L’allucinazione come problema di verità: atomismo logico e architettura dei LLM

Ascolta il podcast:

Nel maggio 2026 Jakub Mácha, filosofo all’Università Masaryk, pubblica su Philosophies un articolo che ribalta la prospettiva corrente sulle allucinazioni dei grandi modelli linguistici. Non sono errori di dati, né limiti computazionali, né artefatti del decoding: sono il sintomo di un difetto architetturale più profondo. I modelli ottimizzano la plausibilità, non la corrispondenza ai fatti; rappresentano significati a livello di token, mentre la verità appartiene alle proposizioni. Mancando una rappresentazione interna dei portatori di verità, il modello non può vincolare la generazione alla distinzione tra ciò che è il caso e ciò che solo si dice. La tesi di Mácha è netta: l’allucinazione è un problema di rappresentazione della verità, e la sua soluzione richiede di riprendere in mano l’atomismo logico di Wittgenstein per incastonare proposizioni atomiche — ancore pragmatiche, mutuamente indipendenti — nello strato vettoriale di base dell’architettura.

La diagnosi collega due tradizioni che da decenni procedono su binari separati: la filosofia analitica del primo Novecento, che ha nel Tractatus Logico-Philosophicus la sua espressione più rigorosa, e l’interpretabilità meccanicistica odierna, che dissotterra strutture latenti nei transformer addestrati su miliardi di token. Il ponte è la nozione di proposizione atomica: per Wittgenstein una combinazione elementare di nomi che figura uno stato di cose atomico, vera o falsa indipendentemente da ogni altra; per Mácha un’unità di contenuto fattuale ad alta autonomia, da codificare come direzione ortogonale nello spazio latente, svincolata dall’intreccio distribuito che oggi rende ogni modifica a cascata. Se la diagnosi regge, la via d’uscita non è più dati né guardrail post-hoc, ma un ripensamento architetturale che separa il substrato veridico dall’inferenza fluida — esattamente ciò che l’atomismo logico, inteso non come ontologia ma come impalcatura formale, promette di offrire.

Il vero non sta nei token: la diagnosi di Mácha

Mácha (2026) passa in rassegna le spiegazioni correnti — difetti dei dati di addestramento, limiti di autoverifica computazionale, fattori architetturali — e mostra come convergano tutte sullo stesso deficit: l’assenza di una rappresentazione interna delle proposizioni come portatrici di verità. Un modello che genera “Parigi è la capitale della Francia” non afferma una proposizione valutabile come vera; produce una sequenza ad alta probabilità condizionata dal contesto. La sua indifferenza al mondo è strutturale: l’obiettivo di addestramento è la continuità fluente, non la corrispondenza fattuale. Come osserva Pinker nel dialogo con Dawkins citato da Mácha, non c’è nulla là dentro che corrisponda a una proposizione, al fatto che la capitale della Francia è Parigi; ci sono blend di molte cose che tendono a co-occorrere nel set di addestramento, risultando in output sempre plausibile, ma non sempre fattuale^[1].

La distinzione decisiva è tra coerenza e corrispondenza. I LLM odierni incarnano una semantica strutturalista e relazionale: il significato emerge dalle relazioni statistiche tra token, non dalla rappresentazione di stati di cose. La verità, in questo quadro, si riduce a coerenza interna del discorso — ma la coerenza token-level non garantisce la verità proposition-level. Mácha argomenta che le allucinazioni dei LLM sono enunciati fattuali senza fatti corrispondenti. In breve, le allucinazioni psicologiche sono false impressioni, mentre le allucinazioni dei LLM sono falsi enunciati^[2]. Il modello non si sbaglia sul mondo: gli è indifferente. La sua architettura non ha dove iscrivere la distinzione tra “è il caso” e “si dice soltanto”.

