Il teorico della decisione che ha co-fondato l'IA: come la macchina pensante di Natale di Herbert Simon ha cambiato tutto

Gennaio 1956. Carnegie Institute of Technology. Un professore di 39 anni — un politologo di formazione, già famoso tra gli economisti per sostenere che nessuno ottimizza nulla — apre la sua lezione di modellazione matematica con una frase che non avrebbe dovuto essere vera: Durante il Natale, Al Newell e io abbiamo inventato una macchina pensante.

La macchina esisteva a malapena come macchina. Durante le vacanze, Simon, Allen Newell e il programmatore Cliff Shaw avevano sviluppato il Logic Theorist — e prima che fosse mai eseguito su un computer, lo simularono a mano: le sottoprogrammi del programma scritti su schede indice 3×5, distribuite alla famiglia e agli studenti di Simon, ciascun umano eseguendo le regole di un componente. Una macchina pensante, eseguita per la prima volta su persone. Quell'estate funzionava su hardware ed è stata presentata al workshop di Dartmouth — l'incontro che ha dato il nome all'intelligenza artificiale.

La storia di solito viene archiviata sotto la storia del calcolo. Appartiene altrettanto alla scienza delle decisioni — perché il Logic Theorist non era un calcolatore più veloce. Era la teoria di Simon della razionalità limitata implementata in codice: se l'intelligenza umana funziona attraverso scorciatoie e ricerca selettiva piuttosto che attraverso un calcolo esaustivo, allora una macchina che utilizza scorciatoie e ricerca selettiva può essere intelligente anch'essa. Tutto ciò che Simon ha costruito nell'IA deriva da quella mossa.

Il Curriculum che non dovrebbe esistere

Herbert Alexander Simon (1916–2001) conseguì un dottorato in scienze politiche (Chicago, 1943), scrisse Administrative Behavior (1947) su come le organizzazioni decidono effettivamente, e trascorse cinque decenni alla Carnegie Mellon lavorando in economia, psicologia, informatica e filosofia della scienza. I premi raccontano l'ampiezza: il Premio Turing ACM 1975 con Allen Newell, per i contributi fondamentali all'intelligenza artificiale e alla psicologia della cognizione umana; il Premio Nobel per la Memoria in Economia 1978, per la ricerca pionieristica nel processo decisionale nelle organizzazioni economiche; il Medaglia Nazionale della Scienza degli Stati Uniti 1986. Rimane una delle poche persone ad aver mai detenuto sia il Turing che il Nobel — per quello che lui sosteneva fosse un unico programma di ricerca.

Quel programma: comprendere l'intelligenza come opera realmente — nelle persone, nelle organizzazioni, nelle macchine — sotto i reali limiti di informazione, calcolo e tempo. La parte teorica ha ritirato l'uomo economico perfettamente razionale. La parte ingegneristica ha posto la domanda ovvia successiva: se l'intelligenza è una ricerca limitata, possiamo costruirla?

Il Teorico della Logica: Prova per Scorciatoia

Il Logic Theorist attaccò i teoremi di Principia Mathematica di Whitehead e Russell — il monumento della logica formale all'inizio del secolo — e dimostrò 38 dei primi 52 nel capitolo due. Il metodo era il messaggio: invece di macinare ogni derivazione (forza bruta che l'hardware dell'epoca non avrebbe potuto sopportare), utilizzò euristiche per selezionare percorsi promettenti, lavorò a ritroso dagli obiettivi e si fermò quando aveva una prova valida piuttosto che la migliore. Ricerca euristica e soddisfacimento — la scienza delle decisioni di Simon, che operava alla velocità della macchina.

Per il Teorema 2.85 è stata trovata una dimostrazione più elegante dell'originale. Bertrand Russell, allora negli ottant'anni, rispose con entusiasmo quando Simon gli scrisse a riguardo. Il Journal of Symbolic Logic fu più difficile da conquistare: rifiutò di pubblicare il risultato, giudicando una nuova dimostrazione di un teorema elementare indegna di pubblicazione — apparentemente senza registrare il dettaglio che uno degli autori era un programma informatico.

Il Risolutore Generale di Problemi: Strategia Senza Contenuto Specifico

Il programma successore era più ambizioso nella direzione esatta che ci si aspetterebbe dall'autore di Administrative Behavior. Il General Problem Solver — prima versione in funzione nel 1957, il rapporto pubblicato nel 1959 da Newell, Shaw e Simon — ha introdotto l'analisi mezzi-fini: misurare la differenza tra lo stato attuale e lo stato obiettivo, trovare un operatore che riduca quella differenza, applicarlo, ripetere. Navigazione per chiusura del divario.

L'innovazione reale del GPS era architettonica: separava la strategia di risoluzione dei problemi dal contenuto del problema. Lo stesso motore poteva affrontare enigmi, dimostrazioni o piani, data una descrizione di stati e operatori. Quella separazione — metodo generale, dominio pluggabile — divenne un principio di design fondante dell'IA, e l'analisi mezzi-fini è ancora riconoscibile all'interno dei moderni sistemi di pianificazione.

La Grande Rivendicazione: Simboli e Ricerca

Nella loro lezione del Turing Award del 1976, Computer Science as Empirical Inquiry, Newell e Simon hanno distillato due decenni di lavoro nella più famosa ipotesi del campo: un sistema di simboli fisici ha i mezzi necessari e sufficienti per un'azione intelligente generale. Le menti manipolano simboli; i computer manipolano simboli; quindi, opportunamente programmati, i computer possono agire in modo intelligente — e non è richiesta nulla al di là della manipolazione dei simboli. Questo divenne la carta fondamentale di quello che ora è chiamato intelligenza artificiale simbolica, o GOFAI.

Hanno anche fatto previsioni con date, e le date erano sbagliate. Nel loro articolo del 1958 su Operations Research, Simon e Newell prevedevano che entro dieci anni un computer digitale sarebbe diventato il campione mondiale di scacchi, a meno che le regole non lo escludessero dalla competizione. Il campione del mondo è stato battuto da un computer nel 1997 — 39 anni dopo la previsione, non dieci. Vale la pena notare che tipo di errore sia: il meccanismo (ricerca euristica su uno spazio che nessuna macchina potrebbe esaurire) era esattamente corretto; la tempistica era sbagliata di una generazione. Entrambi i fatti appartengono ai registri.

Il Deep Learning non ha dimostrato che Simon si sbagliava?

Ecco l'obiezione con cui un lettore del 2026 arriva: l'IA moderna non è simbolica. Le reti neurali apprendono schemi dai dati; nessuno scrive a mano le euristiche; e il saggio influente di Richard Sutton del 2019, The Bitter Lesson, sembra una sentenza contro l'intero approccio di Simon: settant'anni di storia dell'IA dimostrano che i metodi generali che scalano con il calcolo superano i sistemi costruiti su conoscenze di dominio create dall'uomo.

L'obiezione atterra — parzialmente. La forte affermazione simbolica non è sopravvissuta: si è rivelato che i simboli non erano sufficienti, e i programmi di conoscenza costruiti a mano degli anni '70 e '80 hanno raggiunto un plateau esattamente come descritto da Sutton. Un resoconto onesto di Simon lo afferma chiaramente. Ma leggi la conclusione de La Lezione Amara: le due famiglie di metodi che scalano sono ricerca e apprendimento. La ricerca euristica è il contributo di Simon e Newell al campo, viva oggi dalla ricerca sugli alberi di gioco ai loop di ragionamento deliberato dei sistemi di intelligenza artificiale attuali. E ciò che fanno le reti profonde — riconoscere schemi accumulati da un'esperienza massiccia — è inquietantemente vicino alla definizione di competenza di Simon. L'apprendimento per rinforzo, i cui fondatori Andrew Barto e Richard Sutton hanno ricevuto il Premio Turing 2024 (annunciato a marzo 2025), è una ricerca di prova ed errore selettiva sotto vincoli computazionali — un programma di ricerca che Simon avrebbe riconosciuto come affine.

Quindi il punteggio è diviso, e la divisione è istruttiva: l'architettura su cui ha scommesso ha perso; la teoria dell'intelligenza sottostante ha vinto. Le macchine non sono diventate intelligenti calcolando in modo esaustivo. Sono diventate intelligenti attraverso una ricerca limitata, euristica e guidata dal riconoscimento — su cui Simon ha scommesso la sua carriera. Lavori recenti chiudono il cerchio dall'altro lato: studi del 2025 trovano modelli di linguaggio di grandi dimensioni che mostrano una razionalità limitata, deviando dall'ottimalità della teoria dei giochi in modi simili a quelli umani, mentre il soddisfacimento è stato ingegnerizzato nell'allineamento del modello come vincoli di livello di aspirazione.

Le impronte digitali di Simon sull'IA moderna

Cronologia: La vita di un polimata

Cosa prendere da Simon nell'era dell'IA

Quattro principi di lavoro per chiunque costruisca con, o decida insieme a, macchine vincolate:

Dove si inserisce Argumentree

Simon ha trattato l'intelligenza umana e quella delle macchine come un unico soggetto: agenti limitati che cercano sotto vincoli. Argumentree è costruito sulla stessa premessa. Gli argomenti umani e gli argomenti estratti dall'IA si trovano in una struttura ispezionabile — l'albero — dove il ragionamento è visibile, le valutazioni indirizzano l'attenzione scarsa ai punti più forti e il record persiste come memoria organizzativa.

Per i team la cui utilizzo dell'IA deve essere auditabile, il prodotto gemello AIAgentree estende la stessa idea al ragionamento della macchina stessa — tracciando come un sistema di IA ha raggiunto la sua conclusione, nella struttura che Simon avrebbe chiesto di vedere.

La Scommessa Lunga

L'orologio degli scacchi di Simon è andato in overclock quattro volte, l'architettura simbolica ha ceduto, e il campo che ha co-fondato ora si basa su metodi che non ha costruito. Giudicato come profezia, un record misto. Giudicato come scienza, qualcosa di più raro: l'affermazione centrale — che l'intelligenza, ovunque si manifesti, è una ricerca limitata guidata dal riconoscimento — ha superato ogni architettura utilizzata per testarla, compresa la sua.

Ecco perché la frase in aula ha ancora un impatto settant'anni dopo. Non stava annunciando un gadget. Stava annunciando che il pensiero era diventato un argomento di ingegneria — per le menti, per le organizzazioni e ora per le macchine.