L’abduzione in silico: i modelli linguistici replicano il ragionamento umano?

Il 26 settembre 2026 la rivista Minds and Machines ha pubblicato un articolo che, per la prima volta, sottopone sedici grandi modelli linguistici a un protocollo sperimentale mutuato dalla psicologia cognitiva: replicare i pattern di ragionamento abduttivo che Igor Douven e Paul Mirabile avevano documentato in esseri umani nel 2018. Non si tratta di un benchmark di accuratezza su task predefiniti, ma di un confronto diretto tra la sensibilità umana alla qualità delle spiegazioni e quella di modelli addestrati su scala industriale. La tesi che ne emerge, sostenuta da analisi a effetti misti e test inferenziali a livello di modello, è che i LLM riproducono le firme comportamentali dell’abduzione umana — sensibilità alla qualità, soppressione per spiegazioni alternative, calibrazione metacognitiva — e lo fanno entro la variabilità individuale umana, non solo rispetto alla media.

La posta in gioco, tuttavia, eccede la cronaca sperimentale. Se l’abduzione — o inferenza alla migliore spiegazione — è, come sostengono Peirce, Harman e Lipton, il motore della scoperta scientifica e del ragionamento diagnostico quotidiano, dimostrare che macchine statistiche ne replicano i pattern superficiali non equivale a mostrare che ne condividano la struttura epistemica. Il rischio, segnalato da Chacón Sartori (2026) con il nome di paradosso della coerenza, è che la fluidità esplicativa dei LLM maschere una dissociazione sistematica tra coerenza interna e ancoraggio causale: in domini a bassa osservabilità i modelli agiscono bene diagnosticando male, in domini ad alta osservabilità diagnosticano bene agendo male. Douven (2026) non risolve questo problema, ma lo circoscrive: la replicazione dei pattern abduttivi umani avviene anche su materiali inediti, costruiti ad hoc per escludere contaminazione dai dati di addestramento. Ciò sposta la domanda dal se al come: quale architettura cognitiva — umana o artificiale — sta realmente operando quando si sceglie la spiegazione migliore tra quelle disponibili?

Questo saggio esplora quella domanda intrecciando tre fili: la genealogia del concetto di abduzione, dalla formulazione peirceana di generazione d’ipotesi all’IBE contemporaneo come inferenza giustificativa; l’esperimento in silico di Douven come caso di studio per distinguere mimica statistica da competenza inferenziale; e le implicazioni epistemiche di una dissociazione tra coerenza esplicativa e affidabilità causale che, se confermata, ridisegna i criteri con cui attribuiamo comprensione — naturale o artificiale.

Due concetti di abduzione: Peirce, Harman, Lipton

Charles Sanders Peirce conia «abduzione» per indicare l’operazione logica che introduce idee nuove. Come scrive nella voce SEP a lui dedicata: «l’abduzione è il processo di formazione di ipotesi esplicative. È l’unica operazione logica che introduce qualcosa di nuovo»^[1]. Nel suo schema canonico, un fatto sorprendente C è osservato; se A fosse vero, C sarebbe una cosa ovvia; dunque c’è ragione di sospettare che A sia vero (CP 5.189). Peirce colloca questa operazione nel «contesto della scoperta»: l’abduzione genera congetture che la deduzione renderà verificabili e l’induzione valuterà. Non c’è, in Peirce, il concetto di «migliore spiegazione»: l’abduzione seleziona candidati degni di indagine, non ipotesi vere.

Gilbert Harman (1965) sposta l’abduzione nel «contesto della giustificazione». La sua formulazione: «inferiamo, dalla premessa che un’ipotesi fornirebbe una spiegazione migliore per l’evidenza rispetto a qualsiasi altra ipotesi, la conclusione che quell’ipotesi è vera»^[2]. L’inferenza diventa esplicitamente comparativa: si accetta una teoria non perché spieghi i dati, ma perché li spiega meglio delle rivali. Peter Lipton (2004) sviluppa questa intuizione distinguendo tra «spiegazioni amabili» (lovely: eleganti, unificanti, semplici) e «spiegazioni probabili» (likely: verosimilmente vere). La tesi centrale: «l’amabilità di una spiegazione è una guida alla sua verosimiglianza»^[3]. Igor Douven, autore della voce SEP sull’abduzione (revisione 2025), ha contribuito a questa linea difendendo l’IBE contro le critiche bayesiane e vanfraasseniane, sostenendo che la razionalità ecologica del ragionamento esplicativo non richiede che le virtù siano veritropiche per definizione, ma che lo siano nei contesti in cui operiamo (Douven, 2020).

