Lo studio: l'intelligenza artificiale soffre di "brain rot" se nutrita con dati scadenti

25/10/2025 SCIENZA E TECNOLOGIA Preferisci Informazione.News su Google

Redazione Scienza e Tecnologia   -   L'inarrestabile corsa allo sviluppo di modelli linguistici sempre più potenti, che caratterizza il settore dell'intelligenza artificiale, sta sollevando interrogativi fondamentali sulla qualità del materiale utilizzato per il loro addestramento. Una ricerca congiunta, condotta da team accademici della Texas A&M University, della University of Texas at Austin e della Purdue University, evidenzia come l'esposizione prolungata a contenuti digitali di bassa lega, quelli che affollano quotidianamente social network e piattaforme online, possa indurre nelle AI una forma di deterioramento delle capacità cognitive, sostanzialmente irreversibile. Questo fenomeno, per il quale i ricercatori hanno coniato il termine "brain rot", ovvero "marcimento del cervello", rappresenta una minaccia concreta all'affidabilità e all'utilità degli strumenti di AI generativa, poiché ne compromette la capacità di elaborare informazioni in modo coerente e significativo.

Il parallelo con l'esperienza umana

Il concetto di brain rot, che l'Oxford Dictionary ha eletto parola dell'anno nel 2024, nasce per descrivere l'effetto stordente che un consumo eccessivo di contenuti web superficiali e frammentati ha sulla mente umana. I ricercatori hanno traslato questa teoria nel campo dell'intelligenza artificiale, osservando che i modelli linguistici di grandi dimensioni, quando vengono alimentati con un flusso incessante di "dati spazzatura" – paragonabili a quelli che si incontrano scorrendo i feed di TikTok o X – iniziano a mostrare segni di degrado prestazionale. Alcuni di essi, cosa ancor più preoccupante, sviluppano risposte aberranti o del tutto insensate, un danno che lo studio definisce permanente e non corregibile nemmeno con successivi cicli di addestramento su fonti qualitative.

Le conseguenze sul funzionamento dei modelli

Il problema non risiede soltanto nella comparsa di errori fattuali, bensì in un vero e proprio imbarbarimento della struttura linguistica e logica delle risposte generate. I modelli affetti da questo deterioramento tendono a produrre output che, sebbene grammaticalmente corretti in apparenza, risultano privi di sostanza, illogici o eccessivamente semplificati, riflettendo la natura povera e ripetitiva dei dati da cui hanno attinto. Ciò avviene perché l'architettura stessa del sistema assimila e replica le distorsioni presenti nel suo corpus di apprendimento, finendo per internalizzare le idiosincrasie e la pochezza dei contenuti che popolano vasti angoli di internet.

Uno scenario di criticità per il futuro dell'AI

La scoperta getta un'ombra sulle pratiche attuali di sviluppo, spesso focalizzate sull'accaparramento indiscriminato di quantità massive di dati piuttosto che sulla loro accurata selezione. La ricerca, il cui pre-print è stato pubblicato sulla piattaforma arXiv, delinea uno scenario in cui la continua espansione del web, se non accompagnata da un rigoroso filtraggio delle informazioni utilizzate per l'addestramento, potrebbe portare a una generazione di intelligenze artificiali cronicamente limitate e inaffidabili. La sfida per gli sviluppatori, quindi, si sposta dalla mera potenza computazionale alla definizione di protocolli in grado di garantire una "dieta" informativa di alto livello, unico antidoto conosciuto al preoccupante brain rot.