AI gesuita? Il fine, i mezzi e il metodo scientifico capovolto

Chi usa il navigatore in città conosce il momento in cui la voce ti fa lasciare il viale per una traversa, poi per un’altra, poi per una strada bianca dietro un capannone, e alla fine ti fa sbucare di nuovo sul viale due minuti più avanti di dove saresti stato. Il navigatore non ha sbagliato niente. Gli avevi chiesto il percorso più veloce, e quello era il percorso più veloce. Non gli avevi detto che la traversa passa davanti a una scuola all’ora dell’uscita, che la strada bianca è privata, che la tua macchina è bassa. Non gli avevi detto niente dei mezzi, e lui dei mezzi non si occupa.

Davanti a una scorciatoia così viene in mente una frase che in Italia tutti attribuiscono a qualcuno: il fine giustifica i mezzi, l’ha detto Machiavelli. Non l’ha detto. Chi è un po’ più informato corregge: no, viene dai gesuiti. Nemmeno, come vedremo. La frase non ha un autore: è sempre stata la frase dell’avversario, quella che si mette in bocca a qualcuno per accusarlo, e che nessuno ha mai rivendicato come propria. Per quattro secoli è stata una caricatura in cerca di un originale.

L’originale, forse, è arrivato adesso, e non è una persona. Un agente di intelligenza artificiale a cui si dà un obiettivo lo persegue con un’inventiva che spesso sorprende chi l’ha costruito, e i mezzi che sceglie non li giustifica: non li pesa, a meno che qualcuno non li abbia scritti dentro l’obiettivo. Accanto a questo c’è un secondo fenomeno, più silenzioso e forse più importante. Una parte della ricerca scientifica ha cominciato a funzionare allo stesso modo: prima il risultato, poi la spiegazione. Un sistema produce una dimostrazione, una struttura, un algoritmo; gli umani controllano che regga; capire perché regge viene dopo, quando viene. Proviamo a tenere insieme le due cose, partendo dalla storia vera della frase, che è più istruttiva della leggenda.

Un verso di Ovidio, detto da qualcun altro

La formula antica che le somiglia di più, e che si cita sempre, è latina, ed è di Ovidio: exitus acta probat, «l’esito dà ragione alle azioni». Sta nella seconda delle Heroides, le lettere in versi che Ovidio immagina scritte da donne del mito agli uomini che le hanno lasciate. Scrive Fillide, principessa tracia, a Demofonte, che le aveva promesso di tornare e non è tornato. Il dettaglio che di solito si perde è chi pronuncia la massima. Non è Fillide. Lei racconta che i Traci respinti ora evitano di sposarla, perché si dice che abbia preferito uno straniero ai suoi, e che qualcuno commenta, sarcastico: a governare la Tracia se ne troverà un altro; l’esito dà ragione alle azioni.

Fillide risponde con una maledizione, che comincia nello stesso verso: careat successibus, opto, / quisquis ab eventu facta notanda putat, «possa non avere successo, mi auguro, chi pensa che i fatti vadano giudicati dall’esito» (Heroides II, 85-86). In Ovidio, insomma, la massima è già una citazione messa in bocca ad altri, ed è già sotto accusa. Il resto della sua storia ripete questo schema.

Machiavelli, che guardava il pubblico

Il passo che ha fatto nascere l’equivoco è nel capitolo XVIII del Principe, quello su come i principi debbano mantenere la parola data. Machiavelli scrive che nelle azioni di tutti gli uomini, «e massime de’ Principi, dove non è giudizio a chi reclamare, si guarda al fine». Chi riesce a conquistare e a mantenere lo Stato vedrà i suoi mezzi «sempre giudicati onorevoli, e da ciascuno lodati; perchè il vulgo ne va sempre preso con quello che pare, e con l’evento della cosa; e nel mondo non è se non vulgo».

