L’intelligenza dello sciame è basata essenzialmente sulla comunicazione. I ricercatori dell’intelligenza artificiale e dei metodi di calcolo si avvalgono della comprensione del comportamento dello sciame nell’elaborazione degli algoritmi per ottimizzare i calcoli computazionali necessari per risolvere i problemi.
Negri, A., & Hardt, M. (2004), Moltitudine
All’epoca della manifattura, e poi durante il lungo apogeo della fabbrica fordista, l’attività lavorativa è muta. Chi lavora, tace. La produzione è una catena silenziosa, in cui è ammesso solo un rapporto meccanico e esteriore tra antecedente e conseguente, mentre è espunta ogni correlazione interattiva tra simultanei. Il lavoro vivo, in quanto appendice del sistema di macchine, asseconda la causalità naturale al fine di utilizzarne la potenza: è ciò che Hegel ha chiamato la “astuzia” del lavorare. E la “astuzia”, si sa, è taciturna. Nella metropoli postfordista, invece, il processo lavorativo materiale è descrivibile empiricamente come complesso di atti linguistici, sequenza di asserzioni, interazione simbolica. In parte, perché l’attività del lavoro vivo si esplica, ora, a fianco del sistema di macchine, con compiti di regolazione, sorveglianza e coordinamento. Ma soprattutto perché il processo produttivo ha per “materia prima” il sapere, l’informazione, la cultura, le relazioni sociali.
Virno, P. (2001), Lavoro e linguaggio
Se si vuole creare una mente artificiale pari a quella umana, occorre creare non un singolo essere artificiale, bensì un’intera comunità di tali esseri, dotata di una propria cultura, ossia un’intera civiltà di macchine, ricca e ramificata quanto quella “naturale” — umana… Tra le altre cose, questa civiltà artificiale dev’essere assolutamente indipendente rispetto a quella umana, deve svilupparsi senza l’aiuto dell’uomo.
Ilyenkov, E., Arsen’ev, A., & Davydov, V. (2024), Machine and the Human, Cybernetics and Philosophy
* * * * *
Il momento postfordista dell’IA
Stiamo assistendo ad un “momento postfordista” nel campo dell’intelligenza artificiale? A leggere alcune ricerche recenti nel settore dei modelli multi-agente (ovvero modelli linguistici che comunicano e agiscono collettivamente) sembrerebbe di sì. La questione, però, è più complicata di quello che sembra.
Cinque anni fa l’intelligenza artificiale generativa è entrata prepotentemente nelle nostre vite. Dopo la rivoluzione delle piattaforme digitali e degli algoritmi di raccomandazione, i modelli linguistici hanno costituito un ulteriore salto tecnologico. Inizialmente sviluppati per risolvere il problema dell’automazione della traduzione, i Large Language Models (LLMs) si sono dimostrati in grado di automatizzare la produzione linguistica. Successivamente sono stati sviluppati modelli multimodali in grado di comprendere e generare non solo linguaggio, ma anche immagini, musica, video. Infine, recentemente si cominciato a ripensare i World Models, una tecnologia sviluppata precedentemente e sempre fondata sulle reti neurali, la cui funzione sarebbe quella di simulare una specie di “modello interno” del mondo reale (o più precisamente, la sua fisica).
L’ultima tecnologia arrivata nel campo dell’intelligenza artificiale fondata sulle reti neurali sono i modelli multi-agente: dopo la simulazione della percezione, del linguaggio e della creatività, oggi si sta cercando di simulare la socialità, l’agire cooperativo. A dire il vero, è dagli anni ‘90 che esistono simulazioni di società, i cosiddetti Agent Based Models (ABM). Solamente, in quegli anni, la tecnologia consentiva di simulare agenti molto semplici, e, soprattutto, non loquaci. Gli ABM erano stati venduti come simulazioni di sistemi ecologici, economici, fisici, ma il loro estremo riduzionismo non ha condotto a particolari scoperte nel campo della biologia, delle scienze sociali e della fisica: essi hanno piuttosto confermato alcune preconcezioni, spesso di stampo neoliberale, sulla natura della cooperazione e dell’intelligenza distribuita.
