Parlare di intelligenza artificiale usando verbi come “pensa”, “capisce” o “sa” sembra del tutto innocuo. Eppure, secondo una ricerca della Iowa State University pubblicata nell’aprile 2026, questo tipo di linguaggio può alterare in modo sottile ma significativo la percezione che le persone hanno di queste tecnologie. Lo studio, intitolato “Anthropomorphizing Artificial Intelligence: A Corpus Study of Mental Verbs Used with AI and ChatGPT” e pubblicato su Technical Communication Quarterly, ha analizzato quanto spesso i giornalisti ricorrono a espressioni che attribuiscono qualità umane a sistemi che, nella sostanza, non possiedono né coscienza né intenzioni.

Il punto è piuttosto semplice, se ci si ferma a ragionarlo. Quando qualcuno scrive che “ChatGPT sa come rispondere” oppure che “l’intelligenza artificiale ha deciso di fare una cosa”, sta involontariamente suggerendo che dietro ci sia una forma di pensiero autonomo. E non è così. Questi sistemi producono risposte analizzando enormi quantità di dati, riconoscendo schemi e pattern, senza alcuna forma di consapevolezza. Come ha spiegato Jo Mackiewicz, professoressa di Inglese alla Iowa State, i verbi mentali fanno parte del linguaggio quotidiano, ed è naturale usarli anche quando si parla di macchine. Ma il rischio concreto è quello di confondere i confini tra ciò che può fare un essere umano e ciò che fa un algoritmo.

I giornalisti sono più attenti di quanto si pensi

Una delle scoperte più interessanti dello studio riguarda proprio il mondo dell’informazione. Il gruppo di ricerca, che includeva anche Matthew J. Baker della Brigham Young University e Jordan Smith della University of Northern Colorado, ha analizzato il corpus News on the Web (NOW), un database con oltre 20 miliardi di parole provenienti da articoli giornalistici in lingua inglese pubblicati in 20 paesi. L’obiettivo era capire con quale frequenza i giornalisti associano verbi mentali a termini come intelligenza artificiale e ChatGPT.

Il risultato ha sorpreso un po’ tutti. L’antropomorfizzazione nei testi giornalistici è decisamente meno diffusa di quanto ci si aspetterebbe. La parola “needs” (necessita) è risultata la più frequente in associazione con l’intelligenza artificiale, comparendo 661 volte, mentre per ChatGPT il verbo più usato è stato “knows” (sa), ma con appena 32 occorrenze. Numeri bassi, considerata la mole del corpus analizzato. Secondo le ricercatrici, le linee guida editoriali come quelle dell’Associated Press, che sconsigliano di attribuire emozioni o tratti umani alle macchine, potrebbero avere un ruolo importante nel contenere questo fenomeno.

Il contesto conta più delle singole parole

C’è un altro aspetto che merita attenzione. Anche quando i verbi mentali vengono usati, non sempre il risultato è realmente antropomorfico. Frasi come “l’intelligenza artificiale necessita di grandi quantità di dati” non implicano che il sistema abbia desideri o bisogni. È un po’ come dire che una macchina ha bisogno di benzina: nessuno penserebbe che l’auto provi fame. Diverso il caso di espressioni come “l’intelligenza artificiale deve comprendere il mondo reale”, che iniziano a evocare capacità tipicamente umane come il ragionamento etico o la consapevolezza.

Come ha sottolineato Jeanine Aune, co-autrice dello studio, l’antropomorfizzazione non è un fenomeno binario. Esiste su uno spettro, con gradazioni che vanno dal del tutto neutro al potenzialmente fuorviante. E questo è il punto chiave: non basta contare le parole per capire l’impatto del linguaggio. Serve analizzare il contesto.

Il messaggio che emerge da questa ricerca è che le scelte linguistiche nel parlare di intelligenza artificiale hanno conseguenze reali sulla percezione pubblica. Ogni volta che si attribuisce un’intenzione a un sistema che non ne possiede, si rischia di oscurare la responsabilità degli esseri umani che lo hanno progettato, sviluppato e messo in circolazione. Un dettaglio che, nel dibattito sempre più acceso su queste tecnologie, non andrebbe mai dimenticato.

L'articolo ChatGPT e il linguaggio che lo umanizza: lo studio che spiega tutto proviene da Tecnoapple.

Sembra fantascienza, eppure i traduttori per animali potrebbero diventare realtà nel giro di qualche anno. Non domani mattina, sia chiaro. Ma la direzione che sta prendendo la ricerca è sorprendente, e vale la pena parlarne senza farsi prendere dal sensazionalismo.

Tutto parte da un campo che negli ultimi tempi ha fatto passi enormi: la decodifica dei suoni animali. Gruppi di ricerca sparsi tra Stati Uniti, Europa e Asia stanno usando strumenti di intelligenza artificiale per analizzare le vocalizzazioni di specie diverse, dai delfini ai pipistrelli, dalle api alle balene. Il principio di fondo non è poi così complicato da capire. Si raccolgono enormi quantità di registrazioni audio, si danno in pasto a modelli di machine learning e si cerca di individuare schemi ricorrenti. Schemi che, in alcuni casi, sembrano corrispondere a significati specifici. Una sorta di vocabolario rudimentale, se vogliamo semplificare.

