Adamo e la cosa che parla
Il Signore Dio porta gli animali davanti all’uomo. Non gli dice come si chiamano. Resta a guardare «per vedere come li avrebbe chiamati: in qualunque modo l’uomo avesse chiamato ognuno degli esseri viventi, quello doveva essere il suo nome» (Gen 2,19).
È il primo atto amministrativo della storia. Dio crea, l’uomo nomina. Walter Benjamin ha visto in questa scena l’origine del linguaggio umano. In un saggio del 1916 immagina che le cose abbiano una voce muta e che Adamo la traduca in nomi: ogni nome è quello giusto, perché nasce dall’ascolto della cosa. Con la cacciata dall’Eden quell’accordo si spezza. Le parole si staccano dalle cose e le cose, scrive Benjamin, finiscono per ricevere troppi nomi.
Dopo 5.787 anni da quel giorno, secondo il computo della tradizione ebraica, ad Adamo tocca una cosa nuova da battezzare. Parla e risponde. Non è una persona, neppure un animale, ma non assomiglia più a una macchina.
Da AI a SI: il nome deciso con un sondaggio
Il 19 settembre il presidente degli Stati Uniti lancia un sondaggio su Truth Social. Molte persone, scrive, ritengono il nome attuale impreciso e poco elegante. Le alternative sono tre: Superior Intelligence, Extreme Intelligence e Supreme Intelligence. Nella prima ora votano quasi 30.000 persone e «Superior» guida con il 42%.
Il 22 settembre la questione arriva all’Assemblea generale delle Nazioni Unite. Il nome scelto è Super Intelligence, che non era fra le tre proposte. La parola “artificiale”, dice Trump, fa sembrare falsa l’intelligenza. Da quel momento i documenti del governo useranno «il termine molto più accurato “super”». Poi aggiunge, soddisfatto: «Suona molto meglio». Nello stesso discorso respinge ogni tentativo di costruire quello che chiama «uno schema globalista» di controllo sull’Intelligenza artificiale.
Poche ore dopo, Michael Drager, vice assistente segretario di Stato, scrive ai diplomatici dell’Ufficio per le organizzazioni internazionali. Oggetto: «Change in Nomenclature AI to SI». Ogni riferimento all’Intelligenza artificiale va sostituito con “Super Intelligence”. Resta da capire se la AI Force, annunciata dal presidente nel fine settimana, diventerà la SI Force.
Trump, per la verità, non ha inventato nulla. Nell’industria la parola girava da tempo. Nel 2024, Ilya Sutskever, già capo scienziato di OpenAI, ha fondato una società chiamata Safe Superintelligence. A luglio, Alexandre LeBrun, amministratore delegato di AMI Labs, la start up di Yann LeCun, osservava che nessuno dice più «AGI»: tutti sono passati a «superintelligenza» e presto si passerà ad altro. Trump ha solo preso una parola del marketing e le ha messo un timbro di Stato.
Il primo battesimo: un nome contro Wiener
Anche il primo nome fu una scelta di campo. Il 31 agosto 1955, John McCarthy, Marvin Minsky, Nathaniel Rochester e Claude Shannon firmano una richiesta di fondi alla Rockefeller Foundation. Chiedono 13.500 dollari. Nel titolo compare un’espressione destinata a durare: “artificial intelligence”.
La storia comincia qualche anno prima, ai Bell Labs. Nel 1952 McCarthy propone a Shannon di raccogliere in un volume gli studi sulle macchine intelligenti. Vorrebbe intitolarlo Towards Intelligent Automata, verso gli automi intelligenti. Shannon lo trova troppo provocatorio e sceglie il sobrio Automata Studies (Kline, 2011). Shannon aveva già fiutato il problema: la parola “intelligenza” prometteva più di quanto la macchina potesse mantenere.
Quando arrivano i contributi, McCarthy resta deluso: parlano di automi, non di macchine che ragionano. Per il seminario di Dartmouth decide di non lasciare dubbi: l’obiettivo dovrà essere scritto nel nome. Sceglie “artificial intelligence” (Hayes & Morgenstern, 2007).
Il nome serviva anche a marcare le distanze da un rivale. Il campo aveva già un’etichetta: cibernetica, la parola lanciata nel 1948 da Norbert Wiener, matematico del MIT e celebrità scientifica dell’epoca. Anni dopo McCarthy ha spiegato la scelta per iscritto. La cibernetica puntava tutto sul feedback analogico, una strada che gli sembrava sbagliata. E lui non voleva dover accettare Wiener come guru né doverci discutere (McCarthy, 1988).
Travis LaCroix, Fintan Mallory e Sasha Luccioni la mettono così: quello di McCarthy fu un nome provocatorio, scelto anche per attirare attenzione e finanziamenti. Lo scarto fra ciò che la parola promette e ciò che la macchina fa risale al 1955, non all’arrivo dei chatbot (LaCroix et al., 2026).
La carrozza senza cavalli
Nel 1989 William C. Hill, ricercatore di un consorzio tecnologico di Austin, pubblica su «AI Magazine» un saggio dal titolo curioso: The Mind at AI: Horseless Carriage to Clock (Hill, 1989). Dentro c’è una parola che non ha fatto fortuna: “pristechnolocution”.
Il termine si legge come un incastro di tre pezzi: “prima” , “tecnologia” e “locuzione”. È il nome di una tecnologia precedente che si infila nel nome di quella nuova. La carrozza senza cavalli. Il telegrafo senza fili. Il cavallo di ferro. Anche l’italiano ne è pieno: diciamo ancora “posta elettronica”. Hill aggiunge un esempio che fa sorridere: i primi stampatori chiamavano la stampa artificialiter scribere, cioè “scrittura artificiale”. Oggi nessuno direbbe che Gutenberg abbia inventato la calligrafia artificiale.
Il meccanismo ha una sua logica. Chi incontra una tecnologia nuova cerca indizi su come funziona e si appoggia a ciò che già conosce. Così il vecchio nome entra nel nuovo. Con il nome passano anche le forme: i primi programmi di videoscrittura imitavano la macchina da scrivere, compresi i tabulatori (Huxor, 1994). Il prestito aiuta all’inizio. Poi invecchia male: dopo qualche decennio, scrive Hill, suona ingenuo e anacronistico. Soprattutto, orienta lo sguardo verso le somiglianze errate.
Per Hill “Intelligenza artificiale” è una pristechnolocution. Anzi, lo è due volte. Descrive il nuovo con parole vecchie, come tutte le altre. In più lo descrive con parole della mente, non della tecnica. Così il nome si porta dietro gratis tutte le dispute della filosofia della mente, da Turing a Searle. Dispute profonde, scrive, che però offrono ben pochi consigli tecnici.
La sua proposta è semplice. Per lui l’Ia costruisce nuovi mezzi di rappresentazione, più che menti: come l’ocra sulla parete della grotta, la tavoletta d’argilla, lo spartito o il foglio di calcolo. Mezzi in cui l’intelletto umano si esprime con una chiarezza e una forza diverse. Conta la mente che lavora con l’Ia, non una presunta mente all’interno dell’Ia.
Nomi-desiderio e sottomarini che nuotano
Hill non era solo. Nel 1976 Drew McDermott, del MIT, aveva pubblicato un articolo intitolato, senza troppi riguardi, Artificial Intelligence Meets Natural Stupidity. Il bersaglio erano i wishful mnemonics, i nomi-desiderio. Se chiami UNDERSTAND il ciclo principale di un programma, dai per dimostrato ciò che dovresti dimostrare. E il primo che inganni sei tu. Il suo rimedio: chiamalo G0034 e prova a convincere qualcuno che G0034 capisce qualcosa. Il celebre General Problem Solver, aggiungeva, si sarebbe dovuto chiamare Local-Feature-Guided Network Searcher (McDermott, 1976). Meno epico. Più onesto.
Nel 1984, in una conferenza ad Austin, Edsger Dijkstra liquidò la questione. I padri della disciplina, disse, avevano fatto parecchia confusione. Chiedersi se le macchine possano pensare è tanto rilevante quanto chiedersi se i sottomarini sappiano nuotare (Dijkstra, 1984).
Il nome segue il denaro
Messa in fila, la storia del nome rivela una regola: il nome segue il denaro.
Negli anni Sessanta le due sponde dell’Atlantico chiamano la stessa ricerca in modo diverso. A Edimburgo, Donald Michie inaugura nel 1965 una serie di seminari intitolata Machine Intelligence e, l’anno dopo, fonda un dipartimento di Machine Intelligence and Perception (Williams et al., 2026). Gli inglesi tengono la macchina nel nome. Gli americani tengono l’artificio.
Negli stessi anni nasce il primo nome profetico. Nel 1965, Irving John Good, matematico, immagina una macchina «ultraintelligente», capace di superare di gran lunga ogni attività intellettuale di qualunque uomo, per quanto brillante. Una macchina così, ragiona Good, saprebbe progettare macchine ancora migliori. Sarebbe l’ultima invenzione di cui l’uomo avrebbe bisogno. Per questo il saggio si apre con una frase netta: la sopravvivenza dell’umanità dipende dal costruirla presto (Good, 1965). Nel 1998, in una nota autobiografica scritta in terza persona, Good sospettava che “sopravvivenza” andasse sostituita con “estinzione” (Gray, 2023).
Poi arrivano gli inverni: fondi in calo e aspettative deluse (Hendler, 2008).
Larry Tesler, passato per il laboratorio di Ia di Stanford, aveva colto il meccanismo in una battuta. Douglas Hofstadter l’ha resa celebre come teorema di Tesler: l’Ia è tutto ciò che non è ancora stato fatto. Tesler preferiva un’altra versione: l’intelligenza è tutto ciò che le macchine non hanno ancora fatto (O’Toole, 2024). Appena una macchina impara a fare qualcosa, quel qualcosa smette di sembrare intelligente. Il nome insegue un bersaglio che si sposta.
Intelligenza, poi generale, infine super
Il nome, però, torna in auge. Nel 2019 Michael I. Jordan, fra i padri del machine learning, scrive sulla «Harvard Data Science Review» che l’Ia è diventata il mantra dell’epoca e che gran parte di ciò che si chiama Ia è in realtà machine learning (Jordan, 2019). La tecnologia rimasta nascosta sotto un nome modesto veniva rietichettata appena il nome grande tornava a rendere. Fra gli addetti circolava una battuta attribuita a Mat Velloso, di Microsoft: se è scritto in Python è probabilmente machine learning, se è scritto in PowerPoint è probabilmente AI.
Quando anche intelligenza “artificiale” si consuma, si aggiunge un aggettivo. Nel 1997, per quanto se ne sa, il ricercatore Mark Gubrud è il primo a usare l’espressione “artificial general intelligence”, intelligenza artificiale generale (AGI). Pochi anni dopo, altri la reinventano senza conoscerne il precedente e, nel 2007, l’espressione dà il titolo a un libro (Goertzel & Pennachin, 2007). Serviva un “generale” per restituire al nome l’ambizione del 1955. Oggi serve “super”.
Intelligenza, poi generale e infine super. Ogni generazione rilancia una promessa già spesa. Sono i «troppi nomi» di Benjamin, messi in fila.
Il nome come trucco di magia
Il nome conta anche per chi vende. Stephanie Tully, Chiara Longoni della Bocconi e Gil Appel hanno pubblicato nel 2025 sul «Journal of Marketing» uno studio sull’alfabetizzazione all’Ia. Chi sa meno di Ia è più disposto a usarla. Conta poco quanto la ritenga capace o etica: chi sa meno la percepisce come magica e prova meraviglia quando la vede svolgere compiti che sembrano richiedere qualità umane. Gli autori ne traggono una conclusione da manuale: alle aziende conviene puntare sui consumatori meno alfabetizzati e gli sforzi di demistificazione rischiano di ridurre il fascino del prodotto (Tully et al., 2025).
Hill lo aveva raccontato con un mazzo di carte. Chi guarda un buon trucco prova meraviglia. Chi lo esegue vede solo la tecnica. Sono due esperienze della stessa cosa, entrambe vere. Il nome “intelligenza” parla allo spettatore. Il nome “super” gli vende il biglietto.
LaCroix e colleghi hanno battezzato anche questo gioco: glosslighting. È l’uso di termini ridefiniti in senso tecnico per evocare significati familiari, pur mantenendo la possibilità di ritirarsi nella definizione tecnica quando qualcuno obietta. Basta pensare a parole come “allucinazione”, “ragionamento” o “agente”. Nel loro glossario di traduzione, “superintelligenza” diventa una traiettoria di crescita speculativa e inesistente (LaCroix et al., 2026).
Cosa dicono gli esperimenti
L’evidenza sperimentale, però, è meno netta della teoria. Un gruppo della New York University ha fatto leggere a 815 persone testi sull’Ia con e senza linguaggio antropomorfo. Le opinioni non cambiano in modo sostanziale. Le sposta molto di più un testo apertamente catastrofista (Hou et al., 2026). Lo studio non è ancora passato al vaglio dei revisori. Già nel 2024, Nanna Inie, Emily Bender e colleghi non avevano rilevato effetti del linguaggio antropomorfo sulla fiducia (Inie et al., 2024).
Una parola letta una sola volta non cambia un’opinione. Il nome, però, lavora sui decenni, non sulla singola lettura.
L’orologio
Hill chiudeva il suo meraviglioso saggio (lo trovate in bibliografia e vi consiglio vivamente di leggerlo) con un orologio. Lewis Mumford aveva osservato che gli orologi non si sono limitati a misurare il tempo: lo hanno reso divisibile. Il tempo è divisibile perché lo “dividiamo” con gli orologi. Allo stesso modo, scriveva Hill, la conoscenza diventerà divisibile se la divideremo con questi nuovi mezzi. Trovava la prospettiva «scioccante, ironica e realistica» (Hill, 1989).
Il nome funziona così: più che convincere, abitua. Chiamare una cosa “intelligente” per 70 anni cambia la nostra idea di intelligenza più di quanto la cosa stessa cambi.
Il nuovo battesimo ha un prezzo. Un’Intelligenza artificiale si regola. Una superintelligenza, al massimo, si asseconda: all’Onu il nuovo nome è arrivato nello stesso discorso che respingeva ogni regola globale. Un nome profetico descrive ciò che la cosa dovrebbe diventare, non ciò che è. Chi lo usa si sente esonerato dal verificare. E chi controlla il nome controlla il perimetro della discussione: cosa si può chiedere, a chi e con quali parole.
SALAMI, statistica applicata e altri nomi onesti
Rinominare, però, serve anche a riaprire la domanda. Nel 2019 Stefano Quintarelli ha proposto di chiamare questi sistemi SALAMI, acronimo di Systematic Approaches to Learning Algorithms and Machine Inferences (Quintarelli, 2019). Il nome fa sorridere, ma funziona: basta chiedersi se un SALAMI possa avere una coscienza. Ted Chiang ha proposto «statistica applicata» e ha ricordato una battuta: l’Ia sarebbe una pessima scelta di parole del 1954 (Murgia, 2023). La battuta sbaglia anche l’anno. Inie, Bender e colleghi parlano di «automazione probabilistica» (Inie et al., 2024). Nessuno di questi nomi vincerà, perché nessuno promette abbastanza. Ognuno, però, funziona come il G0034 di McDermott: toglie l’aura e costringe a guardare ciò che resta. Il nome giusto forse non esiste ancora. Di sicuro non lo troveremo con un sondaggio
*Andrea Laudadio è a capo della Formazione e Sviluppo di TIM e dirige la TIM Academy
Riferimenti bibliografici
Benjamin, W. (1995). Sulla lingua in generale e sulla lingua dell’uomo. In R. Solmi (a cura di), Angelus Novus. Saggi e frammenti (pp. 53-70). Einaudi. (Opera originale del 1916)
Conferenza Episcopale Italiana. (2008). La Sacra Bibbia. Genesi 2,19.
Dijkstra, E. W. (1984). The threats to computing science (EWD898) [Discorso, ACM South Central Regional Conference, Austin]. E. W. Dijkstra Archive, University of Texas at Austin. https://www.cs.utexas.edu/~EWD/transcriptions/EWD08xx/EWD898.html
Goertzel, B., & Pennachin, C. (A cura di). (2007). Artificial general intelligence. Springer. https://doi.org/10.1007/978-3-540-68677-4
Good, I. J. (1965). Speculations concerning the first ultraintelligent machine. Advances in Computers, 6, 31-88.
Gray, J. (2023, 12 agosto). The human era is ending. New Statesman. https://www.newstatesman.com/ideas/2023/08/the-end-of-the-human-era
Hayes, P. J., & Morgenstern, L. (2007). On John McCarthy’s 80th birthday, in honor of his contributions. AI Magazine, 28(4), 93-102. https://doi.org/10.1609/aimag.v28i4.2063
Hendler, J. (2008). Avoiding another AI winter. IEEE Intelligent Systems, 23(2), 2-4. https://doi.org/10.1109/MIS.2008.20
Hill, W. C. (1989). The mind at AI: Horseless carriage to clock. AI Magazine, 10(2), 29-41. https://doi.org/10.1609/aimag.v10i2.742
Hou, B. L., Hao, S., Park, S., & Linzen, T. (2026). How anthropomorphic language impacts public perceptions of AI [Preprint]. arXiv. https://arxiv.org/abs/2606.29121
Huxor, A. P. (1994). Artificial intelligence as writing: Knowledge-based hypertext systems as a medium for communication [Tesi di dottorato, Middlesex University]. Middlesex University Research Repository. http://eprints.mdx.ac.uk
Inie, N., Druga, S., Zukerman, P., & Bender, E. M. (2024). From “AI” to probabilistic automation: How does anthropomorphization of technical systems descriptions influence trust? In Proceedings of the 2024 ACM Conference on Fairness, Accountability, and Transparency (pp. 2322-2347). ACM.
Jordan, M. I. (2019). Artificial intelligence: The revolution hasn’t happened yet. Harvard Data Science Review, 1(1).
Kline, R. R. (2011). Cybernetics, automata studies, and the Dartmouth Conference on Artificial Intelligence. IEEE Annals of the History of Computing, 33(4), 5-16. https://doi.org/10.1109/MAHC.2010.44
LaCroix, T., Mallory, F., & Luccioni, S. (2026). Strategic polysemy in AI discourse: A philosophical analysis of language, hype, and power. In Proceedings of the 2026 ACM Conference on Fairness, Accountability, and Transparency. ACM. https://doi.org/10.1145/3805689.3812399
McCarthy, J. (1988). [Recensione del volume The question of artificial intelligence, a cura di B. Bloomfield]. https://www-formal.stanford.edu/jmc/reviews/bloomfield/bloomfield.html
McDermott, D. (1976). Artificial intelligence meets natural stupidity. ACM SIGART Bulletin, 57, 4-9.
Murgia, M. (2023, 3 giugno). Sci-fi writer Ted Chiang: ‘The machines we have now are not conscious’. Financial Times.
O’Toole, G. (2024, 20 giugno). As soon as it works, no one calls it AI anymore. Quote Investigator. https://quoteinvestigator.com/2024/06/20/not-ai/
Quintarelli, S. (2019, novembre). Let’s forget the term AI. Let’s call them Systematic Approaches to Learning Algorithms and Machine Inferences (SALAMI). https://blog.quintarelli.it/2019/11/lets-forget-the-term-ai-lets-call-them-systematic-approaches-to-learning-algorithms-and-machine-inferences-salami/
Tully, S. M., Longoni, C., & Appel, G. (2025). Lower artificial intelligence literacy predicts greater AI receptivity. Journal of Marketing, 89(5), 1-20. https://doi.org/10.1177/00222429251314491
Williams, C. K. I., Galanos, V., & Yang, X. (2026). A history of the early years of artificial intelligence at the University of Edinburgh. The European Journal on Artificial Intelligence. https://journals.sagepub.com/doi/10.1177/30504554261417567
