INTELLIGENZA ARTIFICIALE: UNA LINGUA CHE NON E' LA LORO

Io non riesco a parlare di LLM (oppure di Machine Learning, ML) senza pensare non alla storia del calcolo ma alla mia storia con il calcolo. 

E se dovessi pensare ai suoi inizi, penserei a una Texas Instruments programmabile, senza capacità di leggere schede di memoria: solo RAM. Ma, nel manuale di istruzioni, c'era il listato di Lunar Lander. Quindi, per giocare, dovevi inserire una riga alla volta tutto il codice, operazione abbastanza lunga, e poi giocare. Il video esemplifica parzialmente l'oggetto, perché nel video c'è un HP capace di leggere schede di memoria, quindi tutta la fase "inserisci il codice" manca.

 

E fin qui si parla di anni settanta. Nel decennio successivo accaddero molte cose. Venne fuori il Commodore 64 e i programmi (in BASIC) li potevi registrare su o caricare da audio cassette. Come si potrà intuire l'operazione (sia di registrazione che di carica) non era precisamente velocissima: una cassetta TDK C90 non era fatta per quello, era fatta per registrare e riprodurre musica, e anche quella era un'operazione lenta. Non fui tra quelli che mossero i primi passi nella programmazione con il linguaggio macchina del C64, che era una cosa fatta così:

Su Archive c'è il manuale

Ma il C64 era poca cosa rispetto a ZX-Spectrum: lo Spectrum aveva il look ed aveva anche giochi pazzeschi, tipo Elite (1984):

La grafica vettoriale era una novità rivoluzionaria (già usata nella sigla di Quark). Il liguaggio macchina dello Spectrum era, ovviamente, tutto diverso da quello del C64:

Il manuale è qui

Poi arrivò il primo Macintosh, di tutta un'altra classe rispetto ai PC basati su 8086, che caricavano i primi DOS da dischi da 5 pollici e 1/4: dal prompt dei comandi all'interfaccia grafica. WYSIWYG: what you see is what you get fu una rivoluzione non da poco.

E la prima versione di ChemDraw (1.0, 1986) di Cambridgesoft nacque su Mac e uscì per il solo Mac.

Mai prima di allora si era visto qualcosa del genere: era nato quello che in pochi anni sarebbe diventato lo standard per il disegno di formule di struttura.

Ma all'epoca i computer continuavano a servirmi principalmente per due cose, giocare e scrivere (in formato testo, ahimé). All'università i miei amici fisici invece lavoravano con terminali VAX e gli studenti usavano prima TeX e successivamente LaTeX per scrivere la tesi. Per fare un esempio di LaTeX, questo

viene fuori da questo codice: 

 

\Psi_1 = \frac{1}{2}\Phi_s + \frac{\sqrt{3}}{2}\Phi_{p_z} 

 

(inciso rilevante: se credete che si tratti di qualcosa di obsoleto la quasi totalità degli LLM in circolazione usa LaTeX per gli output matematici, poi esegue il rendering con librerie come MathJax - e l'editor di Substack ha una bella funzione per LaTeX in linea).

Poi arrivarono gli anni 90 (qui) e così via. Chi lavorava su quello che al tempo era definito "intelligenza artificiale" programmava in LISP e circolava un detto: un sistema intelligente non è mai più intelligente di chi lo ha programmato. 

A questo punto una differenza dovrebbe essere facilmente percepibile: con gli LLM e i prompt in linguaggio naturale la barriera di ingresso costituita dall'inserimento dell'istruzione sotto forma di uno specifico codice è stata rimossa.

Ma i processori continuano a non ricevere istruzioni in linguaggio naturale, così come non lo fanno un interprete Python o un compilatore C. Gli stessi LLM sono fatti con codice, usano codice, producono codice, eseguono il rendering di codice. E c'è una cosa che il linguaggio naturale non possiede: la precisione della matematica che sta dietro a tutti i linguaggi dall'assembler del C64 a Python, quel tipo di  precisione che fa fermare l'esecuzione o la compilazione del programma se una singola istruzione è scorretta. 