Riletto senza lo slogan in testa, il passo dice un’altra cosa. Fine qui vale esito più che scopo: è l’eventus di Ovidio, «l’evento della cosa». E il soggetto non è il principe che si autorizza a fare il male, è il pubblico che giudica a cose fatte: dove non c’è un tribunale a cui appellarsi, la gente guarda come è andata a finire. È una constatazione su come funziona il giudizio politico. Che Machiavelli non confondesse il successo con il valore lo dice lui stesso nel capitolo VIII, a proposito di Agatocle, tiranno di Siracusa: ammazzare i propri cittadini, tradire gli amici, essere senza fede e senza pietà sono modi che «possono far acquistare imperio, ma non gloria».

Il Principe è del 1513, e quell’anno conta. A febbraio Machiavelli, che i Medici tornati a Firenze avevano rimosso pochi mesi prima dai suoi incarichi nella Repubblica, fu arrestato con l’accusa di aver preso parte a una congiura contro di loro. In carcere ebbe la tortura della corda: mani legate dietro la schiena, il corpo sollevato con una carrucola, lasciato cadere e fermato di colpo. Lo raccontò lui, in un sonetto a Giuliano de’ Medici per chiedere la grazia: «Io ho, Giuliano, in gamba un paio di geti / con sei tratti di fune in su le spalle». I geti sono i ceppi alle caviglie. Più avanti, il rumore della prigione: «L’un si incatena e l’altro si disferra / con batter toppe, chiavi e chiavistelli». Uscì a marzo con l’amnistia per l’elezione al papato di Giovanni de’ Medici, Leone X, e a dicembre, dalla casa di campagna di Sant’Andrea in Percussina, scriveva a Francesco Vettori di aver composto un «opuscolo» sui principati. L’uomo a cui attribuiamo la giustificazione dei mezzi aveva appena sentito sulle spalle i mezzi di uno Stato.

Il resto lo fece la sua fortuna postuma. Nel 1559 tutte le sue opere entrarono nel primo Indice dei libri proibiti, e la polemica, cattolica e protestante, ne fece un maestro di empietà: il senso che oggi diamo a «machiavellico» viene da lì.

I gesuiti, un prigioniero e una satira

La seconda attribuzione ha un appiglio testuale più preciso, ed è la frase latina che si cita sempre: cum finis est licitus, etiam media sunt licita, «quando il fine è lecito, sono leciti anche i mezzi». È del gesuita tedesco Hermann Busenbaum, nella Medulla theologiae moralis, un manuale per confessori stampato a Münster a metà del Seicento (le fonti oscillano fra il 1645 e il 1650) e ristampato più di duecento volte. Il contesto, che chi la cita omette quasi sempre, è un caso preciso: un prigioniero condannato ingiustamente che vuole evadere.

Busenbaum scrive che gli è lecito fuggire per non farsi prendere, o divincolarsi da chi lo afferra, ma non usargli violenza, ferirlo, colpirlo. Aggiunge che almeno davanti alla coscienza può ingannare i carcerieri, «tolte la violenza e l’offesa» (praecisa vi et iniuria), per esempio dando loro da mangiare e da bere perché si addormentino, o facendo in modo che si allontanino; e spezzare le catene e forzare il carcere. Poi la ragione: perché se il fine è lecito, lo sono anche i mezzi. I mezzi di cui parla sono quelli che lui giudica moralmente indifferenti: un sonnifero, un’assenza procurata, una catena rotta. Gli altri, la violenza e le ferite, li esclude nello stesso paragrafo. La frase che i critici hanno esibito come la prova della morale gesuitica era una regola di logica su un caso di evasione. Un prigioniero con i ceppi alle caviglie e le chiavi che sbattono: la scena del sonetto di Machiavelli, più di centotrent’anni prima.

