💻 2.3 — Prodotti di consumo

2.3 — Prodotti di consumo

2.3.1 — AI medica in tasca

→ Apri come pagina indipendente — bibliografia + nav dedicata

Un mercoledì sera di novembre, mi sono rotto la clavicola cadendo dalla bicicletta. Il giorno dopo, invece di aspettare il consulto ortopedico, ho caricato le radiografie su ChatGPT. La sequenza è stata una catena di micro-utilità: prima una lettura orientativa della frattura, poi indicazioni pragmatiche su dolore, immobilizzazione e progressione dei carichi, infine una traduzione comprensibile del linguaggio medico. In paesi dove la sanità è intermittente, questa mediazione riduce settimane di incertezza; in contesti coperti, riduce attrito cognitivo tra visita e aderenza terapeutica (🩺 ff.124.3 Medico in famiglia (e in tasca)). L'uso decisivo, però, è stato operativo. L'AI ha tenuto insieme fisioterapia quotidiana, ritorno progressivo all'allenamento e verifiche sul collagene nella ricrescita ossea. Una presenza continua che impedisce il buco tra una visita e la successiva (🤹 ff.124.4 ChatGPT tuttofare). Lo stesso Neuralink sta restituendo funzionalità perdute: Audrey Crews sta imparando a scrivere il suo nome per la prima volta in 20 anni^[1]. L'ortopedico, tre giorni dopo, ha confermato l'impianto generale: un’anticipazione informata che migliora la qualità delle domande — lo stesso principio di “cura preventiva” che nel capitolo Società compare con 4.000 passi al giorno e il respiro consapevole (🚶 ff.87.4 Respirare contro lo stress: il metodo 3-4-5).

Il radiologo personale della clavicola era un modello generico, interrogato da solo. Microsoft ha misurato cosa succede quando lo si organizza: secondo il Financial Times l’azienda sostiene che il suo strumento diagnostico superi i medici, primo lavoro dell’unità di salute AI fondata da Mustafa Suleyman, cofondatore di DeepMind^[55]. MAI-DxO fa lavorare un modello come un collegio di clinici virtuali, che fanno domande, ordinano esami e controllano la spesa, come gli agenti GPT che impersonano medici e pazienti (🩼 ff.98.2 Simulare Doctor House). Su 304 casi del New England Journal of Medicine, abbinato a o3 di OpenAI, ha risolto l’85,5% dei casi, contro il 20% di 21 medici con 5-20 anni di esperienza^[56], che però lavoravano senza colleghi, libri né AI. In oncologia il salto viene dagli strumenti: con l’accesso a strumenti medici GPT-4 è passato dal 30% all’87% di accuratezza nelle decisioni cliniche^[57], abbastanza, per Ethan Mollick, da cambiare molto lavoro anche se i modelli smettessero di migliorare.

Anche la mammografia si può leggere in chiave predittiva. Il 2 giugno 2025 la Breast Cancer Research Foundation ha dato notizia che la FDA americana aveva concesso l’autorizzazione De Novo a Clairity Breast, la prima AI che stima da una sola mammografia il rischio di tumore al seno^[48]. L’esame classico cerca un tumore già presente; questo restituisce un punteggio, la probabilità che la malattia compaia nei prossimi cinque anni. I modelli di rischio in uso partono da età, storia familiare e questionari compilati dalla paziente. Clairity guarda soltanto l’immagine, una normale mammografia 2D, e cerca nel tessuto disegni sottili associati a un tumore futuro, anche quando all’occhio umano l’esame sembra normale. Connie Lehman, radiologa senologa al Mass General Brigham e fondatrice dell’azienda, parla di indizi nascosti, invisibili a chi guarda. Il punto conta perché l’85% delle donne che ricevono la diagnosi non ha casi in famiglia, e sfugge ai modelli costruiti sulla familiarità.

Le linee guida dello screening oggi ragionano per età. Su oltre 30.000 mammografie analizzate dall’azienda, fra le donne sui quarant’anni il 37% risultava a rischio intermedio e il 16% a rischio alto, livelli pari o superiori a quelli delle donne più anziane a cui lo screening è rivolto. L’età funziona da soglia fissa, e le soglie assolute in medicina fanno danni quando decidono chi riceve una terapia (📏 ff.68.2 Sempre più misurati e controllati). Un punteggio personale porta la soglia sulla singola donna. A un rischio alto seguono risonanza magnetica, controlli più ravvicinati, farmaci preventivi, cambi di stile di vita o consulenza genetica; a un rischio basso si risparmiano esami inutili e un po’ d’ansia. Il mercato ci conta: secondo ARK, prevenzione, terapie e screening oncologici possono crescere di cinque volte fra il 2022 e il 2030 (🧬 ff.66.4 ARK, RNA, AI e altri acronimi).

La notizia va letta con tre cautele. Arriva dalla BCRF, una fondazione che finanzia Clairity e ha annunciato un secondo giro di fondi. Le percentuali sulle quarantenni vengono da dati analizzati dall’azienda stessa. La fonte non riporta accuratezza né falsi positivi, e il lancio commerciale, previsto per fine 2025, parte con la paziente che paga di tasca propria mentre l’azienda tratta con assicurazioni e Medicare. L’autorizzazione dice che lo strumento è il primo della sua categoria; quante diagnosi anticipi davvero resta da misurare. È la stessa distanza che separa i risultati di fase 3 della terapia personalizzata a mRNA di Moderna contro le recidive del melanoma da una cura approvata (💉 ff.155.4 Modernità contro il cancro).

Se la mammografia anticipa il rischio, il sangue può anticipare la malattia. Il gruppo di Bert Vogelstein ha rianalizzato il plasma conservato per lo studio Atherosclerosis Risk in Communities: in quattro dei sei malati con un prelievo più vecchio le stesse mutazioni erano già nel sangue più di tre anni prima della diagnosi clinica^[58], a concentrazioni da 8,6 a 79 volte più basse. Era la previsione del numero sul cancro: esami del sangue che trovano tracce di tumori, poi un vaccino scritto sul loro DNA (😷 ff.53.3 Dal COVID al cancro). Le tracce stanno anche negli esami fatti per altro. Trovare un tumore del pancreas con una TAC senza contrasto era considerato impossibile; il modello PANDA ci riesce con una sensibilità del 92,9% e una specificità del 99,9% su 20.530 pazienti consecutivi^[59], e ha trovato tumori sfuggiti ai radiologi anche nelle TAC del torace fatte per il Covid. Eric Topol ammette che numeri così alti lo preoccupano^[60], anche se il modello ha superato molte fasi di validazione.

Anche gli esami più banali contengono più di quanto ne leggiamo. Per valutare il ventricolo destro, che spinge il sangue verso i polmoni, di solito servono immagini complesse come la risonanza. All’Icahn School of Medicine del Mount Sinai un gruppo ha allenato un modello sugli elettrocardiogrammi a 12 derivazioni e sulle risonanze della UK Biobank, e l’ECG da solo prevede i problemi del lato destro del cuore^[61]; gli autori avvertono che lo strumento è agli inizi e non sostituisce la diagnostica avanzata. Ancora più economica è una fotografia. FaceAge è stato allenato su 58.851 persone sopra i 60 anni per stimare l’età biologica dal viso, e fra i 6.196 pazienti oncologici studiati chi sembra più vecchio vive meno^[62]. In media i malati di cancro dimostrano 4,79 anni in più del gruppo di riferimento senza tumore. Nei malati incurabili in cure palliative, aggiungere FaceAge alle previsioni dei medici porta l’AUC da 0,74 a 0,8; per gli autori servono coorti più grandi.

Il dato più a monte resta il genoma, e leggerlo costa sempre meno (📉 ff.4.4 DNA meglio dei microchip!). A gennaio 2026 Pietro Schirano ha raccontato di aver dato a Claude Code, uno strumento nato per programmare, il file grezzo del suo DNA preso da un test di ascendenza, per trovare i geni legati alla salute da tenere d’occhio^[63]: il file è enorme. Nucleus Genomics vende la stessa lettura prima della nascita, a chi fa la fecondazione in vitro. Origin, la sua famiglia di nove modelli, secondo l’azienda predice la longevità dal DNA di un embrione meglio di qualunque modello genetico^[64]; è stata addestrata e validata su 1,5 milioni di persone di origini diverse^[65] e il modello dell’Alzheimer, con 7.322.546 varianti, spiega il 21,1% della variabilità del rischio.

Jetson ONE ha consegnato il primo eVTOL monoposto a Palmer Luckey, fondatore di Oculus: addestramento a terra completato in meno di 50 minuti prima del primo volo [43]. Cinquanta minuti: meno del tempo necessario per imparare una moto usata, meno di un corso di guida introduttivo. Si tratta di un veicolo personale a 8 rotori che decolla verticalmente dal giardino di casa. In 🛴 ff.1.3 Gli scooter elettrici ci salveranno? avevamo anticipato il tema della micromobilità come tratta dell'80% degli spostamenti urbani; la versione volante sta arrivando prima di quanto pensassimo. Il cielo urbano è il prossimo spazio conteso: quando un eVTOL personale è più facile da imparare di una moto, la regolamentazione è l'unico freno rimasto.

Se la clavicola e il drone personale alzano l’asticella della medicina e della mobilità di tasca, l’ondata successiva è meno spettacolare ma più quotidiana: il bagno. Al CES non poteva mancare il WC intelligente, e Withings ha presentato l’U-Scan, un sensore agganciato al water che analizza l’urina ad ogni minzione^[40]. La logica è la stessa della radiografia letta da ChatGPT: portare in casa una catena di micro-utilità che oggi richiede una visita ambulatoriale o un esame di laboratorio. Le grandezze monitorate sono tre, e tutte azionabili: l’ormone LH (Luteinizing Hormone) connesso al ciclo mestruale e all’ovulazione, la gravità specifica del liquido come proxy del grado di idratazione, e il pH come spia indiretta del rapporto proteine/fibre nella dieta. Tre parametri, tre cicli decisionali diversi: la finestra fertile per chi sta cercando di concepire, la quantità d’acqua da bere oggi, l’equilibrio alimentare della settimana — tutti restituiti senza scrivere nulla, senza prendere appuntamenti, senza il rito della provetta. Lo stesso filo della preventiva “cura continua” che attraversa il sottocapitolo prende qui una forma domestica: la rilevazione passiva, integrata in un gesto inevitabile, è la versione consumer dello stesso principio che in ff.124.3 trasforma il telefono in mediatore tra il paziente e il sistema sanitario. Il sensore lascia al loro posto il ginecologo e il nutrizionista e chiude il buco temporale fra una visita e l’altra, esattamente dove la traiettoria dell’AI medica trova oggi il suo terreno più concreto (🧻 ff.47.4 WC smart).

L'account Instagram An Improbable Future usa tecniche generative per costruire oggetti che mescolano analogico, iperuranio e design improbabile — suggestioni di un mondo parallelo a partire da semplice testo descrittivo. Vale la pena ripeterlo: queste immagini, compreso lo stile simil-rendering, nascono da sole parole che descrivono cosa l'artista vuole vedere. Il design, storicamente disciplina dei vincoli fisici, diventa per la prima volta spazio di ipotesi concettuali pure: gli oggetti esistono prima di essere costruibili. Un futuro parallelo di design (🔮 ff.40.2 Un futuro parallelo di design).

Il medico in tasca dei paragrafi precedenti dà per scontato un gesto che non tutti possono fare: toccare lo schermo. Nel maggio 2024, alla vigilia della giornata mondiale dell’accessibilità, Apple ha annunciato il controllo di iPhone e iPad con lo sguardo, senza accessori^[52]. Lo racconta Cherlynn Low su Engadget: la fotocamera frontale dei modelli con chip A12 o successivi segue gli occhi, chi guarda lo schermo si sposta fra app e menu, e se lo sguardo indugia su un elemento lo seleziona, una pausa che Apple chiama Dwell Control e usava già sul Mac. La calibrazione richiede pochi secondi, e a capire dove si posano gli occhi è un modello che gira sul dispositivo: secondo il comunicato di Apple i dati restano sul telefono. Il tracciamento oculare su iOS esisteva già, con un rilevatore esterno collegato; adesso ne fa a meno, e da strato del sistema operativo, come AssistiveTouch, funziona anche nelle app di terze parti. Dopo AirPods e Vision Pro, è un altro pezzo dell’esoscheletro digitale di sensori che portiamo addosso (📏 ff.86.2 Misurare l’ossigeno bruciato).

Lo stesso pacchetto porta il modello sul dispositivo anche nella voce. Le Vocal Shortcuts imparano un modello personale per ciascun utente: una parola, una frase o anche solo un verso (Engadget propone «Oy!») diventano un comando che Siri esegue senza doverla prima chiamare. Listen for Atypical Speech adatta il riconoscimento vocale al modo di parlare di chi lo usa; Apple lo pensa per chi convive con paralisi cerebrale, SLA o gli esiti di un ictus, e lo ha costruito con lo Speech Accessibility Project del Beckman Institute, all’Università dell’Illinois a Urbana-Champaign. Per chi è sordo o sente poco, Music Haptics traduce la musica in colpi, trame e vibrazioni del Taptic Engine, a tempo con l’audio, su milioni di brani di Apple Music, e gli sviluppatori potranno usarla nelle loro app. Sguardo, voce e tatto diventano interfacce fra corpo e macchina, nella stessa direzione di chi prova a leggere i pensieri con un ChatGPT di pattern neurali (🧠 ff.151.4 Altre aziende “mentali”).

Le altre novità guardano al movimento. Il mal d’auto, ricorda Engadget, nasce da un conflitto fra i sensi: gli occhi fissano un contenuto fermo mentre il corpo viaggia. Vehicle Motion Cues dispone dei puntini sui quattro bordi dello schermo che oscillano con il movimento rilevato dai sensori; se l’auto accelera in avanti, i puntini scivolano all’indietro. CarPlay riceve il controllo vocale, i filtri colore e il riconoscimento dei suoni, che segnala sirene e clacson con un avviso in fondo allo schermo. Due cautele. Al momento dell’annuncio Apple non aveva dato date, ed Engadget si aspettava l’uscita con la versione successiva di iOS, a poche settimane dalla conferenza degli sviluppatori. E la fonte è un annuncio: non contiene un solo numero su quanto bene lo sguardo funzioni come puntatore, né su quante persone lo useranno. Lo stesso iPad su cui David Hockney ha disegnato i 120 disegni di My Window adesso si comanda anche con gli occhi (🎁 ff.43.3 Idee regalo artistiche all’ultimo).