Programming demands significantly higher standard of accuracy. Things don’t simply have
to make sense to another human being, they must make sense to a computer. 
Donald Knuth

Nel caso degli LLM niente di tutto questo, quasi ogni prompt produrrà un output apprentemente appropriato. E in questo caso il debugging, se necessario, prevede quello per cui la maggioranza degli utenti cerca in un LLM, cioè la competenza. E' un grosso guaio: ChatGPT per esempio, se usato senza il plugin Wolfram (che oggi va installato), è capace di allucinazioni matematiche servite con la massima nonchalance: nel calcolo di tre valori, senza plugin Wolfram, può fare disastri (i valori corretti sono quelli ottenuti con Python).

 

(ma la tabella di ChatGPT aveva una grafica più accattivante, molto professionale)

E questa è la realtà effettiva per i molti, che magari si entusiasmano per la notizia della soluzione di problemi matematici a lungo irrisolti da parte del modello di punta di OpenAI.  Una realtà che si intreccia con la grande illusione dei nostri tempi: parlare alle macchine in una lingua che non è la loro, cioè la nostra.

POSITION POST: REPORT

Tante cose sono successe in otto anni qua sopra, ma tante davvero. 

Una di quelle che mi piace ricordare è stata l'occasione in cui ho fornito qualche informazione a Report. Sono stato una fonte non citata non solo perché non citabile, ma per accordi presi con il giornalista della redazione che mi contattò. Mi limitai a fornire alcune coordinate, che furono seguite e sviluppate in modo molto efficace. Il risultato fu questo.

E oggi ritengo che L'affaire Ranucci sia uno dei punti più bassi raggiunti dalla RAI (e per battere le bassure raggiunte in tempi di COVID ce ne voleva), nonché dalla maggior parte della stampa italiana.

Il punto è che di fronte agli eventi è futile prodursi in distinguo. O si ritiene il fatto un problema gravissimo in sé, dettato dalle esigenze di una campagna elettorale già iniziata, oppure no. Se ci si incammina per la strada dei dettagli singoli si perde di vista il quadro generale e il quadro generale è quello di un blocco di potere installatosi quattro anni fa che sente le propria fondamenta tremare ed è disposto a qualsiasi cosa per evitare il proprio crollo. Ma non solo.

Se le reazioni delle opposizioni riguardo a questa vicenda sono state piuttosto timide i motivi non mancano. Per esempio Report tra fine 2020 e 2021 documentò l'ormai dimenticata vicenda di Francesco Zambon. Nessuno oggi si ricorda che ai tempi del secondo governo Conte, con Roberto Speranza alla sanità, l'Italia si fece vanto di aver prodotto la miglior gestione della pandemia in occidente.

https://www.ansa.it/sito/notizie/mondo/2020/09/20/coronavirus-oms-italia-esempio-nel-contrasto-alla-pandemia_54e77dd8-f89f-42db-bee6-7dd858b089b6.html

Ma la "miglior gestione" era una finzione propagandistica, veicolata tramite la stessa OMS. Francesco Zambon, che all'OMS lavorava, aveva consegnato un rapporto ai vertici dell'Agenzia: il piano pandemico italiano non era stato aggiornato dal 2006 e la risposta nel 2020 era stata completamente inadeguata. 

https://www.theguardian.com/world/2021/mar/14/who-scientist-who-spoke-out-about-italy-handling-of-covid-crisis-resigns

La vicenda di Zambon è un esempio di come vanno certe cose, con telefonate di minacce e tutto il resto. E' una vicenda ormai dimenticata che si concluse con Zambon che abbandonò l'OMS, essendo diventata insostenibile la sua posizione lavorativa.

Ebbene, Report fu l'unico in Italia a coprire adeguatamente questi fatti (https://www.rai.it/programmi/report/inchieste/La-resa-dei-conti-f8f1a28b-b000-457a-9b89-dd549672fb8d.html). Per cui sarebbe quantomeno azzardato pensare che l'attuale evanescente "campo largo" nutra una calorosa simpatia nei confronti di Ranucci e della sua ormai ex redazione.