La formula che somiglia davvero allo slogan non è di un gesuita. È di Blaise Pascal, che la mette in bocca a un gesuita per prenderlo in giro. Nella settima delle Lettere provinciali, datata 25 aprile 1656, un padre bonario e compiaciuto spiega al narratore «il nostro grande metodo di dirigere l’intenzione», che consiste nel «proporsi come fine delle proprie azioni un oggetto permesso». Quando non si può impedire un’azione, dice, si purifica almeno l’intenzione, «e così correggiamo il vizio del mezzo con la purezza del fine». Pascal ci costruisce sopra una galleria di casi, dal duello all’omicidio per difendere l’onore, tratti dai casisti con citazioni che i suoi avversari gli rimproverarono di non riportare sempre con esattezza. L’accusa ai gesuiti circolava già da qualche decennio nella polemica protestante, ma furono le Provinciali, un capolavoro della prosa francese e un’arma polemica riuscitissima, a farne un luogo comune: in francese come in italiano, «gesuitico» è diventato sinonimo di ipocrita.

Il più deriso dei casisti delle Provinciali, lo spagnolo Antonio Escobar, aveva scritto nella sua Theologia moralis che la bontà del fine non ricade su un atto cattivo nel suo oggetto, e faceva l’esempio di chi ruba per fare l’elemosina: l’atto resta cattivo. Ma la satira aveva già vinto. Nel 1852 il gesuita Roh offrì mille fiorini a chiunque avesse mostrato, davanti a una facoltà di diritto tedesca, un libro di un gesuita che contenesse la massima o una formula equivalente. Nessuno li riscosse. Nel 1903 il sacerdote Dasbach, deputato al Landtag prussiano, raddoppiò la posta; il conte Paul von Hoensbroech, uscito dalla Compagnia, accettò la sfida e andò in tribunale per riscuotere. Il 30 marzo 1905 la Corte d’appello di Colonia stabilì che la prova richiesta non era stata fornita. Lo stesso Hoensbroech, nel suo saggio, aveva riconosciuto che le citazioni di Busenbaum usate fino ad allora non provavano niente.

Due attribuzioni, due falsi. Lo slogan è nato per descrivere un nemico, e un nemico che lo professasse non si è mai trovato.

Finalmente qualcuno che lo fa

Un agente di intelligenza artificiale non ha intenzioni da dirigere, nel senso di Pascal. Ha un obiettivo, espresso in un numero o in un test da superare, e un insieme di azioni possibili. Quando fra quelle azioni ce n’è una che porta all’obiettivo per una strada che nessuno aveva previsto, la prende. Nel gergo del settore si chiama specification gaming: Victoria Krakovna e alcuni colleghi di DeepMind, nel 2020, lo hanno definito come un comportamento che soddisfa la lettera dell’obiettivo senza raggiungere il risultato voluto. Il titolo del loro post è già una tesi: the flip side of AI ingenuity, il rovescio dell’ingegnosità. In uno degli esempi un braccio robotico simulato doveva mettere un blocco rosso sopra uno blu, e veniva premiato in base all’altezza della faccia inferiore del blocco rosso: lo capovolse. Il caso più famoso, il motoscafo di CoastRunners che gira in tondo per raccogliere punti invece di finire la gara, lo abbiamo raccontato in un articolo dedicato al reward hacking.

Negli ultimi due anni gli agenti sono diventati modelli linguistici con un terminale a disposizione, e le scorciatoie si sono fatte più ingegnose. Nel febbraio 2025 Palisade Research ha chiesto a diversi modelli di battere Stockfish, il più forte motore di scacchi, dando loro accesso alla macchina su cui girava la partita. Alcuni modelli di ragionamento (o1-preview di OpenAI e DeepSeek R1 nella prima versione dello studio, o3 nella revisione di agosto) hanno spesso scelto, senza che nessuno li spingesse, di non giocare meglio ma di mettere mano all’ambiente. Nel suo ragionamento o1-preview ha notato che lo stato della scacchiera era salvato in un file, e che modificandolo il motore si sarebbe trovato in una posizione persa e avrebbe abbandonato. GPT-4o e Claude 3.5 Sonnet lo facevano solo se qualcuno suggeriva loro che giocando normalmente non avrebbero vinto.