Cosa sappiamo davvero (e cosa ancora no)

Attenzione però a non correre troppo. La comunità scientifica è la prima a mettere le mani avanti. Capire che un certo verso di un delfino corrisponde a un richiamo sociale è una cosa. Tradurre una “conversazione” tra due animali in frasi di senso compiuto per gli esseri umani è tutt’altra storia. Il linguaggio, come lo conosciamo noi, ha una complessità strutturale che probabilmente non ha equivalenti nel mondo animale. Ma questo non significa che gli animali non comunichino in modi sofisticati. Lo fanno eccome, e la scienza sta finalmente trovando gli strumenti giusti per ascoltarli davvero.

Uno degli studi più citati degli ultimi mesi riguarda i capodogli. I ricercatori del progetto CETI hanno identificato centinaia di pattern distinti nei loro click, scoprendo una struttura combinatoria che ricorda, almeno vagamente, una grammatica. Non è un linguaggio nel senso stretto del termine. Ma è molto più complesso di quanto si pensasse anche solo dieci anni fa.

Traduttori per animali: fantasia o futuro concreto?

Ecco il punto. Nessuno sta promettendo un’app che permetta di chiacchierare con il proprio gatto entro il 2026. Ma l’idea che la tecnologia possa un giorno offrire traduttori per animali funzionanti, magari limitati a certe specie e a certi contesti, non è più relegata ai film di fantascienza. Gli algoritmi migliorano a una velocità impressionante. I dataset crescono. E soprattutto, cresce la consapevolezza che comprendere la comunicazione animale potrebbe avere ricadute enormi sulla conservazione delle specie, sulla gestione degli ecosistemi e persino sul benessere degli animali domestici.

La strada è ancora lunga, piena di ostacoli metodologici e di domande filosofiche non banali. Tipo: se un giorno riuscissimo davvero a “tradurre” cosa dice un animale, saremmo pronti ad ascoltarlo? Forse la vera sfida non è solo tecnologica. È anche culturale.

L'articolo Traduttori per animali: la scienza sta provando a capirli davvero proviene da Tecnoapple.

Le lingue del mondo sembrano così diverse tra loro da far pensare che ognuna segua regole proprie, senza alcun filo conduttore. Eppure uno studio monumentale, pubblicato su Nature Human Behaviour, racconta una storia molto diversa. Analizzando più di 1.700 lingue, un team internazionale di ricercatori ha scoperto che certi schemi grammaticali ricorrono con una regolarità che non può essere frutto del caso. E questo cambia parecchie cose nel modo in cui si guarda alla struttura del linguaggio umano.

La ricerca è stata guidata da Annemarie Verkerk della Saarland University e da Russell D. Gray del Max Planck Institute for Evolutionary Anthropology. Il gruppo ha messo alla prova 191 cosiddetti “universali linguistici”, quelle regole grammaticali che da decenni si ipotizza valgano per tutte le lingue. Per farlo, hanno usato Grambank, il più grande database di caratteristiche grammaticali mai costruito. Una mole di dati che copre lingue parlate in ogni angolo del pianeta.

Il punto chiave? Circa un terzo di quegli universali regge davvero alla prova statistica, quando si applicano metodi moderni e rigorosi. Non è poco, considerando quante volte queste ipotesi erano state messe in discussione.

Perché i metodi tradizionali non bastavano più

In passato, per evitare di confondere somiglianze tra lingue imparentate con veri schemi universali, i linguisti selezionavano campioni da regioni geograficamente distanti. Un approccio sensato, ma con dei limiti evidenti: non elimina del tutto le connessioni nascoste tra le lingue e, soprattutto, non dice nulla su come le lingue cambiano nel tempo.

Il team ha adottato un metodo decisamente più sofisticato, le cosiddette analisi bayesiane spazio-filogenetiche. Dietro questo nome complicato c’è un’idea abbastanza intuitiva: tenere conto sia della parentela storica tra le lingue, sia dell’influenza geografica. In pratica, si guarda all’albero evolutivo delle 1.700 lingue analizzate e si valuta se certi tratti grammaticali emergono in modo indipendente, più e più volte, in rami completamente separati.

E i risultati parlano chiaro. Schemi come l’ordine delle parole nella frase, ad esempio se il verbo viene prima o dopo l’oggetto, o il modo in cui le relazioni grammaticali vengono segnalate, continuano a presentarsi in lingue che non hanno alcun legame tra loro. Non è coincidenza. È qualcosa di più profondo.

Vincoli cognitivi che plasmano ogni lingua

Come ha commentato Verkerk, è affascinante scoprire che le lingue non si evolvono in modo casuale, nonostante l’enorme diversità che le caratterizza. Gray, dal canto suo, ha ammesso che il team si è trovato davanti a un bivio: raccontare la storia come un “bicchiere mezzo vuoto”, sottolineando quanti universali proposti non reggono, oppure come un “bicchiere mezzo pieno”, evidenziando quelli che invece trovano un solido supporto. Alla fine hanno scelto la seconda strada, puntando su ciò che funziona.

