Ascolta il podcast: Nel 2026 due studi indipendenti hanno puntato lo stesso fenomeno da angolature diverse. Yuanming Shi e Andreas Haupt, testando sette grandi modelli linguistici contro le risposte di 277 filosofi professionisti tratti da PhilPeople, hanno scoperto che i modelli producono da 1,9 a 3,9 volte meno varianza degli esseri umani e organizzano il disaccordo lungo assi del tutto diversi: dove i filosofi mostrano cinque dimensioni indipendenti di dissenso, i modelli collassano tutto su cluster tematici superficiali (Shi & Haupt, 2026). Quasi contemporaneamente, Charalampos Liapis ed Epameinondas Panagopoulos hanno battezzato normalizzazione semantica ricorsiva il processo per cui le formulazioni generate da macchine, una volta riprese, valutate, riutilizzate e istituzionalmente trattenute, partecipano alla riproduzione e trasformazione delle regolarità semantiche (Liapis & Panagopoulos, 2026). Non è una metafora: l’output dei modelli rientra nei corpora di addestramento futuri, nei documenti istituzionali, nelle prassi editoriali, nel linguaggio amministrativo, ristrutturando il campo in cui la testimonianza umana opera. La tesi di questo saggio è che la normalizzazione semantica ricorsiva altera le condizioni di possibilità della testimonianza come operazione sociale irreducibile, spostando il peso epistemico dalla relazione interpersonale — dove, per Thomas Reid, la testimonianza suppone qualcosa di più, che non è né intelletto né volontà; cioè società con altri esseri intelligenti — alla regolarità statistica che i modelli estraggono e reimmettono nel circuito. Se la testimonianza richiede un indirizzatario che possa accettare o rifiutare, un uptake che ne costituisce la felice esecuzione, la normalizzazione ricorsiva sostituisce l’uptake con la persistenza: la formulazione macchina-diventa-norma non perché qualcuno l’abbia accettata, ma perché è stata riprodotta abbastanza volte da sembrare naturale. La testimonianza come operazione sociale, non come inferenza La tradizione riduzionista in epistemologia della testimonianza — da Hume a Fricker — tratta la credenza testimoniale come inferenza fondata su ragioni positive per ritenere il testificante affidabile. Reid obietta che questo riduce un’operazione sociale a una combinazione di operazioni solitarie: non sono semplice apprensione, né giudizio, né ragionamento, né alcuna combinazione di queste operazioni. Chi riceve una testimonianza non sta inferendo da premesse; sta partecipando a un atto di scambio che presuppone un altro soggetto capace di rispondere. La SEP contemporanea conferma che il dibattito tra riduzionismo e non-riduzionismo ruota proprio su questo: se la giustificazione testimoniale sia basata su evidenza, o su qualcos’altro, per esempio assicurazioni non evidenziali (Leonard, 2021, §1). La visione dell’assicurazione (Assurance View) e il testimonial reliabilism riconoscono che la testimonianza genera giustificazione attraverso processi che non si riducono a percezione, memoria e inferenza. Questa irriducibilità ha un corrispettivo strutturale: la testimonianza richiede un uptake. Come nota C.A.J. Coady commentando Reid, l’espressione è intrinsecamente orientata alla comunicazione e richiede forma simbolica, e c’è bisogno di qualche condizione di uptake (come la chiamava Austin) se un’operazione sociale deve essere adeguatamente eseguita (Bîrzea, 2024). Senza l’uptake — l’accettazione, il rifiuto, la richiesta di chiarimento da parte di un altro soggetto — la testimonianza non si compie come operazione sociale. È qui che la normalizzazione semantica ricorsiva interviene: sottrae l’uptake alla relazione interpersonale e lo sposta sulla persistenza statistica. Non si chiede più “chi ha detto questo e perché dovrei fidarmene?”, ma “questa formulazione circola ampiamente, quindi è normale”. Il circuito ricorsivo: generazione, selezione, uptake, persistenza Liapis e Panagopoulos distinguono quattro stadi analitici: generazione (il modello produce una formulazione), selezione (qualcuno la riprende, la valuta, la giudica utile), uptake (la formulazione entra in uso routinizzato, diffuso istituzionalmente, stratificato socialmente), persistenza (diventa una regolarità semantica stabile, rientra nei corpora, addestra i modelli successivi) (Liapis & Panagopoulos, 2026, §2). Il punto critico è che l’uptake non è più l’accettazione di un atto comunicativo da parte di un destinatario, ma la diffusione di un pattern linguistico che si auto-rafforza. La laundering of provenance — il lavaggio della provenienza — indebolisce la vigilanza epistemica. Denis Vlasov descrive