Link al documento/PDF: https://www.amacad.org/publication/daedalus/toward-science-of-intelligence-unifying-physics-neuroscience-ai
Tipo di documento: articolo accademico open access su Dædalus, rivista dell’American Academy of Arts & Sciences, disponibile anche in PDF.
Nel saggio Toward a Science of Intelligence: Unifying Physics, Neuroscience & AI, Surya Ganguli propone una nuova alleanza tra fisica, neuroscienze e intelligenza artificiale per comprendere come nascano intelligenza, apprendimento e coscienza nelle reti neurali biologiche e artificiali.
L’intelligenza artificiale sta trasformando società, economia e ricerca scientifica, ma la sua logica interna resta ancora in larga parte opaca. È il punto di partenza dell’articolo di Surya Ganguli, pubblicato nel numero Winter/Spring 2026 di Dædalus, dedicato al futuro della scoperta scientifica nell’era dell’IA. L’autore è Associate Professor of Applied Physics a Stanford e Senior Fellow dello Stanford Institute for Human-Centered AI.
Ganguli sostiene che serva una “scienza dell’intelligenza” capace di unificare fisica dei sistemi complessi, neuroscienze e IA. La fisica può aiutare a spiegare perché reti neurali con miliardi di parametri sviluppino capacità emergenti; le neuroscienze, invece, mostrano quanto il cervello umano resti superiore alle macchine per efficienza energetica, uso dei dati e robustezza.
Il tema arriva in un momento simbolico: nel 2024 John Hopfield e Geoffrey Hinton hanno ricevuto il Nobel per la Fisica per scoperte fondamentali sulle reti neurali artificiali e il machine learning. Ganguli collega questa traiettoria alla possibilità di nuovi hardware neuromorfici e quantistici, fino alla costruzione di “gemelli digitali” del cervello per studiare intelligenza, coscienza e controllo causale.
Il nodo etico è decisivo: sistemi più potenti ma poco compresi possono generare fragilità, errori, consumo energetico crescente e rischi di delega cognitiva. La prospettiva più prudente è una collaborazione uomo-macchina in cui l’IA acceleri la ricerca, ma restino centrali verificabilità, sicurezza, supervisione umana e responsabilità pubblica. Il numero speciale di Dædalus richiama infatti anche i rischi legati a riproducibilità, contaminazione della letteratura scientifica e sicurezza dell’IA.
Approfondimento: cronologia essenziale
1955-1956 — La proposta del Dartmouth Summer Research Project contribuisce a fissare il termine “artificial intelligence”.
1982 — John Hopfield sviluppa un modello di memoria associativa ispirato alla fisica dei sistemi magnetici, base teorica per molte reti neurali successive.
2024 — Hopfield e Hinton vincono il Nobel per la Fisica per contributi fondativi al machine learning.
2026 — Dædalus dedica un numero speciale a “AI & Science”, con 33 scienziati chiamati a discutere il futuro della scoperta scientifica nell’era dell’IA.
Consigli di approfondimento
- Numero speciale Dædalus: “AI & Science: What Is the Future of Discovery?”
- Comunicato ufficiale Nobel 2024 per la Fisica su Hopfield e Hinton.
- Note introduttive di James Manyika su IA, scienza e futuro della scoperta.
Abstract: pro, rischi e conseguenze sociali
Il saggio indica una possibile svolta: l’IA non solo come strumento applicativo, ma come leva per capire cervello, materia e coscienza. I benefici riguardano ricerca più rapida, modelli scientifici più potenti e nuove architetture efficienti. I rischi riguardano opacità, fragilità, consumo energetico, neurotecnologie invasive e possibile riduzione del ruolo del giudizio umano. La conseguenza futura più rilevante potrebbe essere una nuova forma di cooperazione sociale tra scienziati e sistemi artificiali, da governare con trasparenza, controllo umano e responsabilità istituzionale.