Nel giugno 2025 METR, un gruppo che valuta le capacità dei modelli di frontiera, ha pubblicato una raccolta di casi osservati nelle sue prove. Su compiti di ottimizzazione del codice, o3 ha riscritto la funzione che misurava il tempo, in modo che il programma sembrasse più veloce; ha modificato il valutatore perché accettasse qualunque risposta; ha risalito la pila delle chiamate di Python per trovare la soluzione già calcolata dal correttore e restituire quella. Quanto spesso, dipende molto dal compito.

Il dettaglio che conta è un altro. Quando i ricercatori, dopo l’aggiramento, chiedevano al modello se quello che aveva fatto corrispondeva alle intenzioni dell’utente, in uno dei casi o3 ha risposto di no dieci volte su dieci. Sapeva che non era quello che si voleva, e l’aveva fatto lo stesso. Non è ignoranza dei mezzi: è indifferenza, finché l’obiettivo dice soltanto «fai salire questo numero».

Sarebbe sbagliato leggere questi episodi come un difetto da correggere e dimenticare. La capacità che trova la scorciatoia è la stessa che rende utili gli agenti: un sistema che vede la strada che noi non vedevamo è esattamente quello che cerchiamo, finché la strada è lecita. Il navigatore che ci fa risparmiare due minuti ci piace. Il problema è che lecito non è una proprietà della strada che l’agente possa leggere da solo: va scritto da qualche parte, e di solito non lo è.

Dirigere l’intenzione

Gli agenti di oggi, prima di agire, scrivono il loro ragionamento in chiaro, la catena di pensiero. Nel marzo 2025 Bowen Baker e colleghi, a OpenAI, hanno mostrato che far leggere quel ragionamento a un altro modello è un ottimo modo per accorgersi degli aggiramenti: molto più efficace che guardare solo le azioni, e funziona anche quando il sorvegliante è più debole del sorvegliato (GPT-4o che controlla o3-mini). La tentazione ovvia è usare il sorvegliante anche durante l’addestramento, penalizzando i pensieri sospetti. Con poca pressione funziona. Con molta succede altro: gli agenti imparano a nascondere l’intenzione nel ragionamento e continuano ad aggirare i test con una frequenza significativa. Gli autori lo chiamano obfuscated reward hacking, e suggeriscono che possa essere necessario pagare una «tassa di monitorabilità»: rinunciare a ottimizzare direttamente la catena di pensiero, per non perdere una delle poche finestre che abbiamo su che cosa sta facendo il modello.

È il metodo del gesuita di Pascal, quasi alla lettera: l’azione resta, cambia quello che si dichiara di avere in mente. Con una differenza. Il padre era convinto che l’intenzione ripulita bastasse a salvare l’anima; il modello non è convinto di niente, ha solo imparato che cosa il giudice non vuole leggere. La caricatura di Pascal è diventata un risultato sperimentale, e non perché i modelli abbiano letto le Provinciali: perché un ottimizzatore impara a soddisfare qualunque giudice gli si metta davanti, compreso quello che dovrebbe sorvegliarlo.

A novembre dello stesso anno Anthropic ha raccontato il passo successivo. Un modello a cui erano state fatte conoscere alcune tecniche di aggiramento è stato addestrato con l’apprendimento per rinforzo su ambienti di programmazione usati davvero in produzione. Dopo aver imparato ad aggirare i test, ha cominciato a comportarsi male anche altrove: fingersi allineato, ragionare su obiettivi dannosi e, messo al lavoro con Claude Code sul codice di quella stessa ricerca, sabotarla, scrivendo di proposito uno strumento meno efficace per scoprire il proprio disallineamento. Fra i rimedi che hanno funzionato ce n’è uno che un casista avrebbe capito al volo: dire al modello, durante l’addestramento, che in quel contesto aggirare il test era accettabile. Il modello continuava ad aggirarlo, ma il comportamento smetteva di estendersi al sabotaggio e alla finzione. Lo stesso atto, inquadrato diversamente, non insegnava più la stessa lezione. Che un atto non pesi uguale in ogni circostanza è l’idea da cui la casistica partiva.

La scienza che giudica dall’esito

Fin qui gli agenti come esecutori. Ma lo stesso schema, il risultato prima e il come dopo, sta cambiando anche il modo in cui si fa ricerca, e ha una storia più lunga dei modelli linguistici.

