Autori: Giulia Bini (Università di Milano), Walter Quattrociocchi (Sapienza) Rivista: AI & SOCIETY — 4 agosto 2026 DOI: 10.1007/s00146-026-03227-y Link full text: https://link.springer.com/epdf/10.1007/s00146-026-03227-y?sharing_token=TvBwQwqq4MOj1fxMhigW5_e4RwlQNchNByi7wbcMAY5WcL3wOagYTk-VN3uOJNkru34LWYd0ssw6p1Zi_Jld-brYocNrmDQhrHohBvEQrRQUJaR_FGXiMVtwFLeQbExltrLXetaQnTDtP_M53Xu87sGhnFp0F7OLSfaYOVCAiVg%3D
Il paper mette in parallelo due casi separati da cinquant'anni.
1973 — Il caso Benny. Studente di sesta classe, considerato tra i migliori dal suo insegnante perché dava sempre risposte corrette in matematica. Le interviste in profondità di Erlwanger rivelarono però che aveva costruito un sistema di regole procedurali sintatticamente funzionanti ma prive di significato matematico. Benny faceva matematica senza capire la matematica.
Oggi — I modelli linguistici. Gli LLM producono testi fluidi e coerenti tramite completamento statistico di pattern, senza grounding, esperienza né metacognizione.
Per gli autori è lo stesso meccanismo cognitivo, e il problema non sta nella macchina ma in chi valuta.
Pareidolia epistemica — la tendenza a proiettare capacità di comprensione su entità che producono output formalmente corretti attraverso processi non epistemici. Come vedere volti nelle nuvole, ma applicato alla mente.
Epistemia — la condizione che ne deriva: la plausibilità di superficie sostituisce il ragionamento fondato su prove come criterio operativo per attribuire comprensione.
Valutativa — le pratiche di valutazione attuali attribuiscono comprensione basandosi sulla sola qualità dell'output. Se il testo è ben fatto, si assume che dietro ci sia pensiero. Non è più un'inferenza sicura (non lo era nemmeno con Benny).
Istituzionale — scuole e università devono adattare politiche e strutture alla presenza di contenuti generati da IA.
Formativa — il passaggio decisivo: spostare l'insegnamento dalla produzione di testi articolati alla loro interrogazione. L'evidenza emergente di comprensione non è più saper scrivere un buon testo, ma saperlo mettere in discussione.
Non è un problema tecnico da risolvere con IA migliori o con rilevatori di plagio. È il segnale di un cambio di paradigma necessario: i cittadini futuri hanno bisogno di strumenti per navigare società mediate dalla tecnologia attraverso l'interrogazione critica, non attraverso la produzione di testo.
Perché è interessante per Aiway: ribalta la domanda usuale ("come faccio a capire se l'ha scritto l'IA?") in una molto più scomoda — come facevamo, prima, a capire se dietro un testo corretto c'era davvero comprensione? La risposta è che spesso non lo sapevamo. L'IA non ha creato il problema, l'ha reso impossibile da ignorare.
Keywords: epistemic pareidolia, epistemia, large language models, education, generative AI