Probitas laudatur et alget, scriveva quasi venti secoli fa Giovenale. E c’è un diffuso interesse a lasciar morire di freddo il giornalismo di inchiesta, nella politica italiana.

FEEDBACK, TRAIETTORIE, CAOS - DUE COSE SUL METODO USATO

Dal mio punto di vista le due serie di post "Feedback, Caos" e "La Traiettoria Non Esiste" sono stati i temi più concettualmente importanti che ho trattato negli ultimi anni. Non sono testi semplici da seguire, ma credo di aver realizzato due serie di post in cui la matematica (e il codice) servivano a costruire le conclusioni. Sono state serie quasi assiomatiche, in cui le conclusioni derivano coerentemente dalle premesse fisiche e matematiche. Niente di originale, ma qualcosa di fatto assente dal discorso pubblico sulla scienza da circa un quarto di secolo, specialmente in Italia. Le cause di questa assenza sono da cercarsi, secondo me, nel neo-neopositivismo prevalente a partire dal secondo decennio del nuovo millennio, che aveva scaricato la vulgata postmoderna secondo cui con il caos deterministico "la scienza aveva scoperto di non sapere". Quella vulgata era rozza e imprecisa, e molto lontana dalla concezione di Stengers e Prigogine per cui "tutto è prevedibile" e "niente è prevedibile" costituivano i due poli alienati e alienanti della questione. Ma ormai alle parole d'ordine rozze e imprecise il discorso pubblico sui temi scientifici è completamente assuefatto, da anni.

Nelle due serie ho parlato di sistemi caotici fornendo nelle appendici il codice con cui erano state prodotte le grafiche. L'idea è stata che l'inclusione del codice nelle appendici permetteva la riproducibilità dell'esperimento numerico da parte del lettore, ed il passaggio da Mathematica a Python è avvenuto in questa chiave: le distribuzioni Python per windows più diffuse sono free software, in linea di principio scaricabile e installabile da chiunque.

E visto che le moderne teorie del caos sono nate grazie all'evoluzione dei computer tra anni 60 e anni 70, includere il codice era pertinente. La barriera di ingresso alla sperimentazione rispetto ad allora, da un punto di vista economico, è praticamente 0.

E' stata, da un punto di vista concettuale, un'operazione non retrò ma classica. Robert May insisteva sul fatto che chiunque poteva verificare con una calcolatrice. E diede le istruzioni per calcolare i cicli epidemici in un suo famoso articolo: 

New Scientist, Vol. 96 n. 1332

 Inserendo i numeri nelle equazioni (1) e (2) su una calcolatrice tascabile, è possibile scoprire come questi semplici processi generino ondate successive di incidenza. Mostriamo due esempi che rispecchiano l'incidenza del morbillo in due comunità di mezzo milione di persone ciascuna, una con un tasso di natalità annuale di 12 persone ogni 1000 abitanti, simile a quello attuale del Regno Unito (a sinistra), e l'altra con un tasso di natalità tre volte più alto, per riflettere un paese in via di sviluppo come la Nigeria (a destra).

Se il tasso di contatto f è fissato a 0.3×10−4 (dove 1/f è la densità critica di suscettibili necessaria per mantenere l'infezione), con il tasso di natalità del Regno Unito le epidemie di morbillo si verificano approssimativamente ogni due anni, mentre con il tasso di natalità più elevato si verificano annualmente. Queste semplici previsioni imitano da vicino i modelli osservati. La ricomparsa e il calo dell'incidenza sono innescati dal numero di suscettibili che scende al di sotto e sale al di sopra del livello critico, 1/f, per la persistenza della malattia. (Questo modello molto semplice è "neutralmente stabile"; versioni più raffinate possono mostrare oscillazioni smorzate o cicli sostenuti.)
(Robert May, Roy Anderson, The logic Of Vaccination)

Ma non solo. Ci fu chi proponeva esperimenti per cui servivano solamente carta e matita, come il MU puzzle,  il primo ad essere proposto in GEB da Douglas Hofstadter.

