Nel mese di marzo è venuto a mancare un grande filosofo tedesco, Jürgen Habermas. Una delle voci più autorevoli della seconda generazione della Scuola di Francoforte. L’originalità di Habermas emerge nell’aver collocato il linguaggio e la comunicazione al centro della convivenza sociale e della vita democratica. Per facilitare la deliberazione collettiva e individuare punti di convergenza tra posizioni divergenti su temi politicamente sensibili nasce la Habermas Machine.
Un gruppo di ricercatori di Google DeepMind, in collaborazione con l’Università di Oxford, ha sviluppato un sistema che ambisce a intervenire in uno dei nodi più critici delle democrazie contemporanee: il conflitto nel dibattito pubblico. Il progetto, firmato tra gli altri dallo scienziato cognitivo Michael Henry Tessler e dal neuroscienziato Christopher Summerfield, prende il nome di Habermas Machine e si basa su modelli linguistici di intelligenza artificiale generativa (LLM).
Come funziona la macchina del consenso
Il sistema opera attraverso un processo in due fasi. In primo luogo, raccoglie le opinioni espresse dai partecipanti e le analizza per individuare possibili aree di accordo. Su questa base, genera una serie di dichiarazioni sintetiche che rappresentano un terreno comune potenziale.
Nella seconda fase, queste dichiarazioni vengono restituite ai partecipanti, che possono accettarle, modificarle o contestarle. L’intelligenza artificiale integra i nuovi input e rielabora progressivamente le sintesi, con l’obiettivo di avvicinare le posizioni fino a una forma di consenso condiviso.
Il cuore del sistema sta nella capacità degli LLM di processare rapidamente grandi quantità di testo, riconoscere pattern ricorrenti e costruire una narrazione coerente che tenga insieme prospettive anche molto distanti.
L’esperimento britannico: più accordo, meno polarizzazione
I risultati, pubblicati nell’ottobre 2024 sulla rivista Science, derivano da un esperimento condotto su oltre 5.000 volontari nel Regno Unito, selezionati per rappresentare la varietà demografica del Paese. Ai partecipanti è stato chiesto di confrontarsi su questioni altamente divisive: Brexit, immigrazione, salario minimo, cambiamento climatico, assistenza all’infanzia universale.
I dati mostrano effetti significativi. Le sintesi prodotte dalla Habermas Machine sono state preferite rispetto a quelle elaborate da mediatori umani e hanno contribuito ad aumentare il livello di accordo tra i partecipanti.
Una delle ragioni principali sembra risiedere nella qualità discorsiva degli output: testi più chiari, strutturati e informativi, capaci di includere anche posizioni minoritarie senza schiacciarle sotto il peso della maggioranza. Non solo. Il sistema ha mostrato di ridurre la polarizzazione interna ai gruppi, anche grazie alla percezione — da parte dei partecipanti — di una maggiore neutralità dell’algoritmo, ritenuto meno esposto a emozioni e pregiudizi.
Il mito della neutralità algoritmica
È proprio su questo punto che emergono le principali criticità. I ricercatori stessi mettono in guardia da una lettura ingenua della neutralità dell’intelligenza artificiale. Gli algoritmi non sono entità astratte: incorporano i bias dei dati su cui sono addestrati e delle scelte progettuali che li strutturano. Di conseguenza, anche le sintesi prodotte dalla Habermas Machine possono riflettere orientamenti culturali o politici impliciti.
A questo si aggiunge un limite strutturale: i modelli linguistici non comprendono davvero le argomentazioni che rielaborano. Operano su base probabilistica, ricombinando sequenze di testo senza una reale cognizione del significato o delle implicazioni delle posizioni espresse.
Il rischio è duplice. Da un lato, l’assenza di meccanismi autonomi di fact-checking espone il sistema alla possibilità di riprodurre errori, disinformazione o contenuti radicali presenti nei contributi degli utenti. Dall’altro, la capacità retorica dell’IA può rendere queste sintesi particolarmente persuasive, indipendentemente dalla loro accuratezza.
Una deliberazione senza cittadini?
C’è poi un elemento più profondo, che riguarda la natura stessa del dibattito pubblico. La Habermas Machine, per quanto sofisticata, resta incapace di cogliere le dimensioni emotive e relazionali del conflitto, spesso decisive nei processi deliberativi reali.
Ma soprattutto, la delega sistematica alla tecnologia del compito di mediare e sintetizzare rischia di produrre un effetto paradossale: indebolire proprio quelle competenze argomentative e comunicative che la teoria della sfera pubblica — a cui il nome del progetto si richiama — considera essenziali.
Se il consenso diventa un output algoritmico, il dibattito rischia di trasformarsi in una procedura automatizzata più che in un esercizio di cittadinanza attiva.