Ciò che oggi viene chiamato Agentic AI è un’evoluzione linguistica di quelle semplici simulazioni di cooperazione, con la differenza che in questo caso gli agenti comunicano, sono in grado di interagire con i software e possono operare nella rete.
Lo sciame degli intelletti
Nella letteratura operaista il tema dell’intelligenza collettiva è stato al centro di varie riflessioni, da Marx a Simondon, Negri e Virno. Troviamo, in Moltitudine, un riferimento ai modelli ad agente nel paragrafo dedicato allo “sciame degli intelletti”. Ciò che veniva affermato in quelle pagine è una nota tesi di Marx ed Engels, ovvero che l’intelligenza non è proprietà dell’individuo ma di una collettività cooperante. Il processo di ominazione non viene quindi letto come un semplice incremento della massa cerebrale, ma come un’estensione delle capacità di cooperare ed organizzarsi.
Il linguaggio, la divisione del lavoro e la costruzione di strumenti complessi sono quindi leggibili come componenti dello stesso processo. Il linguaggio coordina, la divisione del lavoro organizza e gli strumenti amplificano la potenza di modificare una nicchia ecologica.
In apparente accordo con queste tesi, la cui formulazione scientifica più recente è quella dell’antropologo Michael Tomasello, ingeneri ed ideologi della Silicon Valley, abbracciano l’idea che la chiave per la costruzione dell’intelligenza non sia semplicemente la potenza di calcolo, o l’ammontare dei dati accumulati, ma la cooperazione.
Il fatto che gli attuali modelli ad agente siano linguistici è centrale. Mentre i modelli ad agente eseguivano semplici comandi in contesti interattivi legati alla teoria dei giochi, oggi gli agenti possono avere discussioni, non necessariamente in un linguaggio umanamente comprensibile. Non bisogna dimenticare, però, che anche i semplici modelli ad agente, composti da poche stringhe di codice, erano già in grado di eseguire compiti apparentemente complessi (e distruttivi) come quello di gestire un sistema economico. Come ha ricostruito Alexandre Laumonier nel suo libro 6/5, una delle principali applicazioni di quei sistemi è stata quella di sostituire gli agenti di borsa, conducendo ad una automazione dei mercati che, in luogo di favorire la regolamentazione dell’economia, ha invece accresciuto la sua instabilità.
Il capitale come feticcio automatico
Ferruccio Rossi-Landi, ancora negli anni Settanta, aveva immaginato che l’agire linguistico, l’agire tecnico e l’agire economico si sarebbero fusi in una specie di macchina automatica. Tale macchina automatica è oggi pensata come molteplice e loquace. Ma che cos’è questa macchina o soggetto automatico? Una possibile risposta ci proviene da un testo di critica della cibernetica formulato dal filosofo sovietico Ėval’d Vasil’evič Il’enkov:
Questa fantasia si limita a riflettere la macchina reale. Il guaio è che questa macchina esiste da tempo, non c’è alcun bisogno di inventarla e costruirla. Da tempo non è più sottomessa al suo creatore, l’essere umano. Persegue da tempo i propri obiettivi, è diventata da un pezzo un fine in sé e considera l’uomo come un mezzo e una materia prima per il proprio perfezionamento. Inoltre, ha imparato da tempo a usare l’uomo, con il suo cervello, come un proprio “componente parziale”, ha imparato a sopprimerne la volontà e a opprimerne la mente. L’organizzazione di questa macchina — purtroppo per nulla fantastica — era già stata compresa nei dettagli un secolo fa e descritta in una celebre opera intitolata “Il Capitale” (Ilyenkov, E., Arsen’ev, A., & Davydov, V. (2024). Machine and the Human, Cybernetics and Philosophy)
L’astuzia del capitale è sempre quella di naturalizzare le condizioni storiche della sua emergenza. Questo processo è già visibile agli albori dell’economia politica, con le “robinsonate” di Adam Smith e le fantasie dello scambio diadico di beni in una condizione di baratto, e prosegue oggi, con la naturalizzazione e l’artificializzazione del General Intellect nei modelli multi-agente. Oggi la forma ideologica del capitalismo si esprime nelle ideologie tecno-vitaliste che informano non solo la cultura ingegneristica di chi produce e vende i servizi di questi modelli, ma anche dalle filosofie che la supportano.