Rievocare questo tipo di approccio classico serve anche a definire, per contrasto, quella che oggi è la divulgazione scientifica prevalente. Sottolineo prevalente perché qua sopra sono stati spesso citati alcuni esempi che si collocano al di fuori di quel contesto (e sicuramente esistono altri esempi che mi sono sfuggiti).

Resta il fatto che la divulgazione prevalente ha sempre parlato di un metodo scientifico che era del tutto alieno alla definizione originale del termine. E quindi continua a proporre una narrazione moraleggiante, catechistica, e il più delle volte completamente staccata dalla realtà dei temi di cui si vuole occupare. L'avvento e i progressi degli LLM poi hanno abbassato rasoterra l'asticella, quanto a competenze necessarie per produrre contenuti "scientifici".
Il fenomeno si inserisce in quadro più vasto, quello della "AI Slop": contenuti di bassa qualità generati da AI che stanno invadendo la rete. Nel 2025 il 20% dei contenuti proposti da YouTube agli utenti era AI slop, che colpisce pesantemente i contenuti scientifici. E all'incirca sullo stesso fronte l'uso della IA nella divulgazione scientifica è diventato materia nei corsi di divulgazione. Questi fatti, combinati, dovrebbero far riflettere: nell'economia delle rete ci sono aree tematiche "calde", nel senso in grado di generare engagement e quindi monetizzazione, e da questo punto di vista i contenuti ad alto tasso di interesse sono praticamente indistinguibili. L'uso di LLM per la generazione di contenuti è un mezzo per abbassare a quasi 0 tempo e costi di produzione. Stiamo parlando di un cambio di paradigma in cui il creatore di contenuti "tradizionale" deve competere con l'IA per sopravvivere nell'economia digitale, magari usando gli stessi LLM per ottimizzare e velocizzare il lavoro, massimizzare l'engagement.

Ma se per assurdo il prevalente paradigma della comunicazione della scienza avesse voluto affrontare temi analoghi a feedback e traiettorie non avrebbe prodotto le stesse cose che avete letto qua sopra nello stesso modo. Perché la regola aurea, proveniente dagli albori della computazione elettronica, continua ad essere valida: Garbage In, Garbage Out. 

APPENDICE

Per quel che riguarda Mathematica continuo a consigliare Wolfram Alpha che, nella versione free, funziona comunque piuttosto bene.
Installare Python sul sistema operativo più diffuso tra gli utenti (Windows) poteva essere macchinoso, in passato . Ma Anaconda è una distribuzione completa, gratuita, con numpy, scipy, matplotlib e molto altro, con un programma di setup che installa e configura tutto. E JupyterLab fornisce un ambiente di facile uso, oggi pure con un AI assistant, se si vuole. 

Non mancano introduzioni a Python per principianti come Learn Python.

PAGATI PER PARLARE MALE (O BENE) DELL'IA

 

Qualcuno sta pagando degli influencer per dirvi che l'intelligenza artificiale ci ucciderà tutti. Qualcun altro sta pagando degli influencer per dirvi che l'IA migliorerà la vostra vita...

Le sponsorizzazioni su YouTube di solito funzionano così. Il creatore ha delle spese da coprire e gli abbonamenti a pagamento e le pubblicità integrate non bastano. Quindi, ha bisogno di uno sponsor. Il creatore vede coperte le sue spese e può pubblicare i suoi contenuti senza paywall. Lo sponsor ottiene visibilità. Il pubblico riceve un'offerta speciale. Tutti contenti...

Ma ecco il problema. Gli sponsor spesso ottengono un impatto maggiore quando la loro sponsorizzazione non è dichiarata o è poco trasparente, perché questo fa apparire le raccomandazioni più credibili. A rigor di termini, questo è illegale, ma esiste una zona grigia in cui un creatore potrebbe semplicemente concordare con il punto di vista dello sponsor...

