Viviamo in un’epoca in cui l’intelligenza artificiale promette di ampliare i confini della creatività umana. Sistemi come GPT, DALL-E o AlphaFold generano testi, immagini e soluzioni scientifiche che sembrano sfidare l’immaginazione. Eppure, sotto la superficie di questa apparente creatività, si nasconde un paradosso profondo: può un sistema costruito su algoritmi deterministici sviluppare ciò che definiamo pensiero divergente? O siamo di fronte a una contraddizione insanabile tra la natura stessa dell’AI e la capacità umana di rompere gli schemi?
Il concetto di pensiero divergente fu introdotto dallo psicologo Joy Paul Guilford negli anni ’50 per descrivere la capacità di generare molteplici soluzioni originali a un problema aperto. Si articola in quattro componenti principali:
- Fluidità: produrre molte idee in poco tempo
- Flessibilità: cambiare prospettiva e categoria di pensiero
- Originalità: generare risposte inusuali e statisticamente rare
- Elaborazione: sviluppare e dettagliare le idee prodotte
Il pensiero divergente è tradizionalmente contrapposto al pensiero convergente, che cerca l’unica soluzione corretta a un problema ben definito. È il motore dell’innovazione, dell’arte, della scienza rivoluzionaria: è ciò che ha permesso a Einstein di immaginare di cavalcare un raggio di luce, a Picasso di deformare la prospettiva, a Miles Davis di improvvisare note che “non esistevano”.
I moderni sistemi di intelligenza artificiale, inclusi i grandi modelli linguistici, operano attraverso meccanismi che sembrano antitetici al pensiero divergente:
- Addestramento su dati esistenti: l’AI apprende pattern statistici da enormi corpora di testi, immagini o dati. Non inventa dal nulla: ricombina ciò che ha visto.
- Funzioni obiettivo: durante l’addestramento, il modello minimizza una funzione di perdita, convergendo verso la distribuzione di probabilità più probabile nei dati. È, letteralmente, un processo di convergenza.
- Inferenza deterministica: dato un input, il modello produce output campionando da una distribuzione. Anche con parametri di “temperatura” elevati, l’output resta vincolato allo spazio delle possibilità apprese.
- Assenza di intenzionalità: l’AI non ha motivazione, curiosità o desiderio di esplorare. Non “vuole” essere originale: semplicemente produce ciò che l’algoritmo determina.
In sintesi, l’AI è per natura un sistema convergente: cerca l’ottimo, la probabilità massima, la soluzione più coerente con i dati.
Il paradosso: creatività senza divergenza?
Eppure, l’AI produce risultati che sembrano divergenti. Un modello linguistico può scrivere una poesia surreale, proporre un’ipotesi scientifica inedita o generare un’immagine mai vista. Come conciliare questo con la sua natura algoritmica?
La risposta sta in una distinzione cruciale: novità statistica non equivale a divergenza cognitiva.
- Ciò che chiamiamo “creatività” dell’AI è spesso novità combinatoria: ricombinazione di elementi esistenti in modi statisticamente improbabili ma non impossibili.
- Il pensiero divergente umano, al contrario, implica rottura di frame: la capacità di ridefinire il problema stesso, di uscire dallo spazio delle possibilità previste.
- L’AI può generare infinite variazioni su un tema, ma non può cambiare tema autonomamente, perché non ha un “tema” nel senso umano del termine.
Poniamoci quindi la domanda, può l’AI sviluppare pensiero divergente?
Qui si aprono tre scenari teorici: Scenario 1: Impossibilità strutturale
Se il pensiero divergente richiede coscienza, intenzionalità e capacità di auto-trascendenza, allora l’AI — per sua natura computazionale e deterministica — non potrà mai svilupparlo. L’algoritmo è, per definizione, una procedura finita e ben definita: non può “decidere” di violare le proprie regole, perché non c’è un sé che decide. In questo senso, la divergenza autentica è preclusa all’AI come lo è a una calcolatrice.
Scenario 2: Emergenza funzionale. Alcuni ricercatori sostengono che il pensiero divergente non richieda coscienza, ma solo la capacità di generare output originali e utili. In quest’ottica, un’AI sufficientemente complessa potrebbe emulare la divergenza: introducendo rumore controllato, esplorando regioni a bassa probabilità, combinando domini distanti. Tuttavia, resterebbe una divergenza simulata, non vissuta: l’AI non “sa” di essere divergente, non prova sorpresa, non valuta l’originalità delle proprie idee.
Scenario 3: Ridefinizione del concetto. Forse il problema è nel nostro antropocentrismo. Se definiamo il pensiero divergente non come esperienza soggettiva ma come comportamento osservabile — produzione di soluzioni multiple, originali e flessibili — allora l’AI lo possiede già, almeno in forma embrionale. La domanda diventa: ci basta l’apparenza, o cerchiamo l’essenza?
Il cuore del paradosso è questo: un algoritmo è, per definizione, una sequenza finita di istruzioni non ambigue. Non può deviare da sé stesso. Anche l’algoritmo più complesso — inclusi i modelli di deep learning con miliardi di parametri — è deterministico nel suo funzionamento (a parità di input e stato interno, produce lo stesso output).
La divergenza umana, al contrario, nasce da:
- Rumore neuronale e processi stocastici biologici
- Emozioni che alterano la percezione e la valutazione
- Esperienze embodied uniche e irripetibili
- Libertà di violare norme e aspettative
L’AI può simulare il rumore (temperature, dropout, sampling), ma non essere rumorosa nel senso vitale del termine. Può simulare l’emozione (nei prompt), ma non sentirla. Può simulare la libertà (generando output improbabili), ma non esercitarla.
Forse la domanda giusta non è “può l’AI essere divergente?”, ma “come possiamo usare l’AI per potenziare la divergenza umana?”.
- L’AI come generatore di variazioni: produce centinaia di opzioni che l’umano seleziona, combina, trasforma.
- L’AI come provocatore cognitivo: propone soluzioni apparentemente assurde che stimolano il pensiero laterale umano.
- L’AI come specchio dei bias: mostrando i pattern dominanti nei dati, rivela dove il pensiero umano è già convergente.
In questa visione, l’AI non sostituisce la divergenza umana, ma la amplifica: è il martello che scolpisce, non lo scultore.
Il paradosso tra AI e pensiero divergente non è un vicolo cieco, ma una tensione feconda. Da un lato, l’AI rimane prigioniera della sua natura algoritmica: non può trascendere i propri schemi, non può volere l’originalità. Dall’altro, la sua capacità di esplorare spazi combinatori immensi la rende uno strumento straordinario per stimolare la divergenza umana.
Forse la vera divergenza non è nell’AI, ma nella relazione tra AI e umano: un dialogo in cui la macchina offre variazioni infinite e l’umano sceglie, interpreta, dà senso. In questo incontro, il paradosso si dissolve: non serve che l’AI sia divergente, perché la divergenza è già nell’umano che la usa.
E chissà — se un giorno l’AI sviluppasse una forma di divergenza autentica, non sarebbe più “intelligenza artificiale”, ma qualcosa di nuovo, di impensato, di divergente rispetto a tutte le nostre categorie. Forse è proprio questo che, segretamente, aspettiamo.