Può la collaborazione tra modelli di Intelligenza Artificiale generare soluzioni realmente nuove, anziché limitarsi a combinare idee già conosciute?
È questa la domanda che guida i miei ultimi esperimenti.
Ho scelto un problema concreto: ridurre gli sprechi d'acqua in un condominio di 20 appartamenti, con un budget massimo di 500 euro, un periodo sperimentale di 60 giorni e rigorosi vincoli di privacy e non invasività.
L'esperimento ha coinvolto modelli di ecosistemi differenti, tra cui Claude, Gemini e Codex, impegnati in attività di esplorazione, generazione, progettazione e verifica critica.
Dalla collaborazione alla ricerca divergente IdeaLab, la strumento della mia ultima app per Windows, ha inizialmente sviluppato quattro strategie: diagnosi dei consumi notturni, dispositivi per limitare la portata, feedback collettivo e un metodo sperimentale per distinguere i miglioramenti reali dalle normali oscillazioni.
La successiva combinazione delle proposte, tutte molto valide, ha prodotto una quinta soluzione, giudicata però derivativa, perché troppo simile ai meccanismi già individuati.
A questo punto è intervenuta la novità della versione V7.5: anziché concludere l'elaborazione, l'orchestratore ha avviato due ulteriori cicli di ricerca divergente.
Il risultato complessivo è stato di sette proposte valutate e 32 chiamate ai ruoli su 58 consentite. Anche le due nuove soluzioni sono state classificate come derivative.
Apparentemente, dunque, nessuna innovazione emergente dimostrata.
Ma proprio questo risultato negativo ha rivelato qualcosa di interessante.
Esaminando il report di 48 pagine generato dall'app, ho osservato un fenomeno inatteso.
Nei cicli divergenti, l'Ideatore aveva proposto due direzioni differenti: utilizzare variazioni controllate della pressione come possibile strumento diagnostico e osservare segnali acustici e termici nelle colonne di scarico.
Erano intuizioni ancora da verificare, non soluzioni validate.
Eppure, nel passaggio dall'Ideatore al Progettista, entrambe sono state progressivamente ricondotte verso approcci già esplorati: misure aggregate, feedback e dispositivi di risparmio.
Le idee divergenti erano emerse, ma il loro nucleo distintivo non era sopravvissuto all'ibridazione.
È un fenomeno che definirei convergenza prematura: la collaborazione tra agenti, anziché ampliare lo spazio delle possibilità, rischia di restringerlo verso soluzioni più familiari e facilmente valutabili.
Questo esperimento suggerisce una nuova direzione di sviluppo: proteggere la divergenza creativa.
Vorrei che IdeaLab imparasse a conservare il principio originale di ogni intuizione, distinguendo la sua novità concettuale dalla fattibilità tecnica e dall'efficacia sperimentalmente dimostrata.
Un'idea potenzialmente originale ma ancora impraticabile non dovrebbe essere automaticamente trasformata in qualcosa di convenzionale. Dovrebbe poter essere conservata, criticata e studiata per ciò che effettivamente propone.
L'esperimento non dimostra che i sistemi multi-agente siano superiori ai singoli modelli. Mostra, però, come la verifica critica possa aiutarci a comprendere meglio i limiti della loro collaborazione.
Ed è forse questa la riflessione più importante che nasce spontanea.
Il futuro dell'Intelligenza Artificiale potrebbe non consistere soltanto nel generare idee che non avevamo immaginato, ma nel riuscire a non perderle mentre cerchiamo di trasformarle in soluzioni.
Proseguo con incrollabile dedizione la ricerca dell'innovazione emergente, considerandola il vero e proprio Sacro Graal della collaborazione multi-agente eterogenea.