Per esempio, sono stata contattata da un'organizzazione che voleva avvertire che l'intelligenza artificiale rappresenta una minaccia esistenziale. Ora, io stessa ho messo in guardia sui pericoli dell'IA, quindi sono certamente molto sensibile a questo messaggio. Ma poi volevano dirmi di cosa avrebbe dovuto parlare il video e cosa avrei dovuto dire, fino alle frasi da leggere e ai riferimenti da citare. Ho risposto di no. Ma, se il prezzo è giusto, qualcun altro lo farà prima o poi (dirà di sì, NdCS). Poi ho visto su X questo YouTuber che diceva di aver ricevuto tre richieste di informazioni da sponsor anti-IA. Questa, di cui ha fatto uno screenshot, proveniva da qualcuno che menzionava il Center for AI Safety, che distribuisce sovvenzioni ai creatori di contenuti per realizzare video che mettono in guardia dall'imminente apocalisse. E guarda un po', l'apocalisse ha un budget di marketing.

C'è anche l'organizzazione no-profit Control AI, che sponsorizza video su come l'IA rappresenti una minaccia esistenziale. E il Future of Life Institute ha lanciato una campagna per regolamentare l'IA chiamata Protect What's Human, che invita le persone ad accettare lavori retribuiti sui social media...

Penso che il motivo per cui queste organizzazioni no-profit cercano influencer sia una risposta alle campagne sui social media delle grandi aziende di IA che vanno avanti da anni. OpenAI, Anthropic, Google, Perplexity: tutte queste aziende hanno pagato dei creator per spiegare quanto l'utilizzo dell'IA abbia cambiato il loro flusso di lavoro. Si tratta di sponsorizzazioni standard da parte di influencer, e credo che siano quasi tutte dichiarate. Ma anche chi sostiene l'IA sta veicolando parte dei propri sforzi attraverso organizzazioni no-profit. E anche questo rende la trasparenza poco chiara.

L'esempio più eclatante arriva da Build American AI. Taylor Lorenz ha riportato su Wired di essere stata contattata personalmente dall'organizzazione no-profit Build American AI. Le hanno offerto 5.000 dollari per un video su TikTok che presentasse i progressi dell'IA cinese come una minaccia per i posti di lavoro americani. Lorenz non ha accettato l'offerta, ma riferisce che altri creator l'hanno fatto, pubblicando post che, pur essendo contrassegnati, a volte non rivelavano chi avesse pagato. L'organizzazione no-profit Build American AI ha ricevuto finanziamenti, tra gli altri, dal presidente di OpenAI, Greg Brockman.

E questo è lo stato delle cose. Ed è business as usual per il sistema mediatico/socialmediatico. Chi vive dell'economia dei social network, cioè lo fa per mestiere, può anche accettare soldi senza dichiarare la sponsorizzazione pe sostenere un'azienda, una tecnologia, una posizione politica. Qua si parla di intelligenza artificiale, ma l'argomento potrebbe benissimo essere un altro. Il sistema funziona in questo modo. Mi ricordo bene, dai tempi dei social, conflitto di interessi e "chi ti paga" usati come vuote armi polemiche, senza prove, senza riferimenti. E' tempo invece per le testimonianze, le fonti, i nomi.

INTELLIGENZA ARTIFICIALE E AUTORIALITA'

 

https://www.businessinsider.com/claude-users-cancel-subscriptions-citing-anthropic-new-ai-watermark-2026-8

C'è un problema di autorialità che cresce con lo sviluppo e la diffusione degli LLM. Queste notizie sono causate dall'entrata in vigore il 2 agosto 2026 dell' articolo 50 dell' AI act EU (2024/1689). Nel 2024 la Commissione si poneva principalmente il problema dei deepfake, ma la norma finisce per avere una ricaduta su tutto quanto viene ottenuto tramite LLM, testo incluso.

