Quando l’AI cade nelle illusioni ottiche: una finestra su come funziona il cervello

Cosa è successo?

Una serie di studi recenti raccontati dalla BBC mostra che alcuni sistemi di intelligenza artificiale basati su deep neural networks (DNN) possono essere ingannati dalle stesse illusioni ottiche degli esseri umani. Modelli come PredNet, ispirati alla teoria neuroscientifica del predictive coding, percepiscono movimento dove non c’è (come nell’illusione dei “serpenti rotanti”) pur non essendo mai stati addestrati su illusioni. Secondo il neurofisiologo Eiji Watanabe, questo accade perché, come il cervello umano, l’AI impara regole generali del mondo visivo e formula previsioni che talvolta “sbagliano”.

Perché è importante?

Il risultato ribalta l’idea che le illusioni siano semplici errori: sono il prodotto di scorciatoie cognitive efficienti, necessarie per interpretare un ambiente complesso con informazioni limitate. Il fatto che alcune AI cadano nelle stesse trappole suggerisce che percezione biologica e artificiale convergono su meccanismi funzionali simili, pur restando profondamente diverse. Allo stesso tempo emergono limiti chiave: l’AI manca di attenzione selettiva (non “fissa lo sguardo”) e non sperimenta l’intero spettro delle illusioni umane.

E adesso?

Questa linea di ricerca apre due fronti strategici. Primo, usare l’AI come laboratorio etico e sperimentale per testare teorie sul cervello umano impossibili da verificare direttamente. Secondo, migliorare la progettazione di sistemi di visione artificiale, soprattutto in ambiti critici (sanità, robotica, spazio). L’illusione non è un bug da eliminare: è una chiave per capire come nasce l’intelligenza, naturale e artificiale.