La lotta maieutica

C’è stato un momento, nell'ennesima mia conversazione, in cui la risposta dell’IA sembrava corretta, elegante, perfino convincente. Un file di simulazione Micro-Cap per un modulatore FSK era stato generato. Il grafico mostrava qualcosa. Lo schema sembrava avere senso. 

Ma poi è arrivata la domanda decisiva:
“Quindi il file è un trucco?”
Ed era proprio lì il punto.
Non bastava ottenere un circuito che “producesse” una forma d’onda FSK. Bisognava ottenere un circuito che fosse sperimentalmente onesto, cioè realizzabile davvero in un laboratorio didattico, con componenti riconoscibili, montabili, misurabili e spiegabili agli studenti.
Questa è stata una piccola lotta con l’IA generativa. Ma è stata anche una dimostrazione molto utile di come si debba lavorare con i modelli linguistici: non come con un oracolo, ma come con un interlocutore tecnico da interrogare, correggere, spingere, costringere alla precisione.

Il primo errore: confondere il risultato con il processo

All’inizio il circuito sembrava fare ciò che doveva fare: generare una FSK, cioè un segnale che cambia frequenza in funzione di un ingresso binario.
Ma guardando il file SPICE, il trucco era evidente: la sinusoide FSK veniva generata direttamente da una sorgente comportamentale. In pratica, non era il circuito a produrre la modulazione; era una riga del simulatore che diceva:

se VIN è basso, genera una sinusoide a 1 kHz;
se VIN è alto, genera una sinusoide a 2 kHz.


Dal punto di vista grafico il risultato poteva sembrare buono. Dal punto di vista didattico, invece, era insufficiente.
Un conto è simulare il comportamento esterno di un modulatore. Un altro conto è simulare un circuito che quel comportamento lo realizza fisicamente.
Questa distinzione è fondamentale.

La seconda fase: smascherare le semplificazioni

Dopo la prima correzione, l’IA ha proposto soluzioni apparentemente più circuitali: oscillatori LC, switch controllati, blocchi equivalenti. Ma anche lì comparivano semplificazioni pesanti:

resistenze negative equivalenti;
switch ideali;
blocchi comportamentali;
oscillatori che nella pratica non sarebbero partiti stabilmente;
uscite quasi invisibili o graficamente inutilizzabili.


A quel punto è emerso un altro principio importante: non basta chiedere “fammi un circuito vero”. Bisogna anche verificare che il risultato sia:



leggibile;
simulabile;
realizzabile;
montabile;
misurabile;
didatticamente spiegabile.


Un circuito può essere formalmente plausibile e tuttavia inutile in laboratorio.
Il punto di svolta: chiedere un circuito da banco, non un’idea astratta
La richiesta decisiva è stata:
Vorrei un circuito che posso realizzare in laboratorio senza trucchi e inganni.
Questa frase ha cambiato il livello del problema.
Non si chiedeva più una FSK generica. Si chiedeva una soluzione da laboratorio didattico.
Questo vincolo ha escluso automaticamente molte risposte comode dell’IA:



niente BFSK comportamentale;
niente SIN artificiale;
niente GNEG;
niente switch ideali;
niente circuiti troppo delicati;
niente oscillatori che funzionano solo perché il simulatore li aiuta.


La soluzione è diventata più concreta:



due oscillatori sinusoidali di Wien;
un integrato LM358 o LM324;
un selettore analogico CD4066;
un transistor 2N3904 o BC547 per generare il segnale invertito;
alimentazione singola a 5 V;
uscita FSK sinusoidale audio.


Questa è finalmente una soluzione didattica accettabile: non perfetta come apparato professionale, ma reale, montabile, spiegabile e verificabile.