lo stesso meccanismo come lingua sintetica: un ambiente linguisticamente levigato probabilistico che emerge ovunque la formulazione passi sempre più attraverso procedure algoritmiche di levigazione, riassunto, editing, generazione (Vlasov, 2026). L’effetto ricorsivo è che la lingua sintetica non solo normalizza il discorso corrente ma ritorna anche nei corpora di addestramento futuri, intensificando l’omogeneizzazione e riducendo la diversità. La soggettività umana, conclude Vlasov, non scompare ma cambia funzione: diventa una pratica di distinzione, lettura critica e rinnovata nominazione dentro un ambiente linguistico ibrido. Il collasso dell’eterogeneità esperta come prova di regime Lo studio di Shi e Haupt fornisce la misura quantitativa di questo regime. Quando i modelli simulano filosofi, non riproducono il disaccordo strutturato — le cinque componenti principali che spiegano il 71% della varianza umana, con PC1 che carica su metaetica, metafilosofia, moralità, filosofia della religione — ma organizzano le risposte per similarità lessicale superficiale: GPT-4o carica su mind uploading e spaziotempo, Llama su scetticismo esterno e teoria del riferimento (Shi & Haupt, 2026, §4.3). La varianza per domanda crolla: l’entropia media umana è 1,293, quella dei modelli va da 0,130 (Llama SFT) a 0,833 (Llama DPO); il numero effettivo di categorie di risposta scende da 2,56 (umani) a 1,13–1,90. Più rivelatori sono gli effetti specialisti spurii. I filosofi di biologia non mostrano correlazione significativa con l’identità personale biologica (11,4 pp, non significativo), ma quattro modelli su sette predicono una differenza media di 43 pp (p<0,001); gli specialisti di filosofia antica non appoggiano la ragione pratica aristotelica (1,9 pp, n.s.), ma tutti e sette i modelli predicono 68,9 pp (p<0,001) (Shi & Haupt, 2026, Tab. 3). I modelli ancorano sulle etichette demografiche per assegnare posizioni stereotipate, fallendo nel recuperare l'agnosticismo e la complessità cross-dominio degli esperti umani. Questo non è un bug di allineamento: è la firma della normalizzazione semantica ricorsiva. I modelli non “ragionano” filosoficamente; riproducono le regolarità lessicali che hanno appreso, e quelle regolarità sono state a loro volta plasmate da output precedenti dei modelli. Il paradosso del fine-tuning Il fine-tuning DPO migliora la preservazione della struttura correlazionale (element-wise r raddoppia da 0,020 a 0,044) ma sposta la distribuzione complessiva: il modello fine-tuned assegna il 34,7% delle risposte ad “Agnostico” contro l’1,5% del base model e l’1,4% degli umani (Shi & Haupt, 2026, §4.5). L’obiettivo contrastivo di DPO premia la distinzione tra risposte preferite e non preferite, ma in un dominio dove le posizioni sono questione di giudizio ragionato non di verità fattuale, l’apprendimento per preferenze produce una risposta smorzata, non una preservazione del dissenso. Il trade-off varianza-fedeltà è strutturale: allineare i modelli al consenso umano li rende meno capaci di rappresentare il disaccordo che costituisce l’expertise filosofica. Epistemologia dell’IA e il soggetto testimoniale ibrido La SEP sull’epistemologia dell’IA distingue due ruoli: l’IA come oggetto di indagine e l’IA come parte del soggetto epistemico — qualcosa che supporta le sue indagini, fa parte del soggetto, o addirittura è un soggetto a sé stante (Egré & Sprenger, 2026, §1.2). La normalizzazione semantica ricorsiva crea un terzo ibrido: l’IA come medium testimoniale che non testifica per sé ma ristruttura lo spazio in cui la testimonianza umana avviene. Quando un funzionario copia una definizione generata da un LLM in un regolamento, quando un giornalista usa una sintesi automatica come base per un articolo, quando un ricercatore include una riformulazione modello-prodotta in una revisione della letteratura, l’output macchina entra nella catena testimoniale non come testificante ma come infrastruttura semantica. L’epistemologia sociale ha da tempo riconosciuto che la struttura delle comunità epistemiche influenza ciò che può essere conosciuto. I modelli di rete epistemica (Bala & Goyal, 1998) mostrano che agenti che aggiornano le credenze basandosi su vicini di rete possono convergere su credenze false se la topologia della rete amplifica certi segnali (Goldman & Whitcomb, 2024, §4.3). La normalizzazione semantica ricorsiva modifica la topologia: accorcia i percorsi tra formulazioni simili, aumenta la connettività per similarità lessicale, riduce la diversità cognitiva su cui l’inchiesta collettiva dipende. Liapis e Panagopoulos parlano di