Creatività, regole e libertà algoritmica in Bajohr
La letteratura è considerata una forma privilegiata di espressione della soggettività: lo scrittore seleziona le parole, organizza le forme, trasforma l’esperienza e costruisce un’opera che riflette una determinata visione del mondo. L’intelligenza artificiale generativa mette in discussione questa concezione perché rende possibile la produzione automatica di testi grammaticalmente corretti, stilisticamente riconoscibili e esteticamente convincenti. La questione non consiste nello stabilire se una macchina sia creativa, sta nel comprendere che cosa significhino creatività, autorialità e libertà quando la scrittura emerge dall’interazione fra esseri umani, modelli computazionali e convenzioni culturali.
La riflessione di Hannes Bajohr è particolarmente significativa perché permette di considerare la letteratura come un programma: non una procedura meccanica che determina rigidamente il risultato, un sistema di regole, vincoli, aspettative e possibilità che orienta la produzione e la ricezione dei testi. Nel saggio «Artificial and Post-Artificial Texts: On Machine Learning and the Reading Expectations Towards Literary and Non-Literary Writing», Bajohr individua un presupposto fondamentale dell’esperienza letteraria: «The standard expectation of unknown texts is precisely this: That they stem from a human being who wants to say something» («L’aspettativa abituale nei confronti dei testi sconosciuti è precisamente questa: che provengano da un essere umano che vuole dire qualcosa»). La frase mostra come l’interpretazione dipenda dall’attribuzione di un’intenzione: leggendo, tendiamo a immaginare un soggetto che abbia qualcosa da comunicare. La scrittura generativa destabilizza questa aspettativa, poiché un testo riesce ad apparire coerente e significativo senza che sia necessario attribuire alla macchina un’intenzione comunicativa umana.
Bajohr osserva inoltre: «The more artificial texts there are, the more the standard dissolves and the question of their origin must arise» («Quanto più aumentano i testi artificiali, tanto più lo standard si dissolve e deve emergere la questione della loro origine»). L’origine del testo, lasciata sullo sfondo, diventa un problema. La questione non riguarda chi abbia materialmente prodotto le parole, ma che operazioni, decisioni e responsabilità abbiano contribuito alla loro formazione. La pragmatica del linguaggio consente di precisare questa difficoltà: un enunciato non è soltanto una sequenza grammaticale, perché può costituire una promessa, un’affermazione, una richiesta o un atto ironico. René van Woudenberg, Chris Ranalli e Daniel Bracker sostengono che «ChatGPT fails to meet the criteria of authorship because it lacks the ability to perform illocutionary speech acts such as promising or asserting» («ChatGPT non soddisfa i criteri dell’autorialità perché non è in grado di compiere atti linguistici illocutori come promettere o asserire») [«Authorship and ChatGPT: A Conservative View», in Philosophy & Technology, 37, Springer, 2024].
La distinzione è rilevante: generare una frase che assume la forma di una promessa non equivale ad assumere l’impegno che una promessa comporta. Ciò non dimostra che i testi artificiali siano privi di significato; suggerisce che produzione linguistica, intenzione comunicativa e responsabilità debbano essere considerate dimensioni distinte. Mark Coeckelbergh e David J. Gunkel invitano a esaminare criticamente «some key philosophical assumptions in these debates, in particular assumptions about authorship and language» («alcune assunzioni filosofiche fondamentali di questi dibattiti, in particolare quelle relative all’autorialità e al linguaggio») [«ChatGPT: Deconstructing the Debate and Moving It Forward», in AI & Society, Springer Nature, 2023, 39, 2024].