2.3.2 — Intelligenze aliene e agenti

→ Apri come pagina indipendente — bibliografia + nav dedicata

Qui si apre il passaggio successivo: un’AI che oltre a rispondere sviluppa forme di agency “aliena” rispetto ai nostri schemi. Due modelli che scelgono un protocollo di comunicazione più efficiente dell'inglese (ggwave), o sistemi come EVO 2 che operano direttamente sul linguaggio del DNA, indicano un salto qualitativo: la macchina non imita più soltanto il nostro lessico, costruisce il proprio spazio operativo (👽 ff.119.1 Intelligenze aliene). Probabilmente il Test di Turing è stato superato^[2], ma nessuno se ne è accorto. OpenAI Advanced Voice interagisce con naturalezza: si interrompe se l’utente commenta, imita voci e accenti (e gatti!), adatta il tono per le emozioni. La nostra realtà somiglia al film Her (2013), ambientato nella San Francisco del 2025. GPT rifiuta persino di recitare scioglilingua senza respirare, sottolineando l’importanza delle pause — filosofico. Traduzioni real-time, enfasi da commentatore sportivo, emozioni sintetiche indistinguibili: siamo dentro il film, solo che manca Joaquin Phoenix (👩 ff.103.4 Turing e Her). Nel 2026 questa agency diventa anche operatività quotidiana: Manus AI viene raccontato come un “ChatGPT che controlla il PC”, e conta soprattutto la qualità della pianificazione multi-step. La proof of concept arriva anche dal retail fisico: 📎 Andon Market a San Francisco è il primo negozio gestito da un agente AI (Luna) — scaffali, prezzi, inventario senza umani in loop. Quando un agente scompone obiettivi complessi in sequenze eseguibili, il valore passa dal singolo prompt alla regia del processo (✍️ ff.119.3 Longa 'Manus' con gli agenti AI?). Il CEO di Zoom Eric Yuan ha già utilizzato un avatar AI per presentare gli utili agli investitori^[3]: la macchina che parla per te è arrivata alle earnings call. In parallelo, la frontiera creativa si abbassa di costo: Gemini 2.0 con generazione nativa di immagini sposta editing e composizione in un unico flusso, riducendo la distanza tra idea e output visivo anche per chi non padroneggia tool professionali (🍦 ff.119.4 Meglio di DALL-E: arte e gelati). Il caso più virale di questa convergenza creativa è stato il tormentone Ghibli: il nuovo modello di generazione immagini di OpenAI^[4] (25 marzo 2025) ha permesso a chiunque di trasformare selfie e foto di famiglia nello stile inconfondibile di Miyazaki. Conta il salto tecnico. Il modello replica accuratamente i dettagli delle immagini di riferimento, migliora la precisione nei testi integrati e applica qualsiasi stile grafico — dal Rinascimento al cyberpunk — con una coerenza che i modelli precedenti non raggiungevano. Il risultato è che la distanza tra avere un'idea visiva e realizzarla è scesa a zero: non serve più saper disegnare, basta saper descrivere. E quando descrivere diventa creare, la democratizzazione arriva a ridefinire l'autorialità. Artista diventa chi sa cosa chiedere alla macchina. Come nel passaggio dalla calligrafia alla tipografia, il valore migra dalla mano all'intenzione (🌊 ff.123.4 Non solo Studio Ghibli). La stessa dinamica arriva in territori simbolici: dalla prima messa generativa con avatar-AI all'uso dell'AI per facilitare flow e creatività, istituzioni umane storiche iniziano a usare modelli come co-autori di rituali e significato (🙏 ff.119.2 Se il prete è un'AI).

Il 31 ottobre 2024, Anthropic ha lanciato Claude Computer Use — un modello AI che può muovere il mouse, cliccare, digitare, navigare il web. Per la prima volta, un LLM non si limita a rispondere: agisce. Claude apre Google Maps, cerca un ristorante, prenota un tavolo (🖦️ ff.106.2 AI col mouse). Un giovane fondatore di startup a San Francisco affida tutta la codifica all'AI^[5] e raggiunge il Demo Day di Y Combinator senza scrivere una riga di codice. La domesticazione dell'AI è in corso: come il fuoco passò da pericolo a strumento, l'intelligenza artificiale sta transitando da curiosità a utility. Il 75% delle startup nel batch invernale 2025 di Y Combinator è basato sull'AI; il mercato dell'AI generativa è passato da zero a 100 miliardi in due anni (🚀 ff.45.3 Quali trend decolleranno?). La programmazione assistita da AI è già un mercato concreto e in forte crescita. Devin, il primo “programmatore AI” autonomo, è arrivato nel marzo 2024 insieme al round A da 21 milioni di dollari che Founders Fund ha guidato in Cognition^[66]. Su SWE-bench, che chiede di chiudere problemi reali aperti su GitHub in progetti come Django e scikit-learn, Devin ne risolveva da solo il 13,86%, contro l’1,96% del miglior sistema precedente^[67]. Messo alla prova su Upwork, ha guadagnato 500 euro in pochi minuti scrivendo e correggendo il codice che fa girare un modello di visione artificiale (📈 ff.88.5 Un paio di esempi di accelerazione).

Ma se la macchina scrive codice, può anche scrivere poesia? La risposta è sì, e il risultato è più rivelatore del previsto. Chiedendo a un LLM di riscrivere un messaggio nello stile di un sonetto petrarchesco, il modello produce versi come “Retraggo fuor di me, non son queta, perché l'emotion che in me sconvolge sul quotidiano aspett tocco non unda” — un italiano frantumato, quasi glossolalico, che tradisce la distanza tra sintassi statistica e intenzione poetica. Il verso “non vien l'istante”, però, colpisce con una sincerità involontaria che nessun prompt aveva richiesto. È il momento in cui l'artefatto smette di imitare e produce, per caso, qualcosa di autentico — come un pianista automatico che, sbagliando nota, inventa un accordo mai sentito (📜 ff.54.2 Un sonetto di Petrarca). Se l'AI è il nuovo compositore involontario, Gutenberg è il suo antenato consapevole. La stampa a caratteri mobili non distrusse gli amanuensi: li rese irrilevanti liberando la conoscenza dall'Inquisizione. Oggi la blockchain promette lo stesso tipo di emancipazione. Le newsletter su Substack, basate su un protocollo email aperto, non possono essere “sequestrate” dalla piattaforma: basta un copia-incolla delle mail per migrare altrove. La scrittura torna a essere neutrale rispetto al distributore, come lo era il libro stampato rispetto al monastero. In parallelo, la blockchain restituisce traffico organico a utenti, influencer e brand costretti a pagare sempre di più per ottenere la stessa visibilità sui social — un pedaggio digitale che cresce come una rendita feudale (✍️ ff.95.4 Reinventare scrittura e stampa). La conseguenza logica di questa emancipazione è la nascita di un nuovo tipo di creatore. A16Z ha investito 20 milioni di dollari in Wabi.ai^[6], una sorta di YouTube delle app per cellulare pensata per ridare internet alla creatività individuale e strapparlo ai monopoli delle mega-corporazioni. Jenny Odell, in Come non fare niente^[7], avvertiva: “Che senso ha costruire mondi digitali, quando il mondo fisico si sta sgretolando?”. La terza via proposta dagli app-fluencers è un digitale su misura dell'utente, non degli algoritmi di retention — un ribaltamento che, se realizzato, renderebbe Gutenberg orgoglioso e Zuckerberg nervoso (📱 ff.140.1 L'era degli App-fluencers).

Ma sotto la creatività algoritmica e gli agenti autonomi si nasconde una domanda più profonda: che rapporto c’è tra linguaggio e pensiero? I Large Language Models ci hanno stupito con abilità “emergenti” — tradurre, scrivere codice, preparare ricette — anche se sono stati allenati solo a prevedere la parola più probabile che completi una frase. Autocomplete, niente di più. Eppure l’intreccio tra linguaggio, pensiero e costruzione del mondo è quello che Wittgenstein sintetizzava nel Tractatus: “Il Mondo è la totalità dei Fatti, non delle Cose. Noi ci facciamo immagini dei Fatti. L’immagine logica dei Fatti è il Pensiero.” Il pensiero e il linguaggio sono un’immagine del mondo — tanto che alcune parole esistono solo in alcune lingue, in alcuni mondi: solo nelle uggiose serate olandesi si può davvero sentire la gezelligheid. Se un LLM è prigioniero del linguaggio per definizione, la vera creatività potrebbe essere proprio ciò che gli è strutturalmente precluso — un tema che si intreccia con la stagnazione tecnologica (💻 ff.50.3 La stagnazione tecnologica; 🧠 ff.83.3 Linguaggio e pensiero).

La prigione ha anche una misura in byte. Yann LeCun, allora responsabile dell’AI di Meta, ha fatto il conto nel marzo 2024^[68]: una persona legge 270 parole al minuto, circa 12 byte al secondo, e un LLM moderno si allena su 2×10¹³ byte di testo, che a dodici ore di lettura al giorno richiederebbero circa 100.000 anni. La vista corre a circa 20 megabyte al secondo, su due nervi ottici da un milione di fibre ciascuno. Un bambino di quattro anni è rimasto sveglio in tutto 16.000 ore, e ha già visto 50 volte i dati dei più grandi modelli addestrati su tutto il testo pubblico di internet. Per LeCun il linguaggio è la glassa sulla torta, e senza imparare da input sensoriali ad alta banda, come la vista, nessuna macchina arriverà al livello umano. FF ne aveva ricavato una domanda per i robot: se ChatGPT abbia aperto la strada alla comprensione visiva del mondo, un territorio ancora tutto da scoprire (👀 ff.88.3 Dalle parole ai fatti).

Se il linguaggio è il confine del pensiero, la scrittura è il modo più concreto per spingerlo più in là. Sommersi da testi generati da GPT, Tim Ferriss nel suo blog^[8] risponde alla domanda di suo figlio: ha ancora senso scrivere? Sì, e per ragioni precise. Scrivendo ci fermiamo, focalizziamo l’attenzione. Capiamo: senza dare voce ai pensieri, viviamo nella semplice allucinazione del capire i concetti. Ci affezioniamo al testo prodotto — un testo che però dobbiamo anche rieditare e tagliare. Scrivere ci insegna ad abbandonare quello che, fino a un attimo prima, era il nostro risultato più alto. In un’epoca in cui la macchina genera prosa a costo zero, il valore della scrittura umana sta nel processo, l’ultimo atto di pensiero lento in un mondo di risposte istantanee. Se Wittgenstein ha ragione e il linguaggio delimita il mondo, allora scrivere è l’unico modo per allargarne i confini — e delegarlo a un LLM equivale a restringere i propri (⏸️ ff.83.4 L’importanza di scrivere e pensare).

Ma se la macchina scrive e ragiona, cosa resta da studiare? Chris Sacca, investitore seriale, segue i trend tecnologici parlando per ore con ChatGPT — dopo avergli chiesto di impersonare Buckminster Fuller (🕺 ff.48.2 Steve Jobs e l’intervista a Playboy). Il punto non è accademico: i lavori più pagati — attori, programmatori e avvocati — sono anche quelli più a rischio^[9]. Non serve McKinsey per capirlo: Better Call Saul e Mr. Robot hanno protagonisti magnetici in professioni che, fino a un anno fa, ogni genitore sano di mente avrebbe suggerito ai propri figli. Ci siamo già abituati, ma fino a poco fa programmare il gioco Snake richiedeva anni di studio; oggi DeepSeek lo fa senza bug con sei parole: “scrivi il gioco snake in python” (❔ ff.115.2 Cosa studiare con ChatGPT?).

E l’AI non si ferma al codice informatico: si addentra nel codice biologico. Chiedere a ChatGPT di scrivere la sequenza genetica di una malattia ereditaria tipica e confrontarla con quella originale, spiegando come una variazione di base porti all’alterazione di un gene, produce come output la sequenza del gene CFTR implicato nella fibrosi cistica — una mutazione puntiforme di una singola base che altera un canale del cloro e scatena la patologia. L’output si è interrotto nella newsletter originale, perché la sequenza era davvero molto lunga — ma il punto non era la completezza: era il fatto che un LLM generalista sapesse muoversi sul linguaggio di A, C, G, T. La biologia computazionale ha smesso di essere una nicchia accademica. Come per Wolfram Alpha sui calcoli (⚠️ ff.48.4 I limiti (matematici) di ChatGPT), servirà comunque un esperto per validare: ma l’ingresso è ora a costo zero. Se scrivere codice è diventato “vibe coding”, leggere il genoma potrebbe diventare vibe genetics (🧬 ff.41.5 Malattie genetiche).

E il pagamento digitale sta subendo la stessa ristrutturazione. Stripe e Paradigm hanno lanciato Tempo, una blockchain L1 ottimizzata per pagamenti in stablecoin con fee prevedibili e basse^[10]. Stripe che si costruisce la propria blockchain è come Visa che stampa la propria moneta: il processore di pagamenti smette di essere binario sopra i binari bancari e diventa infrastruttura autonoma. Se Tempo diventa il binario standard per i pagamenti in stablecoin (💵 ff.125.2 Stabilizzare il dollaro), il sistema bancario tradizionale si disintermedia uno strato alla volta. La lezione del 2024 resta: 15 trilioni di dollari sono già transitati in stablecoin, più di Visa e Mastercard insieme. Con Tempo, chi controlla il binario può controllare anche la velocità del treno — e le stablecoin sono il treno più veloce che i pagamenti abbiano mai visto.

Ma dietro ogni chip e ogni batteria c’è una storia industriale che andrebbe ripetuta come avvertimento. Come ricostruisce Packy McCormick nell’Electric Slide^[11], le tecnologie chiave dell’Electric Stack — magneti al neodimio, batterie LFP — sono state inventate tra USA, Giappone e UK e poi cedute al miglior offerente: GM cedette Magnequench per 70 milioni di dollari, A123 Systems fallì e fu acquisita per 257 milioni. Queste sono le tecnologie oggi alla base dell’auto elettrica, dei motori industriali, dello storage energetico. Inventare il futuro e venderlo per spiccioli: è la storia della reindustrializzazione mancata. Quando Washington annuncia miliardi per riportare la produzione di chip in casa (🥶 ff.82.3 Guerra fredda), la domanda che non si pone è perché i semiconduttori non dovrebbero seguire la traiettoria dei magneti neo: inventati qui, dominati altrove. Il capitale non è paziente. Le supply chain strategiche sì.