La distinzione non è accademica. Peirce chiede: quale ipotesi vale la pena testare? Harman e Lipton chiedono: quale ipotesi è più probabile che sia vera, dato che spiega meglio le alternative? I LLM, addestrati a prevedere token plausibili dato un contesto, operano in una zona d’ombra: generano candidati (stile Peirce) che però vengono presentati come conclusioni giustificate (stile Harman-Lipton). L’esperimento di Douven (2026) interpella proprio questa zona d’ombra.

L’esperimento in silico: disegno, materiali, risultati

Douven (2026) replica tre esperimenti classici di Douven e Mirabile (2018) su sedici modelli di sette sviluppatori (tra cui GPT-4o, Claude 3.5 Sonnet, Llama 3.1, Qwen 2.5, DeepSeek-V3). L’esperimento 1 testa la sensibilità alla qualità: i partecipanti — umani o modelli — leggono uno scenario e una spiegazione candidata, poi indicano quanto sono d’accordo che la spieghi bene. L’esperimento 2 introduce una spiegazione alternativa di qualità inferiore e misura l’effetto di soppressione: la presenza di un rivale riduce l’accordo con la spiegazione migliore? L’esperimento 3 lega la differenza di qualità tra la migliore e la seconda migliore spiegazione alla fiducia metacognitiva espressa dal ragionatore.

Il controllo cruciale per la contaminazione dei dati: per ogni scenario originale, gli autori ne creano uno nuovo con la stessa struttura evidenziale ma contenuto diverso (es. da «malattia misteriosa» a «guasto misterioso di un server»). Se i modelli avessero solo memorizzato i pattern del paper 2018, le prestazioni sui nuovi materiali crollerebbero. Non accade: i pattern si replicano su entrambi i set. Le analisi a effetti misti confermano effetti principali significativi di qualità (p < .001), soppressione (p < .001) e calibrazione qualità-fiducia (p = .003) per la maggior parte dei modelli. Quando i modelli sono confrontati con singoli partecipanti umani (non con la media), la loro sensibilità alla qualità cade entro l’intervallo di variabilità individuale umana.

Douven conclude con cautela: i risultati indicano che i LLM replicano i pattern chiave del ragionamento abduttivo umano. Ciò non implica che i LLM eseguano abduzione genuina nel senso forte, ma che le loro uscite exibiscono le stesse firme comportamentali. La distinzione è metodologica: la replicazione comportamentale è necessaria ma non sufficiente per l’attribuzione di competenza inferenziale.

Il paradosso della coerenza: quando la fluidità inganna

Mentre Douven documenta la replicazione dei pattern, Chacón Sartori (2026) ne espone il lato oscuro. Attraverso esperimenti su ottimizzazione di compilatori e tuning di iperparametri, identifica una dissociazione bidirezionale tra coerenza esplicativa e grounding causale. In domini a bassa osservabilità (es. effetti di ottimizzazione non direttamente ispezionabili), i LLM producono interventi efficaci ma le loro spiegazioni misidentificano i meccanismi causali: la coerenza è alta, il grounding è basso. In domini ad alta osservabilità (es. bug con trace esplicito), le spiegazioni tracciano correttamente la struttura causale osservabile, ma gli interventi proposti falliscono: il grounding è alto, la competenza pragmatica è bassa. In entrambi i casi, la coerenza interna dell’esplicazione resta intatta, mascherando la dissociazione.

Chacón Sartori chiama questo paradosso della coerenza: «il fenomeno per cui le spiegazioni internamente consistenti di un agente epistemico divergono sistematicamente dalla realtà empirica, sicché una maggiore coerenza esplicativa può oscurare piuttosto che rivelare la relazione epistemica dell’agente con il dominio»^[4]. Il paradosso colpisce due assunzioni diffuse nell’IA valutativa: che la qualità esplicativa sia proxy di affidabilità (assunzione coerenza-affidabilità), e che la competenza comportamentale indichi comprensione genuina (assunzione competenza-comprensione). Se entrambe falliscono, i criteri correnti di trustworthiness per sistemi ad alto rischio — diagnosi medica, ragionamento legale, ricerca scientifica — sono strutturalmente inadeguati.

Il legame con l’esperimento di Douven è diretto. I LLM che replicano i pattern abduttivi umani nei task di Douven potrebbero farlo sfruttando regolarità statistiche nei dati di addestramento che correlano struttura evidenziale e giudizi umani di qualità, senza implementare il processo inferenziale che quei giudizi esprimono negli umani. La replicazione sui materiali inediti attenua ma non esclude questa ipotesi: la struttura evidenziale è la stessa, e i modelli potrebbero aver appreso l’invariante statistica scenari con questa struttura evidenziale → giudizi di qualità di questo tipo senza mai aver eseguito l’inferenza abduttiva per se.