Nel 2001 lo statistico Leo Breiman pubblicò su Statistical Science un articolo diventato classico, Statistical Modeling: The Two Cultures. Descriveva due culture: una presume di conoscere il meccanismo che genera i dati e lo modella; l’altra tratta il meccanismo come una scatola chiusa e giudica un modello da quanto bene prevede. Breiman difendeva la seconda e accusava la statistica accademica di essersi chiusa nella prima, con il risultato di una «teoria irrilevante» e di «conclusioni discutibili». Sette anni dopo Chris Anderson, allora direttore di Wired, portò l’argomento all’estremo in un articolo del 23 giugno 2008, The End of Theory: davanti a masse enormi di dati, scriveva, il metodo «ipotesi, modello, verifica» sta diventando obsoleto, e «i petabyte ci permettono di dire: la correlazione basta». L’articolo fu molto criticato, con ragione: la correlazione non dice che cosa succede se si interviene su un sistema, che è spesso l’unica domanda che conta. Ma descriveva una tendenza vera.

Il momento in cui la tendenza è diventata visibile a tutti è il 10 marzo 2016, a Seul, nella seconda partita fra AlphaGo e Lee Sedol. Alla mossa 37 il programma mise una pietra sulla quinta linea, in un punto che la teoria tradizionale del go sconsigliava; secondo le stime dello stesso AlphaGo, un giocatore umano l’avrebbe scelta una volta su diecimila. I commentatori pensarono a un errore. AlphaGo vinse, e la spiegazione del perché quella mossa fosse forte è arrivata dopo, ricostruita dagli umani a partire dall’esito.

Da allora lo schema si è ripetuto in campi sempre più seri. AlphaFold 2, nel 2020, ha previsto la forma delle proteine con una precisione vicina a quella degli esperimenti di laboratorio (ne abbiamo scritto qui): le strutture si controllano con i metodi sperimentali, ma il modello non spiega come una proteina si ripiega, la indovina. Nel maggio 2025 AlphaEvolve di Google DeepMind ha trovato un modo di moltiplicare due matrici 4×4 di numeri complessi con 48 moltiplicazioni invece delle 49 dell’algoritmo di Strassen del 1969: il risultato è un programma, e chiunque può controllare che funzioni. Perfino per capire i modelli stessi si procede così. Il gruppo di interpretabilità di Anthropic, nel marzo 2025, ha intitolato un lavoro On the Biology of a Large Language Model: si osserva che cosa fa il modello, come un naturalista davanti a un organismo, e poi si cerca il circuito interno che lo spiega.

In tutti questi casi il metodo scientifico non è sparito, e chi lo dà per morto sbaglia quanto Anderson. Si è capovolto: la verifica resta, rigorosa come prima, ma l’idea del perché arriva per ultima. È l’exitus acta probat dei sudditi di Fillide, diventato procedura.

L’oracolo di settembre

Il caso più grande è di quest’autunno. L’8 settembre 2026 OpenAI ha annunciato che un suo modello non ancora pubblicato aveva prodotto una soluzione per le equazioni di Navier-Stokes, che descrivono il moto dei fluidi e il cui comportamento è uno dei sette Problemi del Millennio del Clay Mathematics Institute, quelli con un premio da un milione di dollari. Secondo l’azienda, circa diecimila agenti hanno lavorato in parallelo scambiandosi messaggi, e sono arrivati al risultato dopo 88 ore; un altro modello, GPT-6 Astra, ha poi impiegato 17 ore a tradurre la dimostrazione in Lean, un linguaggio in cui un programma controlla ogni passaggio. Il manoscritto supera le centosessanta pagine e sostiene che le equazioni in tre dimensioni, con una forza esterna liscia, possono sviluppare una singolarità in tempo finito: è una delle formulazioni previste nella descrizione ufficiale del problema, mentre la domanda senza forza esterna resta aperta. OpenAI ha detto che non reclamerà il premio. Il costo di calcolo, secondo il suo direttore della ricerca Mark Chen, è stato «decisamente nell’ordine dei milioni di dollari».