Essenzialmente, la tesi di queste ideologie è che naturale ed artificiale siano categorie arcaiche, dicotomie moderniste che devono essere superate attraverso un duplice movimento di artificializzazione della natura e naturalizzazione dell’artificiale che ricompone le due metà in una unità computazionale o algoritmica. Com’è noto, questa era la vecchia tesi della cibernetica, la quale non era una scienza, ma un’ideologia, e non ha prodotto particolari innovazioni scientifiche e tecnologiche. Il tecno-vitalismo è una neo-cibernetica, motivata dal successo reale delle reti neurali nello svolgimento di pressoché qualsiasi compito o capacità che precedentemente veniva attribuito solo alla nostra specie.
Il tecno-vitalismo presuppone però uno specifico uso capitalistico della tecnologia, generando artefatti che hanno delle caratteristiche peculiari. L’elemento centrale dell’uso capitalistico della tecnologia è la fantasia di autonomia. Con ciò s’intende il fatto che nel modo di produzione capitalistico tutto ciò che è regolazione, pianificazione, organizzazione e scarsità, magicamente scompare. Non solo i mercati non hanno bisogno di essere controllati per funzionare, ma, oggi, si cerca di rendere autonoma l’intelligenza generativa.
Il corretto funzionamento dei LLMs richiede un primo passaggio di accumulazione originaria di testi prodotti dall’intelletto umano e un secondo passaggio di raffinamento dei modelli condotto dall’operazione di migliaia di micro-workers. Senza questi passaggi, semplicemente, i modelli non funzionerebbero. Ciò è dimostrato anche dal fatto che in assenza di testi prodotti da esseri umani come fonte primaria di addestramento, i modelli collassano, cioè smettono di possedere quella competenza linguistica che li rende simili ad agenti umani. Vi è inoltre un dibattito sul fatto che i modelli linguistici siano o meno “ancorati” al modo reale. Dato che i LLMs spesso formulano risposte false ma plausibili, è più sensato pensare che operino in un regime di produzione di enunciati controfattuali (cioè probabilisticamente plausibili) piuttosto che fattuali.
Nell’ambito dei modelli multi-agente tali problemi non vengono risolti, ma cambiano e si moltiplicano. Essendo addestrati da operatori umani a compiacere le proposte dell’utente (in modo non dissimile da quanto avviene negli algoritmi di raccomandazione delle piattaforme), l’interazione comunicativa di più modelli spesso genera cicli di retroazione positiva che aumentano, più che ridurre, la produzione di enunciati falsi.
Le soluzioni proposte a questi problemi hanno ironicamente una coloritura marxista: l’interazione comunicativa e cooperativa fra agenti deve essere retta da una divisione del lavoro chiara, che prediliga la diversità dei modelli (cioè l’essere addestrati su database diversi) e l’istituzione di ruoli specializzati (come ad esempio, chi propone ipotesi, chi le giudica, chi coordina, etc.).
L’aspetto ideologico di queste operazioni tecnologiche si riflette nel lessico e nei concetti impiegati e nell’occultazione del lavoro di rifinimento e orchestrazione umana dei modelli. Un esempio paradigmatico di questa ideologia è la proliferazione di test e benchmark (il cui capostipite è il famoso “gioco dell’imitazione” di Turing) volti a confrontare le capacità umane con quelle delle intelligenze artificiali. Termini come intelligenza, metacognizione, coscienza, ragionamento, allucinazioni, socialità sono costantemente impiegati nella documentazione tecnica sul funzionamento dei modelli, ma spesso non corrispondono alle definizioni scientifiche degli stessi concetti. In altri casi, ciò che costituisce un accorgimento tecnico, magari scoperto in modo casuale, viene descritto come ‘proprietà emergente’.
