Il motivo dell’automatos bios è antichissimo: oggetti che si muovono da soli, senza l’intervento dell’uomo e dell’umana fatica, sono presenti fin dai poemi omerici, quasi a rivelare un’aspirazione radicata nel tempo a una vita in cui le attività manuali tipicamente umane sono assenti, in quanto governate dalla volontà e dal pensiero, però in ultima analisi divino. Efesto ha aiutanti meccanici per forgiare le armi di Achille, e le navi dei Feaci non sono condotte da nocchieri ma solcano il mare senza l’aiuto di timone, cioè, senza fatica e senza pericolo (Od. VIII 555-563): “Dimmi la terra e la gente e la tua città, perché le navi dirigendosi là col pensiero ti portino. Infatti i Feaci non hanno piloti, le navi non hanno i timoni che hanno le altre, ma sanno da sole i pensieri e la mente degli uomini, le città e i grassi campi di tutti conoscono, e traversano celeri l’abisso del mare avvolte nella foschia e in una nube: esse non temono mai di soffrire alcun danno o d’andare in rovina” (trad. it. di G.A. Privitera). Non mette conto qui di ripercorrere le molte vie, serie e comiche, di questo motivo artistico, che può dirsi utopico finché non si realizza, distopico finché non diviene ragione di preoccupazione; tuttavia, il tema è interessante non solo in quanto emergente, per noi almeno, fin dai poemi omerici, ma, più nello specifico, perché delle navi dei Feaci il poeta fornisce un dettaglio che le rende diverse da altri dispositivi automatici o da altri oggetti animati presenti nella poesia antica e non solo: le navi conoscono il pensiero degli uomini e le rotte che essi devono percorrere, come a prevenire, soddisfacendole, le umane volontà e le loro manifestazioni. E non c’è dubbio che queste rappresentazioni poetiche siano in qualche maniera funzionali, retoricamente beninteso, ad avviare il difficile discorso sul rapporto che può esistere, e che in parte esiste già, fra la cosiddetta intelligenza artificiale e le lingue cosiddette classiche, in altre parole il greco antico e il latino.
L’impiego di sistemi più o meno sofisticati di intelligenza artificiale per lo studio dell’antico, e non solo sul versante linguistico, è consolidato e in continuo perfezionamento. Basterebbe pensare ad alcune grandi e imprescindibili banche dati come il TLG, oppure a casi molto interessanti di deep learning models che applicano reti neurali profonde a prodotti dell’antichità, per la loro ricostruzione. Sono i casi, ad esempio, di Ithaca e di Aeneas, sviluppati da Google, rispettivamente per le epigrafi greche e latine: sotto il suggestivo titolo comune di Predicting the Past, si chiarisce come “Ithaca and Aeneas are generative AI models designed to assist historians in the study of ancient Greek and Latin inscriptions. They are part of a wider initiative on developing collaborative AI for historical research”. Non importa qui entrare nella misurazione del tasso di effettiva affidabilità o utilità dei due strumenti, sia perché, come noto, i sistemi di IA sono in continua evoluzione e implementazione, sia perché il grado di utilità della macchina dipende anche dal problema che lo studioso le pone e, prima di tutto, pone a sé stesso. Ciò che si direbbe interessante è, semmai, l’aspetto collaborativo, per cui l’umano co-evolve con la macchina in una dimensione di autentica omologia, secondo l’impiego del termine promosso da Lucien Goldmann. Si tratta di un’applicazione della macchina a un ben preciso segmento dello studio dell’antichità, l’epigrafia, sia greca che latina, in cui l’uomo non è assolutamente guidato dalla macchina, ma non è nemmeno il suo pilota, perché la macchina, nell’elaborare possibili ipotesi risolutive del problema che l’uomo le pone, permette allo scienziato di formulare nuovi quesiti e di interrogare nuovi scenari. Del resto, questo genere di applicazioni, come quelle disponibili con Pythia, entrano in un campo del ragionamento umano che non è deduttivo, per l’oggetto della ricerca, e non è induttivo, per la non replicabilità delle condizioni sperimentali, ma è abduttivo, fortemente indiziario: ne consegue che la possibilità di scenari suggeriti dalla macchina può essere soggetta a discernimento solo dal pensiero critico umano, che può vagliarli e selezionarli fino, possibilmente, alla riduzione a uno – magari talvolta uno non previsto dall’IA ma derivato dalla combinazione delle sue proposte.
Sul piano didattico sono in corso numerosi approfondimenti relativi all’applicazione dell’IA nell’insegnamento delle lingue e delle culture antiche. Senza entrare qui nel dibattito relativo all’opportunità o meno dell’introduzione del mezzo nelle aule – domanda che mi permetto di considerare mal posta in quanto l’IA è già presente nella scuola in quanto già presente nella vita degli scolari e dei loro maestri – credo sia opportuno segnalare, sulla scia di recenti interventi, come i LLM possano essere utili nella funzione di assistenti nella classe, per una didattica sempre più personale e attenta agli studenti.
Sono evidenziati attualmente dagli studiosi alcuni limiti: si rileva, abitualmente, una difficoltà dei sistemi neurali alle prese con situazioni di polisemia. A questo primo limite, che merita ulteriori indagini, vorrei aggiungere alcuni aspetti tipicamente linguistici che tendono a essere sottovalutati. Il primo è la dimensione storica delle lingue, né solo del greco antico e del latino. Sembra un’ovvietà ma è bene ribadire che, ad esempio, non esiste un greco antico, ma c’è la plausibile concezione, per certi versi unitaria, di una lingua che ha variazioni diacroniche e diatopiche. Va inoltre ribadito, in aggiunta, che quasi tutti i testi antichi impiegati per apprendere il greco antico e il latino sono frutto di una drastica selezione avvenuta nell’antichità, nell’età tardo-antica, poi medievale e in parte anche moderna, in esito a fattori casuali e a scelte culturali. Questo significa che nella scuola e nelle università di tutto il mondo si ha a che fare con testi spesso autoriali, sovente letterari, intesi originariamente a una pratica artistica che affida la comunicazione a molteplici mezzi e anche a tratti sovrasegmentali. Le stesse lingue specialistiche antiche sono all’inizio esito di tentativi di delimitare il significato di termini ed espressioni già in uso: in altre parole, non è Aristofane che si risolve a impiegare il lessico ippocratico, ma è la medicina ippocratica che, talora, adotta termini noti anche da Aristofane in riferimento allo stesso periodo, con un tentativo però di maggior specializzazione. Queste rudimentali e scontate riflessioni su alcune questioni delle lingue antiche non intendono scoraggiare il miglioramento dell’IA grazie al ricorso al greco e al latino, ma vogliono essere un invito a un impiego oculato di simili risorse linguistiche.
Come si ricava chiaramente dal nome stesso Large Language Models, l’IA ha una base essenzialmente linguistica e intercetta una potente, forse la più potente, facoltà umana, il linguaggio. Non intendo qui addentrarmi nell’affascinante dubbio che McCarthy ha recentemente insinuato, a partire dal problema di Kekulé col sogno dell’ancestrale uroboro, sulla natura biologica dell’inconscio e sul suo rapporto col linguaggio. Mi pare però utile considerare che, se la natura di questo rapporto è oggetto di numerosi studi, è pur vero che gli interrogativi che li sollecitano e in generale la maggior parte delle domande che l’uomo si pone sono articolati nel linguaggio e tradotti in segni linguistici. L’IA non svolge un ragionamento, ma ne riproduce uno, il più probabile, e in questo consistono alcuni processi tipici dell’IA e da migliorare. Gli studiosi segnalano, ad esempio, come esistano distorsioni cognitive nei LLM, l’assorbimento di stereotipi che conduce a un altro tipo di limite rintracciabile in forme di allineamento e standardizzazione delle informazioni; si rilevano poi le cosiddette allucinazioni, cioè veri e propri errori dal punto di vista dello studioso, ma in realtà semplicemente delle conclusioni inventate dal modello sulla base del suo funzionamento logico. Da questo punto di vista è possibile che il greco antico e il latino possano concorrere a migliorare il funzionamento dei modelli e a ridurre alcuni errori.
Va precisato che nella simulazione del ragionamento, che prescinde dalla comprensione del testo, i LLM si fondano soprattutto su articolazioni morfo-sintattiche, più che semantiche. Da questo punto di vista, il greco antico e il latino, più di altre lingue – ma non più di tutte le lingue – presentano una complessità che potrebbe rivelarsi funzionale a integrare il funzionamento dei LLM. Come il latino, il greco si regge su un impianto articolato su tre generi, ma, a differenza del latino, ha anche tre numeri, ha tre diatesi, e ha tre modi intesi a una triplice rappresentazione dell’azione in relazione ai gradi di oggettività, eventualità, possibilità.
Questo campo di indagine necessita di ampie sperimentazioni, che indicano la strada inversa rispetto a quello che si diceva in avvio di queste sintetiche riflessioni, perché non si tratta dell’IA che con lo scienziato affronta lo studio di testi antichi, ma è la lingua antica applicata alla rete neurale non allo scopo immediato di portare migliorie alla scienza dell’antichità, ma per ampliare e approfondire la complessità operativa del modello stesso. Un ulteriore elemento di interesse consiste nella dimensione pienamente semantica che il greco antico e il latino, grazie a una certa polisemia, possono fornire, in modo da superare l’approccio principalmente o prevalentemente statistico che caratterizza l’IA nel suo complesso e dunque anche nella sua applicazione allo studio di discipline storiche, che dalle previsioni statistiche tendono a sottrarsi per il caso che attraversa alcuni snodi dei testi stessi e delle loro vicende nel tempo.
SPUNTI DI LETTURA
L. Floridi, The ethics of artificial intelligence: principles, challenges, and opportunities, Oxford 2023.
G. Mosconi (a cura di), Antico & IA. Intelligenze artificiali e didattica del mondo antico. Riflessioni e proposte, Cassino 2025.
SITOGRAFIA
Asael et al. 2025
https://doi.org/10.1038/s41586-025-09292-5
Commissione europea Dipartimento generale dell’Istruzione 2022
https://op.europa.eu/it/publication-detail/-/publication/d81a0d54-5348-11ed-92ed-01aa75ed71a1
Floridi 2025
Trinchero 2025
https://doi.org/10.7358/ecps-2024-030-trir
Leggi anche:
Un progetto di congiunzione: lavorare sulle parole per addomesticare le macchine di Michele Mezza
ABSTRACT
This article reflects on the relationship between artificial intelligence and the study of classical languages, beginning with the ancient motif of “automatos bios” found in Homeric poetry, where self-moving objects anticipate modern imaginaries of automated intelligence. From this perspective, the paper examines current applications of AI to the study of antiquity, including digital corpora and neural-network models such as Ithaca and Aeneas, designed to assist the interpretation of Greek and Latin inscriptions. These tools are framed not as substitutes for scholarly expertise but as collaborative systems that interact with human reasoning through abductive and hypothesis-generating processes. The contribution also discusses the pedagogical implications of large language models in the teaching of ancient languages, highlighting both their potential and their limitations, particularly in dealing with polysemy and historical linguistic variation. Finally, it suggests that the structural and semantic complexity of Greek and Latin could themselves serve as valuable resources for improving language models, offering training environments capable of enriching the interpretative capacity and robustness of artificial intelligence systems.