Probabilmente è lo stesso motivo che ha spinto Substack ad inserire un controllo sul testo generato da AI: oggi un utente con un click può controllare se e quanto il contenuto sia stato prodotto da AI (e il servizio è fornito, ironicamente, da una AI, quella di Pangram). La funzione è attiva per i contenuti pubblicati a partire dal 21 luglio 2026 e ho notato almeno un account italiano molto attivo che in capo a pochi giorni ha smesso di produrre per la piattaforma, Non solo, c'è stata una specie di sollevazione di autori, quando la funzione è stata implementata. Su altra piattaforma Hank Green, scrittore e divulgatore, youtuber con 3,2 milioni di follower, ha preso una "pausa di riflessione" dopo che è stato "beccato" ad usare uno script parzialmente generato da ChatGPT, cosa che ha provocato una sollevazione della sua community.

Ovviamente gli entusiasti degli LLM (e su Substack alcuni autori) hanno parlato di anti-AI mob e caccia alle streghe. Degna di nota, tra le voci che contestano la decisione di Anthropic, quella di John Gruber, personalità del mondo Apple fin dai tempi in cui contribuiì allo sviluppo di BBedit, cocreatore di Markdown, "tech guru" che ritiene il watermarking "evidentemente offensivo" - il che forse offre qualche indizio su come vengono generati i suoi contenuti. Intendiamoci, "artifact" è un termine ancora in uso negli LLM. Indipendentemente dalle intenzioni del soggetto, indipendentemente dal fatto che consideri un LLM come un word processor, il processo di produzione del contenuto via intelligenza generativa è il processo di creazione di un artefatto.

https://www.businessinsider.com/john-gruber-claude-watermark-perversion-offensive-ai-2026-8

Dietro tutto questo in realtà c'è un grande problema sottostante, mai esplicitamente citato, il problema dell'autorialità. Chi proviene dal mondo tech non vede differenza tra generare un contenuto con un LLM o scrivere con un word processor. Si tratta semplicemente dell'ultima tecnologia di aumento della produttività nella creazione di testo.

Ma la maggior parte dei fruitori di contenuti non la vede così. Il lettore che si indigna quando l'autore usa un LLM considera violato un patto non scritto: io pago per sentire la tua voce, non la voce di una macchina. Se si vuole è una postura ingenua, perché 20 anni di social media hanno avuto come conseguenza una massiccia omologazione delle voci sullo standard minimale richiesto dal nuovo medium. E gli LLM sono stati addestrati in larga misura anche con quel tipo di contenuti. Quindi il "patto violato" dall'uso degli LLM è un'illusione, è un parente stretto dell'ossessione contro l'anonimato: non mi importa quel che dici, non mi importa come lo dici, quello che importa è che ci sia la tua firma, la tua faccia.

McLuhan diceva che il medium è il messaggio, che è forse la più famosa versione di un vecchio adagio che mi ricordo dai tempi del liceo: la forma è contenuto. Il problema nell'uso degli LLM per produrre contenuti non è un problema di firma, è un problema di forma, di voce, di linguaggio. Un linguaggio medio esangue può benissimo essere prodotto da una macchina che sangue non ha, ma gli preesiste. Gli preesiste nella forma di quella poltiglia predigerita progettata per richiedere il minimo sforzo di comprensione, buona per il grado 0 del pensiero: non più di due proposizioni per periodo, vocabolario fatto dalle 300 parole più comuni. In altri termini ma fino a un certo punto (ricordo che λόγος significa sia parola che pensiero) il problema è finito anche su Nature:

www.nature.com/articles/d41586-026-02682-3

In ragione di tutto questo ritengo la reazione contro i testi generati da AI fondamentalmente sana, quanto di più vicino si possa avere a una protesta contro l'omologazione dei linguaggi. E il fatto che utenti disdicano l'abbonamento a Claude per via del watermark significa una sola cosa: che ci sono autori che generavano con Claude i propri contenuti, ma che non intendono farlo se poi escono con il marchio "generato da Claude".

Ma come si è visto, watermark o altre implementazioni necessarie per adeguarsi all'AI act saranno messe in atto da ogni provider di servizi LLM operante in EU. E questo renderà più complicata la vita a chi usa l'intelligenza generativa per simulare una competenza che non ha. Più complicata, ma non impossibile: da tempo esistono tool di umanizzazione del testo, è facile prevedere una loro evoluzione per rimuvere i nuovi marchi "made with IA" - anzi, sta già accadendo.

