di Andrea Daniele Signorelli (Giornalista freelance)
«La guerra è il dominio dell’incertezza», scriveva Carl Von Clausewitz nel trattato di strategia militare Della guerra.
A due secoli di distanza dalla pubblicazione, uno dei principali obiettivi dell’impiego dell’intelligenza artificiale in ambito bellico è proprio dissipare la celeberrima «nebbia della guerra» teorizzata dal generale prussiano.
Interpretando dati provenienti da sensori, satelliti e intelligence, l’Intelligenza artificiale (IA) cerca di ridurre l’incertezza e aumentare la velocità decisionale.
A causa dell’enorme mole di dati prodotti, gli algoritmi d’intelligenza artificiale predittiva (che quindi eseguono previsioni e valutazioni sulla base dei dati analizzati) rischiano però di avere l’effetto, paradossale, di infittire invece che diradare questa «nebbia». Ed è qui che entra in gioco l’intelligenza artificiale generativa (capace di generare testo, immagini, video o altro) e in particolare i modelli linguistici di OpenAI e Anthropic.
Il ruolo cruciale dell’IA predittiva
Facciamo prima un passo indietro.
Sul campo di battaglia, il grosso del lavoro lo svolgono gli algoritmi predittivi. Un caso tristemente noto è quello di Lavender, un “sistema di supporto decisionale” (DSS, Decision support system) impiegato dall’esercito israeliano, che assegna a ogni individuo un punteggio relativo alla probabilità di appartenere a gruppi armati nemici. Secondo le inchieste del magazine israeliano +972, nel conflitto a Gaza ha identificato circa 37mila palestinesi come potenziali bersagli, con un margine di errore accettato (ma non accertato) del 10%.
Negli Stati Uniti (e nella Nato), un importante sistema di supporto decisionale è invece Maven Smart System (MSS), sviluppato da Palantir.
Oltre a fornire indicazioni sui bersagli da colpire, MSS aggrega dati di intelligence e dei sensori, mostra le posizioni delle forze amiche e nemiche e supporta la pianificazione delle operazioni militari. Questo sistema è stato recentemente impiegato anche negli attacchi contro l’Iran, durante i quali Maven ha suggerito centinaia di obiettivi, fornito coordinate di localizzazione precise e dato priorità a questi obiettivi in base alla loro importanza.
Che cosa fanno i modelli linguistici
Che cosa fa, allora, un chatbot pressoché identico a quelli che usiamo nella vita quotidiana quando è utilizzato in guerra?
I large language model non riconoscono di per sé bersagli e non guidano missili o droni: la loro capacità fondamentale è (provare a) comprendere, elaborare e generare il linguaggio umano, anche a partire dai dati messi a disposizione da altri sistemi.
Negli impieghi più semplici, in modo non dissimile dagli utilizzi civili, questi sistemi vengono usati dagli eserciti per riassumere rapporti delle missioni e briefing dell’intelligence, oppure per generare traduzioni, trascrizioni e documentazione di vario tipo.
Nei casi più avanzati, bisogna invece immaginare l’impiego bellico di Claude o ChatGPT come una “interfaccia conversazionale” integrata, per esempio, in Maven Smart System, che permette ai soldati di interpretare più facilmente le informazioni provenienti dalle piattaforme di supporto decisionale.
Non solo: oltre a navigare i dati sfruttando il linguaggio naturale, l’Intelligenza artificiale generativa può fornire consigli su quale azione intraprendere sul campo. L’integrazione tra Maven e Claude (o ChatGPT) riesce quindi ad accelerare drasticamente il ritmo delle operazioni, trasformando una pianificazione che richiedeva settimane in operazioni quasi in tempo reale.
Le criticità dell’IA in guerra
Che cosa succede, però, quando l’obiettivo principale di questi sistemi di “supporto decisionale” – in cui quindi l’ultima parola spetta agli esseri umani – è aumentare al massimo la velocità con cui si agisce?
«Avevo a disposizione 20 secondi per ciascun bersaglio, valutandone dozzine ogni giorno», ha raccontato al Guardian un soldato israeliano che utilizzava Lavender. «Non avevo alcun valore aggiunto come essere umano, se non il fatto di apporre il timbro di approvazione».
Nel momento in cui la velocità diventa l’imperativo fondamentale, l’essere umano è quasi d’intralcio alla macchina che, da sistema di supporto decisionale, rischia di diventare il “sistema decisionale”. L’integrazione dei modelli linguistici complica ulteriormente le cose, perché i loro risultati sono più semplici da interpretare, ma più difficili da verificare.
Il controllo umano è quindi tanto indispensabile quanto difficile da attuare.
Prima di tutto, perché un’effettiva supervisione umana ridurrebbe la velocità d’esecuzione (che è l’obiettivo principale dell’utilizzo di questi sistemi), ma anche perché la capacità degli esseri umani di contraddire o ignorare le decisioni della macchina è regolarmente sovrastimata.
È il noto fenomeno dell’automation bias: le persone tendono a fidarsi del giudizio della macchina a causa della patina di oggettività che circonda (erroneamente) questi strumenti statistici.
C’è poi il problema delle allucinazioni – quando un sistema di intelligenza artificiale presenta come se fosse certa un’informazione invece sbagliata o completamente inventata – che potrebbero annidarsi in ogni sintesi di report, documento generato a partire dai dati o traduzione.
Un tragico episodio avvenuto agli inizi dei bombardamenti sull’Iran mostra quanto ciò possa essere problematico. Un numero schiacciante di prove indica che gli Stati Uniti sono responsabili dell’attacco alla scuola di Minab, in cui hanno perso la vita 175 persone, la maggior parte delle quali studentesse.
Considerato che Maven ha generato oltre mille opzioni di attacco nelle prime 24 ore di guerra all’Iran, è possibile che l’errore sia stato causato da una decisione sbagliata dell’intelligenza artificiale (che considerava l’edificio ancora impiegato dall’esercito) e che la quantità di bersagli individuati non abbia dato ai militari il tempo necessario a verificarli.
Non ci sono elementi per attribuire definitivamente all’IA la responsabilità di questa strage. Ma questa è una parte del problema, perché, tra le altre cose, il suo impiego sta rendendo più complesso anche portare a termine un compito essenziale: risalire la catena delle responsabilità quando, in guerra come in ogni altro ambito critico, le cose vanno per il verso sbagliato.
Articolo tratto dal Granello di Sabbia n. 58 di Novembre – Dicembre 2026: “Né artificiale, né intelligente”