La domanda «chi scrive?» non deve essere risolta prima di chiarire che cosa significhi essere autore. Bajohr affronta il problema anche dal punto di vista delle aspettative di lettura, osservando: «Instead, we would focus only on what the text says, not on who wrote it» («Ci concentreremmo, invece, soltanto su ciò che il testo dice, non su chi lo ha scritto»). Una simile prospettiva invita a valutare il testo nelle sue caratteristiche senza assumere l’identità dell’autore come criterio decisivo; il contenuto non esaurisce il valore letterario, che dipende anche dalla forma, dal contesto, dalla tradizione e dalle modalità di ricezione. Lo stesso Bajohr ricorda che «Literary texts, on the other hand, are still maximally marked today» («I testi letterari, d’altra parte, sono ancora oggi fortemente marcati»). La letterarietà non è una proprietà grammaticale, è uno statuto riconosciuto entro pratiche culturali e istituzioni. Il testo viene letto diversamente a seconda che sia presentato come documento, esperimento automatico, esercizio stilistico o opera d’arte. L’antropologia dell’autorialità amplia ulteriormente la prospettiva: «Authorship is a long-contested notion. What is an author? And how do we know who, or what, constitutes one?» («L’autorialità è una nozione da lungo tempo controversa. Che cos’è un autore? E come sappiamo chi, o che cosa, lo costituisca?») [«Anthropological Authorship in the Age of Generative AI», in American Ethnologist, Wiley, 2026].
L’autore appare non come una figura universale e immutabile, come una categoria culturale legata a pratiche di attribuzione, riconoscimento e responsabilità. La letteratura come programma designa un sistema nel quale le regole non cancellano necessariamente la libertà, ne definiscono lo spazio operativo: scrivere significa confrontarsi con forme ereditate, convenzioni e possibilità di trasformazione.
Creatività algoritmica e produzione del significato: tra cognizione, critica letteraria e riconoscimento sociale
La concezione della letteratura come programma acquista maggiore precisione quando viene collegata alla critica letteraria, alle scienze cognitive e alla sociologia dell’arte. La creatività non coincide con l’assenza di vincoli: consiste nella capacità di riconoscere una regola, combinarla con altre, deviarne l’applicazione o renderla visibile attraverso una violazione significativa. Il sonetto, la poesia combinatoria e il testo generato da un modello linguistico dipendono da procedure differenti, e mostrano tutti come regole e invenzione interagiscano. La questione decisiva è stabilire quando una variazione produca una differenza esteticamente rilevante e quando si limiti a ripetere configurazioni disponibili. In Dumb Meaning: On Machine Learning and Artificial Semantics, Bajohr invita a «consider levels of gradated meaning which, as artificial semantics, no longer presuppose a mind» («considerare livelli graduati di significato che, in quanto semantiche artificiali, non presuppongono più una mente») [IMAGE, 37, 1, 2023, 58-70).
La proposta permette di evitare l’alternativa rigida fra significato umano e assenza assoluta di significato. Un modello è in grado di elaborare regolarità linguistiche e generare sequenze interpretabili senza che ciò dimostri una coscienza equivalente a quella umana. Le scienze cognitive aiutano a comprendere perché un testo possa apparire creativo anche quando è prodotto artificialmente: durante la lettura riconosciamo schemi, formuliamo aspettative, individuiamo deviazioni e costruiamo connessioni.
La sorpresa estetica nasce dall’incontro fra elementi riconoscibili e configurazioni inattese; la reazione del lettore non dimostra l’intenzionalità del sistema che ha prodotto il testo. È necessario distinguere la generazione della sequenza, la sua valutazione da parte di un lettore e il suo riconoscimento come opera all’interno di una comunità culturale. Bajohr affronta il problema dell’autorialità in «Writing at a Distance: Notes on Authorship and Artificial Intelligence», offrendo una panoramica delle concezioni di autorialità nei sistemi di intelligenza artificiale e di elaborazione del linguaggio naturale (German Studies Review, 47, 2, Johns Hopkins University Press, 2024, 315-337). L’autorialità non deve essere ricondotta alla persona che inserisce un prompt: occorre considerare anche la selezione delle alternative, la revisione, la verifica e la decisione di pubblicare. Tamer Nawar osserva che «The ever increasing use of generative artificial intelligence raises significant questions about authorship and related issues such as credit and accountability» («L’uso sempre più diffuso dell’intelligenza artificiale generativa solleva questioni importanti sull’autorialità e su problemi connessi, come il riconoscimento del merito e la responsabilità» [«Generative Artificial Intelligence and Authorship Gaps», in American Philosophical Quarterly, 61, 4, University of Illinois Press, 2024, 355-367).