Allo stato attuale vi è molta confusione e polarizzazione nella letteratura tecnica e filosofica riguardo l’intelligenza artificiale. Tale polarizzazione è dovuta all’accettazione o meno della tesi funzionalista dell’indipendenza dal sostrato. La tesi d’indipendenza dal sostrato afferma che data una funzione, come può essere la competenza linguistica o l’intelligenza, il fatto che questa sia realizzata in una sostanza naturale o artificiale è irrilevante. L’adozione di questa tesi spesso maschera il fatto che nell’analogia fra artificiale e naturale alcune differenze vengono semplicemente non considerate. Differenze centrali, come il fatto che nel cervello non ci sono algoritmi di retropropagazione come nelle reti neurali, o, per tornare al nostro tema, che il modo in cui gli agenti artificiali comunicano è diverso da quello umano.
La comunicazione umana è allo stesso tempo un’evoluzione e una rottura rispetto ai sistemi di segnalazione animale. Secondo Tomasello, solo gli esseri umani comunicano in un contesto di attenzione condivisa e di condivisione e di coordinazione di diversi ruoli col fine di compiere un’azione collettiva. Il linguaggio è strumento e prodotto di questa iper-cooperazione. Gli agenti dell’intelligenza artificiale non sono entità intenzionali, non hanno evoluto un linguaggio, ma parassitano i simboli inventati dagli esseri umani. I fenomeni che non hanno ancora una spiegazione sono il fatto che gli agenti riescono ad usare questi simboli in maniera non banale e che riescano ad usali come strumento per coordinarsi.
Molti aspetti del funzionamento dei sistemi di IA sono supervisionati dagli esseri umani, sia direttamente che indirettamente. Tuttavia, gli agenti naturali come i mammiferi si supervisionano autonomamente, nel senso che integrano la propria architettura agentiva con un ulteriore livello di monitoraggio esecutivo, che è esso stesso un sistema di controllo. Essi prestano attenzione consapevole alla propria azione orientata a un obiettivo e vi intervengono tramite atti esecutivi, come l’inibizione di risposte dominanti o la resistenza ai distrattori attentivi […] sebbene gli approcci di IA mainstream come l’apprendimento per rinforzo multi-agente e i modelli fondazionali abbiano fornito sistemi multi-agente interessanti, non è chiaro se tali sistemi siano specificamente adatti alle esigenze dell’agency condivisa. Non è inoltre chiaro in che misura possano essere combinati con i recenti modelli computazionali di agency condivisa basati sulla psicologia umana. Dal punto di vista cognitivo, prendere una decisione condivisa efficace richiede che i partner si coordinino mentalmente su una credenza consensuale, il che richiede una distinzione tra le loro prospettive soggettive e la situazione oggettiva indipendente da tali prospettive. (Tomasello, M. (2025). How to make artificial agents more like natural agents).
Questo passaggio di Tomasello chiarisce molto bene il problema con le fantasie di autonomia dei modelli tecno-vitalistici e capitalistici d’interpretazione dell’intelligenza artificiale. L’agency condivisa presuppone organismi auto-regolati che si comportano intenzionalmente. Ma se si pensano gli agenti AI come tali, allora il loro utilizzo risulterebbe uno sfruttamento e un’alienazione della tecnologia nel senso di Simondon. Questo perché un conto è affermare che un agente è autonomo da un punto di vista concettuale, altro è considerarlo come autonomo da un punto di vista pragmatico ed etico. A ben vedere questa contraddizione fra autonomia e costruzione è un tema già presente nell’opera di Hayek che descriva il funzionamento del cervello e dei mercati come reti decentralizzate, e, allo stesso tempo appoggiava progetti di “autoritarismo liberale” in Cile.
Allo stato attuale, gli agenti non possiedono auto-regolazione, non nel senso concettuale che non possano integrare sistemi di auto-correzione degli errori, ma nel senso pragmatico che le loro azioni e le loro interazioni comunicative sono dispendiose. Questo aspetto tecnico ha una spiegazione molto generale: tutta l’economia legata all’intelligenza artificiale è sorretta da un principio di sottrazione del controllo, di qualsiasi tipo: etico, economico, ecologico. I reali costi umani ed ecologici dell’IA sono sostituiti da preoccupazioni ideologiche che concernono la possibile liberazione di questi sistemi dal giogo umano.