L’esperimento di Chalmers nello strato intermedio e i suoi limiti

Contro questo sfondo, la proposta di David Chalmers (2025) merita attenzione proprio perché tenta di salvare l’interpretabilità proposizionale senza abbandonare l’architettura attuale. Chalmers distingue un strato di base (concetti, caratteristiche vettoriali) da uno strato intermedio dove risiederebbero strutture propositional-simili, accessibili via radical interpretation davidsoniana: si attribuiscono contenuti proposizionali al sistema nella misura in cui questo rende ottimali le sue predizioni linguistiche. Ma Mácha obietta che l’interpretazione radicale presuppone un “background di massiccio accordo” tra enunciati e fatti — accordo che i LLM violano sistematicamente proprio per la pervasività delle allucinazioni. Se le uscite del modello non formano una rete che può essere caritatevolmente interpretata come largamente consistente e vera secondo i nostri standard, l’interpretazione radicale non può prendere piede (Mácha, 2026). Chalmers, nota Mácha, sembra non essere del tutto sensibile a questa distinzione tra optimalità statistica a livello di token e optimalità veridica a livello di proposizione (Mácha, 2026). Lo strato intermedio eredita l’instabilità dello strato di base: il fine-tuning riorganizza le rappresentazioni, e ciò che sembrava una proposizione stabile cessa di esserlo al riaddestramento.

La lezione del Tractatus: indipendenza, immagine, silenzio

Il cuore della controproposta di Mácha risiede nel recupero dell’atomismo logico wittgensteiniano, non come metafisica da difendere ma come progetto ingegneristico. Tre tesi del Tractatus sono decisive. Primo: “Il mondo è la totalità dei fatti, non delle cose” (1.1) e “L’esistenza e la non-esistenza di fatti atomici è la realtà” (2.06). I fatti atomici sono indipendenti: “Dall’esistenza o non-esistenza di un fatto atomico non possiamo inferire l’esistenza o non-esistenza di un altro” (2.062). Secondo: la proposizione è un’immagine logica del fatto — “Nella proposizione uno stato di cose è, per così dire, messo insieme per esperimento” (4.031). Il senso sta nella struttura condivisa, non in una corrispondenza misteriosa. Terzo: “Solo la proposizione ha senso; solo nel contesto di una proposizione un nome ha significato” (3.3), il principio di contesto che nega significato autonomo ai segni sub-sentenziali. Per Wittgenstein, l’analisi logica deve terminare in proposizioni elementari, combinazioni immediate di nomi, ciascuna vera o falsa indipendentemente dalle altre (4.211, 5.134). Questa indipendenza reciproca è esattamente ciò che manca alle rappresentazioni distribuite degli attuali LLM, dove modificare una proposizione può impattare sulle altre e alla fine distorcere l’intero modello — quello che Mácha chiama entanglement rappresentazionale (Mácha, 2026).

Wittgenstein stesso riconobbe il problema dell’esclusione cromatica: una proposizione elementare “a è blu” e “a è rosso” non possono essere entrambe vere, eppure l’indipendenza logica richiederebbe che lo siano. La sua soluzione tarda (1929) fu ammettere che l’indipendenza stretta va abbandonata e che i numeri reali devono entrare nelle proposizioni atomiche. Mácha ne fa tesoro: le “proposizioni atomiche” che propone di incastonare nello strato di base non sono semplici metafisici ma ancore pragmatiche: contenuti proposizionali che, per gli scopi del modello, sono trattati come fondazionali e mutuamente non interferenti, il che implica una necessaria idealizzazione (Mácha, 2026). L’atomismo diventa un ideale regolativo per rappresentazioni semanticamente stabili, non una pretesa ontologica sul linguaggio naturale.