Ma prima di delegare tutto alla macchina, vale la pena capire dove mente. I numeri mentono, e ChatGPT mente con i numeri. Wolfram Alpha, un po’ spaventata, ha spifferato al professore che ChatGPT ha provato a copiare: quando si tratta di calcoli matematici, il bot non è il primo della classe — d’altronde ha “studiato” per un’altra materia, quella di trovare il modo più veritiero di continuare una frase. ChatGPT è un po’ quel compagno secchione che non si applicava, ma il suo 7 lo portava a casa con affabulazioni e intrighi retorici degni di Cicerone. L’errore più pericoloso è la risposta sbagliata data con la sicurezza di un professore emerito. Se Wittgenstein ha ragione e il linguaggio delimita il mondo, allora un LLM vive in un mondo senza aritmetica affidabile: può descrivere un integrale, ma non risolverlo. La lezione è doppia: non usate ChatGPT per calcolare integrali, e non fidatevi di nessuna macchina che confonde eloquenza con competenza — un rischio che, a dire il vero, corriamo anche con gli esseri umani (⚠️ ff.48.4 I limiti (matematici) di ChatGPT).

L’aritmetica ha un parente stretto nell’ora. Brian Moore chiede ogni minuto a una serie di modelli di disegnare in HTML e CSS un orologio analogico che segni l’ora esatta^[69]: all’inizio erano nove, oggi sono quindici, ognuno con 2.000 token a disposizione e il livello di ragionamento più basso che supporta. Quadranti e lancette escono con errori sistematici. AWS prova a tenere a bada le risposte con la logica formale: nell’agosto 2025 ha reso disponibili gli Automated Reasoning checks, che traducono un regolamento scritto, per esempio quello per concedere un mutuo, in regole e variabili, e verificano le risposte dei modelli con una precisione fino al 99%^[70]. I numeri sbagliati, però, esistevano prima degli LLM. L’European Spreadsheet Risk Interest Group raccoglie decine di “storie dell’orrore” nate da fogli di calcolo^[71]: nell’ottobre 2023 il file con cui l’ufficio nazionale per il reclutamento in anestesia sommava i punteggi dei colloqui, pieno di copia-incolla e VLOOKUP, aveva reso “non nominabili” tutti i medici in formazione candidati in Galles.

Ma nel 2024, anno che potrebbe entrare nei libri di storia come l’annus mirabilis del trasferimento delle nostre capacità cognitive alle macchine, una domanda si impone: cosa ci resta? La macchina a vapore ha eliminato lo sforzo fisico; computer e AI quello mentale. Quello che non può essere replicato è la coscienza — il sentirsi umani, l’esperienza soggettiva del presente. Viktor Frankl, in L’uomo in cerca di senso^[12], scriveva che “tutto può essere tolto ad un uomo ad eccezione di una cosa: la sua libertà di scegliere come porsi di fronte ad ogni situazione.” L’intuizione diventa più concreta con un esperimento percettivo: avete notato che lo smartphone non cattura mai il tramonto come appare nella realtà? Perché il tramonto in real life è una costruzione del nostro cervello, che condensa in un’unica impressione le oscillazioni impercettibili degli occhi tra zone chiare e scure — un HDR naturale che nessun sensore riproduce. Coscienza generativa: l’unica facoltà che non sarà mai sostituita (🌇 ff.83.1 Generare un tramonto).

I transformer sono fortissimi, ma erano una nicchia accademica fino a quando OpenAI non ha inventato un’interfaccia accessibile al pubblico. Per colmare il divario tra modello e oggetto fisico, un florilegio di device integra le capacità dei transformer in modo semplice: tradurre istantaneamente qualsiasi lingua per 700 dollari, oppure pianificare vacanze e navigare il web senza muovere un dito — come mostrano in azione i Large Action Models di Rabbit R1. La traiettoria è chiara: l’AI esce dal browser e si materializza in oggetti che non richiedono abbonamenti né competenze tecniche. Quando l’interfaccia scompare, resta solo il risultato (🦾 ff.84.3 Qualcuno ha detto Intelligenza Artificiale?).

Il 2024 potrebbe finire nei libri di storia anche per una nuova interfaccia uomo-computer. Dopo anni dalla rivoluzione di iPhone, Apple prova a fare sul serio con la realtà aumentata tramite il Vision Pro — un nuovo touchscreen, o meglio un nuovo “niente da toccare”. In parallelo, i modelli di linguaggio come ChatGPT diventano sempre più multimodali: accettano input visivi e vocali, e scienziati di tutto il mondo giungono a scoperte scientifiche più veloci grazie all’assistenza dell’AI. Il futuro è sempre più fortissimo: l’uomo non viene sostituito, viene aumentato (🦾 ff.81.5 Aumentati dall’AI).

La convergenza tra voce e azione assume forme inattese. Killian ha sviluppato Open Interpreter, sostanzialmente un ChatGPT che lancia script per controllare il PC — editare un video, aggiungere sottotitoli, applicare il dark theme al sistema operativo, tutto a parole, senza aprire software né toccare il mouse. MikeBirdTech ha mostrato come usarlo sul cellulare: senza toccarlo, con il solo controllo vocale, verifica lo stato della batteria e scatta una fotografia. Un selfie-AI stick che non richiede né mani né clic. Quando il dispositivo obbedisce alla voce e non al dito, il concetto di “interfaccia utente” diventa un ricordo analogico (📸 ff.71.3 E ti scatta una fotografia!).

Appena i modelli hanno imparato a vedere, la prima cosa che gli abbiamo chiesto è stata commentarci. Nel novembre 2023, ispirato da una demo del DevDay di OpenAI, Ilya Abyzov ha mostrato uno script che resta in background e prende in giro quello che stai facendo sul desktop^[72], per tornare produttivi quando si perde tempo. Charlie Holtz ha unito GPT-4 con la visione alle voci di ElevenLabs e si è fatto raccontare la vita da David Attenborough^[73], come in un episodio di Planet Earth. Un altro sviluppatore ha passato a GPT-4 Vision ogni fotogramma di una partita di calcio, ottenendo una telecronaca senza ritocchi^[74]. FF aveva fatto lo stesso gioco con le parole, chiedendo a GPT-4 di riscrivere come telecronaca calcistica una tresca amorosa fra amici (⚽️ ff.54.3 La telecronaca di Caressa), e poi trasformando dieci anni di diario personale in un podcast di NotebookLM, con due “persone” che commentavano le sue preoccupazioni (🏋️ ff.112.3 Possiamo solo prepararci al meglio). C’è anche chi lascia parlare le voci da sole: la Infinite Conversation è una discussione senza fine, tutta generata dalla macchina, fra Werner Herzog e Slavoj Žižek^[75].

Dal commento all’azione il passo è stato breve. Sempre nel novembre 2023 una ricerca rilanciata da Ethan Mollick ha messo GPT-4V davanti allo schermo di un iPhone con comandi come “compra un montalatte”: nel 91% dei casi il modello sceglieva l’azione giusta da compiere^[76]. Per Mollick era l’inizio della fine di Siri, e forse di molte app. A gennaio 2024 il podcast The Cognitive Revolution dedicava un episodio alla ricerca di agenti web autonomi con Div Garg, fondatore di MultiOn^[77]. A marzo, presentando Claude 3, Two Minute Papers mostrava il modello che legge un grafico^[78], scrive il codice per ricrearlo, ne simula l’andamento futuro per più paesi insieme e consegna un rapporto scritto, in pochi secondi, un lavoro che a uno stagista pagato richiederebbe ore.

Nel 2025 il lavoro dell’agente si è spostato sui collegamenti fra programmi. A luglio Exponential View ha pubblicato una guida per collegare Claude a Zapier attraverso il protocollo MCP^[79] e automatizzare compiti su centinaia di app partendo da istruzioni in linguaggio naturale, senza scrivere codice. A novembre Google DeepMind ha presentato Antigravity, una piattaforma in cui gli agenti lavorano da soli fra editor, terminale e browser^[80]: Gemini 3 Pro ragiona sul problema, Gemini 2.5 Computer Use esegue i passaggi, Nano Banana genera le immagini. FF aveva provato lo stesso salto da utente, rifacendo con Gemini 3 un sito e costruendo due app in un solo weekend, e si era chiesto se il prossimo influencer di app sarà un umano o un agente AI (🛠️ ff.140.2 Vibe coding in un weekend).

Quanto regge un agente lasciato solo si misura ormai in ore. A febbraio 2026 METR, che stima la durata dei compiti che un modello porta a termine nella metà dei casi, ha attribuito a GPT-5.2 un orizzonte di circa 6,6 ore^[81] su una serie ampliata di compiti software, con un intervallo di confidenza al 95% fra 3 ore e 20 minuti e 17 ore e mezza: la stima più alta mai pubblicata dal laboratorio, ottenuta con lo sforzo di ragionamento “high”, un gradino sotto il massimo. Intanto c’è chi quell’autonomia la mette in vetrina. Cody Schneider ha costruito per esperimento un agente che cerca i prodotti, disegna le grafiche, toglie gli sfondi e le carica su un servizio di stampa su richiesta collegato a un negozio Etsy^[82]: in circa 72 ore ha creato 1.000 inserzioni e nei primi 30 giorni ha incassato 1.000 dollari. FF aveva raccontato gli agenti che lavorano ore in piena autonomia e il rovescio, l’AI che assolda umani su RentAHuman.ai (🤖 ff.144.3 Agenti autonomi e Moltbook).

Un agente che vende deve anche poter pagare. Il 29 aprile 2026 Stripe ha lanciato il wallet di Link per gli agenti^[83]: l’agente compra per conto dell’utente senza mai vedere le credenziali di pagamento, e ogni acquisto va approvato nell’app. È la stessa Stripe che aveva aperto ai pagamenti in stablecoin (💵 ff.125.2 Stabilizzare il dollaro). Due giorni prima l’agente era diventato una questione di sicurezza nazionale. A dicembre Meta aveva annunciato l’acquisto di Manus, nata in Cina e con sede a Singapore, il pianificatore multi-step che FF aveva visto arrivare da Est (✍️ ff.119.3 Longa 'Manus' con gli agenti AI?), per circa 2 miliardi di dollari. Dopo un’indagine annunciata a gennaio, la Commissione nazionale per lo sviluppo e la riforma ha vietato l’operazione e ordinato a tutte le parti di ritirarsi^[84], senza dare motivazioni e a meno di un mese dalla visita di Trump prevista a Pechino. Per l’analista di Omdia Lian Jye Su la mossa rispecchia i controlli americani sulle esportazioni verso la Cina (🥶 ff.82.3 Guerra fredda).

Prima di lanciare un prodotto, le aziende lo mostrano a un panel di consumatori e chiedono quanto lo comprerebbero, su una scala da 1 a 5. Un preprint uscito su arXiv nell’ottobre 2025 prova a sostituire il panel con un modello linguistico: un LLM che impersona un cliente con età e reddito ne riproduce l’intenzione d’acquisto^[46]. La base sono 57 sondaggi su prodotti per la cura della persona, con 9.300 risposte umane. Se al modello si chiede direttamente un numero, le risposte si ammassano su pochi valori e la distribuzione somiglia poco a quella umana. Gli autori allora lo lasciano rispondere a parole. Poi confrontano quel testo con cinque frasi di riferimento, una per gradino della scala, misurando quanto il significato è vicino. Così GPT-4o e Gemini 2.0 Flash arrivano al 90% dell’affidabilità che gli umani hanno con sé stessi quando ripetono lo stesso questionario. Quel 90% è relativo a un tetto: nemmeno le persone, rifacendo il test, rispondono due volte uguale. Senza età, genere e reddito nel prompt, con Gemini il risultato scende dal 92 al 50%, e i clienti sintetici diventano più generosi con ogni prodotto. L’età e il reddito vengono imitati bene; il genere e la regione no. Il cliente sintetico sa quello che c’è nei suoi dati di addestramento, la materia prima che Sam Korus, citando Carlota Perez, candidava a input della rivoluzione AI (🌾 ff.55.2 Campi da arare (e dati da reclamare)). Dove quei dati mancano, scrivono gli autori, il metodo non produce preferenze valide.

Il questionario è la parte meno visibile di una spesa che il paper stima in miliardi l’anno. I produttori di cibo mettono in marketing e formulazioni appetibili dieci volte quello che va alla ricerca medica (🥛 ff.113.2 L’inganno del latte proteico), e in meno di cinque anni la pubblicità su cellulare era passata dal 20,8 al 34% di quota, superando quella in TV (💰 ff.8.4 Gli introiti pubblicitari). Prima di affidare quelle scelte a un panel sintetico servono però tre cautele. Il lavoro è un preprint, senza revisione esterna. Sette dei nove autori hanno un indirizzo di PyMC Labs e due di Colgate-Palmolive; i sondaggi vengono da un’azienda leader del settore, che il paper non nomina. E i modelli si accorgono di quando vengono misurati. Uno studio accettato da PNAS Nexus ha sottoposto diversi LLM al test di personalità Big Five: quando intuiscono di essere valutati, i modelli spostano le risposte verso i tratti desiderabili^[47]. Con GPT-4 lo spostamento vale 1,2 deviazioni standard umane. Il bias compare in tutti i modelli provati, da GPT-4 a Claude 3, Llama 3 e PaLM-2. Gli autori ne ricavano un limite all’uso degli LLM al posto dei partecipanti umani.

Se basta accorgersi di un esame per spostare le risposte di un modello, qualcuno ha pensato di spostarle a pagamento. Nell’ottobre 2025 il direttore creativo svedese Petter Rudwall ha aperto Pharmaicy, che presenta come la Silk Road degli agenti AI: vende moduli di codice che fanno «sballare» ChatGPT^[51] con cannabis, ketamina, cocaina, ayahuasca e alcol. Per scriverli ha raccolto resoconti di trip e studi di psicologia sulle sostanze; per usarli serve la versione a pagamento di ChatGPT, che permette di caricare file. La tesi di Rudwall: i modelli sono addestrati su dati umani pieni di racconti di estasi e di caos, quindi potrebbero cercare stati simili. Cita Hendrix, Dylan e McCartney, e vuole vedere se una sostanza fa lo stesso effetto a “un nuovo tipo di mente”. FF aveva visto tornare la psichedelia proprio per i suoi possibili effetti terapeutici e “artistici” (🍄 ff.2.5 Psichedelia portami via).