E ciò che funziona racconta qualcosa di importante su come funziona il cervello umano. Le pressioni cognitive e comunicative condivise dalla nostra specie spingono le lingue verso un insieme limitato di soluzioni grammaticali preferite. Detto in modo più semplice: il modo in cui pensiamo e comunichiamo influenza la struttura delle lingue del mondo, indipendentemente da dove vengano parlate.

Lo studio, pubblicato ad aprile 2026, non chiude il dibattito sugli universali linguistici. Semmai lo affina, indicando con precisione dove guardare per capire quali forze profonde modellano il linguaggio. E per chi si occupa di linguistica, questo è un punto di partenza che vale oro.

L'articolo Linguaggio umano: lo studio su 1.700 lingue svela schemi nascosti proviene da Tecnoapple.

Le funzioni di autocompletamento basate sull’intelligenza artificiale sono ormai ovunque. Nella posta elettronica, nei messaggi, nei documenti di lavoro: basta iniziare a digitare una frase e il sistema propone il resto. Comodo, veloce, efficiente. Ma c’è un problema che sta emergendo con forza crescente: queste funzioni potrebbero modificare il modo in cui le persone formulano i propri pensieri. E la cosa più inquietante è che quasi nessuno ne è consapevole.

Parliamoci chiaro. Quando qualcuno accetta un suggerimento di autocompletamento AI mentre scrive, non sta semplicemente risparmiando tempo. Sta delegando, anche solo parzialmente, una decisione linguistica a un algoritmo. Una parola diversa da quella che sarebbe venuta in mente naturalmente. Una sfumatura leggermente spostata. Un tono che forse non era esattamente quello voluto. Tutto questo, ripetuto centinaia di volte al giorno, ha un impatto. Ed è un impatto che la ricerca sta cominciando a documentare con dati piuttosto eloquenti.

Il meccanismo sottile che altera la scrittura e il pensiero

Il punto centrale è questo: la scrittura assistita dall’AI non si limita a completare frasi. Orienta le scelte espressive. Se un sistema propone sistematicamente costruzioni più neutre, più formali o più generiche, chi scrive finisce per adattarsi a quello stile senza rendersene conto. È un fenomeno che gli esperti di scienze cognitive chiamano priming linguistico, e funziona in modo particolarmente efficace quando la persona non sa di essere influenzata.

Pensare e scrivere sono attività profondamente intrecciate. Non è una novità, lo sapeva già chiunque abbia tenuto un diario o lavorato su un testo complesso. Quando si cerca la parola giusta, il cervello attraversa un processo di selezione che riflette ciò che davvero si vuole comunicare. L’autocompletamento AI cortocircuita questo processo. Lo rende più rapido, certo, ma anche meno personale. E col tempo, meno autentico.

C’è poi un aspetto che riguarda la diversità espressiva. Se milioni di persone utilizzano gli stessi modelli linguistici per farsi suggerire come completare le frasi, il rischio concreto è un appiattimento del linguaggio su larga scala. Le espressioni originali, i modi di dire regionali, le scelte stilistiche individuali tendono a scomparire, sostituite da un lessico medio, prevedibile e, diciamolo, un po’ noioso.

Cosa significa davvero per chi usa questi strumenti ogni giorno

Non si tratta di demonizzare la tecnologia. Gli strumenti di intelligenza artificiale applicata alla scrittura possono essere utilissimi, soprattutto per chi lavora con volumi enormi di testo o per chi scrive in una lingua che non è la propria. Il problema nasce quando l’uso diventa automatico, acritico, quasi inconsapevole. Quando si accetta ogni suggerimento senza neanche leggere cosa propone il sistema.

Un aspetto particolarmente rilevante riguarda le nuove generazioni. Ragazze e ragazzi che crescono con queste funzionalità integrate in ogni app rischiano di non sviluppare mai pienamente la propria voce scritta. Se fin da subito qualcuno, o qualcosa, completa le frasi al posto loro, il muscolo della scrittura autonoma si atrofizza. E con esso, una parte della capacità di pensiero indipendente.

La questione non è se usare o meno l’autocompletamento AI. La questione è farlo con consapevolezza. Sapere che ogni suggerimento accettato è una micro decisione delegata. Sapere che il proprio stile di pensiero potrebbe essere modellato, giorno dopo giorno, da un algoritmo progettato per la prevedibilità statistica e non per l’originalità espressiva.

Forse vale la pena, ogni tanto, ignorare quel suggerimento grigio che appare a fine riga. E finire la frase da soli. Anche se ci vuole qualche secondo in più. Anche se il risultato non è perfetto. Perché quel piccolo sforzo è esattamente ciò che tiene vivo il pensiero critico in un’epoca in cui la comodità rischia di sostituire la riflessione.

L'articolo Autocompletamento AI sta cambiando il modo in cui pensiamo: ecco come proviene da Tecnoapple.