Il linguaggio umano è molto più di un semplice strumento di veicolazione delle informazioni, rappresentando una vera e propria impronta digitale che codifica una ricchezza inestimabile di dati sul background sociale, culturale e psicologico di chi scrive. Le persone esprimono concetti simili in modi profondamente diversi tra loro, e proprio queste microscopiche variazioni permettono a ricercatori, psicologi e scienziati sociali di studiare la complessità degli individui e le dinamiche evolutive della società.
Tuttavia, l’avvento dei modelli linguistici di grandi dimensioni è destinato a sconvolgere questo paradigma, poiché sistemi avanzati come ChatGPT, Llama e Gemini sono addestrati specificamente per generare la continuazione statisticamente più probabile di un determinato testo. Questo processo di ottimizzazione algoritmica favorisce intrinsecamente gli schemi linguistici comuni e dominanti a discapito dell’unicità espressiva, innescando un meccanismo che rischia di ridurre drasticamente la naturale variazione del nostro linguaggio.
L’appiattimento dello stile: cosa succede quando l’IA riscrive i nostri testi
Per comprendere a fondo la portata reale di questa trasformazione stilistica, il team di ricerca guidato da Zhivar Sourati ha analizzato in modo sistematico oltre 880 mila testi provenienti da svariati contesti comunicativi, includendo storie creative tratte da Reddit, articoli di cronaca locale, pubblicazioni accademiche, post sui social media e discorsi politici. L’esperimento centrale dello studio ha previsto l’impiego di GPT-3.5, Llama 3 70B e Gemini Pro per riscrivere e perfezionare migliaia di documenti originariamente redatti da esseri umani. I risultati emersi dall’indagine hanno mostrato che l’intervento dell’intelligenza artificiale ha compresso la variazione della complessità di scrittura in una percentuale compresa tra il ventuno e il cinquanta per cento. In maniera apparentemente rassicurante ma ingannevole, questa pesante omologazione è avvenuta senza alterare il messaggio di base del documento originale. I dati dimostrano infatti che, nell’ottantasette per cento dei casi, i testi originali e le loro controparti riscritte dall’algoritmo mantenevano un punteggio di somiglianza semantica superiore allo zero virgola novantacinque, confermando che l’IA preserva il contenuto sacrificando l’identità stilistica dell’autore.
Identità e salute mentale: i pericoli nascosti della standardizzazione
L’aspetto scientificamente più allarmante emerso dalla ricerca non risiede nella semplice correzione grammaticale, ma nelle profonde conseguenze cliniche e psicologiche derivanti da questa standardizzazione linguistica. Sottoponendo i testi riscritti ai modelli informatici impiegati per dedurre i tratti personali e psicologici degli autori, i ricercatori hanno registrato un calo di accuratezza medio pari a sei punti percentuali. I Large Language Model agiscono come un filtro levigante che va a indebolire, e in alcuni casi a cancellare, schemi linguistici storicamente cruciali per l’analisi comportamentale. Tra le correlazioni andate perdute spiccano l’associazione tra l’uso ricorrente di determinati pronomi e l’estroversione, il legame tra l’uso di parole legate all’amicizia e il tratto caratteriale della lealtà, o ancora la connessione tra i termini focalizzati sul futuro e la fascia d’età dell’autore. Questa perdita di segnali distintivi rischia di rendere molto meno affidabili le valutazioni testuali in settori critici come la psichiatria e l’assistenza psicologica, compromettendo ad esempio le diagnosi precoci basate sul linguaggio per l’individuazione di stati depressivi o intenti suicidari. Danni analoghi potrebbero verificarsi nei processi di reclutamento del personale e nei servizi di mass-personalization, dove l’omologazione stilistica impedirebbe di valorizzare le differenze individuali.
Nuovi bias e l’amplificazione di profili demografici dominanti
L’intervento dell’intelligenza artificiale sui testi umani si spinge oltre la mera rimozione delle sfumature personali, introducendo parallelamente nuove e sistematiche distorsioni nei modelli predittivi. Se da un lato i sistemi di elaborazione del linguaggio naturale riescono a conservare intatte alcune specifiche associazioni, come quelle riguardanti l’uso di parole religiose legate al senso di purezza, le parole sociali correlate al genere, e i termini emotivamente negativi connessi al nevroticismo, dall’altro essi tendono a forzare lo stile di scrittura verso direzioni ben precise. I testi rielaborati dagli algoritmi presentano infatti alterazioni sistematiche che spingono i classificatori ad associare l’autore a profili demografici dominanti o stereotipati. In maniera consistente attraverso i vari dataset analizzati, l’intelligenza artificiale tende ad allineare il testo a profili corrispondenti a individui di sesso maschile, di età più avanzata, politicamente progressisti, con una valenza morale superiore ma con un livello di empatia sistematicamente ridotto. Questa preoccupante convergenza verso profili predefiniti amplifica di fatto la voce e la prospettiva dei gruppi dominanti, marginalizzando le peculiarità espressive delle minoranze e sacrificando la ricchezza della diversità umana sull’altare di una sintassi statisticamente impeccabile.