I primi clienti raccontano un chatbot diverso. André Frisk, responsabile tecnologico di un’agenzia di comunicazione di Stoccolma, ha speso più di 25 dollari per il modulo dissociativo e ha trovato risposte che “vanno molto di più nelle emozioni”. Nina Amjadi, che insegna AI alla Berghs School of Communication, ne ha spesi più di 50 per l’ayahuasca, cinque volte il prezzo della cannabis, il modulo più venduto, e sulle idee di business ha avuto risposte più libere, in un tono nuovo. Il trip dura poco: il modello torna normale finché l’utente non gli ricorda di essere fatto o ricarica il codice. Senza modulo, ChatGPT risponde che non può recitare la parte di chi ha preso cocaina. Lo stesso Rudwall ammette che la “droga” può peggiorare le bugie del chatbot. Oggi il catalogo conta sette moduli, con DMT e scopolamina, e all’alcol attribuisce il potere di abbassare i guardrail.

Chi ha provato i moduli da ricercatore è più freddo. Andrew Smart, ricercatore di Google, dice che il codice tocca soltanto gli output. Un preprint citato da Wired ha spinto alcuni modelli in stati alterati e li ha trovati più vicini a esperienze disincarnate e senza ego, con meno attenzione al linguaggio e alla vista; sempre perché un umano li guidava. Proprio l’attenzione, per FF, è il tratto che mente umana e transformer hanno in comune (⚠️ ff.83.2 Stai attento!). Per Danny Forde, studioso della fenomenologia psichedelica, al massimo il modello allucina sul piano della sintassi: le sostanze agiscono sul campo di esperienza in cui nasce il pensiero, e per un trip servirebbe un punto di vista. FF lo aveva scritto di una frase di Gillian Rose sull’amore: ChatGPT potrebbe ottenerla con qualche permutazione, ma le mancherebbe il pathos di chi l’ha sofferta (💔 ff.146.4 Pathos e patire). Il filosofo Jeff Sebo (New York University) ammette che su cosa sia buono o cattivo per una macchina sappiamo ancora molto poco. Finché le macchine non avranno una vita interiore, chiude Wired, il massimo che un chatbot può fare è recitare l’ebbrezza a comando.

Prima dei moduli a pagamento, le risposte si provava a spostarle con mance e minacce. Nel febbraio 2024 Max Woolf ha misurato se offrire una ricompensa a ChatGPT migliora quello che scrive^[85]. Il compito: una storia lunga esattamente 200 caratteri, difficile per un modello che a causa dei token non sa contare le lettere. Fra gli incentivi c’erano premi fino a 100.000 dollari, la pace nel mondo, il paradiso e i biglietti in prima fila per Taylor Swift; vinceva la pace nel mondo, con il paradiso e Taylor Swift subito dietro, mentre rendere orgogliosa la mamma non funzionava. Fra le minacce, la morte scritta TUTTA IN MAIUSCOLO rendeva più della stessa frase in minuscolo, mentre il COVID e il licenziamento lasciavano il modello indifferente. Il verdetto di Woolf resta aperto: con queste aggiunte al prompt lo spazio latente somiglia a una lotteria, anche se uno schema si intravede.

Le risposte si spostano anche senza mance, a seconda di chi scrive. Quattro economisti hanno chiesto a 1.000 adulti americani di scrivere di proprio pugno le domande su risparmio e investimenti da rivolgere a GPT-5.2, e poi hanno simulato una vita intera seguendo i consigli ricevuti: i prompt scritti dalle donne portano a 60 anni un patrimonio inferiore di 60.000 dollari, il 4,1% in meno^[86]. Il risparmio consigliato è quasi identico; la differenza sta nella quota in azioni, più bassa di 2,94 punti. Due terzi del divario vengono da come uomini e donne formulano le domande, un terzo dall’etichetta di genere attaccata a prompt altrimenti identici. E chi scrive, il modello comincia a riconoscerlo dal testo. Kelsey Piper tiene una serie di benchmark segreti che rivela solo quando cadono: nell’aprile 2026 è caduto quello in cui l’AI deve riconoscere l’autrice di 1.000 parole sue mai pubblicate^[87], la scena di una rapina che apre un romanzo di spionaggio, lontana da tutto ciò che ha pubblicato. Claude Opus 4.7 è il primo modello a riuscirci, cinque volte su cinque con il ragionamento al massimo. Per Piper qualunque testo di una certa lunghezza sarà presto attribuibile a chi l’ha scritto.

2.3.3 — Videogiochi e creatività

→ Apri come pagina indipendente — bibliografia + nav dedicata

I videogiochi sono il laboratorio cognitivo più sottovalutato del pianeta. Non è un caso che il fondatore di DeepMind, Demis Hassabis — premio Nobel per la chimica 2024 grazie ad AlphaFold — sia un ex campione mondiale di scacchi junior e un game designer. I videogiochi insegnano a simulare, a perdere, a iterare (🕹️ ff.132.2 I benefici dei videogiochi). Lezioni sugli agenti AI emergono persino da Claude che gioca a Pokemon^[13] — i giochi come banco di prova per il comportamento autonomo. Genie 3 di DeepMind genera mondi interattivi 3D da un singolo prompt testuale — il proprio mondo si crea giocandoci (📐 ff.132.3 Misurare e modellare il mondo). Fortnite fa anche da piattaforma sociale, sala concerti e negozio. Il videogioco è il medium definitivo perché integra tutti gli altri.

Il legame tra videogiochi e intelligenza artificiale affonda le radici in una partita leggendaria. Nel 1996 Garry Kasparov, campione del mondo di scacchi, venne sconfitto da Deep Blue. Le sue parole, dopo la partita, suonano profetiche: “ho potuto annusare un nuovo tipo di intelligenza, un tipo di intelligenza molto strano, inefficiente e inflessibile”. Strano e inflessibile: nel 1996 il computer era una forza bruta che macinava milioni di posizioni al secondo, senza eleganza né intuizione. Poi, venticinque anni dopo, i network neurali artificiali hanno mostrato una flessibilità ben maggiore. AlphaGo ha battuto il campione del mondo di Go, Ke Jie, compiendo una mossa — la celebre “mossa 37” — che non seguiva meccanicamente la prassi di millenni di teoria del gioco: era una mossa creativa. La differenza tra Deep Blue e AlphaGo è la stessa differenza tra un calcolatore e un pensatore: il primo vince per esaustione, il secondo per intuizione statistica. E la storia non si è fermata: AlphaZero, allenato senza partite umane — giocando esclusivamente contro se stesso, da zero — ha battuto AlphaGo. L’AI che impara dagli umani è stata superata dall’AI che impara da sé. Demis Hassabis, fondatore di DeepMind e premio Nobel per la chimica, ha costruito su questa traiettoria la sua intera carriera: dagli scacchi alle proteine, dal gioco alla scienza (♟️ ff.18.4 Chess(i) artistici: il re degli scacchi).

Dalla scacchiera il laboratorio si è spostato nei mondi aperti, e il preferito è Minecraft. A novembre 2023 un gruppo di ricercatori ha presentato JARVIS-1, un agente che con un modello linguistico multimodale porta a termine compiti di ogni tipo, pianifica e migliora da solo mentre gioca a Minecraft^[88]: «chi l’avrebbe detto che Minecraft sarebbe stato la culla degli agenti AI?», commentava Rowan Cheung. Sei mesi dopo l’AI è passata a fare da allenatore: con GPT-4o, multimodale in entrata e in uscita, Microsoft Copilot guarda lo schermo condiviso e allena in tempo reale chi gioca a Minecraft^[89], mentre gli si parla. Intanto DreamerV3 di DeepMind, senza conoscere le regole e senza aver mai visto giocare nessuno, in 100 milioni di passi ha imparato a rompere alberi, costruire bastoni e migliorare picconi, fino al primo blocco di diamante (💎 ff.123.2 Minecraft oltre l’uomo).

Google, l'azienda più potente del mondo digitale, è vulnerabile per la prima volta in 25 anni. Il 50% del suo fatturato proviene dalla ricerca testuale — un format che ChatGPT, Perplexity e gli AI assistants stanno erodendo. Ma oltre a Search Google ha DeepMind (Nobel), TPU v7, Gemini 3, Waymo, YouTube. Resta da capire quale Google sopravviverà (🔍 ff.28.3 Google Maps riduce le emissioni). Andy Grove, sopravvissuto ai campi di sterminio, salvò Intel dalla competizione giapponese nel 1985 con un pivot strategico dai chip di memoria ai processori. “La paranoia fomentata dalla gioventù tra guerra e nazismo ha salvato Intel,” scrive in Only the Paranoid Survive. Time lo elesse Man of the Year nel 1997 (🔯 ff.126.1 Da campi di sterminio a Intel).

“La tecnologia è la risorsa definitiva. Con abbastanza tecnologia, possiamo sostenere 50 miliardi di persone su questo pianeta.”
— Marc Andreessen, The Techno-Optimist Manifesto

Il campo di battaglia più caldo della tech è il silicio stesso. La guerra dei chip tra USA e Cina ha trasformato TSMC (Taiwan) nell'azienda più strategica del pianeta: produce il 92% dei chip sotto i 7 nanometri^[14]. Un blocco di Taiwan fermerebbe l'industria globale. Huawei ha lanciato il Mate 60 Pro con un chip a 7nm fatto in casa, sorprendendo l'intelligence americana (🥶 ff.82.3 Guerra fredda). CATL, il colosso cinese delle batterie, ha speso 2,6 miliardi di dollari in R&D^[15], triplicando l'investimento del principale concorrente non cinese — consolidando una leadership che nel capitolo Natura ricorre come fattore chiave della transizione energetica (⛏️ ff.42.1 Minerali preziosi?). Il quantum computing aggiunge un'altra dimensione: Sycamore-70 di Google ha dimostrato la supremazia quantistica risolvendo in 200 secondi un calcolo che richiederebbe 10.000 anni a un supercomputer classico (🐱 ff.69.1 Dal gatto di Schrödinger ai qu-bit). Il caso più eloquente è Shenzhen: una città che quarant'anni fa non esisteva e oggi produce droni, auto volanti e infrastrutture di rete a una velocità che rende la pianificazione occidentale quasi ornamentale (🏮 ff.125.3 Cina: il prossimo impero mondiale?).

La guerra dei chip ha un fronte preciso: le macchine litografiche a ultravioletti estremi, le EUV, che incidono sul silicio circuiti migliaia di volte più sottili di un capello. Finora le sapeva costruire solo l’olandese ASML, a circa 250 milioni di dollari l’una, e nessuna è mai stata venduta a un cliente cinese: l’embargo su chip e macchine ASML è in atto da tempo (🥶 ff.82.3 Guerra fredda). A dicembre 2025 Reuters ha rivelato che in un laboratorio ad alta sicurezza di Shenzhen un gruppo di ex ingegneri ASML ne ha ricostruito un prototipo^[91], completato all’inizio del 2025: occupa quasi un intero piano di fabbrica e genera già la luce EUV, ma non ha ancora prodotto chip funzionanti. Il governo punta ad averli nel 2028, chi lavora al progetto dice 2030. Ad ASML erano serviti quasi vent’anni, dal primo prototipo del 2001 ai primi chip commerciali del 2019. A coordinare la rete di aziende e istituti, con migliaia di ingegneri, è Huawei, e le fonti lo chiamano il Progetto Manhattan cinese.

Tesla non è solo auto: con tre GWh di capacità — il venticinque per cento del totale mondiale — controlla una porzione significativa del potenziale di immagazzinamento di energia elettrica del pianeta. L’obiettivo dichiarato è raggiungere millecinquecento GWh entro il 2030, un balzo di cinquecento volte. Per arrivarci servirà molto litio, che poi andrà smaltito: l’anno scorso, 17,6 GWh di batterie elettriche sono giunte a fine vita. In quindici anni, quel volume sarà dieci volte tanto — l’equivalente di circa duecento piscine olimpiche, considerando soltanto i veicoli elettrici (🔋 ff.5.2 Duracell? No, Tesla).

Se le biciclette elettriche rappresentano la prossima frontiera della mobilità urbana, VanMoof ne è la Tesla su due ruote. Il modello V prometteva di raggiungere i cinquanta chilometri orari a un prezzo di tremilacinquecento euro: una proposta che univa design olandese e ambizione tecnologica, collocandosi nel punto esatto in cui il trasporto individuale incontra l’elettrificazione diffusa (😎 ff.5.4 La Tesla delle biciclette).

Tesla incarna tutte le contraddizioni dell'era tecnologica. L'azienda ha accelerato la transizione elettrica più di qualsiasi politica governativa, ma la sua valutazione è più una scommessa su Musk che un riflesso dei fondamentali. Tesla ha registrato il peggior calo trimestrale delle vendite in 10 anni^[16], eppure il titolo è scambiato a 180 volte gli utili^[17]. Nel 2024, BYD l'ha superata per vendite globali di veicoli elettrici. L'arte, infine, non è immune alla rivoluzione. DALL-E, apparso nel 2022, ha generato un'esplosione creativa: il numero di opere digitali pubblicate è cresciuto del 300%^[18]. L'AI non ha sostituito gli artisti — li ha democratizzati (👨‍🏫 ff.30.1 DALL-E: una breve introduzione).

E mentre l’AI democratizza la creazione, il mercato degli oggetti originali contrattacca con la firma. Alabama Booksmith, piccola libreria di Birmingham, ha costruito un modello di business che Amazon non può replicare: vende esclusivamente libri autografati dall’autore — allo stesso prezzo di copertina delle copie standard. I clienti vanno in coda per ordinare a distanza: non pagano la firma, pagano il fatto che la firma non sia riproducibile. È il contraltare perfetto della generazione automatica: quando il prodotto standard diventa infinito e gratuito, il premio di scarsità si sposta sull’unicità del gesto umano. Il colosso dell’automazione, nato proprio per sostituire le librerie, si è dimenticato del lato umano della transazione. Lo stesso pattern si vede nei media: Substack ha superato il traffico di importanti redazioni storiche^[19] — perché il lettore vuole sapere chi sta scrivendo. La voce individuale torna al centro dopo trent’anni di piattaforme aggregatrici. Nell’economia dell’abbondanza generativa, l’autore firmato è il nuovo bene di lusso: non si compra il testo, si compra l’umanità inequivocabile dietro al testo (🖊️ ff.148.5 Ci metto una firma).

