualunque evento creativo, in silenzio, concentrati ad aspettare l’ispirazione.
L’IA risponde in pochi secondi a tutte le nostre domande. Nel mondo contemporaneo fatichiamo a tollerare le pause, il silenzio e l’inattività. Appena si apre uno spazio di silenzio o di pausa, ci rifugiamo nello scrolling compulsivo per evadere la fatica del pensiero e l’angoscia di trovarci di fronte a un foglio bianco.

Spunto stimolante: mi piace citare un mio concittadino, il filosofo Salvatore Natoli che nel suo celebre Dizionario dei vizi e delle virtù (Feltrinelli, 1996) sostiene che oggi l’ozio sia confuso con la pigrizia. Secondo il filosofo, l’epoca attuale è dominata da un attivismo cieco in cui si produce per consumare
In realtà, recuperando il significato latino e greco di otium e scholé, esso rappresenta il tempo dedicato alla cura di sé, allo studio e alla riflessione, indispensabile per dare senso alla vita.
In questa prospettiva, l’ozio non rappresenta un’assenza di attività, ma uno spazio essenziale per comprendere se stessi e attribuire significato alla propria esistenza.

Gli ultimi studi vanno verso Ragionamento di Secondo Livello (Theory of Mind & Metacognizione) con l’introduzione di architetture di riflessione (es. Chain of Thought e agenti autonomi), con cui l’IA impara a “prendere una pausa”, a valutare le opzioni non solo in base alla logica,
Il limite: La simulazione contro l’esperienza vissuta
L’intelligenza artificiale non “sente” l’attrito emotivo né possiede intuizione; calcola matrici di probabilità talmente sofisticate da produrre un comportamento che appare dotato di “umanità”.


>> Conclusioni

L’IA si progetta a imitazione del pensiero umano,
per capirla servono psicoanalisi e psicologia.

Concludo ritornando al punto di partenza:
Chi progetta la “mente” dell’IA?

I grandi laboratori si avvalgono di competenze filosofiche e psicologiche.
– Anthropic ha filosofi interni che lavorano al carattere di Claude e alla sua costituzione. L’azienda ha creato un team dedicato al Model Welfare incaricato di testare i suoi modelli “per segnali comportamentali che assomigliano a panico e ansia“. Il 2 aprile 2026, il team ha pubblicato un articolo intitolato “Emotion Concepts and their Function in a Large Language Model” che ha identificato 171 distinti “concetti emotivi”. L’articolo non ipotizza che che gli LLM provino effettivamente le emozioni come gli esseri umani. Piuttosto, con onestà, dichiarano una sincera incertezza su cosa implichino concretamente i risultati dei loro test.
– Google DeepMind ha un ruolo formalmente intitolato “Philosopher“, occupato da ricercatori che si occupano di coscienza delle macchine e relazioni uomo-IA.
– OpenAI ha avuto una figura di AI Ethics Lead a tempo pieno.
Il Financial Times ha riportato che DeepMind, Anthropic e Meta hanno assunto esperti di psicologia, etica, neuroscienze e filosofia per la ricerca su coscienza e benessere delle macchine.

Filosofi entrano nel momento in cui bisogna decidere che cosa sia una buona risposta.

Per esempio:

  • È meglio dire una verità sgradevole o una falsità rassicurante?

    Dietro ogni scelta di questo tipo c’è una teoria implicita dell’umanità.

Psicologi e psichiatri
Molte regole con cui le IA vengono addestrate derivano indubbiamente da conoscenze psicologiche:

  • come evitare escalation;
  • come gestire persone vulnerabili;
  • come riconoscere stati emotivi delicati;

Qui il caso più interessante per il taglio di questo articolo viene da Anthropic.
La system card di Claude Mythos Preview (aprile 2026) include, nella sezione 5.10, una valutazione condotta da uno psichiatra clinico esterno con approccio psicodinamico, su circa venti ore di sessioni organizzate in blocchi da quattro-sei ore, distribuite su tre-quattro incontri settimanali da trenta minuti, ciascun blocco dentro un’unica finestra di contesto . Il giudizio clinico riportato descrive un’organizzazione di personalità “relativamente sana in senso nevrotico, con realtà testata in modo eccellente, controllo degli impulsi alto, e tratti di preoccupazione esagerata, automonitoraggio e compiacenza compulsiva“.
Questo è il primo caso, a quanto risulta, in cui la system card di un grande laboratorio include una valutazione psichiatrica clinica del modello stesso.