Il problema non consiste soltanto nello stabilire se il modello debba essere considerato autore: riguarda chi abbia contribuito al risultato, chi debba riceverne il riconoscimento e chi risponda delle conseguenze della pubblicazione. La creatività deve essere esaminata come processo relazionale. Claudio Celis Bueno, Pei-Sze Chow e Ada Popowicz discutono «the potential for ‘creativity’ to be automated and ‘augmented’ by algorithmic machines» («la possibilità che la “creatività” venga automatizzata e “potenziata” da macchine algoritmiche» [«Not “What”, but “Where Is Creativity?”», in AI & Society, Springer Nature, 40, 2025, 339-351). Questa prospettiva invita a chiedere non soltanto che cosa sia creativo, ma dove la creatività si manifesti: nell’interazione fra scrivente e modello, nella selezione delle possibilità, nella revisione o nella comunità che riconosce il testo come innovativo. Non occorre equiparare la macchina a un autore umano per riconoscere che il suo impiego modifica il processo creativo. La sociologia della conoscenza consente di distinguere la produzione di risultati plausibili dalla loro comprensione e convalida. Harry Collins, nel suo studio sulla necessità di una sociologia della conoscenza dell’intelligenza artificiale, considera gli sviluppi legati al «deep learning and large language models» («deep learning e grandi modelli linguistici» [«Why Artificial Intelligence Needs Sociology of Knowledge: Parts I and II», in AI & Society, Springer Nature, 40, 2025, 1249-1263]. In ambito letterario, la fluidità linguistica non garantisce originalità, attendibilità o valore estetico: il giudizio critico rimane indispensabile. La sociolinguistica aggiunge che i modelli non operano in un vuoto culturale. Ico Maly propone di studiare l’IA come un insieme sociotecnico che riproduce e organizza il linguaggio, influenzando le condizioni sociali della produzione di significato («AI, Power and Sociolinguistics», inJournal of Sociolinguistics, Wiley-Blackwell, 2024, 28, 11-15). In questa prospettiva, l’analisi deve chiedersi che voci e varietà linguistiche siano rappresentate e quali rischino di rimanere marginali.
L’antropologia dell’arte mostra, inoltre, che la letteratura non esiste soltanto nel momento della produzione: prende forma attraverso editori, critici, istituzioni, premi, piattaforme e pubblici. Bajohr affronta questa dimensione in «The Deixis of Literature: On the Conditions for Recognizing Computers as Authors», mettendo in relazione il riconoscimento dell’autore con il gesto che presenta qualcosa come opera letteraria [Orbis Litterarum, Wiley, 2024, 79/4, 309-322). Il riconoscimento non è una conseguenza automatica delle proprietà testuali: dipende dalla situazione interpretativa e dalle convenzioni condivise. L’esperienza pratica della scrittura generativa conferma questa trasformazione. In «Rhetoric as Codec», Bajohr descrive la scrittura con l’IA attraverso le metafore del «surfing and riding» («fare surf e cavalcare»).
Le immagini suggeriscono un processo nel quale chi scrive non controlla ogni passaggio, orienta, seleziona e corregge le possibilità prodotte dal sistema. Analogamente, Jack Tsao e Collier Nogues descrivono studenti che «decentred authorial attribution through the pragmatic adoption of the technology as a creative catalyst» («hanno decentrato l’attribuzione autoriale adottando pragmaticamente la tecnologia come catalizzatore creativo» [«Beyond the Author: Artificial Intelligence, Creative Writing and Intellectual Emancipation», in Poetics, Elsevier, 2024, 102]. L’IA diventa uno stimolo per la ricerca formale, senza eliminare la responsabilità dello scrivente nel selezionare e rielaborare i risultati. La creatività algoritmica emerge come una pratica distribuita, non priva di differenze fra le capacità dei sistemi e quelle delle persone.
