Il discorso sulla conoscenza

—

Questo intervento è stato tenuto da Aravind Srinivas il 3 ottobre 2026 alla Cambridge Union Society. La Cambridge Union Society è la più grande associazione studentesca dell’Università di Cambridge e la più antica società di dibattito al mondo in attività ininterrotta.

—

Buonasera e grazie. È un onore essere qui.

Una delle cose che non mi aspettavo quando ho fondato un’azienda è quanto tempo avrei passato nelle università. Mi piace. Per un CEO, quello delle università è spesso l’unico pubblico che ribatte. Quindi riserveremo alla discussione più tempo di quanto ne dedicherò al mio intervento.

Cominciamo.

Di solito, quando mi invitano a parlare da qualche parte, mi chiedono di tenere un intervento di previsione con un titolo generico come “il futuro dell’IA.” Io non parlerò del futuro dell’IA. Parlerò invece del vostro futuro. Il vostro futuro è più interessante per me, e probabilmente lo è anche per voi.

Innanzitutto, qualcosa sul passato. Cambridge è il luogo perfetto per parlare del passato e, allo stesso tempo, del vostro futuro, perché li ha entrambi.

Si racconta che quello che oggi chiamiamo sistema di revisione paritaria sia stato inventato qui a Cambridge. Per essere precisi, si trattava semplicemente di un professore di Cambridge, che lo propose alla Royal Society di Londra, non qui all’università. Era il 1831. Oggi, ogni anno vengono pubblicati più di 3,5 milioni di articoli scientifici con il sistema di revisione paritaria.

Circa 160 anni dopo, due dottorandi di Stanford lavoravano su strutture di rete e data mining. Era il periodo in cui il boom di Internet degli anni ’90 stava appena iniziando. Non si parlava d’altro che del World Wide Web. Un po’ come oggi con l’“IA”.

Anche allora, come oggi, a parlare del boom erano soprattutto investitori e media. La “comunità tech” di allora era il settore delle telecomunicazioni. Nella discussione non c’erano molti accademici. (Qualcuno sì, ma non molti.) E questi due dottorandi non erano esattamente degli addetti ai lavori del boom di Internet.

Ma sapevano una cosa di cui le persone al di fuori del sistema universitario non si curavano granché.

Come la maggior parte degli accademici, capivano lo scopo dell’università. Lo scopo dell’università è far progredire la conoscenza.

Ecco perché usiamo la revisione paritaria. Ed è anche per questo che la scrittura accademica contiene così tante citazioni. Questi due studenti sapevano che la quantità di conoscenza nel mondo (approssimata dal numero di articoli con una qualità da revisione paritaria) non fa che crescere. Per loro fu quindi facile capire che anche il web non avrebbe fatto altro che crescere insieme alla conoscenza umana.

Avevano anche esperienza con un vecchio problema che era “nuovo” per il web: come trovare la conoscenza giusta, o la migliore, se è in continua espansione. Nel vecchio modello, gli accademici giudicano se la ricerca di qualcuno è utile o credibile in base al numero di volte in cui è stata citata.

Così ebbero l’idea di creare un algoritmo che valutasse ogni sito web di Internet in base a quanti altri siti lo citavano, o contenevano un link verso di esso, in relazione al contenuto di quei siti.

Chiamarono il sistema “Page Rank”, perché classificavano ogni pagina del web e perché uno dei due dottorandi si chiamava Larry Page.

Larry e il suo socio (Sergey Brin) presero questo piccolo principio accademico e lo resero accessibile al grande pubblico. Google divenne uno degli strumenti più utili della storia, e una delle aziende di maggior successo, perché Larry Page adattò semplicemente ciò che le università facevano già da cento anni.

Come ho detto, lo scopo dell’università è far progredire la conoscenza. In questo intervento vi dirò tre cose sulla conoscenza. La mia speranza è che, riflettendo su alcuni aspetti della nostra, arriveremo a una migliore comprensione pratica dell’intelligenza artificiale.

1.

Primo: la conoscenza ha una vita. Nasce, decade e muore.

Ha un ciclo di vita. E, poiché ha un ciclo di vita, la conoscenza è soggetta a evoluzione.

Man mano che ciò che sappiamo evolve, diventiamo tutti più intelligenti. Si chiama effetto Flynn. L’effetto Flynn è l’osservazione secondo cui l’umanità è diventata più intelligente di circa 3 punti di QI ogni decennio.

I test del QI vengono costantemente ritarati in modo che la media resti 100, quindi un modo semplice per capire l’effetto Flynn è ragionare in percentili. Una persona che nel 1950 si collocava al 92° percentile di intelligenza oggi si collocherebbe solo al 50°. Siamo diventati tutti più intelligenti.

Il 1950 è anche l’anno in cui fu inventato il test di Turing. Fu il primo test per stabilire se o quando una macchina sia più intelligente delle persone. Ciò significa che, nel 1950, per una macchina superare il test di Turing era molto più facile. Perché l’asticella dell’intelligenza “umana” era più bassa.

