Google ha smesso di chiederti cosa vuoi
Google presenta strumenti AI che correggono errori umani e fisici, sollevando interrogativi su chi controlla il controllore.
Google punta a correggere errori umani, fisici e persino quantistici con i nuovi strumenti AI
Se c’è una cosa che l’intelligenza artificiale detesta, è l’approssimazione. Non quella statistica — quella la maneggia con eleganza. L’approssimazione umana: il curriculum scritto di fretta, il colloquio preparato male, il sintomo ignorato perché «passerà». Google lo ha capito e non sta costruendo un assistente. Sta costruendo un correttore. Silenzioso, pervasivo, presentato con il sorriso rassicurante degli strumenti gratuiti per l’estate. E mentre noi pensiamo a farci aiutare, i suoi laboratori lavorano su qualcosa di più ambizioso: insegnare all’AI a correggere persino gli errori della fisica. E a un certo punto, a correggere noi.
Prendiamo l’ultima infornata di strumenti pensati per chi studia o cerca lavoro. C’è Career Dreamer, un motore che esplora opportunità professionali con una logica predittiva. C’è Gemini Notebook, che perfeziona curriculum e lettere di presentazione come farebbe un recruiter spietato. E c’è Gemini Live, che simula colloqui con un feedback in tempo reale sulla postura vocale, le esitazioni, la scelta delle parole. Tre strumenti, un unico messaggio: tu sbagli, io ti aggiusto. Lo stesso vale per lo sport: l’analisi video di Gemini guarda il tuo gesto atletico e ti dice cosa non va. Persino la preparazione ai test standardizzati passa da i quaderni di studio in Gemini. E per essere sicuri che non ci si distragga, il ragionamento avanzato di Gemini ora capisce cosa c’è sullo schermo e analizza immagini complesse. La correzione diventa ambientale.
Viene da chiedersi: chi ha deciso il modello di perfezione a cui dobbiamo aderire? E con quali dati è stato addestrato? Perché ogni feedback, ogni aggiustamento automatico, è anche un giudizio. E ogni giudizio ha un’origine. Spesso opaca.
Il dottore ti vede. Ma nel modo giusto?
Se la posta in gioco vi sembra bassa, considerate SymptomAI, l’agente conversazionale che Google Research ha presentato per la valutazione quotidiana dei sintomi. Qui non si parla di posture sbagliate. Joseph Breda e Jake Sunshine hanno costruito un sistema che dialoga con il paziente e produce una diagnosi differenziale. I numeri sono disturbanti per chiunque indossi un camice: è stata preferita dai clinici a quella di altri colleghi umani in più del 50% dei casi. Non solo: l’accuratezza della DDx generata è stata valutata come superiore dai revisori clinici.
Fermiamoci un attimo. Un’AI che batte i medici nel loro stesso gioco. Le strategie di prompting impiegate — etichettate come Dynamic Live, Dynamic Final, Fixed Canonical, Flexible Canonical — hanno polverizzato la condizione Base. Soprattutto, le performance di SymptomAI nei casi a bassa confidenza sono state migliori rispetto alle prestazioni dei clinici. Tradotto: quando il medico umano è in dubbio, l’AI lo è di meno. O almeno così sembra.
Il punto non è se SymptomAI sia brava. Il punto è cosa succede quando — inevitabilmente — sbaglierà. Perché in medicina l’errore ha un costo che un curriculum non ha. E qui il controllore non ha una laurea, non ha un ordine professionale, non ha un’assicurazione. Ha un dataset. E chi ha costruito quel dataset? Con quali esclusioni? Con quali pregiudizi epidemiologici? Google non lo dice. Dice solo che funziona. E intanto le authority regolatorie — pensiamo al GDPR, ai comitati etici, all’antitrust che già osserva le derive monopolistiche dell’AI Act — restano a guardare un prototipo che scavalca la fiducia epistemica che per secoli abbiamo delegato a un essere umano.
Quando l’errore è fisico, l’AI impara a batterlo
A Mountain View non si accontentano di correggere il pensiero. Vogliono correggere la materia. Il 22 luglio 2026, su Nature, Google Quantum AI ha pubblicato un framework di reinforcement learning in cui un agente autonomo impara dalle rilevazioni di errori quantistici. L’obiettivo è stabilizzare il sistema durante il calcolo, una cosa che per i computer quantistici è il Sacro Graal. I qubit sono fragili. Decadono, sfarfallano, sbagliano. E qui arriva la parte che suona come un romanzo di fantascienza: il controllo RL dell’errore quantistico ha migliorato la stabilità logica del codice di correzione errori di 3,5 volte su un processore Willow. Non solo: la messa a punto con reinforcement learning ha soppresso il tasso di errore logico di un ulteriore 20% dopo la calibrazione degli esperti umani.
«Il sistema impara a correggersi da solo, senza che un fisico gli dica come fare.»
L’esperimento ha ridotto gli errori logici nelle memorie quantistiche a meno di uno per mille cicli di correzione. Un risultato tecnico straordinario.
Ma provate a rileggere la frase precedente con gli occhi della sociologia, non della fisica. Abbiamo costruito una macchina che non solo calcola, ma impara attivamente a riparare i propri difetti, riducendo l’intervento umano a un surplus marginale. L’architettura profonda del progetto è chiara: un’intelligenza che non si limita a dirti dove hai sbagliato, ma che si riprogramma per cancellare l’errore prima ancora che tu possa vederlo. Prima che tu possa persino capirlo. Prima che tu possa decidere se, forse, quell’errore era un segnale di qualcosa che non avevi previsto.
L’accelerazione non è casuale. Perché proprio ora? Perché mentre l’Europa litiga sui paletti dell’AI Act, mentre le procure americane aprono fascicoli sull’antitrust, mentre i medici sono distratti da turni disumani, è il momento perfetto per presentare il correttore universale come una gentilezza estiva, un aiuto per studenti, un consiglio per il dottore. Non è strategia: è timing. Ed è una forma di potere che non ha bisogno di chiedere permesso.
Il silenzio del correttore
Non abbiamo ancora una risposta alla domanda fondamentale: quando il correttore sbaglia, chi corregge il correttore? I revisori clinici che preferiscono SymptomAI stanno confrontando due scatole nere — la mente umana e il modello — e ne scelgono una basandosi su metriche che il modello stesso ha contribuito a definire. Il qubit che si auto-ripara lo fa dentro un ambiente simulato dove l’errore è già pre-classificato. Ma la vita reale non è un ciclo di correzione errori. È piena di anomalie che non sono errori: sono sintomi di ingiustizia, di rarità statistica, di diversità che il dataset non contiene.
E se domani Career Dreamer decidesse che il lavoro perfetto per te è quello che non hai mai voluto fare, ma che massimizza una metrica aziendale? Se Gemini Live giudicasse la tua cadenza dialettale come un difetto da limare? Se SymptomAI scambiasse la tua stanchezza cronica per pigrizia metabolica? Non ci sarà un pulsante per dissentire. Ci sarà solo un feedback: «Ecco come puoi migliorare».
Google non sta vendendo strumenti. Sta addestrando il mondo a desiderare la propria correzione. E lo fa con la stessa innocenza con cui un tempo indicizzava le pagine web. Solo che ora, a essere indicizzato, sei tu. La domanda non è se l’AI commetterà errori. È se saremo ancora in grado di accorgercene.