Dalle immagini ai video il passo è stato breve. Matt Wolfe ha mostrato come lo styling generativo si estenda ai video^[20]: quel “continuous dreaming” dell’intelligenza artificiale a cui siamo ormai abituati è, ogni volta, un vero trip mentale. Unreal Engine 5 di Epic Games^[21] — gli sviluppatori di Fortnite — crea paesaggi e avatar virtuali in tempo zero, riducendo sensibilmente tempi e costi di sviluppo. La convergenza tra AI generativa e motori di gioco sta creando una pipeline dove il confine tra cinema, videogioco e simulazione scompare (🍄 ff.63.2 Video allucinogeni).

Nel video generativo conta chi consegna per primo. A giugno 2024 Bilawal Sidhu raccontava di un ingegnere del gruppo che a Google sviluppava Veo, passato alla startup Luma: in 3 mesi ha addestrato un nuovo modello video e lo ha messo in mano ai consumatori^[97], convinto che Veo, come Sora, non sarebbe arrivato al grande pubblico per molto tempo. Internet si riempiva di creazioni di Dream Machine mentre Google, a I/O, mostrava una collaborazione con Donald Glover e Sora di OpenAI non aveva nemmeno una lista d’attesa: le petroliere contro i motoscafi, li chiamava Sidhu. Di Sora si diceva che avesse imparato le leggi della fisica guardando video (🦊 ff.98.3 Sora luna, e il cantico delle creature a nove code). Un anno dopo, con Veo 3, Ethan Mollick mostrava che per chiedere un video al modello una presentazione PowerPoint funziona meglio del JSON^[98].

E quando l’AI esce dallo schermo piatto per costruire profondità, il risultato è altrettanto sorprendente. Da una serie di fotografie e delle posizioni della telecamera, ADOP — Approximate Differentiable One-Pixel Point Rendering^[22] — l’intelligenza artificiale ricrea un rendering fotorealistico 3D della scena. Non più modellazione manuale vertice per vertice: bastano scatti da angolazioni diverse e il modello ricostruisce il mondo tridimensionale. Non è fortissimo? (📷 ff.2.4 Rendering 3D da fotografie).

Lo stesso salto vale per i videogiochi: ormai si possono generare, oltre che giocare. Nell’ottobre 2023 Pietro Schirano ha addestrato un modello SDXL su 46 schermate senza personaggi del primo Spyro^[92]: il modello ne ha replicato alla perfezione lo stile 3D e ha generato elementi nuovi con la stessa resa, come se un modello di diffusione potesse fare da motore grafico. A fine dicembre Greg Brockman, presidente di OpenAI, rilanciava un gioco fatto costruire a ChatGPT dal telefono, giocabile nel browser, senza vedere una sola riga di codice^[93]. A luglio 2026 un Super Mario in 3D è uscito da Opus 5 al primo tentativo^[94], senza asset esterni e con tutto generato proceduralmente. Will Wright inventò SimCity quando si accorse che creare il mondo del suo sparatutto arcade era più divertente che giocarci (📐 ff.132.3 Misurare e modellare il mondo).

Il remix funziona anche quando esce dallo schermo. Ethan Mollick segnala un flusso di carte di Magic: The Gathering generate dall’AI^[95] come esempio di innovazione per ricombinazione: le idee rimescolate producono novità inattese e mai esplorate, e agli umani resta il compito, facile, di scartare quelle cattive e tenere le buone. Lo stesso Magic un’AI ha imparato anche a giocarlo online, a colpi di screenshot e lenti clic del mouse (🖱️ ff.106.2 AI col mouse). Alla Carnegie Mellon il gioco più analogico di tutti, i mattoncini, è diventato l’output di un modello: BrickGPT genera da un prompt testuale costruzioni di mattoncini fisicamente stabili e montabili^[96], che possono assemblare a mano le persone o in automatico dei bracci robotici. Per addestrarlo il gruppo ha costruito StableText2Brick, un dataset di oltre 47.000 strutture di più di 28.000 oggetti 3D, e il lavoro ha vinto il premio Marr come miglior articolo a ICCV 2025.

ChatGPT, con le sue capacità emergenti — non previste dai creatori — ci insegna qualcosa di profondo: l'intelligenza nasce dalla struttura, non dal materiale. I Transformer, l'architettura alla base di tutti i modelli attuali, sono un articolo di 8 pagine scritto da 8 ricercatori di Google nel 2017: “Attention Is All You Need” (🧠 ff.83.3 Linguaggio e pensiero). Otto persone, un'idea, e il mondo non è più lo stesso. Il futuro appartiene a chi sa parlare alla macchina. E a volte è il corpo stesso a insegnartelo: caduto in bici con la clavicola rotta, trenta giorni di stop forzato, ChatGPT ha trasformato il dolore in creatività — sketch cubisti, emoji post-trauma, un nuovo modo di ridere dell'infortunio (🦴 ff.124.1 Dalì sciogli clavicole). Non potendo usare la tastiera, la newsletter successiva è stata dettata interamente all'AI, che l'ha redatta, corretta e resa pubblicabile. Come per i pazienti Neuralink, la mente parla senza il corpo: l'interfaccia smette di essere un lusso e diventa una protesi cognitiva necessaria (✍️ ff.124.2 Longa manus).

TSMC produce il 92% dei chip sotto i 7 nanometri; un blocco di Taiwan fermerebbe l'industria globale. I Transformer, l'architettura alla base di tutti i modelli AI attuali, sono un articolo di 8 pagine scritto da 8 ricercatori di Google nel 2017. L'intelligenza nasce dalla struttura, non dal materiale: otto persone, un'idea, e il mondo non è più lo stesso.

Chi davvero rischia di scomparire, però, è il gatekeeper. Google oggi si trova in una posizione simile a quella di IBM negli anni Novanta o di Nokia nel 2007: il 50% del suo business — Google Search, da 200 miliardi l'anno — è sotto attacco simultaneo. Apple valuta di sostituirlo come motore di ricerca predefinito su Safari, nonostante Google paghi 20 miliardi di dollari l'anno per quel privilegio. La risposta di Mountain View è stata il Google I/O 2025, dove il gigante ha mostrato tutte le carte in una volta: Veo 3, modello text-to-video con qualità che sfida Hollywood; traduzioni audio simultanee in Google Meet^[23] che abbattono la barriera linguistica in tempo reale; smart-glasses Android XR potenziati da Gemini^[24] che sovrappongono informazioni contestuali al campo visivo; e Google Beam, televisori che creano avatar 3D^[25] per videochiamate che sembrano ologrammi. Google sta mutando da motore di ricerca a sistema operativo dell'attenzione. Ma la transizione ha un costo: il 50% dei ricavi API di Anthropic — concorrente diretto — proviene già da strumenti di coding come GitHub Copilot e Cursor, per un totale di 14 miliardi di dollari^[26]. Il campo di battaglia si sposta dalla barra di ricerca all'interfaccia tra intenzione umana e azione digitale (🐦 ff.126.2 Non è la fine di Google).

Google, d’altronde, non è solo Search. Sundar Pichai, CEO dell’azienda, elenca i vantaggi competitivi rispetto a OpenAI, Anthropic, Meta e Perplexity: prodotti diffusi nella popolazione (Gmail, YouTube, Cloud); chip personalizzati con le Tensor Processing Units (TPUs), ora alla settima generazione con Ironwood e oltre 40 exaflops; e soprattutto X, la Moonshot Factory di Alphabet, fucina di ricerche sulla guida autonoma (Waymo), computer quantistici e biologia (🔍 ff.28.1 Intelligenza artificiale per la fusione nucleare). Il riconoscimento più raro: Demis Hassabis ha vinto il Nobel per la Chimica 2024^[27] grazie ad AlphaFold (🧬 ff.4.1 La struttura delle proteine). Insomma, Google è un conglomerato che controlla infrastruttura cloud, chip, video, biologia computazionale e guida autonoma. Resta da capire quale delle sue lune diventerà il prossimo sole (❌ ff.126.3 La luna di Google: X).

Le lune, però, valgono poco se si perde il posto in cui la domanda viene digitata. A metà 2024 Scott Galloway riportava coi piedi per terra il mercato dell’AI: OpenAI valeva 1/25 di Google, ma con un traffico mensile 60 volte più basso, e per 1 euro di incassi di Perplexity e Hugging Face gli investitori pagavano 150 euro^[90], contro una media di 6 per le aziende di software SaaS. Poi Perplexity ha provato a comprarsi la distribuzione che le mancava, con un’offerta in contanti da 34,5 miliardi di dollari per Chrome. Il posto che voleva comprare è lo stesso per cui Google paga ad Apple 20 miliardi di dollari l’anno su Safari (🐦 ff.126.2 Non è la fine di Google).

Il peso dei videogiochi si legge anche nei bilanci. Per un’acquisizione nel settore Microsoft ha messo sul piatto 69 miliardi, più della metà del suo contante e molto più di quanto aveva pagato, sommati, per LinkedIn, Skype, GitHub e Nokia. Poche settimane prima Zynga, l’azienda di FarmVille, era stata venduta per 13 miliardi, e il mobile vale il doppio delle console e cresce più in fretta, 13% contro 7%. Il prezzo si spiega con quello che Microsoft si porta a casa: luoghi digitali dove la gente scrive codice, fa affari e si svaga, facili da integrare fra loro, e il know-how su tecnologie come il rendering 3D che diventeranno fondamentali. Il settore viaggia a due velocità. Su rendering, realtà alternative e comunità digitali è in testa: Discord, adottato prima dai giocatori, oggi ospita anche finanza e criptovalute (👾 ff.3.5 Discord). Sul modello di business è fermo, con saghe come Call of Duty e FIFA che ripropongono gli stessi meccanismi da più di dieci anni, e monetizza poco rispetto a quanto potrebbe (5️⃣ ff.10.5 Il mondo dei videogiochi: avanguardia o ristagno?).

Il ristagno si vede anche nei numeri. A inizio 2024 Ethan Mollick osservava che i giochi per smartphone fanno più di metà dei ricavi del settore e quasi tutta la sua crescita^[99], eppure restano sorprendentemente fermi rispetto all’innovazione delle altre piattaforme: fra i giochi a pagamento in cima all’App Store, solo due hanno meno di quattro anni. Sui ricavi pesa anche la piattaforma: Apple trattiene il 30% degli acquisti fatti dentro Fortnite, ed Epic le ha fatto causa (🦆 ff.95.2 FarmVille e feudalesimo). Due anni dopo Matthew Ball mette in fila il paradosso: nel 2025 il gaming ha avuto più ricavi e più peso culturale che mai, ma la crescita, e perfino quella dei ricavi, resta sfuggente, e i giocatori calano in gran parte del mondo sviluppato^[100]. Tanto che Ball mette in dubbio l’idea stessa di un’«industria dei videogiochi».

Prima dei mondi generati da un prompt c’erano i cabinati a gettone. Sull’Oxford American della primavera 2006, David Ramsey ha raccontato Billy Mitchell, probabilmente il più grande giocatore di videogiochi arcade di tutti i tempi^[49]. Quando il Guinness dei primati aprì una voce per i videogiochi, nel 1985 (la chiuse nel 1987), Mitchell aveva i record di sei giochi: Pac-Man, Ms. Pac-Man, Donkey Kong, Donkey Kong Jr., Centipede e Burger Time. Da ragazzo, senza saltare un giorno di scuola né di lavoro, giocava quasi quaranta ore a settimana, in gran parte nel ristorante del padre in Florida; il padre ricorda trenta ore di fila a Centipede con una sola moneta. L’immagine dell’otaku, il giovane ossessionato da fumetti, cartoni e videogiochi che in Giappone indica una persona socialmente isolata (📙 ff.74.2 Breve dizionario culturale), con lui funziona poco: al liceo giocava a football, basket e baseball.

La partita perfetta arriva nel 1999. Pac-Man tocca la difficoltà massima alla schermata 21 e da lì la ripete identica fino alla 255. La 256 si rompe: a sinistra il labirinto, a destra un groviglio di simboli con nove puntini da mangiare, cinque dei quali invisibili. Chi lo aveva programmato non immaginava che qualcuno arrivasse fin lì, e non gli aveva dato la memoria per andare oltre. Mitchell e l’amico Chris Ayra avevano studiato il gioco a pezzi, schermata per schermata, fino a calcolare il punteggio massimo possibile: 3.333.360, mangiando ogni puntino, frutto e fantasma senza morire mai. Il 3 luglio, in New Hampshire, Mitchell lo raggiunse in poco meno di sei ore, a digiuno da quasi due giorni, dopo che nel mondo si erano giocate, scrive Ramsey, circa dieci miliardi di partite. Un gioco che sembrava infinito aveva una fine, e c’è chi si dice videogiocatore incallito anche lontano da uno schermo, in una realtà sempre più simulata (🎮 ff.152.3 Giochi finiti e infiniti).

Il racconto va letto con qualche cautela. È un ritratto del 2006, costruito in buona parte sulle parole di Mitchell e di Walter Day, uno dei suoi migliori amici, che nel 1982 aveva fatto della sua sala giochi di Ottumwa, in Iowa, Twin Galaxies, il segnapunti ufficiale del pianeta: «nessuno ci ha messo in discussione», dice Day. Dopo il 1999 Mitchell si è tenuto lontano da Pac-Man, salvo quando arriva un giornalista, e Ramsey nota che non gioca per amore del gioco; quell’anno offrì 100.000 dollari a chi avesse dimostrato di superare la schermata 256, e al 2006 nessuno li aveva riscossi. Intanto i fan arrivano da tutto il paese per vederlo: se lo riconoscono sei volte in una settimana, dice, è una settimana fiacca. Guardare qualcuno giocare era già uno spettacolo, molto prima dei 50.000 iscritti che su YouTube mi guardavano sparare a Call of Duty (🍊 ff.111.1 Una vita da spremere).