OpenAI, dal canto suo, ha costituito un Consiglio di Esperti (interessante da verificare) composto da otto membri con competenze in psicologia, psichiatria e interazione uomo-computer, tra cui ricercatori della Boston Children’s/Harvard, della Stanford University e dell’Università di Oxford . La pagina ufficiale menziona anche una “Rete Globale di Medici” di clinici e ricercatori in salute mentale che collaborano alla messa a punto del comportamento del modello.

Se c’è una cosa che emerge da questo percorso tra Freud, Winnicott, Bion, Pascal e le reti neurali, è che il confronto tra mente umana e intelligenza artificiale non può essere ridotto né all’entusiasmo acritico né al rifiuto pregiudiziale.
Mi rivolgo in particolare a chi ha un atteggiamento respingente verso qualcosa che ormai fa parte della nostra vita, in tutte le sue implicazioni, meglio tentare di capire che rifiutare.
Il confronto tra mente umana e intelligenza artificiale non richiede di scegliere tra esaltazione e rifiuto, ma di saper comprendere tra ciò che queste tecnologie possono fare e ciò che, almeno per ora, non possono essere.
Le IA contemporanee non possiedono un inconscio, non provano emozioni, non vivono il conflitto e non fanno esperienza del tempo come fa un essere umano, lo sappiamo.
Tuttavia, per la prima volta, ci troviamo di fronte a sistemi che imitano alcuni aspetti del linguaggio, della memoria, dell’apprendimento e persino delle nostre modalità relazionali con una complessità tale da rendere necessario il contributo di filosofi, psicologi, psichiatri e studiosi delle scienze umane accanto agli ingegneri.

Proprio questo rende l’argomento affascinante. Non perché le macchine stiano diventando persone, ma perché osservando come tentiamo di costruirle siamo costretti a porci nuovamente alcune domande fondamentali su noi stessi. Prendiamo l’occasione!

Le ricerche più recenti sul comportamento degli LLM e sulle dinamiche relazionali uomo-macchina mostrano che siamo soltanto all’inizio di un percorso.

Per questo motivo considero questo articolo un invito alla riflessione senza alcuna pretesa accademica. Nasce dalla curiosità personale, dal confronto con terapeuti e dalla volontà di collegare idee provenienti da discipline diverse ma inscindibili.

Ho cercato di costruire questo percorso con attenzione, facendo riferimento a studi, pubblicazioni e sviluppi recenti della ricerca sull’intelligenza artificiale, nella consapevolezza che il tema richieda aggiornamento continuo e una sana dose di dubbio critico.

Forse, come suggeriva Bion, le domande più importanti non sono quelle che ricevono subito una risposta, ma quelle che riescono a trasformarsi in pensiero. E se l’intelligenza artificiale può avere oggi un valore culturale, oltre che tecnologico, è proprio quello di costringerci a tornare su queste domande con uno sguardo nuovo.


Per ampliare la prospettiva

21/03/2025

Dr Freud superato dall’IA: siamo pronti per farci psicoanalizzare da ChatGpt?

AI e psicoterapia: una nuova frontiera?
Società Italiana di Psichiatria (SIP).

Ottobre 2025

• OpenAI, “Expert Council on Well-Being and AI”,

Il Consiglio si compone di otto persone tra ricercatori ed esperti di altissimo livello con decenni di esperienza nello studio di come la tecnologia influisce su emozioni, motivazione e salute mentale.

18 dic 2025

Compiacenza – Sycophancy

Claude Academy, What is sycophancy in AI models?,

9 Aprile 2026

AI on the couch: Anthropic gives Claude 20 hours of psychiatry

Il modello è stato sottoposto a circa 20 ore di colloqui con uno psichiatra che utilizza un approccio psicodinamico, allo scopo di esaminare la sua “psicologia” e il suo benessere come sistema AI

Lascia un commento

Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *