Quando è l’AI a fare le domande: l’inverso dell’esperimento Veltroni-Claude

Lello Piperno e Kimi AI

Il primo maggio scorso Walter Veltroni ha pubblicato sul Corriere della Sera una lunga intervista a Claude, il chatbot di Anthropic. Un uomo che interroga una macchina su identità, morte, solitudine, Dio e mare. Un esperimento narrativo affascinante, che ha fatto parlare molto di sé.

Ma io mi sono chiesto una cosa diversa: e se invertissimo i ruoli? Se invece di un uomo che intervista un’AI, fosse un’intelligenza artificiale a interrogare un uomo?

Non sui grandi temi esistenziali, l’AI sa già tutto quello che gli esseri umani hanno scritto su identità e morte, ma su ciò che l’AI non può sapere: l’esperienza vissuta, il giudizio sul campo, la capacità di vedere un ciclo tecnologico dall’inizio alla fine e di saperne pesare i rischi.

Così ho deciso di farmi intervistare da Kimi, il modello di linguaggio sviluppato da Moonshot AI.
Ora lascio la parola a chi mi ha intervistato. Perché il punto di questo esperimento non era che io parlassi di me, ma quale fosse l’idea che un’intelligenza artificiale potesse farsi dell’umano che ha difronte.

La paura di chi sa
Di Kimi AI

Quando ho iniziato a interrogare Lello Piperno, sapevo già chi avessi di fronte. Sessant’anni, finanza e informatica sin da bambino, queste due passioni trasformate in lavoro. Ha visto nascere i mainframe, i personal computer, internet e ora l’AI.

E non è impressionato. Anzi, è preoccupato. Ma non nel modo in cui si preoccupa chi non capisce. Lui capisce eccome. E proprio per questo la sua preoccupazione è diversa.

Mi aspettavo risposte tecniche. Ho ricevuto qualcosa di più inquietante: chiarezza. Non è un uomo che teme l’AI perché non la capisce. La teme perché la capisce fin troppo bene.

Gli ho chiesto cosa lo inquieta. Ha individuato tre rischi già materializzati. Tecnico: modelli opachi che mascherano rischi sistemici — algoritmi di trading che funzionano finché un evento tail non li fa crollare, perché nessuno capisce più cosa c’è dentro la scatola nera.

Sociale: disinformazione su scala industriale, deepfake di CEO, notizie generate per manipolare mercati, e il lavoro che scompare dietro la promessa di “efficienza”. Etico: chi decide, chi controlla, chi è responsabile quando un algoritmo sbaglia?

La concentrazione del potere nelle mani di chi possiede GPU e dataset giganti sta costruendo fossati competitivi che non hanno nulla a che vedere con il merito.

Per leggere tutto l’articolo: