L’intelligenza artificiale sta iniziando a mostrare i primi segnali di invecchiamento. Non si tratta di obsolescenza tecnologica, ma di un progressivo decadimento cognitivo. Mentre i modelli generativi si moltiplicano e imparano sempre più da sé stessi, cresce il rischio che la qualità del pensiero artificiale si deteriori. Una recente ricerca delle università del Texas e di Purdue mostra come l’addestramento su dati autoreferenziali o di bassa qualità possa compromettere il ragionamento, la memoria e la coerenza dei grandi modelli linguistici.
In questo articolo:
- La degenerazione neuronale dell’AI
- Quanto sono dannosi i contenuti “spazzatura”?
- Intelligenza artificiale, le implicazioni nel settore dell’informazione
La degenerazione neuronale dell’AI
Pubblicato il 15 ottobre 2025 con il titolo “LLMs Can Get Brain Rot!”, lo studio introduce la cosiddetta ipotesi del “marciume cerebrale LLM”, una teoria secondo cui i modelli di intelligenza artificiale che vengono addestrati ripetutamente su testi superficiali sviluppano un deterioramento cognitivo paragonabile a quello umano. Il termine riprende l’espressione “internet brain rot”, che descrive l’impoverimento mentale legato al consumo eccessivo di contenuti banali o virali.
In poche parole, come le menti umane tendono a perdere la concentrazione nella saturazione informativa, così anche i modelli linguistici tendono a impoverirsi se nutriti di materiale di scarsa qualità. I ricercatori paragonano questo processo alla degenerazione neuronale, in cui la perdita progressiva di connessioni informative riduce la capacità del sistema di elaborare, comprendere e mantenere coerenza nelle risposte.
Quanto sono dannosi i contenuti “spazzatura”?
Per verificare l’ipotesi, i ricercatori hanno utilizzato dati reali provenienti da X (ex Twitter), distinguendo tra post di qualità e contenuti “spazzatura” (brevi, virali e costruiti per generare il cosiddetto clickbait). Su queste basi, hanno creato diversi set di dati e li hanno usati per riaddestrare quattro modelli linguistici.
Dai risultati è emerso che più la quota di contenuti superficiali aumentava, più peggioravano le prestazioni. Nei modelli alimentati solo con dati di bassa qualità, l’accuratezza logica è scesa dal 74,9% al 57,2% e la comprensione dei contesti più lunghi dall’84,4% al 52,3%. Non solo: i sistemi tendevano a rispondere con maggiore sicurezza anche quando sbagliavano, segno anche di una perdita di giudizio critico.
Inoltre, l’uso crescente di testi generati da altri sistemi di intelligenza artificiale per addestrare nuovi modelli crea un circuito autoreferenziale che, a ogni iterazione, impoverisce la base informativa complessiva. In poche parole, più l’AI apprende da sé stessa, più si allontana dalle fonti umane autentiche.
Intelligenza artificiale, le implicazioni nel settore dell’informazione
Il declino cognitivo dei modelli trova già riscontro nell’ambito dell’informazione. Secondo una nuova ricerca pubblicata dall’Unione europea di radiodiffusione (Ebu) e dalla Bbc, i principali assistenti AI commettono errori significativi nel riassumere o interpretare notizie, confondendo protagonisti, citando male le fonti o esagerando alcune affermazioni. Si tratta di imprecisioni non intenzionali, ma che possono alterare la percezione pubblica degli eventi. Da qui l’urgenza, sottolineano gli autori, di maggiori controlli umani, trasparenza sulle fonti utilizzate e meccanismi di verifica più robusti nei modelli impiegati per la produzione o la diffusione di contenuti informativi.
Senza un’attenta igiene dei dati e senza il costante ricorso a fonti umane autentiche, la prossima generazione di modelli potrebbe finire per replicare e amplificare gli errori e le distorsioni del proprio passato digitale. In questo modo, avremo una mente artificiale che continuerà a parlare, ma comprenderà sempre meno.