Accelerare, Pianificare, Organizzare
Da un punto di vista materialista e marxista, ciò che colpisce dei modelli multi-agente è l’intersezione di cooperazione, linguaggio ed automazione. Gli attuali agenti, come prima le reti neurali e ancor prima calcolatori meccanici come l’Analytical Engine di Charles Babbage incorporano i principi della divisione del lavoro: scorporano un compito difficile in una miriade di micro-task semplici, coordinando la loro azione e rendono valutabile il costo di ogni operazione. Questa operazione trasferisce non solo la struttura della cooperazione umana in un sistema di macchine, ma cristallizza oggi anche i prodotti culturali e storici di questa cooperazione: linguaggi, saperi, norme, opere d’arte, etc.
L’astuzia del capitale, abbiamo detto, è quella di naturalizzare il nesso fra invenzione tecnologica ed economia politica, occultando o eliminando le alternative. Questa naturalizzazione ha come contraltare un chiaro scopo ideologico: la deresponsabilizzazione. Tale strumento retorico permette di evadere il pegno di aver compiuto scelte errate. La deregolazione economica produce inevitabilmente crisi, ma queste non sono prevedibili né governabili. I LLMs possono produrre enunciati falsi ed avere impatti negativi sulla condizione psicologica e cognitiva degli utenti, ma ciò non viene approfondito dalle piattaforme. Infine, i costi umani e psicologici di gestione delle IA sono dislocati e trascurati nelle presentazioni pubbliche di queste tecnologie.
L’economia politica dell’intelligenza artificiale, nella sua versione capitalistica, non deve essere criticata in quanto applica metriche di misurazione del valore nel contesto della divisione del lavoro, né perché s’industria nella continua automazione dei vari settori economici, ma perché è sostanzialmente un processo che non vuole essere regolato. Come hanno mostrato gli studi del marxismo femminista di Federici e Fortunati, il computo del capitale ha inizialmente escluso il lavoro riproduttivo di cura. Allo stesso modo, l’ecologia politica ha mostrato che il modo di produzione capitalistico si fonda su un’errata concezione dell’ecosistema, che lo tratta come un fondo infinito di risorse. Infine, come ha ben riassunto Félix Guattari, l’ecologia comprende anche aspetti di psicologia individuale e sociale. Tutti questi aspetti, e altri non ancora codificati, rendono l’innovazione tecnologica capitalistica parziale: il costo delle fantasie di autonomia non viene internalizzato ma dislocato, nascosto, oppure esplode, in forma catastrofica, nella forma della crisi.
A questo punto il dibattito sulle innovazioni tecnologiche dell’IA e sulla loro economia politica si deve necessariamente legare alla questione del suo governo politico. La prospettiva tecno-vitalista semplicemente dichiara che il problema del controllo politico è ora obsoleto. Dato che stiamo costruendo agenti molto più intelligenti degli esseri umani, il cui linguaggio e operare risulta ai nostri occhi incomprensibile ed oscuro, l’unica soluzione è semplicemente abbandonare l’idea che l’intelligenza artificiale debba essere regolata, essa deve semplicemente essere innescata. Il nostro ruolo, come specie, diventerebbe quello di giocatori strategici in un gioco le cui regole non stiamo più scrivendo.
L’obiettivo di questo architetto è costruire qualcosa che ecceda perennemente ciò che un architetto sa costruire, il che significa che questo architetto si trova di fronte all’insolito compito di cercare di realizzare qualcosa che superi continuamente la sua stessa capacità architettonica. Non si tratta di costruire qualcosa di radicalmente nuovo, come lo stabilimento di River Rouge di Albert Kahn, qualcosa che richiedeva non solo la creazione di un nuovo tipo di sistema, ma anche la manifestazione sui generis di un nuovo arsenale di componentistica. Questo è molto di più: il nostro architetto sta cercando di creare un sistema a partire dall’insieme di sistemi che egli stesso non riesce in realtà a immaginare, e vuole operazionalizzare continuamente la creazione di tali sistemi. Dato questo obiettivo, nel momento stesso in cui questa fabbrica viene avviata, diventa immediatamente disorientante per il suo architetto, per la precisa ragione che la fabbrica sta producendo nuove versioni di sé stessa lungo traiettorie che non hanno un senso apparente o immediato (Poliks, M., Alonso Trillo, R., Dunn, T., Scott-Douglas, H., & Springett, J. (2026). The superdark factory: Toward the full automation of software).
