Macchine e pensiero creativo: generare e riconoscere metafore con l’AI

L’intelligenza artificiale (IA) non è nata con ChatGPT. Oggi se ne parla molto, soprattutto grazie agli strumenti generativi, ma l’IA esiste come campo di ricerca fin dagli anni ’50, annoverando fra i suoi pionieri Alan Turing. Si tratta di un settore ampio, con molte sfaccettature e approcci diversi, che riflettono le varie idee su cosa significhi “essere intelligenti”. Alcune ricerche cercano di costruire sistemi artificiali che risolvano problemi come farebbe un’”intelligenza ideale”, possibilmente superando le capacità degli esseri umani negli stessi compiti. Altre, invece, cercano di avvicinare le macchine al modo in cui l’essere umano agisce e ragiona, cercando di replicare almeno in parte i meccanismi del pensiero umano. Questo approccio si collega alle scienze cognitive, un campo di studi interdisciplinare che unisce intelligenza artificiale, psicologia, linguistica, neuroscienze, antropologia e filosofia per studiare la mente – umana o artificiale.

Una delle sfide più affascinanti per l’IA (e per le scienze cognitive) è capire come funziona la creatività. La creatività umana non è solo quella dei geni artistici, scientifici o letterari. Chiunque è in grado di utilizzare approcci creativi per risolvere problemi della vita reale. Per esempio, quando apriamo una porta con il gomito perché abbiamo le mani occupate, stiamo usando una strategia creativa per risolvere un problema pratico. A noi può sembrare banale, ma questo tipo di adattamento è tutt’altro che scontato per una macchina, compresi i robot più sofisticati di oggi. Analogamente: pensiamo al caso in cui dobbiamo creare nuovi oggetti a partire da due oggetti base, come una fionda ottenuta da un elastico e un bastone. Questa capacità creativa, di tipo combinatorio, è un’abilità che solo l’uomo, alcuni primati non umani e i corvi sono in grado di esibire e dunque rappresenta un elemento da investigare per comprendere un meccanismo fondamentale dell’intelligenza animale e, si spera, dell’intelligenza artificiale del futuro.

Una forma di creatività particolarmente interessante è quella legata al linguaggio, in particolare all’uso delle metafore. Le metafore ci aiutano a spiegare concetti complessi in modo semplice e intuitivo: “avere un cuore di pietra”, ad esempio, suggerisce insensibilità senza bisogno di altre spiegazioni. Gli scienziati cognitivi Lakoff e Johnson, nel famoso libro Metaphors we live by (disponibile in italiano con il titolo “Metafora e vita quotidiana”), hanno sottolineato come le metafore non siano solo da considerare come un orpello retorico o stilistico, di cui una intelligenza complessa di qualche tipo possa fare a meno; bensì esse rappresentano una vera e propria “modalità” (avanzata) del pensiero intelligente.  Da un certo punto di vista, infatti, le metafore rappresentano delle scorciatoie mentali in grado di cristallizzare - tramite processi di astrazione e rimescolamento combinatorio delle nostre conoscenze - un'idea, un pensiero. 

Nella prossima conferenza mondiale di intelligenza artificiale IJCAI 2025 (the 34th International Joint Conference on Artificial Intelligence), che si terrà a Montréal (Canada), ad agosto, presenteremo METCL: un sistema in grado di generare e classificare metafore grazie a una logica che è in grado di creare nuova conoscenza ispirandosi al modo in cui gli esseri umani combinano concetti e conoscenze diverse.

Combinazione e composizione sono aspetti centrali del nostro modo di esprimerci. Ciò è particolarmente evidente nel caso delle metafore. Per esempio, la frase “la mente è un computer” accosta metaforicamente l’immagine del computer a quella della mente per descriverne il funzionamento. Alla base del sistema creativo di METCL (che sta per Metaphor Elaboration in Typicality-based Compositional Logic) c’è un motore di ragionamento logico in grado di fondere e combinare concetti ispirato alla cognizione umana. Per elaborare la frase “la mente è un computer”, il sistema crea una combinazione di ciò che sappiamo su “computer” e “mente”, producendo un concetto ibrido “mente-computer” che esprime il significato metaforico della frase.

METCL è un esempio di come le logiche per la rappresentazione della conoscenza e per il ragionamento automatico continuino a rivestire un ruolo cruciale nell’Intelligenza Artificiale, in un periodo in cui si ha la sensazione - sbagliata - che gli approcci neurali (quelli alla base di modelli come ChatGPT e simili)  possano risolvere ogni problema. Nel caso di METCL, la logica alla base della combinazione di concetti è un tassello fondamentale che assicura solide basi formali e rende il sistema spiegabile e trasparente.

Le principali innovazioni del sistema sono:

• Prestazioni migliorate. METCL è in grado di migliorare, integrare ed estendere la generazione e l'identificazione di metafore rispetto ai modelli di intelligenza artificiale attualmente allo stato dell’arte sia neurali, come i Large Language Models (LLM, tra cui DeepSeek R1, GPT-4o di OpenAI e Qwen 2.5 Max), sia logici, come quelli basati sulla risorsa MetaNet, sviluppata dall'Università della California - Berkeley, che rappresenta attualmente il più importante catalogo di metafore nel settore (e a cui ha contribuito lo stesso Lakoff).
• Validazione sperimentale di una teoria cognitiva. METCL fornisce un supporto empirico alla teoria della “metafora come categorizzazione”, uno dei principali approcci delle scienze cognitive allo studio delle metafore. Questa teoria propone che la comprensione e la produzione di metafore siano, almeno in parte, il risultato di una combinazione creativa e generativa di concetti. I risultati ottenuti dal sistema indicano che è possibile replicare, in un sistema intelligente, questa capacità tipicamente umana.
• Applicazioni concrete. Le metafore svolgono un ruolo chiave nella comunicazione, semplificando concetti complessi in modo evocativo. Disporre di un sistema in grado di crearle o riconoscerle può rappresentare un valido supporto per diversi ambiti professionali. In particolare per gli insegnanti, che affrontano la sfida di spiegare concetti difficili ai propri studenti. Ma anche per chi lavora nella creatività e nella narrazione – sceneggiatori, scrittori, giornalisti – METCL può diventare uno strumento prezioso per generare metafore efficaci da inserire nei propri testi e racconti.

L'intelligenza artificiale può, dunque, "pensare per metafore"? Nonostante i passi in avanti fatti, i sistemi di intelligenza artificiale (incluso METCL) non hanno la capacità di “comprendere” effettivamente ciò che generano e classificano. Iniziano però ad essere molto efficaci nel riprodurre, in modo computazionale, alcune dinamiche del pensiero creativo, offrendo nuovi spunti per comprendere – e forse anche estendere – i confini della cognizione artificiale.  Un risultato che fino a poco tempo fa era difficile da prevedere.

* Antonio Lieto è professore associato e direttore del CIIT Lab dell’Università di Salerno, Gian Luca Pozzato è professore ordinario del Dipartimento di Informatica e presidente dei corsi di studio SUISS dell’Università di Torino, Stefano Zoia è dottorando del Dipartimento di Informatica dell'Università di Torino