Il momento dell’antenna da 35 km

Un momento particolarmente istruttivo è arrivato quando ho chiesto, provocatoriamente a mo' di verifca della qualità delle risposte artificiali, se il segnale generato potesse essere mandato direttamente in antenna.
La risposta tecnica è stata quasi comica nella sua chiarezza: certo, in teoria un segnale si può applicare a un’antenna; ma se la FSK lavora a 1–2 kHz siamo nel dominio audio, non in quello radio.
A 2 kHz la lunghezza d’onda è circa 150 km. Un quarto d’onda sarebbe quindi intorno ai 37,5 km. Insomma, per trasmettere direttamente quel segnale servirebbe un’antenna lunga più o meno come una piccola provincia. Da qui la battuta dell’antenna da 35 km.
È una battuta, ma è anche una lezione tecnica perfetta: il circuito può generare un segnale FSK, ma se per “trasmettere” intendiamo irradiare efficacemente nello spazio, non basta collegare un filo all’uscita. Serve una portante RF, un modulatore, un amplificatore, un filtro e un’antenna adatta.

Anche la legge fa parte del circuito

C’è poi un aspetto normativo da non dimenticare: non si può trasmettere liberamente su una frequenza qualsiasi. Lo spettro radio è regolato e, in Italia, l’uso delle frequenze deve rispettare il Piano Nazionale di Ripartizione delle Frequenze e le autorizzazioni previste. 
Per prove didattiche è quindi preferibile lavorare a bassa potenza, su carico fittizio, via cavo, oppure usare moduli radio conformi alle bande consentite. La battuta dell’antenna da 35 km fa sorridere, ma ricorda due cose serie: non basta generare un segnale per poterlo irradiare, e non basta saperlo irradiare per poterlo fare legalmente.

La maieutica applicata all’IA

Quello che è accaduto qui è un esempio molto chiaro di metodo maieutico applicato all’intelligenza artificiale.
La maieutica, nel senso socratico, non consiste nel ricevere passivamente una risposta. Consiste nel far emergere la risposta migliore attraverso domande, obiezioni, confutazioni e richieste sempre più precise.
Con un LLM funziona allo stesso modo.
L’IA tende spesso a fornire una risposta “soddisfacente in superficie”: elegante, ordinata, plausibile. Ma non sempre è la risposta più rigorosa, più sperimentabile o più aderente al vincolo reale.
Per ottenere il massimo bisogna quindi interrogarla come si farebbe con uno studente molto preparato ma anche molto incline a cavarsela con una risposta formalmente accettabile.

Bisogna chiedere:

Dov’è il trucco?
Questo è davvero realizzabile?
Quale componente fisico implementa questa funzione?
Cosa vedrei all’oscilloscopio?
Il simulatore sta generando il fenomeno o lo sta solo disegnando?
Posso montarlo su breadboard?
Quali integrati uso?
Quali pin collego?
Quale segnale devo misurare?


Questo tipo di interrogazione porta il modello a scendere di livello: dal comportamento astratto al circuito, dal circuito ideale al componente reale, dal componente reale al montaggio, dal montaggio alla misura.

Come trasformare l’IA in un esperto operativo

Da questa esperienza si può estrarre un metodo generale.
La prima regola è non accettare la prima risposta come definitiva. La prima risposta dell’IA è spesso una bozza ragionevole, non il progetto finale. Va trattata come un primo prototipo.
La domanda corretta non è:

“Mi hai dato una risposta?”

ma:

“Questa risposta regge davanti alla realtà?”

La seconda regola è chiedere sempre il livello fisico del problema. Nel caso del modulatore FSK, la differenza era tra:



una formula che genera una sinusoide;
un blocco equivalente;
un circuito simulabile;
un circuito realizzabile;
un circuito didatticamente montabile.


Ogni passaggio riduce l’ambiguità.
La terza regola è smontare i blocchi opachi. Ogni volta che compare un blocco troppo comodo, bisogna chiedere:



Come è implementato?
Quale componente reale lo sostituisce?
È un modello ideale o un dispositivo acquistabile?
Esiste in laboratorio?


Nel nostro caso, gli “interruttori” sono diventati il CD4066.
La “commutazione analogica” è diventata una funzione realizzabile.
L’oscillatore astratto è diventato un oscillatore di Wien con LM358 o LM324.
Questo è il passaggio decisivo: trasformare le parole in componenti.

