Laboratorio di ricerca · filosofia e IA

Filosofia e IA,
in codice che funziona.

Un laboratorio di ricerca che costruisce quadri concettuali, strumenti funzionanti e lavori di ampio respiro sui grandi modelli linguistici. Argentina · Germania · Italia.

Leggi la ricerca Il libro
Phantom Maze — Laboratorio di IA e Linguaggio
01 Il laboratorio

Un laboratorio dove filosofia e IA si costruiscono insieme.

  • Fenomenologia degli LLM
  • Intelligenza articolata
  • Virtualità derivata
  • Fallimenti epistemici
  • Architetture della memoria
  • Attenzione a contesto lungo
  • Ambienti didattici

Phantom Maze porta la fenomenologia e la filosofia antica in dialogo operativo con l'intelligenza artificiale contemporanea. Il laboratorio opera tra Argentina, Germania e Italia, con due esiti complementari.

Come teoria, sviluppiamo strumenti concettuali per sistemi che non esistevano quando si è fissato il vocabolario filosofico:

  • Intelligenza articolata — un nome per ciò che questi sistemi sono. Capitolo 4 →
  • Virtualità derivata — un nome per il modo in cui esistono. Capitolo 5 →
  • Un inventario delle modalità di fallimento epistemico: allucinazione, adulazione, codardia epistemica, assimilazione, scarsa calibrazione. Capitolo 6 →

Come pratica, costruiamo strumenti di ricerca che mettono alla prova quei quadri concettuali nel codice: architetture di memoria per agenti, meccanismi di attenzione a contesto lungo e ambienti didattici per l'aula umanistica.

Teoria e pratica non sono binari paralleli. Ciascuna inquadra l'altra: i quadri concettuali ci dicono cosa misurare, gli strumenti ci dicono cosa regge.

02 Ricerca

Linee di lavoro in corso.

Progetto 01
Pubblicato

Workflow di agenti a costo limitato

Si può certificare quanto spenderà un agente di IA prima che venga eseguito?

Un calcolo a risorse tipate che dimostra che un workflow ben tipato non supera mai il budget dichiarato, su ogni traccia possibile. Il teorema centrale è verificato dalla macchina in Lean 4, senza lacune. Abbiamo poi misurato 254 workflow di agenti reali in 45 repository pubblici di produzione: l'88% di quelli ciclici si affida a un default del framework come unico tetto di spesa — spesso un limite di 1000 passi che non vincola quasi nulla.

Stato
Pubblicato
Progetto 02
Attiva

Verifica calibrata e modalità di fallimento epistemico

Un verificatore di IA può sapere quando non sa?

I verificatori di IA —sistemi di recupero, "LLM come giudice"— dovrebbero intercettare ciò che un modello inventa. Abbiamo misurato quanto spesso, invece, si pronunciano con sicurezza su prove che non hanno nulla a che vedere con l'affermazione — abbastanza spesso da contare, in diritto, vulnerabilità software e contratti. Sviluppiamo un'astensione calibrata con una garanzia d'errore a campione finito, perché un verificatore possa declinare quando le prove non bastano. È lo strumento empirico dell'inventario di modalità di fallimento epistemico nominato nel libro (cap. 6).

Stato
Attiva
Output
Nota di ricerca + applicazione alle citazioni legali
Progetto 03
In corso

Attenzione a contesto lungo

Quando un modello presta attenzione a 128.000 token, ci ragiona sopra o li recupera come da una base dati?

Testiamo se un block-selector appreso —una piccola rete che decide, per ogni query, a quali segmenti del contesto lungo prestare attenzione— superi le soluzioni economiche in uso (pattern sparsi fissi, potatura della cache) a parità di budget di memoria e su diverse scale di modello. Il confronto diretto gira su RULER a 128K.

Benchmark
RULER 128K
Output
Preprint + codice + pesi
Stato
Esperimenti in corso
Progetto 04
In validazione

Comunicazione latente tra modelli

Il linguaggio naturale è un collo di bottiglia quando due modelli collaborano?

Confrontare gli stati interni dei modelli —invece di chiedere a un terzo di giudicare a parole— eguaglia la qualità del "LLM come giudice" a una frazione del costo. I primi risultati suggeriscono che un modello grande possa trasferire una capacità a uno piccolo attraverso stati interni troncati, senza alcun addestramento.

Stato
In validazione
Output
Nota di lavoro + codice
Progetto 05
Rilascio previsto

Architetture della memoria: Mnemo e Memento

Come fa un agente a ricordare tra sessioni, quando ricordare è più che recuperare?

Mnemo è uno strato di memoria di matrice fenomenologica: tracce episodiche con dinamiche di sedimentazione, recupero modellato da orizzonti di senso più che dalla sola distanza semantica. Memento è lo strato di conoscenza sincronizzato che mantiene aggiornato il contesto di un agente tra macchine. Entrambi sono costruiti per essere letti tanto quanto eseguiti, con ogni decisione architetturale ricondotta alla sua fonte concettuale.

Stato
Strumenti di ricerca
Rilascio pubblico
Previsto, con nota tecnica
Base concettuale
El fantasma sin ego, cap. 6
Progetto 06
Pilota

Bozzetto — un ambiente didattico

Cosa cambia quando gli studenti usano l'IA per articolare le proprie intenzioni in aula?

Un laboratorio per insegnare composizione storica tramite IA generativa. Bozzetto trasforma l'aula in una bottega in cui è lo studente a guidare lo strumento — usato in progetti pilota sulla composizione di prima età moderna e portabile a qualsiasi curriculum di storia delle idee.

Stato
Fase pilota
Ambito
Storia delle idee
— Altre linee attive
  • Memory & Affect Gate Programma esplorativo su ciò che determina quando un agente richiama una data memoria: salienza, contesto e postura conversazionale come dinamiche di gating.
  • Micromodelli Ricerca empirica su ciò che i piccoli modelli linguistici specializzati per compito possono e non possono fare. Cosa scala, cosa cambia, cosa rimane.
03 Note

Note di lavoro, in linguaggio semplice.

Resoconti di ricerca in linguaggio semplice. Ogni affermazione che facciamo in pubblico rimanda qui, al suo paper o ai suoi dati.

04 Pubblicazioni

Lavori di ampio respiro in filosofia e IA.

05 Pratiche

Impegni, applicati.

Scienza aperta

Il nostro lavoro è pubblicato in chiaro: la prova in Lean e il paper sono pubblici (typed-resources), e Costwright, il nostro verificatore di budget, è rilasciato sotto Apache-2.0. Le note di lavoro sono pubblicate in linguaggio semplice; il libro offre un campione gratuito.

Integrità della ricerca

Seguiamo il European Code of Conduct for Research Integrity (ALLEA, revisione 2023) in materia di paternità, attribuzione e gestione dei conflitti di interesse.

IA responsabile

Dichiariamo la provenienza di modelli e dataset in ogni rilascio tecnico. Le comunicazioni inviate tramite il modulo di contatto non vengono conservate oltre la conversazione, e non sono mai usate per addestrare modelli linguistici.

06 Contatti

Mettiti in contatto.

Per collaborazioni di ricerca, richieste stampa e conversazioni. Leggiamo ogni messaggio e rispondiamo quando possibile.

Apre un breve modulo. Risposte solitamente entro 5–7 giorni lavorativi. Per la stampa, indicare "stampa" nell'oggetto e indirizzeremo di conseguenza.