Questioni di retorica

Se oggi chiediamo a un’Intelligenza Artificiale di produrre una dimostrazione matematica o di scrivere un codice che funziona, e il giorno dopo le chiediamo di sciogliere un dilemma morale o di difendere una posizione politica, la macchina ci risponderà nello stesso modo: con un testo fluido, coerente, ben costruito. Ed è proprio qui che nasce un equivoco pericoloso. Tendiamo a trasferire sulla seconda risposta l’autorità che spetta solo alla prima, a trattare un’argomentazione come se avesse la stessa cogenza di una dimostrazione matematica, perché entrambe ci vengono consegnate con la stessa voce, la stessa fluidità e la stessa sicurezza espositiva. Dietro quella voce identica si nascondono però due piani diversi.Per comprendere questa differenza può essere illuminante rivolgersi alla retorica, parola che oggi per molti evoca perlopiù discorsi vuoti, ma che nel suo senso più proprio indica l’arte di persuadere e argomentare.
È nel 1958 che Chaïm Perelman, insieme a Lucie Olbrechts-Tyteca, restituisce dignità filosofica a questo termine nel Trattato dell’argomentazione. I due filosofi compresero che quando discutiamo non usiamo quasi mai la logica rigida dei matematici, ma cerchiamo di orientare l’adesione del nostro interlocutore facendo leva su ciò che appare plausibile, su valori condivisi, su luoghi comuni (topoi) riconosciuti come tali senza bisogno di dimostrazione. Nell’oratore classico la costruzione del discorso è l’opera di un soggetto; in un modello linguistico è il risultato di un processo computazionale. Eppure alcune delle funzioni individuate dalla retorica classica trovano un sorprendente corrispettivo nel modo in cui un’AI genera una risposta.
C’è l’inventio: l’oratore cercava, tra i topoi a sua disposizione, gli argomenti pertinenti; l’AI attiva rappresentazioni apprese durante l’addestramento, sulla base delle quali produce la continuazione linguisticamente più plausibile.
C’è la dispositio, l’ordine persuasivo del discorso: apertura, sviluppo e conclusione. Anche questa struttura ricorre spesso nelle risposte dell’AI, non per una strategia deliberata, ma perché riflette regolarità apprese da un’enorme quantità di testi umani.
C’è l’elocutio: la correttezza grammaticale e gran parte della chiarezza derivano dall’addestramento sui testi, mentre il feedback umano rafforza le formulazioni percepite come più utili, chiare e ben costruite.
C’è infine la captatio benevolentiae: nell'”ottima domanda” con cui spesso si apre una risposta dell’AI riconosciamo una forma moderna della tecnica con cui l’oratore cercava di conquistare la benevolenza del pubblico. Non è una strategia cosciente: il processo di ottimizzazione rende semplicemente più probabili le aperture che ricevono valutazioni migliori.
Si potrebbe obiettare che la costruzione retorica dell’AI sia spesso povera: tic stilistici, climax prevedibili, strutture ricorrenti, una cautela che rasenta talvolta la banalità. L’osservazione è fondata. Ma il modello è in grado di modulare lessico, registro e complessità in funzione della richiesta: un prompt tecnico genera una risposta tecnica; una domanda filosofica produce modalità argomentative più elaborate. Un modello linguistico non produce soltanto testi argomentativi. Con lo stesso identico meccanismo genera anche una dimostrazione matematica, un codice funzionante o una spiegazione scientifica. Il procedimento è sempre lo stesso: produrre, passo dopo passo, la continuazione statisticamente più plausibile della sequenza linguistica, non svolgere un ragionamento ipotetico-deduttivo nel senso in cui lo compie un matematico.
Durante la generazione il modello non distingue tra i diversi statuti dei testi. Occorre tuttavia osservare che la validità di una dimostrazione può essere verificata attraverso le regole del sistema formale cui appartiene, mentre un testo argomentativo non dispone di un criterio di controllo analogo: può essere valutato soltanto attraverso il giudizio critico del destinatario, chiamato a esaminare la solidità delle ragioni proposte e la loro pertinenza.
Gli errori dell’AI assumono forme diverse a seconda del tipo di testo. Nella matematica e nella logica prevalgono errori di inferenza: un passaggio deduttivo scorretto interrompe una catena verificabile secondo regole definite. Nelle argomentazioni assumono invece maggiore rilievo le cosiddette allucinazioni: citazioni inesistenti, fatti inventati, attribuzioni errate. Il problema nasce quando l’utente si lascia irretire dall’efficacia del discorso, sostenuta dagli strumenti della retorica, e rinuncia a sottoporre a vaglio critico la solidità delle ragioni che lo sostengono.
L’AI, producendo con la stessa fluidità dimostrazioni e argomentazioni, amplifica la confusione tra autorevolezza della forma e validità del contenuto: il lettore finisce così per attribuire ai testi argomentativi un’autorità che appartiene soltanto ai risultati verificabili secondo criteri formali. Nella scrittura umana, una forma incerta è spesso il segnale di un pensiero ancora incerto: è un rapporto che generazioni di insegnanti e lettori hanno imparato, con tutte le cautele del caso, a riconoscere. L’AI spezza questa corrispondenza. Pur adattando il registro alla complessità del prompt, mantiene invariato il proprio meccanismo generativo e restituisce a chiunque scriva un prompt una prosa ugualmente scorrevole, sicura e ben costruita, indipendentemente dalla solidità delle idee che esprime.
È uno strumento ambivalente. A chi possiede già un pensiero maturo, ma fatica a tradurlo in parole, si pensi a chi convive con dislessia o disgrafia, l’AI rimuove un ostacolo puramente espressivo, restituendo voce a un contenuto che esisteva già. Ma quando quel contenuto manca o è fragile, la stessa forma levigata gli conferisce una credibilità che non gli appartiene. Quanto più perfetta diventa la forma del discorso, tanto meno possiamo permetterci di confonderla con la validità delle ragioni che quel discorso propone.