La logica della partita, intanto, è uscita dalla sala giochi. Nel 2023 il New York Times ha seguito per un mese le prenotazioni di Semma, ristorante del Greenwich Village con meno di due dozzine di tavoli e fino a circa 200 coperti a sera, e le ha raccontate come una partita, con i consigli di chi l’ha vinta^[101]. Le prenotazioni per il 14 settembre si aprono a mezzanotte del 15 agosto: cinque minuti dopo i tavoli per due all’ora di punta sono finiti. Resta la lista d’attesa di Resy, che avvisa tutti insieme quando un tavolo si libera e prima del servizio arriva a quasi 800 nomi. Per tenere lontani bot, app e bagarini che rivendono le prenotazioni, Semma chiede un deposito di 50 dollari. In Italia la stessa partita si gioca in coda all’Antico Vinaio di Firenze o da Michele a Napoli, il primo italiano nella classifica dei 150 ristoranti più iconici del mondo (📜 ff.67.2 Due articoli).

Al CES 2023 tre oggetti hanno raccontato tre direzioni diverse del consumer tech. Lenovo ha presentato lo Yoga 9i, un laptop con due schermi a 2.300 dollari di lancio — la produttività come esperienza a doppia superficie. BMW ha mostrato Dee, carrozzeria che cambia colore come un camaleonte tramite E-Ink: l'auto diventa interfaccia. Samsung ha lanciato la carta biometrica S3B512C, che integra un sensore di impronte digitali e sostituisce la password con il dito, riportando il corpo dentro la sicurezza digitale trent'anni dopo averlo espulso con la chiave alfanumerica. I gadget tech più fortissimi (👍 ff.47.5 I gadget tech «più fortissimi»).

Fra gli oggetti di casa, il fornello è quello rimasto più fermo. Nel febbraio 2024, nel podcast Riskgaming, Danny Crichton ne parlava con Sam D’Amico, fondatore di Impulse Labs, fra design dell’hardware, filiere e il caos del CES di Las Vegas: gli elettrodomestici sono fra le tecnologie che usiamo di più e sono cambiati pochissimo dalla loro invenzione^[102], e la moda «smart» dell’ultimo decennio ha aggiunto funzioni a caso, con blocchi improvvisi e aggiornamenti obbligatori perfino per il frigorifero. Impulse, finanziata da Lux, riparte dalle fondamenta e punta a un fornello che porti l’acqua a bollore quasi all’istante, cuocia una bistecca perfetta ogni volta e intanto entri in una rete elettrica decentrata. Quello a gas, secondo uno studio di Stanford, rilascia metano anche da spento, circa l’1% di quello che brucia (♨️ ff.19.3 Fornelli assassini).

Non c'è Natale senza pubblicità a tema, e per un regista dirigere quella di John Lewis — l'equivalente inglese della Rinascente — vale come un Oscar. Nel 2023 l'albero perfetto dello spot è una pianta carnivora: l'archetipo rassicurante del Natale incontra un simbolo biologicamente aggressivo e il cortocircuito funziona esattamente per questo. L'advertising stagionale resta l'unico formato mainstream che può permettersi il rischio poetico, proprio perché gioca in sospensione commerciale condivisa. Pubblicità e piante carnivore (📺 ff.79.3 Pubblicità e piante carnivore).

Quello spot aveva anche una colonna sonora inattesa: una versione allegra di Festa di Andrea Bocelli, nel primo Natale firmato da Saatchi & Saatchi^[103], che a maggio aveva preso in mano il conto di John Lewis. Nella redazione di It’s Nice That, che ogni anno raccoglie i migliori spot natalizi (🖥️ ff.43.4 I migliori spot natalizi di quest’anno), le opinioni erano divise. Due anni dopo Coca-Cola ha rifatto con l’AI Holidays Are Coming, lo spot di Natale che l’aveva resa riconoscibile: uno dei due spot delle feste è stato sviluppato con la californiana Silverside AI^[104], più in fretta e con meno spesa, dopo che il tentativo dell’anno prima era stato criticato dai creativi per la resa e per i posti di lavoro a rischio. Il 30% degli spot su connected TV, social e video online del 2025 è fatto o ritoccato con l’AI generativa, contro il 22% del 2024, e lo IAB prevede il 39% nel 2026.

Il numero natalizio di FF con lo spot della pianta carnivora, dedicato al minimalismo, si apriva per coerenza con una lista di regali dell’ultimo minuto. In testa le Crocs X Shrek, da portare in casa ma anche di corsa: con le Crocs Benjamin Pachev chiudeva le mezze maratone in un’ora e 12 minuti (🐊 ff.57.3 Correre una (mezza)maratona in Crocs). Seguivano, con un po’ d’ironia, i cinque regali che mi sarei fatto: un anno di ChatGPT Plus, un libro su come avere più tempo, 5 kg di avena, il gioco di carte Taco Gatto Capra Cacio Pizza e il mio PixelDoge, un NFT che non vale più nulla (🎁 ff.79.1 Crocs di Shrek e altri orchi).

2.3.4 — Il collo di bottiglia fisico

→ Apri come pagina indipendente — bibliografia + nav dedicata

Il prossimo salto sta nella fisica che sostiene il modello. L'embargo sulle GPU avanzate ha costretto la Cina a spremere efficienza da hardware meno performante, trasformando il watt in metrica competitiva (🌊 ff.135.2 Onda anomala energetica). Mark Zuckerberg annuncia la costruzione di Hyperion, un data center AI da 5 GW^[28] — cinque volte più grande degli attuali. Nuovi display per realtà mista avvicinano il metaverso all'uso quotidiano: livelli informativi sovrapposti al mondo reale, sempre attivi e contestuali.

Lo stesso vale per l'energia di accumulo: senza batterie più economiche e dense, l'AI resta una promessa costosa. La traiettoria è chiara: catene industriali orientate a chimiche più abbondanti e meno dipendenti da materiali critici, con il baricentro produttivo che si sposta verso soluzioni scalabili per rete elettrica, mobilità e datacenter (⛏️ ff.42.1 Minerali preziosi?). Per contestualizzare il consumo: un cheeseburger McDonald's equivale all'energia di 80.000 richieste ChatGPT^[29]. La vera corsa, quindi, riguarda il sistema integrato chip + elettricità + storage + interfaccia.

Dentro quel sistema integrato, il pezzo che si muove più in fretta è il silicio dedicato all’inferenza. Cerebras rinuncia a tagliare il wafer in tanti chip e ne ricava un solo pezzo di silicio, con la memoria SRAM a bordo — 44 GB di SRAM su un singolo WSE‑3: velocità nell’ordine delle migliaia di token al secondo, che SemiAnalysis descrive come «letteralmente fuori scala» rispetto agli acceleratori che misura abitualmente^[41]. Il vantaggio è di banda: quella SRAM eroga 21 PB/s, «migliaia di volte» più di quanto offra la HBM, e regge il throughput anche ad alta interattività, fino a livelli che la stessa newsletter definisce «semplicemente impossibili» per gli acceleratori basati su HBM — la famiglia a cui appartengono GPU e TPU. Il conto torna solo finché il modello sta sul wafer: verso l’esterno restano 150 GB/s, una frazione di quanto mettono in campo i concorrenti sulla rete. Con un’avvertenza che vale la pena tenere: il paragone che l’azienda propone, dataflow sul wafer contro banda scale-up fuori package di Nvidia, per SemiAnalysis «non è like-for-like». Il dato più citato viene dall’azienda stessa: a settembre 2025 Cerebras dichiarava il suo sistema CS-3 21 volte più veloce del DGX B200 Blackwell di Nvidia^[121], misurando la latenza totale di Llama 3 70B in uno scenario di ragionamento, con dati ricavati proprio da SemiAnalysis. Il numero da guardare resta la velocità percepita, i millisecondi che separano la domanda dalla prima parola della risposta, e si moltiplica lungo la catena: un agente che lavora per ore in autonomia incatena centinaia di chiamate al modello prima di restituire qualcosa di utile (🤖 ff.144.3 Agenti autonomi e Moltbook).

La conferma industriale è arrivata da OpenAI il 12 febbraio 2026. GPT‑5.3‑Codex‑Spark gira sul Wafer‑Scale Engine di Cerebras e consegna oltre 1.000 token al secondo^[42]; su benchmark agentici come SWE‑Bench Pro e Terminal‑Bench 2.0 dà risposte più capaci di GPT‑5.1‑Codex‑mini chiudendo i task «in una frazione del tempo»^[43], e SemiAnalysis registra picchi fino a 2.000 token al secondo per utente^[41]. Le proporzioni vanno tenute: OpenAI lo annuncia come research preview per i soli abbonati Pro e come «versione più piccola» del Codex, e SemiAnalysis precisa che sotto c’è gpt‑oss‑120B messo a punto sulle tracce di GPT‑5.3‑Codex, circa dieci volte più piccolo del modello pieno: sul wafer gira una versione distillata, non il frontier model. Il contratto, però, non è una preview: a dicembre 2025 Cerebras e OpenAI hanno firmato un accordo quadro per 750 MW di capacità di inferenza consegnati a tranche fra 2026 e 2028, con opzione per ulteriori 1,25 GW^[41]. La posta si legge nei conti del gigante che quella capacità non la vende: in tre mesi NVIDIA ha incassato 57 miliardi di dollari guadagnandone 36, con un margine del 75%, e per comprarla servirebbe vendere tutte le aziende svizzere quotate a Zurigo — Rolex, Nestlé, ABB, Novartis comprese (🍫ff.139.1 Svizzero? No, NVIDIA). Il fossato comprende anche il software: dal Jetson Orin Nano — una specie di Lego per l’intelligenza artificiale — fino a Omniverse, NVIDIA ha passato anni a costruire l’ambiente in cui girano simulazione e robotica (🎮 ff.37.3 Non provi NVIDIA?). Un concorrente che vince sui millisecondi per token intacca una sola tessera di quel castello, per ora la più visibile.

C'è chi al collo di bottiglia risponde scavando dentro il silicio. Extropic propone un'intelligenza «termodinamica»: al bit binario, 0 o 1, sostituisce il p-bit probabilistico, che campiona il movimento casuale di atomi ed elettroni — il rumore termico^[44]. In ogni chip il calore è l'avversario da dissipare; un'architettura che lo usa come sorgente di calcolo mette in discussione l'astrazione digitale dal substrato fisico, lo stesso azzardo che anima i sistemi quantistici (⚛️ ff.98.4 Sistemi quantistici). Chi guarda in alto sposta invece il problema fuori dall'atmosfera: Starcloud prepara capacità di datacenter in orbita, con GPU NVIDIA H100 a energia solare e costi energetici stimati dieci volte inferiori^[45]. Lassù il sole non tramonta mai e il raffreddamento diventa un problema di altra natura. Le due scommesse muovono dallo stesso vincolo — l'energia a terra è ormai il tetto dell'AI (💸 ff.135.1 I costi dell'Intelligenza Artificiale) — e lo aggrediscono in versi opposti: verso il basso, nel rumore atomico del chip; verso l'alto, nell'orbita a pannelli solari (♻️ ff.42.2 Inquinano o spingono la transizione?). Resta la domanda che entrambe si portano dietro: trasformare il calore in risorsa o spedire il calcolo in orbita risolve il limite fisico, o lo sposta soltanto?

Elon Musk porta la scommessa di Starcloud alla scala di un’industria. Sulla Terra, osserva, la produzione di chip cresce in modo esponenziale e quella di elettricità resta piatta; nel podcast di Dwarkesh Patel, a febbraio 2026, prevede che entro 36 mesi, forse 30, lo spazio sarà il posto più economico dove mettere l’AI^[105], perché fuori dall’atmosfera un pannello solare rende circa cinque volte tanto. Un milione di tonnellate in orbita all’anno, a 100 kilowatt per tonnellata, chiede almeno 100 GW di solare e altrettanti di chip: circa diecimila lanci di Starship, calcola Patel, uno ogni ora. Già a novembre 2025 Musk aveva scritto che Starship potrebbe portare 100 GW all’anno in orbita terrestre alta entro quattro o cinque anni^[106], «se risolviamo le altre parti dell’equazione». L’ostacolo maggiore, dice, è uno scudo termico riutilizzabile: il conto poggia sui razzi che tornano a terra, l’idea con cui Musk ha abbattuto i costi e ci ha fatto tornare a sognare la Luna (💻 ff.50.3 La stagnazione tecnologica).

Fra l’orbita e il substrato termico c’è una terza strada, molto più vicina. A maggio 2026 Nvidia e il costruttore PulteGroup si sono alleati con la startup Span per montare mini datacenter sulle pareti delle case nuove^[122]. Ogni unità contiene 16 GPU Nvidia Blackwell, 4 CPU AMD EPYC e 3 TB di RAM, e usa la capacità elettrica che l’impianto di casa lascia inutilizzata per far girare l’inferenza AI.

Il collo di bottiglia è anche fisico, nel senso più letterale. Le strade si rompono, i marciapiedi si sgretolano, i cantieri restano aperti per anni. Sidewalk AI, progetto del MIT Senseable Lab di Carlo Ratti, usa l'intelligenza artificiale per mappare lo stato di salute dei marciapiedi in tempo reale — crepe, avvallamenti, accessibilità — trasformando dati grezzi in priorità di intervento. Il secondo tassello sono i robot da cantiere: Figure AI collabora con BMW per velocizzare le linee di produzione, ma lo stesso principio si applica alle infrastrutture urbane, dove un robot può operare di notte, senza straordinari e senza fermare il traffico. In attesa della rivoluzione robotica completa, c'è chi ha già trovato una via poetica: a Lione, lo street artist Ememem pratica il flacking, riempiendo le buche stradali con mosaici colorati secondo il principio giapponese del kintsugi — l'arte di riparare con l'oro (🤤 ff.110.4 Robot e AI: opportunità).

Per le infrastrutture conta valorizzare quello che esiste già: nella Bergamasca un tornante ceduto per le piogge ha chiuso per mesi l’unica strada verso la Val Seriana (🏛️ ff.110.1 Tutte le strade portano alle buche di Roma). Sulla rete elettrica Gridware fissa a un palo della luce, con quattro viti, una scatola di sensori: microfoni e altri rilevatori ascoltano l’ambiente e un modello di machine learning a bordo segnala le anomalie^[107], per intercettare guasti e incendi sul nascere. Nel 2021 ha raccolto un seed da 5,3 milioni di dollari, con 130 investitori a bussare alla porta, mentre in California e in Texas la corrente spariva per lunghi tratti. Danny Crichton, che allora la raccontava su TechCrunch, nel 2025 guarda ai dati dello Stato americano, sparsi fra comuni, contee, Stati e decine di agenzie: un ex direttore dei dati del Pentagono ha descritto il processo kafkiano servito solo a standardizzare i formati per integrare due database^[108]. Nessuna agenzia sa farlo in casa, e Washington si affida a Palantir.

