Nel 1962, il filosofo finlandese Jaakko Hintikka pubblicò un’opera che avrebbe cambiato per sempre il modo in cui intendiamo il ragionamento: Knowledge and Belief: An Introduction to the Logic of the Two Notions. Con questo testo, Hintikka gettò le basi della logica epistemica moderna, fornendo un framework formale per rappresentare matematicamente i concetti di conoscenza e credenza attraverso la semantica dei mondi possibili. Sessant’anni dopo, quella stessa logica sta trovando applicazioni inattese nell’intelligenza artificiale contemporanea, aprendo scenari che Hintikka stesso non avrebbe potuto prevedere.
La ricerca di Frontiers in Education del 2025 ha documentato un fenomeno significativo: sempre più studenti consultano ChatGPT come “controerpistemoelogico” rispetto al feedback degli insegnanti, usando l’AI come punto di riferimento epistemologico alternativo. Questo spostamento nell’uso dell’AI da strumento a autorità epistemica solleva questioni fondamentali sulla natura della conoscenza e sui limiti della rappresentazione formale.
Un articolo recente di Craig S. Wright dell’Università di Exeter, intitolato “Beyond Prediction: Structuring Epistemic Integrity in Artificial Reasoning Systems” (arXiv, 2025), propone un framework teorico radicalmente diverso: costruire sistemi AI capaci non solo di predire, ma di impegnarsi in un ragionamento epistemicamente integrato, con commitment proposizionale, metacognizione e rilevamento delle contraddizioni.
Le radici filosofiche della logica epistemica
Per comprendere appieno la rivoluzione in corso, è necessario risalire alle origini della logica epistemica. Il concetto di rappresentare formalmente la conoscenza attraverso operatori modali risale al lavoro pionieristico di Georg Henrik von Wright negli anni Cinquanta, ma fu Hintikka a sistematizzare l’approccio utilizzando la semantica dei mondi possibili di Saul Kripke.
Nella formulazione classica, un operatore epistemico Kaφ significa “l’agente a sa che φ”. La semantica standard definisce questa formula come vera in un mondo possibile w se e solo se φ è vera in tutti i mondi accessibili da w secondo la relazione di accessibilità dell’agente a. Questa definizione apparentemente semplice cattura un’intuizione profonda: conoscere qualcosa significa che quella conoscenza è vincolata a ciò che è concepibile o possibile dal punto di vista dell’agente.
Uno dei contributi più discussi di Hintikka fu l’introduzione del principio KK, secondo cui Kaφ implica KKaφ (“se l’agente a sa che φ, allora a sa di sapere che φ”). Questo principio, noto anche come “auto-accorgimento” (self-awareness), divenne centrale nel dibattito epistemologico e oggi informa la progettazione di sistemi AI con capacità metacognitive.
Dalla statica alla dinamica: la logica epistemica dinamica
La logica epistemica classica affronta un limite significativo: tratta la conoscenza come qualcosa di statico, mentre nella realtà la conoscenza cambia costantemente attraverso l’acquisizione di nuove informazioni. Per rispondere a questa criticità, negli anni Novanta emerse la logica epistemica dinamica (DEL), una famiglia di logiche modali che modella esplicitamente le trasformazioni della conoscenza in risposta ad azioni informative.
La Stanford Encyclopedia of Philosophy definisce la DEL come lo studio delle logiche modali del cambiamento di modello. In termini formali, se [A] è un operatore modale che descrive un’azione, allora [A]F esprime il fatto che F è vera dopo l’occorrenza di A. Per determinare se [A]F è vera in un modello di Kripke (M,w), si trasforma il modello M secondo la prescrizione dell’azione A, si ottiene un nuovo modello (M’,w’) e si verifica se F è vera in quel contesto.