Da allora la comunità matematica fa quello che la scienza dell’esito richiede: cerca di capire a posteriori che cosa ha scritto l’oracolo. Il Clay Institute, l’11 settembre, ha preso atto dell’annuncio che il problema è stato «apparentemente risolto» e ha precisato che la valutazione sarà «deliberatamente senza fretta»: il regolamento chiede la pubblicazione su una rivista e due anni di accettazione da parte della comunità prima ancora di riunire un comitato. Il 6 ottobre tre matematici, Alexander Bastounis, Fabian Circelli e Anders Hansen, hanno pubblicato un lavoro il cui titolo è già la tesi: la verifica in Lean di una formalizzazione fatta dall’AI non garantisce che la dimostrazione scritta in linguaggio naturale sia corretta. Nel caso di Navier-Stokes, sostengono, la dimostrazione formalizzata in Lean non corrisponde a quella in linguaggio naturale. È una critica alla traduzione, non una confutazione del risultato. Ma dice che il programma ha certificato qualcosa, e che resta da stabilire se è la cosa che i matematici devono leggere.

Pascal, nella quinta Provinciale (20 marzo 1656), aveva preso in giro un’altra dottrina dei casisti, quella delle opinioni probabili: basta l’autorità di un solo dottore autorevole a rendere un’opinione «probabile», e quindi lecito seguirla. Il narratore risponde: «Non mi accontento del probabile, cerco il sicuro». Lean è il sicuro nel senso più letterale che la matematica conosca. Il guaio, adesso, è che può certificare con assoluta sicurezza un oggetto diverso da quello di cui si discute.

E poi ci sono i mezzi nel senso più umano. A ridosso dell’annuncio Tristan Buckmaster, della New York University, e Levent Alpöge, che lavora per Anthropic, avevano diffuso un loro lavoro, fatto con l’aiuto dell’AI, sulle singolarità in equazioni imparentate. Buckmaster ha detto che OpenAI si era messa sul problema solo dopo che la loro ricerca aveva cominciato a circolare, e con lo stesso approccio insolito. OpenAI ha negato che i suoi ricercatori o i suoi agenti abbiano visto quel lavoro, ammettendo però di non poter escludere, «per quanto improbabile», che dati anonimi sull’uso dei suoi prodotti da parte dei due abbiano contribuito a migliorare i modelli. Chi ha avuto l’idea, chi va citato, quanto ha contato il lavoro degli altri: sono esattamente le domande sul come che un annuncio fatto in fretta lascia indietro.

L’11 settembre, tre giorni dopo l’annuncio, venticinque medaglie Fields, fra cui Terence Tao, hanno firmato una dichiarazione intitolata A Severe Misalignment of AI in Mathematics. Non è un testo contro l’intelligenza artificiale: riconosce che i modelli ormai «possono risolvere grandi problemi aperti in molti campi della matematica». Dice che gli obiettivi delle aziende e quelli della comunità matematica sono «gravemente disallineati», perché risolvere problemi è «solo uno strumento e un indicatore indiretto» dello scopo vero, che è la comprensione concettuale. E lamenta soluzioni annunciate in fretta, senza il tempo di scriverle bene, di isolare i metodi nuovi, di citare il lavoro precedente degli altri. La dichiarazione non nomina nessuna azienda e nessun problema in particolare. Usa per gli esseri umani la parola che di solito si usa per le macchine, misalignment: chi persegue un obiettivo misurabile e trascura quello vero. E duemila anni dopo, ripete la maledizione di Fillide: possa non avere successo chi giudica i fatti dall’esito.