Ed è questo il potere dell’evoluzione. La conoscenza porta sempre a nuova conoscenza.

Il rovescio della medaglia è che il mondo può diventare più intelligente, ma voi, come individui, potete diventare meno intelligenti. La conoscenza decade. Pensatela come un’emivita. L’emivita di un elemento radioattivo è il tempo necessario perché metà di esso decada. L’emivita della conoscenza è il tempo necessario perché metà di essa diventi obsoleta.

Ecco alcuni esempi, proprio da qui, da Cambridge.

Nel 1978 Sir Roy Calne contribuì a introdurre la ciclosporina nei trapianti. Fu un passo importante per prevenire il rigetto d’organo. Le prime sperimentazioni cliniche si svolsero a Cambridge. Nel 2001 un altro farmaco, il tacrolimus, era diventato il trattamento predominante della sua classe nei trapianti di rene negli Stati Uniti. Si potrebbe quindi dire che la conoscenza medica sul trattamento con ciclosporina abbia avuto un’emivita di 23 anni.

È una misura imperfetta, ma è un modello utile per valutare gli ingegneri nei settori in rapida evoluzione. Nel mondo tech lo facciamo. La domanda implicita è: “a che punto della carriera di questo ingegnere metà di ciò che sa sarà del tutto obsoleta?”

A che punto della vostra carriera succederà a voi? La risposta dipende da quanto tempo dedicate a imparare cose nuove.

Purtroppo, in rari casi anche la conoscenza muore. Esistono lingue che non hanno più parlanti. C’è una saggezza che muore insieme a un anziano.

Ecco perché, da oltre 4.000 anni, gli esseri umani costruiscono biblioteche. E quando è arrivato il web, vi abbiamo riversato infinitamente di più di ciò che sappiamo. Quindi la conoscenza muore, ma non è detto che debba farlo. Forse per un aspetto innato della condizione umana, le persone hanno sempre sentito il bisogno di preservare la conoscenza. La salviamo di continuo e accresciamo la conoscenza totale del mondo. È una cosa positiva.

Devo precisare: la conoscenza è come un essere vivente, ma non è viva. Solo voi siete vivi. Penso semplicemente che siate più vivi quando state imparando qualcosa di nuovo.

Ecco, tra l’altro, perché esiste Perplexity. Ma non sono qui per parlare di Perplexity. Sono qui per parlare di voi e dell’economia della conoscenza. Il che mi porta al mio secondo punto.

2.

Secondo: la conoscenza non è denaro. Ma si comporta come il denaro.

Il denaro ha un valore temporale. Gli interessi lo fanno crescere e l’inflazione lo fa diminuire. Con abbastanza tempo, sia gli interessi sia l’inflazione hanno un effetto composto.

Quando centomila sterline avranno il potere d’acquisto di quarantamila (probabilmente tra circa 23 anni), vi serviranno 250.000 £ per andare in pari. Dopo altri 23 anni, vi servirebbero 625.000 £.

Quando qualcosa cresce in modo composto, i guadagni o le perdite aumentano esponenzialmente nel tempo.

Ecco perché il principio finanziario più elementare è che dovreste sempre far crescere il vostro capitale con un interesse composto a un tasso superiore all’inflazione. Perché se non state crescendo, vi state riducendo. Con la conoscenza è lo stesso.

Proprio come il valore di una sterlina, il valore di ciò che sapete oggi si deprezzerà nel tempo. E, proprio come il normale deprezzamento, lo farà solo di poco ogni giorno. Così poco che quasi non ve ne accorgerete. Finché un giorno vi sveglierete e non avrete più niente. La vostra conoscenza non avrà più lo stesso valore di mercato. È inevitabile. Ricordate: un tempo il teorema di Pitagora era qualcosa che solo le élite potevano conoscere. Eppure tutti voi qui l’avete imparato in seconda media.

Diventiamo tutti più intelligenti, per sempre. Come ho detto, è proprio questo lo scopo dell’università. Con un po’ di fortuna, un giorno in un futuro lontano, ciò che avete studiato qui a Cambridge potrebbe diventare il programma della seconda media.

Se accade, è una cosa positiva. Significa progresso. Ma significa anche che i vostri obiettivi economici vi impongono di non smettere mai di imparare. Dovete imparare a un tasso di interesse superiore al tasso di inflazione della conoscenza.

In altre parole, dovete raddoppiare ciò che sapete a un ritmo più rapido della vostra emivita della conoscenza. Ci vuole tempo. Ma quando guardate il mondo attraverso la lente della crescita composta, dovete guardarlo con una prospettiva di lungo periodo.

Ecco perché il trucco migliore per far crescere la propria ricchezza con l’interesse composto è iniziare da giovani, e il secondo migliore è morire vecchi. Warren Buffet ha iniziato a investire a 11 anni, ma il 99% del suo patrimonio si è accumulato dopo i 65.

Il che suggerisce l’ultima somiglianza tra conoscenza e denaro. Bisogna spenderla.