PS: Personalmente non ho motivi per pormi il problema dell'AI check su Substack, anche perché al momento ogni mio post figura così:

 

GUERRA CONTRO LE ISOLE (ROSSE) NELLA RETE

La rete di oggi è ridotta nel discorso pubblico a una questione di engagement e metriche da una parte, di algoritmi politicamente tutto meno che neutrali dall'altra.

Ma la rete è anche altro, cioè quello che è nata per essere, una infrastruttura per la comunicazione. E come tale fin dagli inizi ha subito le iniziative del potere per limitarla (Hacker Crackdown, Italian Crackdown, Crypto Wars gli esempi più degni di nota). 

Ma l'atteggiamento della seconda amministrazione Trump in materia è stato ispirato da un principio diverso: non contrario in linea di principio a anonimizzazione e crittografia, ma contro i nemici politici che la usano. Trump ha infatti concesso una grazia piena e incondizionata a Ross Ulbricht (noto online come “Dread Pirate Roberts”), fondatore di Silk Road, il più famoso marketplace del dark web.
Silk Road ha operato tra il 2011 e il 2013, permettendo di comprare e vendere soprattutto droga (ma anche altri beni illegali) in modo anonimo, pagando in Bitcoin. Secondo le agenzie federali USA sul sito erano passate centinaia di milioni di dollari da traffici illeciti. Ulbricht era stato arrestato nel 2013 e condannato nel 2015 a due ergastoli ed era in carcere da 11 anni quando gli è arrivata la grazia presidenziale (promessa da Trump agli ambienti libertari e crypto in campagna elettorale).

Ma quando si parla di nemici politici la faccenda è completamente diversa. Sull'onda dell'omicidio di Charles Kirk le organizzazioni antifasciste sono entrate nel mirino del POTUS e della sua amministrazione. Nonostante l'incriminato per l'omicidio non fosse affiliato ad alcun gruppo antifa, l'antifascismo militante in USA divenne immediatamente uno dei nemici interni. E sul fronte domestico le condanne hanno riguardato principalmente (ma non solo) gli autori di azioni violente contro l'ICE e le sue strutture. Ma c'è una questione di termini: non si parla di "terrorismo di sinistra", si parla di antifa tout court. E questa è un'escalation terminologica: il tuo nemico non è l'organizzazione eversiva o terroristica, si designa l'antifascismo in sé come nemico. E solo un fascista può vedere un antifascista come nemico.

https://www.brennancenter.org/our-work/research-reports/trumps-orders-targeting-antifascism-aim-criminalize-opposition

Non c'è voluto molto per un'escalation: l'amministrazione USA è passata all'azione internazionale. L'entusiasmo con cui la cosa è stata accolta dalla compagine governativa è stata eloquente, tanto quanto le reticenze su un certo convegno avvenuto a Roma, nonché la presenza annunciata di elementi di Futuro Nazionale e Fratelli di Italia a un raduno neonazista in Trentino.

Ma le ultime iniziative USA che riguardano l'Italia non hanno precedenti dello stesso genere.

Autistici/Inventati (A/I) è un collettivo italiano attivo dal 2001 che fornisce infrastrutture digitali gratuite (email, hosting, mailing list, chat, videoconferenze, streaming, strumenti per la privacy e l'anonimato) a movimenti e attivisti.
Il 26 agosto 2026 il Dipartimento del Tesoro statunitense, tramite l'OFAC (l'ufficio che gestisce le sanzioni economiche e finanziarie), ha inserito A/I nella lista dei "Specially Designated Global Terrorist" (SDGT). L'accusa, basata sull'Executive Order 13224, è di aver fornito "supporto materiale" a "cellule Antifa violente" e ad altre realtà di estrema sinistra, incluse organizzazioni già sanzionate come il PKK. Washington cita in particolare l'infrastruttura di Noblogs e collega A/I a episodi come le azioni di Rose City Antifa e la campagna di Jane's Revenge contro centri antiabortisti.

