Negli ultimi anni il dibattito sull’intelligenza artificiale si è concentrato quasi esclusivamente sui chatbot. ChatGPT, Gemini, Claude e gli altri modelli generativi hanno catturato l’attenzione del pubblico grazie alla loro capacità di scrivere testi, generare immagini e assistere gli utenti in attività sempre più complesse.
Tuttavia, dietro questa rivoluzione se ne sta sviluppando un’altra, potenzialmente ancora più importante. L’obiettivo non è più generare contenuti digitali, ma contribuire direttamente alla progettazione di oggetti, prodotti, materiali e tecnologie. È in questo contesto che si inserisce Prometheus, il progetto che ha attirato l’interesse di Jeff Bezos e che punta a trasformare l’intelligenza artificiale in uno strumento capace di partecipare al processo inventivo.
La vera domanda non è più se l’AI possa scrivere meglio di un essere umano. La questione è se possa contribuire a creare qualcosa che prima non esisteva.
PROMETHEUS E LA NASCITA DELL’ARTIFICIAL GENERAL ENGINEER
Secondo numerose analisi statunitensi, il progetto Prometheus non mira a costruire l’ennesimo chatbot. L’ambizione è molto più ampia. L’obiettivo è sviluppare una sorta di Artificial General Engineer, un sistema capace di assistere e accelerare l’intero ciclo dell’ingegneria: progettazione, simulazione, ottimizzazione e sviluppo di prodotti fisici.
In altre parole, non si tratta semplicemente di chiedere all’AI di risolvere un problema tecnico. Si tratta di permetterle di esplorare migliaia di possibili soluzioni, individuare configurazioni innovative e supportare gli esseri umani nella ricerca di nuove idee.
Questa prospettiva interessa enormemente gli investitori perché sposta l’AI da strumento di produttività a motore dell’innovazione.
L’AI STA GIÀ PROGETTANDO IL MONDO FISICO
Chi considera queste prospettive fantascientifiche ignora ciò che sta già accadendo in diversi settori industriali.
Airbus utilizza da anni strumenti di generative design per sviluppare componenti strutturali più leggeri e resistenti. Grazie agli algoritmi è stato possibile ridurre il peso di alcune componenti mantenendo o addirittura migliorando le prestazioni meccaniche.
General Motors ha collaborato con Autodesk per sviluppare componenti automobilistici ottimizzati attraverso sistemi capaci di generare migliaia di varianti progettuali. In alcuni casi gli algoritmi hanno prodotto soluzioni che gli ingegneri non avevano preso in considerazione.
Anche NVIDIA sta investendo enormemente in piattaforme di simulazione e progettazione digitale, permettendo alle aziende di testare virtualmente prodotti e processi prima ancora che vengano realizzati fisicamente.
Questi esempi mostrano che la progettazione algoritmica non appartiene al futuro. È già una realtà industriale.
IL CASO ALPHAFOLD: QUANDO L’AI ACCELERA LA SCIENZA
Uno degli esempi più significativi arriva dal settore scientifico. AlphaFold, sviluppato da DeepMind, ha rivoluzionato lo studio delle proteine prevedendo la struttura di oltre 200 milioni di proteine conosciute.
Pur non essendo stato progettato come inventore, AlphaFold dimostra che un sistema di intelligenza artificiale può contribuire in modo decisivo alla scoperta scientifica.
Molti ricercatori ritengono che strumenti di questo tipo possano accelerare lo sviluppo di nuovi farmaci, materiali innovativi e soluzioni tecnologiche che richiederebbero anni di ricerca tradizionale.
Questo cambia radicalmente il modo in cui osserviamo l’AI. Non più semplice automazione, ma acceleratore della conoscenza.
PERCHÉ QUESTA TECNOLOGIA POTREBBE VALERE PIÙ DEI CHATBOT
Dal punto di vista economico, il potenziale è enorme.
Un chatbot può ridurre tempi e costi operativi. Un sistema capace di progettare una batteria più efficiente, un nuovo materiale industriale o un dispositivo medico innovativo può invece generare vantaggi economici e strategici molto più significativi.
Per questo motivo molti osservatori ritengono che la vera partita dell’intelligenza artificiale si giocherà nella ricerca e sviluppo. Chi riuscirà a utilizzare questi sistemi per innovare più velocemente potrebbe ottenere vantaggi competitivi enormi rispetto ai concorrenti.
DABUS E IL PROBLEMA DELLA PROPRIETÀ INTELLETTUALE
L’aspetto giuridico è uno dei più affascinanti.
Il caso DABUS ha costretto uffici brevetti e tribunali a confrontarsi con una domanda apparentemente semplice: può un’intelligenza artificiale essere riconosciuta come inventore?
Le principali autorità di Stati Uniti, Unione Europea e Regno Unito hanno risposto negativamente, affermando che l’inventore deve essere una persona fisica.