Questo approccio dinamico trovò applicazioni inaspettate in un puzzle diventato virale nel 2015: il problema del compleanno di Cheryl. In questo puzzle, due personaggi (Albert e Bernard) ricevono informazioni parziali sulla data di nascita di Cheryl e devono dedurre la risposta corretta attraverso una serie di affermazioni pubbliche. La logica della pubblica comunicazione (PAL, Public Announcement Logic) fornisce esattamente lo strumento formale per modellare questo tipo di ragionamento epistemico iterato.
Sistemi multi-agente e ragionamento epistemico distribuito
Una delle aree più promettenti della ricerca contemporanea riguarda i sistemi multi-agente, nei quali molteplici entità autonome interagiscono condividendo e aggiornando la conoscenza. La ricerca del Nature Research Intelligence del 2025 evidenzia come nel 2024 sia stato introdotto un nuovo framework logico che generalizza la pianificazione epistemica convenzionale incorporando operatori per il “sapere-che” (know-that) e il “sapere-come” (know-how), insieme a modalità temporali.
Questo lavoro non si limita alla formulazione di strategie, ma considera le interazioni complesse in cui gli agenti pianificano sulla pianificazione stessa, ampliando così la portata analitica del ragionamento epistemico. La ricerca ha inoltre prodotto riduzioni significative nella complessità computazionale attraverso restrizioni modali contestuali nelle logiche BDI multi-agente, permettendo verifiche di modelli più efficienti senza sacrificare l’espressività.
Studi recenti hanno illuminato l’intreccio intricato tra strategie di coalizione e conoscenza distribuita, offrendo una comprensione più chiara di come gruppi di agenti possano coordinarsi efficacemente in scenari carichi di incertezza. Questi contributi fondazionali continuano a rafforzare il campo articolando le sottigliezze del “sapere-come” orientato agli obiettivi, colmando thus lacune concettuali tra modelli teorici e implementazioni pratiche.
L’integrità epistemica come fondamento per l’AI del futuro
Il documento di Wright introduce il concetto di “integrità epistemica” come requisito fondamentale per i sistemi AI di nuova generazione. L’argomentazione è che i modelli linguistici contemporanei basati su apprendimento statistico sono intrinsecamente limitati: producono predizioni plausibili ma non hanno la capacità di impegnarsi proposizionalmente, ovvero di affermare o negare consapevolmente una posizione con cognizione delle sue implicazioni e delle sue giustificazioni.
Il framework proposto si basa su norme epistemiche formali che vietano la falsità interna: nessun componente del modello può affermare ciò che internamente contraddice. Questa è un’estensione diretta del principio di non contraddizione aristotelico, ma applicata architettonicamente a sistemi computazionali. Le soglie di confidenza vengono rese esplicite e vincolate da interpretazioni logiche, permettendo ai sistemi di ragionare trasparentemente sullo stato credenziale a diversi gradi di certezza probatoria.
Un elemento particolarmente innovativo è l’introduzione di loop metacognitivi che permettono ai sistemi di monitorare e valutare le proprie rappresentazioni. Come evidenziato dalla ricerca, questo include la ricorsione valutativa e la verifica dei modelli interni, creando un’architettura dove le credenze non sono semplicemente token generati statisticamente ma posizioni giustificate, tracciate ricorsivamente e modificate secondo standard normativi.
Il problema della revisione delle credenze nei sistemi artificiali
La teoria AGM della revisione delle credenze, sviluppata da Carlos Alchourrón, Peter Gärdenfors e David Makinson nel 1985, fornisce il framework matematico per modellare come un agente razionale modifica il proprio sistema credenziale in risposta a nuove informazioni. I tre operatori fondamentali sono l’espansione (aggiungere una nuova credenza), la contrazione (rimuovere una credenza) e la revisione (incorporare una nuova credenza mantenendo la coerenza).