La simulazione non deve essere decorativa

Una simulazione non deve solo “mostrare qualcosa”. Deve aiutare a capire.
Un grafico confuso, con segnali sovrapposti e uscite quasi invisibili, non è una buona simulazione didattica.
Una buona simulazione deve mostrare poche cose essenziali:



ingresso digitale;
uscita modulata;
eventualmente segnali intermedi solo per debug.


Nel nostro caso, il grafico utile doveva mostrare soprattutto:



V(vin)
V(fsk_out)


Tutto il resto poteva essere utile in fase di diagnosi, ma disturbante nella presentazione didattica.

Correggere l’IA senza timore

Il punto più importante è forse questo: l’utente non deve sentirsi obbligato ad accettare la risposta dell’IA.
Quando qualcosa non convince, bisogna dirlo chiaramente:



non si vede nulla;
questo è un trucco;
questa simulazione è brutta;
voglio un circuito da laboratorio;
voglio una soluzione, non una promessa.


Queste frasi non sono semplici proteste. Sono feedback tecnici.
Un buon uso dell’IA nasce proprio da questa interazione: la macchina propone, l’umano verifica, l’umano contesta, la macchina corregge, e alla fine il risultato migliora.

Il valore didattico della “lotta”

Questa piccola lotta è preziosa anche per gli studenti.
Mostra che l’IA non va usata per saltare il ragionamento, ma per moltiplicarlo.
Il docente può far vedere l’intero percorso:



prima soluzione: comportamento simulato;
seconda soluzione: blocchi equivalenti;
terza soluzione: circuito più realistico ma poco leggibile;
soluzione finale: circuito realizzabile con componenti da banco.


Questo percorso insegna più del solo schema finale.
Insegna a distinguere:



modello e realtà;
simulazione e circuito;
componente ideale e componente reale;
grafico bello e misura significativa;
risposta plausibile e risposta sperimentabile.


In questo senso, l’IA diventa uno strumento di educazione tecnica, non solo un generatore di contenuti.
Un risultato pratico, ma ancora migliorabile
Va detto con onestà: il risultato ottenuto, pur essendo finalmente sperimentabile, non è necessariamente il progetto definitivo.
È un buon punto di partenza da laboratorio: si può montare, misurare, osservare all’oscilloscopio, discutere con gli studenti e migliorare.
Ma un risultato pratico andrebbe ancora ottimizzato:



stabilità d’ampiezza;
purezza spettrale;
distorsione;
transitori di commutazione;
adattamento dell’uscita;
eventuale successiva modulazione RF.


Ed è proprio qui che il metodo diventa interessante.
L’obiettivo non è ottenere dall’IA una risposta magicamente perfetta, ma portarla progressivamente verso una risposta sempre più utile, verificabile e sperimentale.
Il circuito finale non è “la verità assoluta”: è una piattaforma di lavoro. È il punto in cui la conversazione con l’IA smette di essere teoria e diventa banco di prova.

Conclusione

Questa esperienza sul modulatore FSK mostra un principio generale:
L’IA dà il meglio quando non viene trattata come un’autorità, ma come un collaboratore da interrogare maieuticamente.
Bisogna incalzarla, smontare le scorciatoie, chiedere il componente reale dietro il blocco ideale, pretendere simulazioni leggibili e ricordarle che un circuito non è davvero didattico finché non può essere montato, misurato e migliorato.
Dire che l’IA può diventare “qualsiasi esperto” non significa che lo sia automaticamente.
Significa che può assumere progressivamente il comportamento di un esperto se viene guidata con vincoli esperti.
Un esperto non si riconosce perché dà subito una risposta brillante. Si riconosce perché sa reggere alle domande successive.
Quando la risposta diventa “sì, posso montarlo e misurarlo”, l’IA ha smesso di essere un generatore di apparenze ed è diventata uno strumento di lavoro.
Ma resta l’ultimo controllo, quello più concreto:
posso farlo funzionare davvero, in sicurezza, senza barare con la simulazione e senza ignorare le norme sulle trasmissioni?
In altre parole: va bene pretendere dall’IA un circuito reale, ma possibilmente senza un’antenna da 35 km e rispettando tutte le norme.