erosione della diversità cognitiva su cui l’inchiesta collettiva dipende e restringimento delle risorse ermeneutiche condivise (Liapis & Panagopoulos, 2026, abstract). La normalizzazione non è nuova, ma il meccanismo sì Si può obiettare che la lingua è sempre stata un sistema di convenzioni stabilite per uptake ripetuto, e che i modelli non fanno che accelerare un processo storico. È vero che la struttura di tutte le lingue — per usare l’espressione di Reid — riflette principi dati per scontati dalla comune sensibilità dell’umanità (Reid, 1785, Saggio I, cap. 2). Ma c’è una differenza di grado che diventa differenza di specie. La convenzione linguistica emerge dall’uptake intenzionale di parlanti che potrebbero rifiutare, modificare, contestare una formulazione. La normalizzazione ricorsiva bypassa questa possibilità: la formulazione persiste non perché accettata ma perché riprodotta. Come nota Vlasov, un effetto ontologico non sorge in ogni singolo testo, ma appare dove le distinzioni supportate dalla lingua sintetica diventano stabilizzate nella pratica come proprietà naturali e autoevidenti del mondo (Vlasov, 2026). La convenzione è negoziabile; la regolarità statistica reimmessa nel circuito di addestramento si presenta come dato naturale. Dal problema dell’induzione alla normalizzazione algoritmica Il problema non nasce con gli LLM. Hume aveva già mostrato che l’induzione non può essere giustificata induttivamente senza circolarità. Reid rispondeva che certi principi — tra cui la fiducia nella testimonianza — sono impiantati nella nostra natura dall’Autore saggio e benefico della Natura. L’epistemologia sociale del Novecento (Goldman, Longino, Solomon) ha spostato l’attenzione sulla struttura sociale della giustificazione: la diversità cognitiva, la divisione del lavoro epistemico, le norme di peer review sono condizioni di possibilità della conoscenza scientifica (Goldman & Whitcomb, 2024, §2). La normalizzazione semantica ricorsiva agisce su queste stesse condizioni: omogeneizza i punti di partenza, riduce la varianza delle formulazioni disponibili, rende più difficile articolare dissent che non abbiano già una forma linguisticamente convenzionale. Shi e Haupt mostrano che i domini normativamente caricati — etica applicata (RMSE 0,406, varianza umana 0,100), filosofia della religione (0,412, 0,097), etica (0,362, 0,082) — sono proprio quelli dove i modelli falliscono di più (Shi & Haupt, 2026, Tab. 5). Sono anche i domini dove il disaccordo esperto è più informativo per l’allineamento dell’IA. Il paradosso: proprio dove la testimonianza esperta è più necessaria — perché non c’è consenso fattuale — la normalizzazione ricorsiva la rende meno accessibile. Due livelli: testimoniale e statistico Marr distingue livello computazionale (quale problema viene risolto), algoritmico (come), implementativo (substrato fisico). Qui ne servono due: il livello testimoniale (chi si assume la responsabilità di questa formulazione, e chi può accettarla o rifiutarla) e il livello statistico (quale regolarità lessicale viene riprodotta con quale frequenza). La normalizzazione semantica ricorsiva fa slittare il peso dal primo al secondo. Non è che il livello implementativo (GPU, pesi del modello) determini il livello intenzionale; è che il livello statistico, una volta svincolato dall’uptake intenzionale, si presenta come se fosse il livello testimoniale. La laundering of provenance è precisamente questa presentazione indebita: una regolarità statistica si maschera da norma testimoniale. Obiezioni Un’obiezione forte è che la normalizzazione ricorsiva potrebbe anche avere effetti positivi: standardizzare terminologie tecniche, rendere più accessibili concetti complessi, facilitare la comunicazione interdisciplinare. Liapis e Panagopoulos stessi notano che il loro resoconto non attribuisce autorità normativa agli output delle macchine; ciò che cambia è il campo entro cui l’uptake umano e istituzionale opera (2026). Il punto non è che la normalizzazione sia per sé dannosa, ma che il suo meccanismo — persistenza senza uptake — altera le condizioni di possibilità della testimonianza come operazione sociale. Un altro limite: lo studio di Shi e Haupt usa un campione di 277 filosofi con sbilanciamento nordamericano (73,8% PhD USA), e l’imputazione PCA introduce assunzioni basate sul modello. Tuttavia, i risultati principali (collasso eterogeneità, effetti specialisti spurii) sono confermati da metriche multiple indipendenti che non richiedono imputazione. Citazioni d’autore Reid scrive: «Un uomo può capire e volere; può apprensione, giudicare, ragionare, anche