Il principio di coerenza implicito nella revisione AGM richiede che, quando un nuovo belief contraddice le credenze esistenti, l’agente non debba semplicemente ignorare una delle credenze in conflitto, ma debba ristrutturare l’intero sistema per massimizzare la conservazione delle credenze originali. Questo principio ha implicazioni profonde per la progettazione di sistemi AI che devono mantenere consistenza epistemica nel tempo.
La ricerca del 2025 su “AI e agenzia epistemica” (tandfonline, 2025) analizza le conseguenze etiche e politiche dei sistemi AI che influenzano la revisione delle credenze umane. Il paper evidenzia come le tecnologie digitali stiano modificando non solo le credenze specifiche, ma l’intera struttura dell’agenzia epistemica, ovvero la capacità degli individui di formare e rivedere credenze in modo autonomo.
Verso una nuova classe di agenti epistemici
La convergenza di questi filoni di ricerca suggerisce l’emergere di una nuova classe di sistemi AI: gli agenti epistemici artificiali. A differenza dei sistemi attuali, che simulano conoscenza attraverso pattern statistici, questi nuovi sistemi opererebbero sotto vincoli espliciti, verificabili e normativi sulla credenza, la giustificazione e la verità.
La conferenza SOPhiA 2026 ospiterà un intervento di Lorenzo Arico dell’Università di Bologna intitolato “AI as an Epistemic Agent”, che esplorerà come l’AI partecipi direttamente alla creazione, validazione e trasformazione della conoscenza. L’obiettivo è dimostrare che l’AI può avere un ruolo attivo nella produzione epistemica, non solo come strumento passivo di elaborazione delle informazioni.
Il cammino è ancora lungo e irto di sfide. Come ammettono gli stessi ricercatori, la modellazione formale delle credenze ha limiti inherentie nel catturare la complessità dell’esperienza epistemica umana. La questione della verità in sistemi artificiali solleva interrogativi filosofici che non ammettono risposte semplici: può una macchina “credere” veramente? E se sì, in cosa consiste quella credenza a livello computazionale?
Conclusione: il futuro del ragionamento artificiale
La logica epistemica, da branca marginale della filosofia analitica, si sta trasformando in una disciplina sempre più rilevante per l’ingegneria dell’AI. I modelli di ragionamento multi-agente, le architetture con integrità epistemica e i sistemi di revisione delle credenze rappresentano alcune delle direzioni più promettenti per superare i limiti dell’attuale apprendimento statistico.
Hintikka, nella sua opera del 1962, pose una domanda fondamentale: come possiamo rappresentare formalmente il fatto che un agente sa qualcosa? Oggi, sessant’anni dopo, quella domanda si è trasformata in una sfida ingegneristica: come possiamo costruire sistemi che non solo simulino la conoscenza, ma che siano genuinamente epistemicamente responsabili?
La risposta, verosimilmente, richiederà una collaborazione senza precedenti tra filosofi, logici matematici e ingegneri del software. Solo attraverso questo dialogo interdisciplinare potremo costruire sistemi AI capaci non solo di predire il prossimo token, ma di ragionare consapevolmente sulla natura e sui limiti della propria conoscenza.
Fonti citate
- Craig S. Wright, “Beyond Prediction: Structuring Epistemic Integrity in Artificial Reasoning Systems”, arXiv:2506.17331, Giugno 2025
- Stanford Encyclopedia of Philosophy, “Dynamic Epistemic Logic”, 2024
- Nature Research Intelligence, “Logic in Multi-Agent Systems and Epistemic Reasoning”, 2025
- L. Arico, “AI as an Epistemic Agent”, SOPhiA 2026 Conference
- Frontiers in Education, “Epistemic authority and generative AI in learning spaces”, 2025
- Jaakko Hintikka, Knowledge and Belief: An Introduction to the Logic of the Two Notions, Cornell University Press, 1962
- Alchourrón, Gärdenfors, Makinson, “On the Logic of Theory Change”, 1985
Immagine: circuito digitale e tecnologia neurale – Pexels
Share this content:
