di Michele Allegretti

Le discussioni sull'intelligenza artificiale, al centro del dibattito pubblico-scientifico, si concentrano sulle capacità dei modelli generativi, sulla loro crescente autonomia e sulle trasformazioni che producono nel lavoro, nella ricerca e nella vita quotidiana. Il fil rouge delle del dibattito è un’assunzione raramente esplicitata: l’idea che l’intelligenza sia, per sua natura, qualcosa di simile a un cervello umano. Anche nella progettazione di sistemi artificiali complessi, si tende a concepire la cognizione come un processo centralizzato di elaborazione dell’informazione, fondato su un’istanza di coordinamento centrale. Il lavoro del neurobiologo vegetale Stefano Mancuso invita a mettere in discussione questa premessa antropocentrica. Per comprendere il presente e immaginare il futuro dell’intelligenza artificiale, può essere utile osservare un organismo che per secoli la cultura occidentale ha considerato l’emblema della passività e dell’assenza di pensiero: le piante.

Le piante sono davvero intelligenti?

La ricerca di Mancuso si colloca nel filone degli studi sull’«intelligenza vegetale», che a partire dagli anni Duemila ha conosciuto una forte riorganizzazione teorica, ma che affonda le radici in una tradizione più antica. Già Charles Darwin, in The Power of Movement in Plants (1880), aveva descritto la capacità dell'apice radicale di orientare la crescita in risposta a stimoli molteplici, arrivando a paragonarne la funzione a quella del cervello di un animale inferiore. Qualche decennio più tardi Jagadish Chandra Bose (1926) documentava sperimentalmente la trasmissione di segnali elettrici nei tessuti vegetali. In senso ancora più esteso, il filone si ricollega alle osservazioni naturalistiche di autori come Henry David Thoreau (Mancuso e Viola, 2013; Trewavas, 2014). In questo quadro, l’intelligenza non viene più ridotta alla presenza di un cervello o di un sistema nervoso centralizzato. Le piante non possiedono neuroni e non si muovono nello spazio come gli animali, eppure sono dotate di sofisticati sistemi di percezione e di elaborazione delle informazioni. Le evidenze sperimentali mostrano che le piante sono in grado di percepire con estrema precisione la gravità, la luce, l'umidità, le variazioni chimiche del suolo, le vibrazioni meccaniche e la presenza di altri organismi. Lungi dall'essere automi biologici rigidi, i vegetali possono modificare il proprio comportamento in funzione delle condizioni ambientali, apprendere da esperienze precedenti e conservare forme di memoria fisiologica che orientano le risposte successive (Trewavas, 2014; Calvo e Friston, 2017 L'aspetto teoricamente più rilevante del lavoro di Mancuso consiste tuttavia nello spostamento di prospettiva epistemologica che esso comporta. Se definiamo l'intelligenza in senso pragmatico, come capacità di risolvere problemi e di adattarsi efficacemente all'ambiente, allora il cervello cessa di essere la precondizione universale della mente e diventa soltanto una delle possibili soluzioni evolutive: una risposta specifica al problema del movimento.

Perché continuiamo a pensare l'IA come un cervello?

Questa intuizione pone delle domande nel dibattito contemporaneo sull'intelligenza artificiale. Gran parte della storia dell'AI è infatti caratterizzata dal tentativo di replicare o simulare alcune specifiche funzioni cognitive umane. Anche le reti neurali artificiali moderne, pur essendo strutturalmente e matematicamente distribuite, conservano una metafora di fondo di tipo strettamente neurocentrico. Se sul piano dei parametri una rete è effettivamente distribuita, milioni o miliardi di pesi che concorrono al calcolo, sul piano dell'apprendimento resta profondamente centralizzata e governata dall'alto: l'intero sistema viene ottimizzato rispetto a un'unica funzione di costo globale, e l'addestramento procede in modo top-down, propagando all'indietro (backpropagation) un solo segnale di errore che discende dall'uscita verso gli strati inferiori. È questo obiettivo unitario, posto al vertice, a determinare l'aggiustamento di ogni singola componente, più ancora dell'infrastruttura fisica su cui i modelli vengono eseguiti, e a costituire il vero residuo centralistico dell'intelligenza artificiale contemporanea. A questa logica top-down l'organizzazione delle piante oppone un paradigma radicalmente differente. In un organismo vegetale non esiste alcun centro di comando unico: le funzioni di percezione, regolazione e risposta sono distribuite nell'intero organismo. Gli apici radicali, le foglie, i sistemi di trasporto vascolare e le reti di segnalazione chimica cooperano continuamente in modalità bottom-up (dal basso verso l'alto), senza che esista un'istanza centrale che governi il sistema nel suo complesso. Mancuso descrive questa organizzazione come una forma di «intelligenza diffusa» (Mancuso, 2017). Dal punto di vista sistemico, le piante sono strutture altamente decentralizzate, ridondanti e resilienti. La perdita di una parte dell'organismo non determina il collasso dell'intero sistema. Al contrario, la pianta è in grado di riorganizzare continuamente le proprie funzioni e di redistribuire le risorse disponibili.

Una pianta può perdere fino al 90% del proprio corpo senza morire (Mancuso, 2017). Questo accade perché ha eliminato alla radice il concetto di Single Point of Failure: non ha un cuore, non ha polmoni, non ha un cervello. Ogni sua parte agisce e vive per il tutto.

Questa caratteristica appare particolarmente significativa se osservata attraverso la lente delle attuali ricerche sull'intelligenza artificiale e sui sistemi complessi. Uno dei problemi centrali di qualsiasi sistema cognitivo artificiale consiste infatti nella capacità di mantenere il proprio funzionamento in condizioni di incertezza, perturbazione o danneggiamento (la cosiddetta robustezza). Le architetture ispirate ai sistemi vegetali suggeriscono la possibilità di progettare sistemi artificiali più adattivi, nativamente distribuiti e strutturalmente meno vulnerabili rispetto ai modelli attuali, cronicamente dipendenti da enormi infrastrutture centralizzate.

Quando l'intelligenza non ha un centro

La riflessione di Mancuso si intreccia con alcuni dei più importanti sviluppi delle scienze cognitive contemporanee. In particolare, l’idea di un’intelligenza distribuita presenta significative affinità con la teoria della cognizione distribuita proposta da Edwin Hutchins (1995, 2010). Secondo questa prospettiva, i processi cognitivi non sono confinati alla mente individuale: si distribuiscono tra persone, strumenti, artefatti e ambiente, emergendo dall'interazione tra elementi eterogenei che cooperano all'interno di un sistema ecologico. L’intelligenza vegetale offre un chiaro esempio biologico di questo principio. Una pianta non “pensa” attraverso un organo specializzato, ma attraverso l’insieme delle relazioni dinamiche che si instaurano tra le diverse parti dell’organismo e tra l’organismo e l’ambiente in cui è immerso. È tuttavia l’enattivismo di Francisco Varela, Evan Thompson ed Eleanor Rosch (1991) a offrire una delle chiavi interpretative più rilevanti per comprendere alcune criticità dell’intelligenza artificiale contemporanea. Nella prospettiva enattiva la mente emerge dall'accoppiamento dinamico e corporeo tra organismo e ambiente, più che dalla computazione o dalla rappresentazione interna di un mondo esterno già dato: conoscere significa produrre senso attraverso l'azione e l'interazione incarnata (Wheeler, 2005).nA questo dibattito si affianca il contributo di Karl Friston, il cui Principio di Energia Libera (Free Energy Principle) propone una formalizzazione dei sistemi viventi come agenti che tendono a mantenere la propria organizzazione riducendo la discrepanza tra stati interni e ambiente attraverso processi di inferenza attiva (active inference). In questo contesto, la “free energy” va intesa come una quantità informazionale che misura il grado di sorpresa o di errore tra ciò che un sistema si aspetta (attraverso il proprio modello interno del mondo) e ciò che effettivamente riceve dai segnali sensoriali.In questa prospettiva, percezione e azione possono essere lette come due aspetti di un unico ciclo regolatorio che mantiene la coerenza del sistema attraverso la riduzione dell’errore di predizione, inteso come misura della discrepanza tra modelli interni e segnali sensoriali. Il rapporto con l’enattivismo è parziale e oggetto di dibattito. Alcune interpretazioni leggono il Principio di Energia Libera come una possibile descrizione formale del rapporto tra organismo e ambiente, mentre altre ne sottolineano la distanza rispetto all’enattivismo, che concepisce la cognizione non come processo inferenziale e rappresentazionale, ma come attività incarnata e non primariamente modellistica. Il confronto tra i due approcci riguarda soprattutto lo statuto della rappresentazione e il ruolo della modellizzazione nei sistemi cognitivi. La relazione tra questi due quadri resta quindi aperta, trattandosi di due cornici teoriche parzialmente sovrapponibili ma non coincidenti. Le piante svolgono in questo quadro una funzione teorica peculiare, poiché non si limitano a illustrare un modello alternativo di intelligenza, ma possono essere considerate un caso particolarmente istruttivo per mettere in relazione, e in parte distinguere, due diverse ontologie della cognizione. In questa duplice leggibilità, la loro intelligenza è inseparabile dall'ambiente in cui si manifesta: è situata, incorporata e relazionale. Non elaborano informazioni sul mondo in forma simbolica o statistica, nel senso tipico dei sistemi computazionali centralizzati come quelli basati su modelli linguistici di grandi dimensioni; il loro comportamento emerge piuttosto da processi continui di adattamento, crescita e trasformazione materiale. È proprio questa ambivalenza a renderle teoricamente rilevanti. Una lettura compatibile con il quadro di Friston consente di interpretarle come sistemi che mantengono la propria organizzazione attraverso la regolazione continua delle relazioni tra stati interni e ambiente, descrivibili anche tramite forme di modellizzazione implicita e inferenza attiva. La prospettiva enattiva sospende invece l'idea che tale regolazione debba essere ricondotta a un modello interno, e intende la cognizione come accoppiamento dinamico tra organismo e mondo, privo di un livello rappresentazionale separato. Se la cognizione vegetale è priva di un livello rappresentazionale separato, l'IA contemporanea ne è quasi interamente fatta: estremamente efficace nella manipolazione di simboli e pattern, ma disincarnata, perché le manca un corpo capace di agire sul mondo e di riceverne retroazioni materiali. È in questo scarto che le piante assumono il loro valore teorico: la loro organizzazione vitale può essere descritta come se implicasse un modello del mondo compatibile con una lettura inferenziale dei sistemi adattivi, ma resiste al tempo stesso a ogni riduzione integrale in termini rappresentazionali. Più che confermare l'una o l'altra posizione, sembrano funzionare come un punto di soglia: rendono visibile il luogo esatto in cui un paradigma della cognizione fondato sulla modellizzazione e una concezione non rappresentazionale della mente entrano in contatto e, insieme, divergono. Anziché invitare a scegliere tra queste due letture, l'intelligenza vegetale sposta l'attenzione su un terzo piano: quello dell'organizzazione. La domanda non è più come un sistema rappresenti il mondo, ma come distribuisca percezione, decisione e adattamento all'interno di una rete di relazioni. È in questo spostamento che il dialogo con gli sviluppi più recenti dell'intelligenza artificiale appare particolarmente fecondo.