Quando avete un capitale, lo impiegate perché lavori. Quando avete conoscenza, soprattutto una conoscenza eccezionale, dovreste metterla al lavoro. Fateci qualcosa. È questa la differenza tra invenzione e innovazione. L’invenzione chiede “hai creato qualcosa?” L’innovazione chiede: “Ha fatto la differenza?”

E se volete fare la differenza, dovete agire sulla base della conoscenza. Solo l’azione genera nuove domande, nuove indagini e nuova conoscenza. Dovete imparare sempre, e agire sempre.

È qui che entra in gioco l’intelligenza artificiale, e questo mi porta al mio terzo e ultimo punto.

3.

Lo scopo dell’IA è accelerare la conoscenza e la prosperità umane.

Considerate le prime due cose che ho detto stasera. Ho detto che la conoscenza ha un carattere simile a quello di un essere vivente, e che dovremmo nutrirla e farla progredire, perché in generale le persone ne traggono beneficio. Poi ho detto che la conoscenza ha un carattere economico. Che dovremmo coltivarla, perché, in senso lato, tutte le persone ne traggono beneficio.

Se credete a queste due cose, allora dovete anche pensare all’IA in modo leggermente diverso.

Invece di essere ossessionati dal raggiungimento dell’AGI o dal rendere la tecnologia intelligente fine a sé stessa, concludereste che il motivo per costruire un’IA migliore e più accurata è servire le persone.

Concludereste che lo scopo più alto e più importante dell’IA è rendere le persone più intelligenti e più prospere.

Se questo vi sembra molto simile allo scopo dell’università, beh, eccoci qui.

Pensate di nuovo alla revisione paritaria. È stata inventata nel 1831. Quest’anno Perplexity ha lanciato un prodotto molto semplice chiamato Model Council, basato su un’idea proposta da uno dei ricercatori fondatori di OpenAI. Si pone la stessa domanda a tre modelli di IA. Ognuno fa le proprie ricerche e risponde, poi un modello “presidente” valuta dove divergono e dove concordano e, ragionando, formula una risposta finale.

Model Council non sostituisce la revisione paritaria. Il suo scopo, piuttosto, è portare lo spirito dell’indagine accademica a più persone. Possiamo estendere l’ethos di un’università oltre queste mura, in tutto il mondo.

Potremmo aiutare più persone ad avere davvero ragione, e non solo a sentirsi o sembrare nel giusto. A cercare scientificamente la verità e la conoscenza. L’arco dell’universo tende a dare a tutti più accesso a più conoscenza. È un bene che le persone abbiano conoscenza. E sono le persone a trarne beneficio.

Concludo con una breve storia sulla mia azienda.

Quando abbiamo iniziato, eravamo solo tre ricercatori di IA, con più domande che visione. Poi, con l’arrivo di una quarta persona, abbiamo deciso che era il momento di stipulare un’assicurazione sanitaria. In America l’assicurazione sanitaria è complicata persino per gli americani. Io non sono americano, quindi per me era ancora più confusa.

I risultati di Google non servivano a nulla. In questi casi, la cosa normale per un fondatore è chiamare qualcuno che ci è già passato. Un investitore, per esempio, o un altro fondatore. Ma era notte fonda. Volevo risolvere la questione, quindi ho dovuto trovare da solo le conoscenze necessarie.

Il problema è che fare la ricerca da soli significa passare su Google da un sito assicurativo ottimizzato per la SEO all’altro, tutti pieni di cattivi consigli e in competizione per sembrare il più credibili possibile.

È stato allora che ho creato la prima versione di Perplexity.

Ha fatto la ricerca al posto mio. E gli ho fatto citare le fonti delle risposte. Così potevo verificare e continuare a fare altre domande. Poi ho attivato la nostra copertura sanitaria. Problema risolto. Avanti con il prossimo. E con il prossimo, e con quello dopo ancora. Ed eccoci qui oggi.

La morale di quella storia è che non serve più “conoscere qualcuno”. Potete semplicemente imparare le cose e farle. Vi ho già detto che la promessa dell’IA è che potete accedere a qualsiasi conoscenza. La morale di questa storia è che chiunque può accedere a qualsiasi conoscenza.

Questa è la promessa ultima dell’IA. Ora chiunque può essere curioso. Chiunque può costruire qualsiasi cosa. Ora chiunque può entrare nel tempio della conoscenza. E questo va a beneficio di tutti.

Ed è una buona notizia per voi. Significa che la cosa più importante che potete fare, per il resto della vostra vita, è essere curiosi. Tra tutti voi, avrà più successo chi avrà più domande. E le domande migliori.

Quindi il mio consiglio è di diventare il più curiosi possibile. Non accontentatevi di scorrere i social sul telefono. Non accontentatevi di un agente di IA che si limita a prenotarvi la cena: fateci un lavoro vero. E non credete mai a un chatbot che vi dice che avete già ragione.

Credete nello spirito di indagine. Credete in ciò che potete imparare con l’IA. Credete in ciò che creerete quando lo farete. E, per il bene di tutti noi, fate in modo che sia qualcosa di buono.

Grazie.