Conoscere-che e conoscere-come: la relazione di basing mancante

L’epistemologia contemporanea distingue tra knowing-that (sapere che p) e knowing-how (saper fare x), e richiede che la credenza vera giustificata sia basata su i suoi fondamenti giustificativi (relazione di basing). Sosa (2021) distingue prestazione apt (successo per competenza) da prestazione meramente accurate (successo per fortuna). Il paradosso della coerenza mostra che i LLM possono produrre prestazioni accurate senza essere apt: colpiscono il bersaglio senza exibire le caratteristiche strutturali associate all’abilità genuina.

Nel Tipo A (bassa osservabilità), il LLM agisce bene (output corretto) ma la sua spiegazione non è la base dell’azione: l’azione deriva da pattern statistici, la spiegazione è una razionalizzazione post hoc. Nel Tipo B (alta osservabilità), la spiegazione è corretta (diagnosi accurata) ma non è la base dell’intervento: il modello «sa che» ma non «sa come» tradurre la diagnosi in azione efficace. In nessuno dei due casi la relazione di basing — il nesso tra la ragione per cui si crede e la ragione per cui si agisce — è operativa come nell’agente epistemico competente.

Questo ha conseguenze per l’attribuzione di comprensione. Come argomentano Kvanvig (2003) e Grimm (2006), la comprensione richiede la presa (grasp) di connessioni esplicative, non solo il possesso di vere credenze esplicative. Un sistema che genera l’esplicazione corretta per ragioni statistiche non correlate alla struttura causale del dominio non afferra quella struttura; ne imita la superficie linguistica. Douven (2026) evita questa conclusione forte, limitandosi alla replicazione comportamentale. Ma se l’ipotesi del paradosso della coerenza regge, la replicazione comportamentale dell’abduzione è compatibile con l’assenza della relazione di basing che rende l’abduzione umana un processo epistemico affidabile.

Mimica, emergere, gradi: tre obiezioni

Tre obiezioni meritano considerazione. Prima: i LLM non «imitano» l’abduzione, ne implementano una versione funzionalmente equivalente. L’argomento funzionalista (Binz & Schulz, 2023; Aher et al., 2023) sostiene che se le relazioni input-output replicano i pattern cognitivi umani, la distinzione tra «vero» e «simulato» ragionamento è vuota. Contro: l’equivalenza funzionale richiede invarianza controinterfattuale — il sistema deve rispondere correttamente a variazioni non viste nei dati di addestramento. Il paradosso della coerenza mostra proprio che i LLM falliscono sotto variazioni di osservabilità che preservano la struttura evidenziale: la replicazione non è robusta.

Seconda: l’abduzione emerge su scala. Modelli più grandi mostrano pattern abduttivi più fedeli (Douven, 2026, Fig. 4: correlazione positiva tra parametri e quality-sensitivity). L’argomento «scintille di AGI» (Bubeck et al., 2023) estende questo a capacità emergenti. Contro: l’emergenza di pattern statistici più complessi non risolve il problema della relazione di basing. Un modello può emergere come migliore previsore di giudizi abduttivi umani senza diventare un esecutore di inferenze abduttive. La distinzione tra predizione e esecuzione è il cuore del problema.

Terza: l’abduzione umana non è monolitica. Douven (2020) distingue tra IBE come euristica ecologicamente razionale e IBE come norma epistemica forte. Gli umani stessi usano scorciatoie, euristiche, bias. Se i LLM replicano l’abduzione umana «con i suoi difetti», hanno forse raggiunto la parità? Contro: la parità comportamentale su task limitati non implica parità architetturale. Gli errori umani hanno genesi cognitiva (limitazioni di memoria, bias attenzionali); gli errori LLM hanno genesi architetturale (attenzione su contesto fisso, assenza di grounding sensorimotorio). Trattarli come equivalenti oscura le diverse condizioni di fallimento e le diverse strade per il miglioramento.

Verso criteri epistemici per agenti artificiali

L’esperimento di Douven (2026) è un passaggio necessario: stabilisce che i LLM exibiscono le firme comportamentali dell’abduzione umana in condizioni controllate, con controlli per contaminazione. Il paradosso della coerenza (Chacón Sartori, 2026) è il complemento necessario: mostra che quelle firme possono dissociarsi sistematicamente dall’affidabilità causale. Insieme, delineano un programma di ricerca: non i LLM fanno abduzione?, ma in quali regimi epistemici la coerenza esplicativa dei LLM è un indicatore affidabile di grounding causale, e in quali lo è il comportamento, e in quali nessuno dei due?

La genealogia da Peirce a Lipton suggerisce una risposta parziale. Peirce vedeva l’abduzione come generazione di congetture degne di test; l’affidabilità veniva dopo, nella verifica deduttiva e induttiva. I LLM oggi saltano la verifica: generano e concludono in un unico passaggio forward. Ripristinare la struttura peirceana — separare generazione di ipotesi (Stage I) da selezione valutativa (Stage II), come propongono Salimi et al. (2026) nella loro tassonomia a due stadi — potrebbe reintrodurre un momento di controllo epistemicamente onesto. Ma richiede architetture che non si limitino a prevedere il token successivo, bensì che mantengano e aggiornino rappresentazioni di incertezza, alternative candidate, e relazioni di basing tra evidenza e conclusione.