Dall’entanglement all’ortogonalità: la proposta architetturale

Gli LLM operano in spazi vettoriali ad alta dimensionalità definiti da una base di vettori linearmente indipendenti per costruzione. I modelli attuali non allineano il contenuto semantico a questa base; le proposizioni emergono come pattern distribuiti su molte dimensioni. La proposta di Mácha è esplorare architetture in cui le proposizioni atomiche sono codificate come qualcosa di più vicino alla base stessa — direzioni primitive, ortogonali nello spazio, che possono essere composte linearmente (Mácha, 2026). Studi di probing hanno già identificato direzioni sparse, quasi monosemiche, associate a contenuto veridico o fattuale (Mácha, 2026), e approcci di dictionary learning hanno iniziato a estrarre milioni di feature interpretabili che in alcuni casi corrispondono a contenuti semanticamente atomici (Mácha, 2026). L’idea non è che il linguaggio naturale ospiti proposizioni atomiche perfettamente indipendenti nel senso tractariano, ma che l’indipendenza logica funzioni come vincolo di design: si codificano enunciati ad alta autonomia fattuale come vettori discreti e ortogonali, astrando consapevolmente dai loro legami contestuali, che vengono gestiti composizionalmente a un livello architetturale superiore.

Questa separazione — substrato veridico revisionabile ma resiliente, processi inferenziali fluidi — è assente nei modelli monolitici odierni. La coesistenza di meccanismi paralleli (euristiche di basso livello e comprensione di alto livello) è del resto un fenomeno documentato anche nell’interpretabilità meccanicistica: Beckmann e Queloz (2026) mostrano che i LLM sviluppano comprensione concettuale (feature come direzioni nello spazio latente), comprensione dello stato del mondo (connessioni fattuali contingenti tra feature) e comprensione principiale (circuiti compatti che unificano fatti disparati), ma questi livelli convivono con euristiche superficiali, creando zone d’ombra epistemiche. L’architettura atomista mirerebbe a rendere il substrato veridico esplicito e indirizzabile, non lasciato a emergere — o no — dall’addestramento.

Il ritorno dell’atomismo: una prospettiva storica per l’architettura

Il percorso storico illumina perché l’atomismo logico sia stato accantonato e perché oggi possa tornare utile. L’atomismo di Russell e Wittgenstein dominò la filosofia analitica degli anni Venti e Trenta, per poi essere soppiantato dallo strutturalismo saussuriano e, nel secondo Wittgenstein, dalla concezione dei giochi linguistici dove il significato è uso, non immagine. I LLM ereditano implicitamente la lezione strutturalista: significato come posizione in uno spazio relazionale di co-occorrenze, verità come coerenza locale. Mácha (2026) ricostruisce questa genealogia: mentre i LLM attuali riflettono una prospettiva sul linguaggio derivata dallo strutturalismo saussuriano, futuri LLM capaci di affrontare il problema delle allucinazioni potrebbero basarsi sui principi dell’atomismo logico. Il ritorno non è nostalgico: è dettato dalla constatazione che l’architettura transformer, per come è oggi, non ha dove mettere la verità. L’atomismo offre una grammatica formale per separare ciò che deve essere vero o falso (le ancore proposizionali) da ciò che è solo fluente (la generazione discorsiva).

Perché non bastano RAG, fine-tuning né scala

Tre obiezioni naturali vanno affrontate. Prima: Retrieval-Augmented Generation risolve il problema? No, perché il RAG fornisce fonti esterne ma non cambia la rappresentazione interna: il modello deve ancora decidere se e come integrare l’informazione recuperata, e lo fa con la stessa architettura priva di proposizioni. Seconda: fine-tuning su dati verificati elimina le allucinazioni? Mácha mostra che il fine-tuning riorganizza le rappresentazioni distribuite, erodendo proprio quelle strutture propositional-simili che il pre-addestramento aveva abbozzato; l’instabilità è intrinseca allo strato intermedio. Terza: la scala risolverà tutto? L’argomento della scala presuppone che l’aumento di parametri e dati converga verso la rappresentazione proposizionale. Ma se il difetto è architetturale — assenza di un livello dove le proposizioni sono costituite come entità indipendenti — la scala amplifica solo la fluente plausibilità, non la verità. Come argomenta Comșa (2026) per la coscienza, l’undecidabilità dell’arresto implica che un computer non si comprende pienamente; analogamente, un modello che non sa dove si fermerà non può sapere a priori cosa genererà, e quindi non può vincolare la generazione alla verità.