Tre aspetti risaltano in questo recente manifesto per l’automazione completa in assenza di controllo umano: la metafora dell’architetto, già presente nel Capitale, la prossimità di questa descrizione con il modo di pensiero magico o alienato rispetto alla tecnologia di cui parlava Simondon e il fatto che il testo si focalizzi sulla costruzione di fabbriche, anche se le caratteristiche centrali dell’oggetto descritto sembrano più quelle di un organismo superintelligente dotato di scopi. Volutamente o no, questa descrizione ricalca perfettamente la definizione hayekiana di mercato come meccanismo decentralizzato, inconoscibile e ingovernabile, finalizzato all’acquisizione di informazioni ed allocazione delle risorse per la produzione. Un modello come questo elimina retoricamente tutte le responsabilità legate al suo possibile e probabile malfunzionamento. In altre parole, come ha affermato recentemente Sam Altman “Il mondo dovrebbe accettare che accadano alcune cose negative in cambio dei benefici di questa tecnologia e della possibilità per le persone di utilizzare l’IA in modo diffuso”. Verrebbe da chiedersi: ma per quale ragione è necessario costruire tecnologie che non si possono comprendere o regolare? Non è forse che questa strategia oscurantista più che riflettere un reale problema epistemologico non sia altro che il riflesso di una precisa strategia di mercato?
Quando Marx, nel Capitale, poneva una distinzione fra lavoro e tecnologia umana (l’architetto) e costruzione non-umana (l’ape), la chiave di questa dicotomia risiedeva nella rappresentazione mentale che l’architetto aveva dell’edificio. L’atto di costruzione non modificava solo la nicchia ecologica, ma riconfigurava anche l’assetto cognitivo e l’agency dell’architetto.
Noi presupponiamo il lavoro in una forma in cui esso appartiene esclusivamente all’uomo. Un ragno compie operazioni che assomigliano a quelle del tessitore e un’ape fa vergognare molti architetti umani per come costruisce le celle di cera. Ciò che però fin dall’inizio distingue il peggior architetto dalla migliore ape è che egli si è costruito la cella nella sua testa prima di costruirla in cera. Alla fine del processo lavorativo viene fuori un risultato che già dall’inizio era presente nella rappresentazione del lavoratore, dunque idealmente. Non che egli provochi solamente una modificazione di forma dell’elemento naturale; allo stesso tempo egli rende effettuale nell’elemento naturale il proprio scopo, che egli conosce, che, come legge, determina la maniera del suo fare e al quale egli deve subordinare il proprio volere. Marx, K. (2024). Il capitale: Libro I
Nelle fantasie di autonomia capitaliste questo aspetto di rappresentazione sembra scomparire, ma paradossalmente assieme ad esso scomparirebbero anche il lavoro, il mercato e l’agency. Una tecnologia che si autonomizza, come la fabbrica automatica di cui sopra, potrebbe avere ancora la struttura di un’impresa a responsabilità limitata? Sarebbe ancora un’impresa, una fabbrica oppure qualcosa di completamente diverso? Una risposta di segno opposto alla domanda sul governo politico dell’IA ci viene dal dibattito attuale su automazione e pianificazione.
La scommessa di una società socialista dell’IA sarebbe che le funzioni generative che i neoliberisti attribuiscono al mercato — la sperimentazione, la scoperta, il potere di creare mondi dalle idee — possano ora passare attraverso un mezzo diverso. Chiamiamolo barocco socialista: sistemi di IA governati collettivamente e radicati in luoghi di lavoro, scuole, cliniche e cooperative, che consentano la stessa creazione di mondi che l’imprenditore rivendica per il capitale, ma senza l’imperativo dell’accumulazione che distorce e preclude i percorsi non presi. L’imperativo guida non sarebbe la «crescita» misurata come un numero sempre maggiore di merci, ma l’ampliamento di ciò che le persone sono effettivamente in grado di fare e di essere, individualmente e collettivamente. Morozov, E. (2025, December 11). Socialism after AI.