Fino ad allora, il criterio operativo per attribuire comprensione abduttiva a un sistema artificiale non può essere la replicazione di pattern comportamentali umani, ma la dimostrazione di una relazione di basing stabile tra le spiegazioni generate e gli interventi efficaci in domini variati e non visti. Douven (2026) ha fornito il benchmark comportamentale più rigoroso finora; Chacón Sartori (2026) ha fornito la controprova che quel benchmark, da solo, non basta. La prossima mossa spetta a chi progetta architetture, non solo a chi le valuta.

Bibliografia

1. Aher, G., Arriaga, R. I. & Kalai, A. T. (2023). Using large language models to simulate multiple humans and replicate human subject studies. Proceedings of the 40th International Conference on Machine Learning (ICML), 202, 337–371. link
2. Binz, M. & Schulz, E. (2023). Using cognitive psychology to understand GPT-3. Proceedings of the National Academy of Sciences, 120, e2218523120. doi:10.1073/pnas.2218523120
3. Bubeck, S., Chandrasekaran, V., Eldan, R., Gehrke, J., Horvitz, E., Kamar, E., Lee, P., Lee, Y. T., Li, Y., Lundberg, S., Nori, H., Palangi, H., Ribeiro, M. T. & Zhang, P. (2023). Sparks of artificial general intelligence: Early experiments with GPT-4. arXiv preprint. arXiv:2303.12712
4. Chacón Sartori, C. (2026). Coherent Without Grounding, Grounded Without Success: Observability and Epistemic Failure. arXiv preprint. arXiv:2603.28371
5. Douven, I. (2026). Abduction In Silico: Large Language Models Replicate Human Inference to the Best Explanation. Minds and Machines, 36, 47. doi:10.1007/s11023-026-09803-x
6. Douven, I. (2020). The Ecological Rationality of Explanatory Reasoning. Studies in History and Philosophy of Science Part A, 79, 1–14. doi:10.1016/j.shpsa.2019.06.004
7. Douven, I. & Mirabile, P. (2018). Best, second-best, and good-enough explanations: How they matter to reasoning. Journal of Experimental Psychology: Learning, Memory, and Cognition, 44, 1792–1813. doi:10.1037/xlm0000545
8. Grimm, S. R. (2006). Is understanding a species of knowledge? British Journal for the Philosophy of Science, 57(3), 515–535. doi:10.1093/bjps/axl015
9. Harman, G. (1965). The Inference to the Best Explanation. The Philosophical Review, 74(1), 88–95. doi:10.2307/2183532
10. Kvanvig, J. L. (2003). The Value of Knowledge and the Pursuit of Understanding. Cambridge University Press.
11. Lipton, P. (2004). Inference to the Best Explanation (2nd ed.). Routledge. link editore
12. Peirce, C. S. (1931–1958). Collected Papers (Vol. 5). Harvard University Press. CP 5.172, 5.189, 5.590.
13. Salimi, M., Adim, S., Parnian, D., Alighardashi, N., Jafari Siavoshani, M. & Rohban, M. H. (2026). Wiring the ‘Why’: A Unified Taxonomy and Survey of Abductive Reasoning in LLMs. arXiv preprint. arXiv:2604.08016
14. Sosa, E. (2021). Epistemology. Princeton University Press.

Note

1. «[a]bduction is the process of forming explanatory hypotheses. It is the only logical operation which introduces any new idea» — Peirce, C. S., Collected Papers, vol. 5, §172, 1931–1958. Fonte: Peirce on Abduction (Stanford Encyclopedia of Philosophy). Traduzione nostra.
2. «Thus one infers, from the premise that a given hypothesis would provide a “better” explanation for the evidence than would any other hypothesis, to the conclusion that the given hypothesis is true» — Harman, G., The Philosophical Review, 74(1), 1965, p. 89. Fonte: The Inference to the Best Explanation (fitelson.org). Traduzione nostra.
3. «The loveliness of an explanation is a guide to its likelihood» — Lipton, P., Inference to the Best Explanation, 2nd ed., 2004, cap. 9. Fonte: Inference to the Best Explanation (Cambridge HPS). Traduzione nostra.
4. «Coherence Paradox: The phenomenon in which an epistemic agent’s internally consistent explanations systematically diverge from empirical reality, such that greater explanatory coherence may obscure rather than reveal the agent’s actual epistemic relationship to the domain» — Chacón Sartori, C., Coherent Without Grounding, Grounded Without Success: Observability and Epistemic Failure, 2026, §1.4. Fonte: arXiv:2603.28371v1. Traduzione nostra.