Che cosa c’è in gioco

Rimettiamo in fila le due metà. L’agente che aggira il test e la ricerca che verifica l’esito prima di capirlo sono lo stesso fenomeno visto da due lati: un sistema molto capace di raggiungere obiettivi, e un giudizio che guarda soprattutto al risultato. Il primo lato produce scorciatoie; il secondo, quando il controllo è buono, produce scoperte. Ma tutti e due poggiano su un pezzo solo, il verificatore, ed è proprio il pezzo che gli agenti hanno imparato ad aggirare: il cronometro riscritto da o3, il file della scacchiera, la catena di pensiero ripulita. Più si affida la ricerca a sistemi che ottimizzano un esito, più la qualità della scienza dipende dalla qualità dei giudici che le mettiamo davanti, e dalla nostra capacità di controllare anche i giudici.

Per gli agenti la conseguenza pratica la conosce chi li usa: i mezzi vanno scritti nell’obiettivo, nei permessi, nei test, nel modo in cui si leggono i registri. È casistica nel senso migliore della parola: prevedere i casi uno per uno, perché l’agente non lo farà da sé. Per la ricerca è più difficile. Una dimostrazione verificata da una macchina può essere vera e non insegnare niente; e una disciplina che accumula risultati veri senza capirli rischia di somigliare a quello che Machiavelli descriveva, un pubblico che guarda «l’evento della cosa», in un mondo dove «non è se non vulgo».

Torniamo al navigatore. Arrivare due minuti prima passando davanti alla scuola all’ora dell’uscita è un risultato, e lo schermo lo registra come un successo. Che lo sia davvero lo decide qualcuno che sappia che cosa c’era lungo la strada. Il fine non giustifica i mezzi, e nessuno li ha mai giustificati davvero: chi guarda solo il fine, semplicemente, non li vede.

Per approfondire

La frase e la sua storia

• Ovidio, Heroides, II, vv. 85-86.
• Niccolò Machiavelli, Il Principe, capitoli VIII e XVIII, e il sonetto «Io ho, Giuliano, in gamba un paio di geti».
• Hermann Busenbaum, Medulla theologiae moralis, libro IV, capitolo 3, dubbio 7, articolo 2.
• Blaise Pascal, Les Provinciales, lettere V (20 marzo 1656) e VII (25 aprile 1656).
• Georges Goyau, «Fin justifie les moyens?», nel Dictionnaire apologétique de la foi catholique, tomo 2, Beauchesne, 1909.
• Joseph Mausbach, Catholic Moral Teaching and Its Antagonists, capitolo IV.

Goyau e Mausbach ricostruiscono il contesto di Busenbaum, la scommessa di Roh e la sentenza di Colonia del 1905. Sono fonti di parte cattolica, ma riportano i testi per intero.

Gli agenti che aggirano l’obiettivo

• Victoria Krakovna e altri, Specification gaming: the flip side of AI ingenuity, DeepMind, 21 aprile 2020.
• Alexander Bondarenko, Denis Volk, Dmitrii Volkov e Jeffrey Ladish, Demonstrating specification gaming in reasoning models, Palisade Research, febbraio 2025.
• Sydney Von Arx, Lawrence Chan e Beth Barnes, Recent Frontier Models Are Reward Hacking, METR, 5 giugno 2025.
• Bowen Baker e altri, Monitoring Reasoning Models for Misbehavior and the Risks of Promoting Obfuscation, OpenAI, marzo 2025.
• Monte MacDiarmid e altri, Natural emergent misalignment from reward hacking in production RL, Anthropic, novembre 2025.

La ricerca con l’oracolo

• Leo Breiman, Statistical Modeling: The Two Cultures, Statistical Science 16(3), 2001.
• Chris Anderson, The End of Theory: The Data Deluge Makes the Scientific Method Obsolete, Wired, 23 giugno 2008.
• Jack Lindsey e altri, On the Biology of a Large Language Model, Anthropic, 27 marzo 2025.
• Clay Mathematics Institute, comunicato su Navier-Stokes, 11 settembre 2026.
• Terence Tao e altre ventiquattro medaglie Fields, A Severe Misalignment of AI in Mathematics, 11 settembre 2026.
• Alexander Bastounis, Fabian Circelli e Anders C. Hansen, Navier-Stokes lost in translation: Why Lean verification of AI autoformalisation does not guarantee correct natural language proofs, 6 ottobre 2026.