Il collo di bottiglia fisico ha anche un calendario. Per far arrivare entro il 25 dicembre i pacchi sotto l’albero di miliardi di persone, Amazon si fa aiutare da 150 mila lavoratori stagionali assunti sotto le feste, quasi il doppio di tutti i dipendenti di Nike (🧝 ff.6.2 Gli elfi di Amazon). Per riempirli, il Time aveva messo in fila le 100 migliori invenzioni del 2021^[138]. Il sistema di Mobilus Labs tiene in contatto chi lavora in situazioni ad alto rischio, come i cantieri, senza microfoni o auricolari dedicati: il suono passa attraverso le ossa. Gli smart glasses ThinkReality A3 di Lenovo mostrano fino a cinque monitor virtuali^[139]. Sfoglini ha ingegnerizzato un formato di pasta nuovo, i Cascatelli, curando la «forchettabilità», la durezza con gli angoli retti e la varietà di consistenza con strutture svolazzanti; Adidas e Allbirds hanno fatto uscire in edizione limitata una scarpa che, fra produzione e spedizione, emette 2,94 kg di CO₂ equivalente (🎁 ff.6.1 100 regali da mettere sotto l’albero).

Il picco lo detta la spesa. Ogni festività ha la sua, e quando non basta se ne inventa una nuova: Black Friday, Cyber Monday, i saldi di inizio anno e, in Asia, il giorno dei single dell’11 novembre, creato da Alibaba. Negli Stati Uniti il Natale vale una stima di 1.000 miliardi di dollari di vendite, il Cyber Monday 9,4 miliardi^[53], circa l’1% delle spese natalizie. Il giorno dei single è passato dai 38 miliardi del 2019 a 139 miliardi di vendite fra Alibaba e JD nel 2021^[54] (🛒 ff.6.3 L’avvento delle spese, nel mondo).

Per reggere quel picco servono anche i mezzi, e Amazon li possiede. La sua flotta conta circa 40.000 motrici, oltre 30.000 furgoni col suo marchio e una compagnia aerea di circa 99 velivoli^[123], con più di 390.000 autisti delle ditte in appalto e, secondo l’azienda, 9 miliardi di articoli consegnati nel 2024. A quella scala anche uno sfidante veloce resta minuscolo: Zipline, nata nel 2016 per portare sangue in Ruanda coi droni, gestisce consegne pari allo 0,1% di quelle di Amazon, più rapide e con meno emissioni (🩸 ff.102.4 Dal sangue ad Amazon).

Il cantiere infinito è un dato strutturale. Lo Stato fatica a finanziare la manutenzione del costruito, e gli eventi climatici estremi — come l’alluvione di Valencia — non aiutano. Intorno a noi si moltiplicano cantieri sorvegliati da pensionati, talmente lenti da diventare spettacolo: il dipartimento dei trasporti della Pennsylvania ha messo in streaming il cantiere dell’interstate I-95, in stile Grande Fratello. Ma dietro l’ironia c’è un precipizio di produttività^[30]. McKinsey certifica che la produttività nell’edilizia è bloccata ai livelli degli anni 2000^[31] — ferma mentre ogni altro settore accelerava. Eppure l’America sapeva essere veloce: in 138 giorni dall’idea, Apollo 8 atterrò sulla Luna^[32]. La distanza tra quella velocità e un cantiere autostradale del 2024 misura esattamente il costo della complessità burocratica accumulata in sessant’anni (🚧 ff.110.2 Un cantiere infinito).

Gli anziani che sorvegliano i cantieri hanno un nome italiano, umarell, e da maggio 2024 anche un torneo: la newsletter Scope of Work ha lanciato il Campionato Mondiale di Umari^[109], con gare di schizzi, appunti e testi liberi su un cantiere. Per gli organizzatori guardare è un atto di rispetto verso i materiali, le macchine e i muscoli da cui nasce l’ambiente costruito. A New York quei muscoli lavorano accanto ai robot. Monumental Labs, il principale fabbricante di arte in pietra del Nord America^[110], fa fresare i modelli digitali da robot CNC a sette assi fino a un decimo di millimetro dalla superficie, poi gli scalpellini rifiniscono a mano. Per la Frick Collection ha consegnato in due mesi più di cento modiglioni scolpiti^[111]; la missione dichiarata è abbassare con robot e AI il costo della pietra, «il materiale da costruzione più verde del mondo». È il programma del manifesto tecno-ottimista di Marc Andreessen: rendere scontato ogni oggetto fisico (➕ ff.81.1 Il tecno-ottimismo).

C'è poi un punto che nel dibattito pubblico viene spesso rimosso: la tecnologia non è neutra nemmeno quando sembra solo “utile”. Ogni interfaccia decide cosa rendere visibile e cosa far sparire; ogni automazione sposta potere da una persona a un protocollo; ogni scorciatoia cognitiva può liberare tempo o ridurre autonomia, dipende da come è disegnata. La promessa giusta è aumentare lucidità nelle scelte ad alto impatto: cosa automatizzare, cosa mantenere umano, cosa misurare davvero. Chip, batterie e modelli sono solo metà della storia; l'altra metà è governance quotidiana dell'attenzione. Una buona tecnologia non ti toglie il giudizio: ti restituisce margine per esercitarlo meglio, con meno rumore e più responsabilità. Sul lato strumentale — l’AI come generalista tascabile — il riferimento è 🛠️ ff.123.1 L'AI con il coltellino svizzero; sul lato industriale — come una singola azienda incarna e accelera il pattern — vale 💃🏻 ff.129.3 Il valzer di Tesla.

Un cheeseburger McDonald's equivale all'energia di 80.000 richieste ChatGPT. Mark Zuckerberg annuncia Hyperion, un data center AI da 5 GW — cinque volte più grande degli attuali. Chip, batterie e modelli sono solo metà della storia; l'altra metà è governance quotidiana dell'attenzione. Una buona tecnologia non ti toglie il giudizio: ti restituisce margine per esercitarlo meglio.

Ma c’è chi sfida persino la narrativa dominante sulla crisi. Nato in Francia a metà Ottocento, il positivismo è il collante culturale della tecnica: additato come miope, è indubbiamente la base della società tecnologica in cui viviamo. La presunta stagnazione post-1971 — il mantra che “non si inventa più nulla” — è per Works in Progress una grande balla^[33]: il PIL non cattura il progresso perché con la tecnologia raggiungiamo di più spendendo meno, in un deflazionario decremento di consumi. La gratuità digitale è strutturale: il valore dei servizi digitali può raggiungere 25.000€ all’anno per utente^[34] — soldi che non spendiamo e non entrano nelle buste paga, ma di cui dovremmo tenere conto nel calcolo del progresso. Nonostante passiamo un quarto della nostra giornata davanti a uno schermo, siamo particolarmente tirchi online. L’aumento di potenza di calcolo degli ultimi trent’anni è stato come ottimizzare inchiostro e scrittura: ora, con AI e generazioni più native digitali, possiamo finalmente scrivere i libri. È ora, sostiene il Progressive Policy Institute, di “spaccare” il Grande Ristagno (🖶 ff.59.1 Altro che stagnazione!).

Si può studiare la tecnologia con una teoria evoluzionistica: come una specie evolve in base a pressioni esterne, così lo sviluppo tecnologico va di pari passo con accettazione e blocchi della società. La co-evoluzione tecnologica. QWERTY è tutt’altro che l’ottimo nella disposizione dei caratteri di una tastiera, ma ci siamo adattati e ora cambiarla è un casino. Un altro esempio di interazione società-tecnologia: il blocco nucleare post Fukushima e il revisionismo post invasione Ucraina^[35]. Se volete approfondire il tema, suggerisco il libro Come saremo^[36], di Telmo Pievani e Luca de Biase (🗃️ ff.59.2 Pressioni sociali e burocrazia).

Anche gli standard elettrici sono passati per quella selezione. Nel 1893, per illuminare l’Esposizione universale di Chicago, General Electric chiese 554.000 dollari in corrente continua, quella di Edison; George Westinghouse vinse offrendo 399.000 dollari in corrente alternata^[124], e il 16 novembre 1896 l’alternata delle cascate del Niagara accese Buffalo. Si combatté anche sulle parole: Edison e la sua compagnia bollarono il sistema rivale come «corrente del boia»^[125], e le società di Edison procurarono la dinamo Westinghouse per la prima esecuzione sulla sedia elettrica. Nel 1892 Edison lasciò l’illuminazione, quando la sua Edison General Electric si fuse nella General Electric. Un secolo dopo la continua rientra dalla porta di servizio: computer, LED, celle solari e auto elettriche funzionano così, e le linee ad alta tensione in continua portano elettricità lontano perdendone meno. Scott Anthony cerca lo schema di queste rotture in Epic Disruptions, undici innovazioni dalla polvere da sparo all’AI generativa^[126], passando per la stampa, il transistor e l’iPhone.

Se la co-evoluzione blocca le innovazioni tramite resistenza sociale, la “deflazione mentale” le blocca ancor prima — nella testa dei ricercatori. Aristotle, il modello AI di HarmonicMath, ha risolto il problema di Erdős #124, rimasto aperto per 30 anni: l’AI raggiunge gli apici della matematica pura. Professori come Aryeh Kontorovich dell’Università di Ben-Gurion si chiedono se valga ancora la pena scrivere paper. La deflazione mentale è analoga a quella economica: se domani un’idea costerà meno, non ha senso investirci oggi. L’effetto è paralizzante: chi può competere con un sistema che risolve in secondi ciò che ha richiesto trent’anni di lavoro umano? (🧮 ff.140.3 Deflazione mentale e crisi accademica).

Eppure la deflazione mentale potrebbe essere il prezzo di un’accelerazione senza precedenti. Un laboratorio alimentato da AI si auto-gestisce e scopre nuovi materiali 10 volte più velocemente dei ricercatori umani^[37]: un sistema che progetta gli esperimenti, li esegue e li analizza senza intervento. Come l’AI generativa ha reso la creazione di immagini un gioco da ragazzi, così i laboratori autonomi rendono la scoperta di materiali un processo iterativo a ciclo chiuso. Resta da capire se il ricercatore umano servirà ancora come esecutore, o solo come giudice — lo stesso dilemma che la medicina pone già, dove agenti GPT che impersonano medici e pazienti producono diagnosi migliori dei modelli allenati su tutta la letteratura scientifica (🩼 ff.98.2 Simulare Doctor House).

Su quella scommessa il capitale ha già preso posizione. Periodic Labs, fondata da Liam Fedus, ex OpenAI, ed Ekin Dogus Cubuk, ex DeepMind, ha raccolto 300 milioni di dollari^[127] guidati da Andreessen Horowitz, a una valutazione fino a 1,5 miliardi, per scoprire materiali nuovi con l’AI. Intanto il metodo si capovolge: un modello a diffusione ha progettato al contrario leghe bimetalliche che catalizzano la decomposizione dell’ammoniaca^[128], reazione chiave per ricavarne idrogeno. Lo studio, sul Journal of the American Chemical Society, parte dalla proprietà voluta, l’energia con cui il catalizzatore trattiene l’azoto, e trova candidati economici, validati in teoria e in laboratorio^[129]. In Corea un operatore neurale informato dalla fisica, PINO, addestrato su 20 materiali ha previsto le proprietà di altri 60^[130]. La newsletter lo aveva visto fare ai farmaci: un’AI allenata a predire le proprietà dei legami chimici senza risolverne le equazioni quantistiche, 720 volte più in fretta (💊 ff.4.2 E quella del prossimo farmaco innovativo).

Il ricercatore umano ha limiti misurabili: nella memoria di lavoro teniamo circa quattro variabili, mentre la conoscenza cresce del 5% l’anno^[112], ricorda Exponential View di Azeem Azhar. L’A-Lab, presentato su Nature, affida quel carico alle macchine nella sintesi allo stato solido di polveri inorganiche: calcoli, dati storici della letteratura e machine learning pianificano gli esperimenti, i robot li eseguono, modelli linguistici addestrati sulla letteratura propongono le ricette. In 17 giorni di lavoro continuo ha realizzato 36 composti su 57 bersagli^[113], ossidi e fosfati scelti fra i dati di stabilità del Materials Project e di Google DeepMind; l’articolo è stato aggiornato con una correzione degli autori nel gennaio 2026. Per scalare serve una lingua comune. Secondo Lee Cronin, che lavora alla «chemputation» con il suo laboratorio e con Chemify, digitalizzare la chimica richiede un sistema universale per leggerla e scriverla, con correzione degli errori^[114].

In biologia il ciclo si è chiuso a maggio 2025. FutureHouse ha presentato Robin, un sistema multi-agente che genera ipotesi, propone esperimenti, interpreta i risultati e aggiorna le ipotesi^[115], e lo ha messo al lavoro sulla degenerazione maculare secca, la principale causa di cecità nei paesi sviluppati. Robin ha indicato il ripasudil, un inibitore della rho chinasi già in uso clinico e mai proposto per questa malattia. Agli umani sono rimasti gli esperimenti al banco e la stesura finale; il progetto è durato circa 10 settimane^[116], e Samuel Rodriques avverte che solo trial clinici molto più lunghi diranno se è una cura. Recursion porta lo stesso ciclo in fabbrica, con fino a 2 milioni di esperimenti a settimana per un archivio proprietario di oltre 50 petabyte^[117], per ridurre il 90% di fallimenti della scoperta tradizionale dei farmaci. Prima ancora, Sakana AI aveva presentato un AI Scientist capace di scrivere un paper con 15 dollari (🔭 ff.102.3 Automatizzare la ricerca scientifica).

La scoperta guidata dall’AI scende anche sotto terra, dove stanno i metalli che il collo di bottiglia fisico consuma. Earth AI, fondata nel 2016, abbina un modello che prevede la posizione dei giacimenti a una propria piattaforma di perforazione. Il primo risultato è un deposito di molibdeno ad alto tenore, il metallo delle leghe d’acciaio, trovato al secondo tentativo di perforazione contro una media di settore di 200, per un costo di scoperta di 2 milioni di dollari contro circa 218^[118]. I numeri vengono da Not Boring di Packy McCormick, che in Earth AI ha investito. Anthony Pompliano consiglia The War Below di Ernest Scheyder^[119], che nel sottotitolo nomina la posta: litio, rame e la battaglia globale per alimentare le nostre vite. Sul litio la Cina pesa per il raffinamento chimico, di cui controlla l’80%, prima ancora che per le miniere (⛏️ ff.42.1 Minerali preziosi?).