L'IA può imparare dalle pia

Le implicazioni per l’intelligenza artificiale contemporanea sono già evidenti. Negli ultimi anni si è registrato un crescente interesse per i sistemi multiagente e per forme di intelligenza collettiva, nelle quali il comportamento intelligente globale emerge dalla cooperazione di molteplici entità artificiali relativamente semplici. Gli attuali sistemi agentici mostrano come agenti differenti possano assumere ruoli distinti, condividere informazioni attraverso la rete, coordinare le proprie azioni e correggersi reciprocamente nell’affrontare problemi complessi, senza la necessità di un supervisore umano o algoritmico centralizzato.

In tali architetture, l’intelligenza non risiede più nella potenza di calcolo di un singolo modello, ma nelle relazioni che si instaurano all’interno della rete di interazioni. Da questo punto di vista, l’intelligenza vegetale può essere interpretata come una forma di anticipazione biologica dei paradigmi emergenti dell’intelligenza artificiale, oltre che come loro possibile conferma evolutiva.

Anche la robotica bio-ispirata ha iniziato a esplorare concretamente queste possibilità. Il progetto GrowBot, sviluppato presso l’Istituto Italiano di Tecnologia sotto la guida di Barbara Mazzolai (Mazzolai et al., 2020), mira a trasferire i principi della biologia vegetale alla progettazione ingegneristica. L'obiettivo è comprendere le strategie adattive delle piante: la crescita come modalità di esplorazione dello spazio invece dello spostamento, la progressiva mappatura dell'ambiente attraverso l'estensione fisica, la decentralizzazione decisionale ottenuta distribuendo le funzioni sensoriali lungo tutta la struttura e, infine, un'elevata efficienza energetica ispirata al metabolismo a basso consumo dei vegetali.

A partire da questi concetti emerge la riflessione teorica più recente di Lee e Calvo (2022), che leggono la robotica di ispirazione vegetale in chiave dichiaratamente enattiva e osservano come i growbot realizzati finora ne riproducano l'architettura decentralizzata e modulare, ma non ancora l'autonomia. Essi continuano a dipendere da una fonte esterna di energia e di materia, e imitano dunque il corpo della pianta più che la sua intelligenza. Lo scarto tra ciò che di vegetale queste macchine incorporano e ciò che ancora manca coincide con la distinzione che attraversa tutto il discorso: il principio organizzativo, come la distribuzione e l'assenza di un centro, può essere trasferito molto prima dell'accoppiamento autonomo tra organismo e ambiente da cui, in chiave enattiva, l'intelligenza emerge.