A/I respinge fermamente le accuse, definendosi un collettivo di volontari che offre solo strumenti di autodifesa digitale e infrastrutture per la libertà di comunicazione

Fatto sta che l'inserimento nella lista SDGT ha delle conseguenze. Implica il rischio di sanzioni secondarie: chi fornisce servizi di qualsiasi genere al soggetto inserito nella lista rischia a sua volta sanzioni. Di fatto l'inserimento nella lista implica il debanking, tra le altre cose, esattamente come è successo a Francesca Albanese. 

La differenza tra assassinio e assassinio economico sta diventando sempre più labile e se il debanking è il modo con cui il mondo occidentale tratta gli oppositori politici parlare di democrazia è largamente inadeguato.

(Ultima disamina della vicenda A/I qui)

IN PRINCIPIO ERA IL DROPLET - di Marilena Falcone

 

In principio era il droplet

Per me la vicenda Covid si esprime ed esaurisce nella domanda: chi ha tirato fuori per primo la storia dei droplets, del social distancing, dei lockdown e coprifuoco senza adeguato sistema di test e tracciamento ove possibile, delle mascherine usate “a caso”, pur sapendo che non c’era alcuna prova tangibile che si trattasse di virus trasmesso via droplets, che il sospetto che fosse airborne era scattato quasi subito negli ambienti che contavano o anche semplicemente fra chi osservava con attenzione come ci si contagiava nonostante le precauzioni e il rispetto delle regole?

Chi si è speso per mesi sostenendo queste cose con le teorie più assurde (ho letto perfino un articolo ridicolissimo sulla CNN che faceva riferimento al comportamento del virus influenzale durante non so quale nevicata in non so quale stato USA per giustificare certe idiozie)?

E mi chiederei chi di questi era vicino a Fauci e al suo entourage.

Chi di questi ha avuto riconoscimenti, grant, promozioni, per poi ritirarsi discretamente nel silenzio magari anche cancellando account social dopo essersi tanto speso.
Perché tracciando questo si traccia tutta la storia.

Perché questa storia dei droplets e del social distancing ha messo le basi per l’odio sociale e per i ricatti successivi visti come legittimi pur di tornare alla libertà.

Non ha nemmeno più importanza a questo punto avere conferma della reale origine del virus (che è la cosa più rilevante che potrebbe venir fuori da un processo a Fauci, al netto di tutto il complottismo e di tutte le strumentalizzazioni e contro-strumentalizzazioni politiche).

Se come da molte parti si pensa era veramente una fuoriuscita accidentale dovuta a un errore avvenuto in uno dei tanti laboratori “illegali” in qualche Paese compiacente con la copertura di enti e figure insospettabili, questa sarebbe solo una aggravante perché chi dirigeva quei laboratori avrebbe dovuto saperlo e comunicare subito che tipo di virus era e come si propagava invece di alimentare distorsioni volte probabilmente a coprire le magagne e a prendere tempo, all’inizio.

Ma ripeto questa sarebbe solo un’aggravante perché la distorsione fondamentale è stata l’assunzione aprioristica di una certa modalità di trasmissione che è stata a prescindere affrettata, a dir poco.

Individuiamo queste persone, in tutto il mondo.

Quelle che puntano i ditini solo da una parte nascondendo le proprie responsabilità. Quelle che hanno tratto vantaggi concreti da certe vicinanze e forme di advocacy, per poi sparire.

Individuiamole e da loro risaliamo per capire le dinamiche, se ci interessano davvero.

Sostenere che i vaccini “fermassero il contagio” tout court è stata solo l’ultima di una serie di imprecisioni in malafede che son state usate come grimaldello per sostenere l’impossibile, farlo digerire alle persone inducendole ad accettare qualunque cosa che altro non era che copertura dei pasticci all’inizio e banale ignoranza e farequalcosismo condito di piaggeria e “piatto ricco mi ci ficco” dopo.

È una questione di metodo.
Il resto è dietrologia complottista e non mi interessa: non aiuta a imparare dagli errori ed evitare che si ripetano.