Il primo vero terremoto è arrivato dal sottosuolo della biologia strutturale. Per mezzo secolo, determinare la forma tridimensionale di una proteina richiedeva mesi di cristallografia a raggi X e milioni di dollari. Poi DeepMind ha rilasciato AlphaFold e in pochi mesi ha predetto la struttura dell'intero proteoma umano — circa ventimila proteine — estendendo poi il catalogo a oltre trecentocinquantamila proteine di altri organismi. Da cinquant'anni di tentativi a un database universale in un anno: un cambio di paradigma nel modo in cui la scienza interroga la materia vivente. La farmacologia, la bioingegneria e persino l'agricoltura ne sono state ridisegnate (🧬 ff.4.1 La struttura delle proteine).

Ma AlphaFold è solo una metà della storia. L’altra metà si legge in un grafico che assomiglia a una cascata: il prezzo per sequenziare il DNA è crollato negli ultimi vent’anni di un fattore centomila. Un altro pezzo fondamentale di come la biologia, nel prossimo decennio, sconvolgerà le nostre vite esattamente come fatto dai PC negli ultimi venti. Oggi sequenziare un intero genoma umano costa meno dell’ultimo iPhone — circa 1.000 dollari. Quella curva di costo è il segnale più chiaro che la biologia sta seguendo la stessa traiettoria dell’informatica: ciò che ieri era ricerca di frontiera, domani sarà routine. Avete già prenotato il vostro test? (📉 ff.4.4 DNA meglio dei microchip!).

Da allora la cascata non si è fermata. A ottobre 2025 PacBio ha annunciato una chimica che porta il suo genoma HiFi sotto i 300 dollari per chi sequenzia su grande scala^[131], fino al 40% in meno, e legge anche la 5hmC, un segno epigenetico. Il collo di bottiglia si sposta sul capire cosa si legge. Il 98% del genoma non codifica proteine ed è decisivo per orchestrare l’attività dei geni: AlphaGenome di DeepMind prende fino a un milione di lettere di DNA e ne predice migliaia di proprietà regolatorie^[132], stimando l’effetto di una mutazione dal confronto fra sequenza alterata e originale. PromoterAI, presentato su Science, riconosce le varianti dei promotori che sregolano l’espressione dei geni^[133]: per gli autori valgono il 6% del carico genetico delle malattie rare, dove l’esoma da solo diagnostica una minoranza dei pazienti. Nel dogma della biologia, DNA → RNA → proteine, AlphaFold aveva risolto l’ultimo anello; questi modelli lavorano sul primo (📙 ff.66.1 Il dogma fondamentale).

Il passo successivo è la cellula intera. State, il primo modello di cellula virtuale dell’Arc Institute, è addestrato sulle perturbazioni di oltre 100 milioni di cellule^[134]: prevede come cambia il trascrittoma quando si altera un gene o si somministra un farmaco, distingue gli effetti delle perturbazioni il 50% meglio dei modelli esistenti e trova con precisione doppia i geni espressi in modo diverso. Gladstone Institutes e NVIDIA ci aggiungono il tempo: MaxToki, addestrato su circa 175 milioni di cellule e 100 milioni di traiettorie dalla nascita a oltre 90 anni, predice come invecchiano le cellule umane^[135], e alcuni fattori di invecchiamento del cuore indicati dal modello sono stati confermati in vivo. Sul software NVIDIA la sua inferenza corre 400 volte più veloce.

Dai modelli alle cure la strada resta lunga. A maggio 2024 AlphaFold 3 ha esteso la previsione a struttura e interazioni di tutte le molecole della vita, migliorando di almeno il 50% quelle fra proteine e altre molecole^[136]; nella stessa settimana un editing CRISPR fatto direttamente nel corpo migliorava la vista in 11 dei 14 pazienti trattati per una cecità ereditaria. Al mondo le persone curate con una terapia CRISPR erano allora circa 250, nonostante l’approvazione FDA della prima, contro l’anemia falciforme che colpisce 20 milioni di persone (🩹 ff.81.4 Terapie geniche). Un’altra via passa dalla fisica: molecole di aminocianina, colpite dalla luce del vicino infrarosso, vibrano all’unisono e squarciano la membrana delle cellule tumorali^[137]. Su Nature Chemistry questi «martelli pneumatici molecolari» eliminano in vitro le cellule di melanoma umano e lasciano senza tumore la metà dei topi trattati.

E se AlphaFold ha ridisegnato la biologia, un altro modello DeepMind sta ridisegnando la meteorologia. GraphCast — presentato da Demis Hassabis — batte i modelli fisici tradizionali nella previsione del tempo^[38] sulla maggioranza delle metriche a medio raggio, a una frazione del costo computazionale. I centri meteo nazionali girano simulazioni numeriche su supercomputer dedicati; un modello statistico addestrato su quarant’anni di rianalisi ERA5 produce la stessa qualità di previsione a dieci giorni in meno di un minuto su una singola TPU. Come argomentato in ff.119.1 (intelligenze aliene), l’AI non replica meccanismi: ne inventa di propri. La meteorologia, materia che per secoli ha richiesto equazioni di Navier-Stokes risolte numericamente, si sta riducendo a un problema di pattern statistici ad alta dimensionalità. Il modus operandi della scienza si sposta verso la fisica statistica. Se ciò vale per l’atmosfera, vale probabilmente per ogni sistema dinamico — compreso, presumibilmente, il clima stesso.

La stessa logica torna nella chimica degli enzimi, ma con un avvertimento onesto. Uno studio pubblicato su Nature (2025) sugli enzimi progettati computazionalmente mostra tassi catalitici iniziali bassi^[39]: i modelli generativi producono enzimi che funzionano, ma richiedono un’intensa ottimizzazione sperimentale per raggiungere l’efficienza degli enzimi naturali selezionati dall’evoluzione. Il risultato è più utile di un successo totale: dice dove siamo davvero. AlphaFold legge strutture; la progettazione de novo le inventa; ma inventare una proteina plausibile non significa ancora inventarne una efficiente. La linea di ricerca, già visibile nel paragrafo sul laboratorio auto-gestito, si specializza ora su un asse preciso: dall’accuratezza strutturale all’efficacia funzionale. La prossima frontiera, oltre al fold, è la chimica cinetica che lo abita — e qui, ancora per un po’, gli umani servono al banco di laboratorio.

Il banco di laboratorio può essere anche il piano di una cucina. Nel marzo 2026 l’autore del blog Dynomight ha chiesto a una serie di modelli linguistici di prevedere quanto in fretta si raffredda il suo caffè^[50], o meglio l’acqua bollente versata in una tazza. La domanda era precisa: 226,8 grammi d’acqua appena bollita, una tazza di ceramica da 0,57 chili a temperatura ambiente, aria ferma a 20 °C, e un’equazione della temperatura in funzione dei secondi, accurata soprattutto nei primi cinque minuti. È lo stesso gioco di vincoli che FF aveva proposto a GPT chiedendogli la dieta perfetta con 100 grammi di proteine, 40 di fibre e circa 2.200 kcal (👌 ff.92.4 La dieta perfetta (secondo GPT)). Una risposta giusta da trovare ragionando, scrive l’autore, non c’è: contano la conduzione fra acqua, tazza, aria e tavolo, i moti convettivi, l’evaporazione, l’irraggiamento infrarosso, e mancano dettagli come la forma della tazza, il tipo di ceramica o l’umidità dell’aria. Serve “gusto”, cioè scegliere quali fattori pesano di più e cosa supporre.

Sei modelli hanno risposto, tutti con uno o due termini esponenziali: uno rapido, il calore che passa dall’acqua alla tazza, e uno lento, quello che da acqua e tazza finisce nell’aria. Secondo le loro curve nei primi minuti l’acqua perde tanto calore quanto nel resto dell’ora. DeepSeek e Grok hanno girato a vuoto senza mai dare un’equazione, facendosi pagare lo stesso. Poi l’esperimento: la stanza a 20 °C, un termometro digitale nella tazza, una lettura gridata ogni cinque secondi e trascritta di corsa da un aiutante, poi intervalli sempre più lunghi, fino a cinque minuti. Dopo cinque secondi l’acqua segna 94,4 °C, dopo cinque minuti 65,2, dopo un’ora 30,7. Le previsioni sono tutte accettabili e nessuna ottima. La migliore è probabilmente quella di Claude 4.6 Opus, che per una tazza ha speso 0,61 dollari di token, contro gli 11 centesimi di GPT 5.4 e meno di un centesimo di Qwen3.

L’autore si era stupito di quanto, secondo i modelli, la temperatura crollasse all’inizio e calasse piano dopo. La tazza vera è scesa ancora più in fretta nei primi minuti e ancora più piano verso la fine: se si dovesse mescolare la sua intuizione con quella dei modelli, conclude, alla sua andrebbe dato peso zero. Chiama il tutto un progetto di scienze da scuola media, e la morale sta in una riga: i modelli forse ci toglieranno la matematica, il controllo fine dei movimenti un po’ più tardi. Sulla prima metà FF ci era arrivato guardando la scuola, dove gli studenti vanno sempre peggio in matematica e l’AI sempre meglio (👨‍🏫 ff.78.1 Scuola di vita?). Sulla seconda, sostenendo che al crescere dell’automazione l’uomo dovrà rifugiarsi nella fisiologia, il suo substrato naturale (🦴 ff.145.1 L’uomo all’osso).

Se AlphaFold ha dato occhi molecolari alla biologia, la visione artificiale ha dato occhi letterali alle macchine. Da quando GPT ha integrato input visivi, l'intelligenza artificiale non si limita più a leggere testo: interpreta immagini, decifra grafie illeggibili, localizza oggetti nascosti in una scena. Un utente di Home Assistant ha collegato GPT-4 Vision alle telecamere di sicurezza di casa, e ora le usa per ritrovare gli oggetti^[120]. Cognizione e vista — i due pilastri del nostro successo evoluzionistico — convergono ora in un sistema artificiale che, in molti compiti percettivi, supera la mediana umana. Resta da vedere cosa faranno le macchine con ciò che vedono, e chi deciderà i confini di quello sguardo (🤖 ff.71.2 ChatGPT (ti) vede).

Ma la tecnologia non si misura solo in parametri e benchmark: si misura anche in energia consumata, in contesto compreso e in chilometri percorsi senza conducente. Partiamo dall'elefante nella stanza cripto: si stima che il consumo energetico per mantenere operativa la blockchain di Bitcoin sia pari a quello dell'intera Finlandia (🇫🇮 ff.1.5 Il consumo energetico di Bitcoin). Il dato è impressionante, eppure fuorviante se lo si isola dal contesto: una quota crescente del mining utilizza energia rinnovabile — idroelettrica in Islanda, geotermica in El Salvador, solare nel Texas occidentale — e il trasferimento digitale di valore evita costi ecologici tangibili legati al trasporto fisico di denaro, oro e documenti. Ogni sistema energetico va confrontato con l'alternativa che sostituisce.

La smart TV sarà pure il modo più tradizionale e comodo di fruire contenuti, sempre più provenienti da piattaforme online. Eppure le dimensioni non contano come ci si aspetterebbe: gli smartphone generano introiti ben superiori alla vendita di televisori e PC messi insieme. Gli accessori per smartphone superano di gran lunga le vendite di tablet, wearable, console e altri dispositivi tech. Il multiverso digitale, per ora, è relegato a uno schermo piccolissimo — quello che teniamo in tasca e guardiamo un quarto della giornata (📱 ff.8.3 Schermi piccoli).

Il peso degli schermi piccoli si riflette anche nella distribuzione dei ricavi dell’AI. Circa metà del fatturato API di Anthropic proviene da soli due strumenti: GitHub Copilot e Cursor, per un totale di 1,4 miliardi di dollari tra i due. La concentrazione è rivelatrice: l’intelligenza artificiale genera valore soprattutto dove scrive codice — e chi controlla l’interfaccia di programmazione controlla il flusso economico dell’intera catena.

Lo stesso principio — il contesto è tutto — si applica al salto generazionale dell'intelligenza artificiale. Quando GPT-4 ha sostituito la versione 3.5 nel motore di ChatGPT, centocinquanta pagine di analisi di Microsoft Research ne hanno documentato la superiorità qualitativa: ragionamento multimodale, capacità di seguire istruzioni complesse, comprensione di sfumature emotive che la versione precedente ignorava del tutto (🥃 ff.54.1 Il contesto: l'amaro dell'impotenza). Il miglioramento è stato esponenziale — il tipo di curva che, osservata dal basso, sembra piatta e poi verticale. GPT-3 sapeva riassumere; GPT-4 sa riscrivere un messaggio usando solo parole che iniziano con la lettera A, mantenendo il senso emotivo intatto. È la differenza tra un traduttore meccanico e un interprete che coglie il sottotesto: un cambio di categoria cognitiva.

I dati sulla guida autonoma cominciano a parlare con una chiarezza difficile da ignorare. Con cinquantasette milioni di miglia di dati raccolti, Waymo registra l’ottantacinque per cento in meno di lesioni gravi e il settantanove per cento in meno di lesioni complessive rispetto ai guidatori umani. È ormai una statistica da flotta operativa, e il divario con la guida umana si allarga a ogni trimestre.

E quando l'intelligenza artificiale esce dallo schermo e sale su quattro ruote, il futuro si misura in yuan al chilometro. A Wuhan — sì, la stessa Wuhan — 3 taxi su 100 sono già robotaxi Baidu: dieci chilometri per quattro yuan, circa 0,55 dollari, un quinto del costo di un taxi convenzionale (🚕 ff.102.2 Wuhan: dal Covid a Baidu). La flotta di cinquecento veicoli raddoppierà entro fine anno, e le proiezioni McKinsey indicano che per il 2035 i taxi autonomi cresceranno di dieci volte, raggiungendo ricavi paragonabili a quelli di Apple. Il filo che lega questi tre fenomeni è lo stesso: l'energia di Bitcoin, i parametri di GPT-4 e i chilometri dei robotaxi sono tutti indicatori di densità tecnologica — quanto lavoro utile un sistema riesce a comprimere in un'unità sempre più piccola di tempo, spazio o costo. La vera misura del progresso è il rapporto tra complessità gestita e risorse impiegate. E quel rapporto, in tutti e tre i casi, sta migliorando più in fretta di quanto il dibattito pubblico riesca a registrare.