Verso un'ecologia dell'apprendimento nelle Learning Sciences

La lezione delle piante assume infine un significato filosofico, politico ed educativo. La cultura occidentale ha spesso associato l’intelligenza al controllo, alla gerarchia, alla centralizzazione e alla velocità di elaborazione. Le piante mostrano invece l’efficacia di forme di intelligenza fondate sulla cooperazione, sulla ridondanza, sull’interdipendenza e sulla resilienza temporale (Mancuso, 2019). Per le Learning Sciences, questa prospettiva apre interrogativi rilevanti. Se la cognizione è distribuita, situata ed enattiva, allora anche i processi di apprendimento nelle scuole non possono più essere concepiti come la semplice acquisizione individuale di conoscenze da parte di un soggetto isolato, ma come la partecipazione attiva a ecologie cognitive. In queste ecologie, persone, tecnologie e ambienti cooperano nella costruzione del sapere, e l'intelligenza artificiale è essa stessa uno dei componenti dell'ecosistema cognitivo entro cui l'apprendimento prende forma.

Più ancora del dove e del cosa, diventa allora decisivo comprendere come l'apprendimento abbia luogo. Imparare, da questo punto di vista, può essere inteso come un processo continuo di revisione delle proprie aspettative alla luce dell'esperienza. E un'intelligenza artificiale ben progettata non si configura come un sostituto del docente o dello studente, ma come un interlocutore capace di rendere esplicite le nostre previsioni, metterle alla prova e favorirne la revisione. Il contributo di Stefano Mancuso al dibattito sull’intelligenza artificiale appare quindi più incisivo di quanto possa sembrare a una prima lettura tecnologica. Il suo lavoro non si limita a suggerire soluzioni biomimetiche ispirate alle radici, ma mette in discussione un presupposto metafisico radicato: l’idea che l’intelligenza debba necessariamente coincidere con un cervello, con un centro di comando o con una mente individuale. Le piante invitano invece a ripensare l’intelligenza come un processo emergente, diffuso e relazionale. Forse proprio questa è la lezione più importante per l’epoca dell’intelligenza artificiale: prima di chiederci quali macchine saremo in grado di costruire, dovremmo interrogarci su quali forme di intelligenza riconoscere.

Riferimenti bibliografici

Bose, J. C. (1926). The Nervous Mechanism of Plants. London: Longmans, Green and Co.

Calvo, P., & Friston, K. (2017). Predicting green: really radical (plant) predictive processing. Journal of the Royal Society Interface, 14(131), 20170096.

Darwin, C. (1880).The Power of Movement in Plants. London: John Murray.

Friston, K. (2010). The free-energy principle: a unified brain theory? Nature Reviews Neuroscience, 11(2), 127–138.

Hutchins, E. (1995). Cognition in the Wild. Cambridge, MA: MIT Press.

Hutchins, E. (2010). Cognitive ecology. Topics in Cognitive Science, 2(4), 705–715.

Lee, J., & Calvo, P. (2022). Enacting Plant-Inspired Robotics. Frontiers in Neurorobotics, 15, 772012.

Mancuso, S., & Viola, A. (2013). Verde brillante. Sensibilità e intelligenza del mondo vegetale. Firenze: Giunti.

Mancuso, S. (2017). Plant revolution. Le piante hanno già inventato il nostro futuro. Firenze: Giunti.

Mancuso, S. (2019). La nazione delle piante. Roma-Bari: Laterza.

Mazzolai, B., Tramacere, F., Fiorello, I., & Margheri, L. (2020). The bio-engineering approach for plant investigations and growing robots: A mini-review. Frontiers in Robotics and AI, 7, 573014.

Thoreau, H. D. (2020). La successione degli alberi nei boschi e altri scritti naturalistici (ed. orig. 1860). Milano: Piano B Edizioni.

Trewavas, A. (2014). Plant Behaviour and Intelligence. Oxford: Oxford University Press.

Varela, F. J., Thompson, E., & Rosch, E. (1991). The Embodied Mind: Cognitive Science and Human Experience. Cambridge, MA: MIT Press.

Wheeler, M. (2005). Reconstructing the Cognitive World: The Next Step. Cambridge, MA: MIT Press.