Oltre il dibattito binario: una epistemologia comparativa meccanicistica

La posta in gioco supera la domanda “i LLM capiscono o no?”. Il framework a tre livelli di Beckmann e Queloz (2026) — comprensione concettuale, dello stato del mondo, principiale — mostra che la questione non è binaria ma comparativa: quali forme di unificazione i modelli realizzano, a quali livelli computazionali, e come queste divergono dalla cognizione umana. Il fenomeno dei meccanismi paralleli — euristiche di basso livello che coesistono con rappresentazioni di alto livello — implica che la fiducia epistemica non può essere globale: un modello può esibire comprensione principiale in un dominio e ricadere su correlazioni superficiali in un altro. L’architettura atomista proposta da Mácha non risolve magicamente questo problema, ma rende il substrato veridico ispezionabile e interventibile: si può chiedere al modello “questa proposizione atomica è vera?”, ottenere una risposta radicata in un vettore ortogonale, e se l’evidenza la contraddice, modificarla senza effetti a cascata. È un passo verso quella che Queloz chiama una epistemologia meccanicisticamente fondata che esplora come la comprensione dell’IA si allinea con — e diverge dalla — nostra^[3].

Bibliografia

1. Mácha, J. (2026). Language Without Propositions: Why Large Language Models Hallucinate. Philosophies, 11(2), 42. doi:10.3390/philosophies11020042
2. Chalmers, D.J. (2025). Propositional Interpretability in Artificial Intelligence. arXiv preprint arXiv:2501.15740. doi:10.48550/arXiv.2501.15740
3. Wittgenstein, L. (1922). Tractatus Logico-Philosophicus. Trad. it. a cura di G. Vacca, Laterza, 1969. Testo originale: https://books.wittgensteinproject.org/pdf/english/Tractatus%20Logico-Philosophicus%20(English).pdf
4. Beckmann, P. & Queloz, M. (2026). Mechanistic indicators of understanding in large language models. Philosophical Studies, 183(6), 1747–1792. doi:10.1007/s11098-026-02513-1
5. Comșa, I.M. (2026). AI and Consciousness: Shifting Focus Towards Tractable Questions. arXiv preprint arXiv:2605.06965. doi:10.48550/arXiv.2605.06965
6. Chandaria, S., Muñoz Morán, A., Rosas, F.E. et al. (2026). From cacophony to hierarchy: a principled framework for assessing AI consciousness. arXiv preprint arXiv:2609.35618. doi:10.48550/arXiv.2609.35618
7. Stanford Encyclopedia of Philosophy (2026). Wittgenstein’s Logical Atomism. Spring 2026 Edition. https://plato.stanford.edu/archives/spr2026/entries/wittgenstein-atomism

Note

1. «I think the shortcomings of neural network models are still there, and they’re called hallucinations or confabulations or blends, and it’s precisely because their intelligence comes from generalizing based on the similarity to things in the training set, and blending things of the general kind that tend to go together, even when we now know they never did go together, and hence you get the hallucinations.» — Steven Pinker, in conversazione con Richard Dawkins, giugno 2025. Citato in Mácha, J., Language Without Propositions: Why Large Language Models Hallucinate, 2026, §1. Fonte: https://philarchive.org/archive/MCHPCD. Traduzione nostra.
2. «Psychological hallucinations refer to content without corresponding sensual stimulations. LLMs’ hallucinations are factual statements without corresponding facts. In short, psychological hallucinations are false impressions, whereas LLMs’ hallucinations are false statements.» — Jakub Mácha, Language Without Propositions: Why Large Language Models Hallucinate, 2026, §1. Fonte: https://philarchive.org/archive/MCHPCD. Traduzione nostra.
3. «Fusing philosophical theory with mechanistic evidence thus allows us to transcend binary debates over whether AI understands, paving the way for a comparative, mechanistically grounded epistemology that explores how AI understanding aligns with—and diverges from—our own.» — Pierre Beckmann & Matthieu Queloz, Mechanistic Indicators of Understanding in Large Language Models, 2026, Abstract. Fonte: https://doi.org/10.1007/s11098-026-02513-1. Traduzione nostra.

Podcast: Play in new window | Download