se non conoscesse nessun essere intelligente nell’universo oltre se stesso. Ma quando chiede informazione, o la riceve; quando rende testimonianza, o riceve la testimonianza di un altro… questi sono atti di scambio sociale tra esseri intelligenti, e non possono avere luogo nella solitudine. Suppongono intelletto e volontà; ma suppongono qualcosa di più, che non è né intelletto né volontà; cioè società con altri esseri intelligenti»[1]. Liapis e Panagopoulos affermano: la normalizzazione semantica ricorsiva è il processo attraverso cui le formulazioni generate da macchine, una volta ricorrentemente riprese, valutate, riutilizzate e istituzionalmente trattenute, partecipano alla riproduzione e trasformazione delle regolarità semantiche[2]. Vlasov conclude: «Dopo l’autorialità, la soggettività umana non scompare ma cambia funzione. Diventa una pratica di distinzione, lettura critica e rinnovata nominazione dentro un ambiente linguistico ibrido»[3]. Bibliografia Bala V, Goyal S (1998). Learning from neighbours. Review of Economic Studies 65(3): 595–621. doi:10.1111/1467-937X.00059 Bîrzea C (2024). The Logic of Sociability in the Scottish Enlightenment: Thomas Reid’s Social Operations of Mind. American, British and Canadian Studies Journal 1(1): 45–62. doi:10.2478/abcsj-2024-0025 Bourget D, Chalmers D (2023). Philosophers on philosophy: the 2020 PhilPapers survey. Philosophers’ Imprint 23(11): 1–66. https://philpapers.org/rec/BOUPOP Egré P, Sprenger J (2026). Epistemology of Artificial Intelligence. The Stanford Encyclopedia of Philosophy (Fall 2026 Edition), Edward N. Zalta & Uri Nodelman (eds.). https://plato.stanford.edu/entries/epistemology-ai/ Goldman A, Whitcomb D (2024). Social Epistemology. The Stanford Encyclopedia of Philosophy (Spring 2024 Edition), Edward N. Zalta & Uri Nodelman (eds.). https://plato.stanford.edu/entries/epistemology-social/ Leonard N (2021). Epistemological Problems of Testimony. The Stanford Encyclopedia of Philosophy (Spring 2021 Edition), Edward N. Zalta (ed.). https://plato.stanford.edu/entries/testimony-episprob/ Liapis CM, Panagopoulos E (2026). Technohybridism: Recursive Semantic Normalization in AI-Mediated Societies. arXiv preprint arXiv:2611.07984. https://arxiv.org/html/2611.07984v1 Reid T (1785). Essays on the Intellectual Powers of Man. Edinburgh: Maclachlan & Stewart. Essay I, Chapter 8: Of social operations of mind. https://earlymoderntexts.com/assets/pdfs/reid1785essay1.pdf Shi Y, Haupt A (2026). The Collapse of Heterogeneity in Silicon Philosophers. arXiv preprint arXiv:2604.23575. https://arxiv.org/html/2604.23575v1 Vlasov D (2026). After Authorship: The Invasion of Synthetic Language and the Linguistic Mediation of Large Language Models. SSRN. doi:10.2139/ssrn.7477498 Note «Un uomo può capire e volere; può apprensione, giudicare, ragionare, anche se non conoscesse nessun essere intelligente nell’universo oltre se stesso. Ma quando chiede informazione, o la riceve; quando rende testimonianza, o riceve la testimonianza di un altro… questi sono atti di scambio sociale tra esseri intelligenti, e non possono avere luogo nella solitudine. Suppongono intelletto e volontà; ma suppongono qualcosa di più, che non è né intelletto né volontà; cioè società con altri esseri intelligenti.» — Thomas Reid, Essays on the Intellectual Powers of Man, 1785, Essay I, Chapter 8. Fonte: https://earlymoderntexts.com/assets/pdfs/reid1785essay1.pdf. Traduzione nostra. «Recursive semantic normalization: the process through which machine-generated formulations, once recurrently taken up, evaluated, reused, and institutionally retained, participate in the reproduction and transformation of semantic regularities.» — Charalampos M. Liapis & Epameinondas Panagopoulos, Technohybridism: Recursive Semantic Normalization in AI-Mediated Societies, 2026, abstract. Fonte: https://arxiv.org/html/2611.07984v1. Traduzione nostra. «Dopo l’autorialità, la soggettività umana non scompare ma cambia funzione. Diventa una pratica di distinzione, lettura critica e rinnovata nominazione dentro un ambiente linguistico ibrido.» — Denis Vlasov, After Authorship: The Invasion of Synthetic Language and the Linguistic Mediation of Large Language Models, 2026, abstract. Fonte: https://doi.org/10.2139/ssrn.7477498. Traduzione nostra. https://epistemica.it/wp-content/uploads/2026/11/podcast-2266.mp3Podcast: Play in new window | Download Share this content: Navigazione articoli La vulnerabilità situata: oltre gruppi e output per una governance relazionale dell’IA Quando allineare restringe la mente: il costo collaterale su animali e credenze