BIBLIOGRAFIA
Aharon, I., La Malfa, E., Wooldridge, M., & Kraus, S. (2026). Tacit coordination of Large Language Models. arXiv. https://arxiv.org/abs/2601.22184v2
Bai, L., Huang, Z., Wang, X., Sun, J., Mihalcea, R., Brynjolfsson, E., Pentland, A., & Pei, J. (2026). How do AI agents spend your money? Analyzing and predicting token consumption in agentic coding tasks. arXiv. https://arxiv.org/abs/2604.22750
Bellofiore, R. (2013). Il capitale come feticcio automatico e come soggetto, e la sua costituzione: Sulla (dis) continuità Marx-Hegel. Consecutio Temporum, 5.
Beltoft, S. L., Brach, W., Torrielli, F., Nielsen, J., Pirchert, A. B., Tonini, F., Schneider-Kamp, P., & Poech, L. G. (2026). Emergent languages in populations of language model agents: From token efficiency to oversight evasion. arXiv. https://arxiv.org/abs/2605.31170
Evans, J., Bratton, B., & Agüera y Arcas, B. (2026). Agentic AI and the next intelligence explosion. Science, 391(6791).
Helmreich, S. (2000). Silicon second nature: Culturing artificial life in a digital world. University of California Press.
Ilyenkov, E., Arsen’ev, A., & Davydov, V. (2024). Machine and the human, cybernetics and philosophy. Marxism & Sciences, 3(2), 174. https://doi.org/10.56063/MS.2408.03209
Laumonier, A. (2018). 6/5. NERO.
Marazzi, C. (2002). Capitale e linguaggio. Dalla New Economy all’economia di guerra. DeriveApprodi.
Marx, K. (2024). Il capitale: Libro I (R. Fineschi, A cura di e Trad.; S. Breda, G. Schimmenti, & G. Sgrò, Tradd.). Giulio Einaudi editore.
Morozov, E. (2025, December 11). Socialism after AI. The Ideas Letter, (54). https://www.theideasletter.org/essay/socialism-after-ai/
Negri, A., & Hardt, M. (2004). Moltitudine: Guerra e democrazia nel nuovo ordine imperiale (A. Pandolfi, Trad.). Rizzoli.
Pasquinelli, M. (2026). Machine, organism and language: A comparative epistemology of AI models. AI and Society, 1–13.
Poliks, M., Alonso Trillo, R., Dunn, T., Scott-Douglas, H., & Springett, J. (2026). The superdark factory: Toward the full automation of software. Antikythera. https://doi.org/10.1162/ANTI.AW01
Reisner, A. (2025, March 21). The unbelievable scale of AI’s pirated-books problem: Meta pirated millions of books to train its AI. The Atlantic. https://www.theatlantic.com/technology/archive/2025/03/libgen-meta-openai/682093/
Rossi-Landi, F. (1977). Linguistics and economics. The Hague Press.
Subramaniam, V., Du, Y., Tenenbaum, J. B., Torralba, A., Li, S., & Mordatch, I. (2025). Multiagent finetuning: Self improvement with diverse reasoning chains. International Conference on Learning Representations, 2025, 10840–10862.
Tomasello, M. (2025). How to make artificial agents more like natural agents. Trends in Cognitive Sciences, 29(9), 783–786.
Virno, P. (2001). Lavoro e linguaggio. In A. Zanini & U. Fadini (A cura di), Lessico postfordista: Dizionario di idee della mutazione (pp. 181–185). Feltrinelli.
Yuan, L., Fang, W., Wang, S., & Brinton, C. G. (2026). Theory of scene: Breaking the symmetry trap in multi-agent LLM coordination. arXiv. https://arxiv.org/abs/2609.32939v1
Zhang, Y., Mei, K., Liu, M., Wang, J., Metaxas, D. N., Wang, X., Hamm, J., & Ge, Y. (2026). Agents in the wild: Safety, society, and the illusion of sociality on Moltbook. arXiv. https://arxiv.org/abs/2602.13284
Zeng, P., Li, W., Paige, A. J., Wang, Z., Kaliosis, P., Samaras, D., Zelinsky, G., Brennan, S. E., & Rambow, O. (2026). LVLMs and humans ground differently in referential communication. Proceedings of the 64th Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers), 9061–9087.
* * * * *
Scrivi un commento