Tuttavia, l’evoluzione di sistemi sempre più sofisticati rende questa posizione sempre più difficile da sostenere senza interrogativi. Se un algoritmo genera una soluzione che nessun essere umano aveva immaginato, attribuire integralmente l’invenzione a un individuo potrebbe diventare problematico.
La proprietà intellettuale rappresenta quindi uno dei principali terreni di confronto tra diritto e innovazione.
CHI RISPONDE SE L’INVENZIONE FALLISCE?
Accanto alla proprietà intellettuale emerge il tema della responsabilità.
Immaginiamo che un componente progettato con il supporto di un sistema AI venga utilizzato in un’automobile, in un aereo o in un dispositivo medico. Se quel componente dovesse causare un danno, chi sarebbe responsabile?
Lo sviluppatore del modello? L’azienda che lo utilizza? Il progettista umano che ha validato il risultato?
Le categorie tradizionali della responsabilità civile e del prodotto difettoso sono state costruite in un mondo in cui la progettazione era un’attività esclusivamente umana. L’intelligenza artificiale rischia di mettere sotto pressione questi schemi consolidati.
IL RISCHIO DELLA BLACK BOX ENGINEERING
Esiste poi una criticità tecnica spesso sottovalutata.
Molti sistemi di intelligenza artificiale sono estremamente efficaci ma non sempre spiegabili. Possono generare soluzioni ottimali senza essere in grado di illustrare chiaramente il percorso che ha portato a quel risultato.
Quando si parla di testi o immagini questo problema può essere limitato. Quando si parla di componenti aeronautici, dispositivi medici o infrastrutture critiche, l’opacità diventa molto più pericolosa.
La trasparenza e la verificabilità dei sistemi saranno quindi elementi centrali nella futura governance dell’AI applicata all’ingegneria.
USA, CINA E GIAPPONE: TRE MODELLI DIVERSI
Le principali potenze tecnologiche stanno affrontando questa rivoluzione in modo diverso.
Negli Stati Uniti prevale una visione orientata alla scoperta scientifica. Università, centri di ricerca e aziende investono nell’utilizzo dell’AI per accelerare la ricerca e generare innovazione.
La Cina interpreta queste tecnologie soprattutto come strumenti di competitività industriale e sovranità tecnologica. L’obiettivo è rafforzare la capacità nazionale di innovare e ridurre la dipendenza da tecnologie estere.
Il Giappone adotta un approccio più collaborativo. L’AI viene vista come un’estensione delle capacità dell’ingegnere umano, non come un sostituto. L’algoritmo diventa un partner creativo capace di ampliare enormemente il numero di soluzioni esplorabili.
IL RISCHIO DI UNA CONCENTRAZIONE DELL’INNOVAZIONE
Forse la criticità più importante riguarda la concentrazione del potere innovativo.
Per sviluppare sistemi capaci di progettare oggetti, materiali e tecnologie servono enormi quantità di dati, potenza computazionale e investimenti miliardari.
Questo significa che soltanto un numero ristretto di aziende e Stati sarà realmente in grado di costruire queste piattaforme.
Se il processo inventivo dovesse dipendere sempre di più da modelli proprietari controllati da pochi soggetti, il rischio sarebbe quello di assistere a una concentrazione senza precedenti dell’innovazione globale.
Non si tratterebbe più soltanto di controllare motori di ricerca o piattaforme digitali. Si tratterebbe di controllare il processo attraverso cui nascono le nuove invenzioni.
LE PROSPETTIVE FUTURE
Le applicazioni future sono enormi. Dalla progettazione di nuovi farmaci alla scoperta di materiali avanzati, dalla robotica all’aerospazio, fino alla transizione energetica e alle tecnologie mediche.
In tutti questi ambiti l’intelligenza artificiale potrebbe accelerare significativamente i tempi di sviluppo, ridurre i costi e aumentare la probabilità di individuare soluzioni innovative.
Per questo motivo il dibattito su Prometheus non riguarda soltanto una startup o un investimento di Bezos. Riguarda il futuro stesso dell’innovazione.
LA VERA DOMANDA NON È SE L’AI PUÒ INVENTARE
Per oltre due secoli abbiamo considerato l’invenzione come una delle espressioni più autentiche dell’ingegno umano.
L’intelligenza artificiale non sta semplicemente imparando a scrivere o a parlare. Sta iniziando a progettare.
Se i sistemi di progettazione generativa continueranno a evolversi, il dibattito non riguarderà più la capacità dell’AI di generare contenuti, ma la possibilità che una parte crescente dell’innovazione mondiale venga progettata da algoritmi.
E quando il prossimo farmaco rivoluzionario, il prossimo materiale innovativo o la prossima tecnologia strategica nasceranno grazie all’intervento di un’intelligenza artificiale, la domanda non sarà più se le macchine possono inventare.
La vera domanda sarà chi controllerà le macchine che inventano.
A cura degli studenti sotto la Facoltà di Giurisprudenza e Ingegneria Informatica
