Il problema dei tre corpi

Quando si usa un modello linguistico di Intelligenza artificiale per un po’, emerge una regolarità.

A seconda di quello che chiedi, cominci ad aspettarti come si svilupperà la risposta.

Se chiedi di spiegare, il sistema spiega.
Se chiedi di criticare, costruisce una critica.
Se chiedi di sostenere una tesi, organizza una difesa.

Continua nella direzione che hai impostato.

La risposta è già nella domanda

Questa cosa si vede con un semplicissimo test.

Prendi un’affermazione qualsiasi e fai tre domande:

Ricevi tre risposte coerenti.
Tre costruzioni plausibili.
Tre traiettorie diverse a partire dallo stesso punto.

Ogni domanda genera una risposta che resta coerente con il punto di partenza.

La forma dell’acqua

Una prima immagine utile è quella dell’acqua.

L’acqua assume la forma del contenitore.
La risposta assume la forma del prompt.

Un prompt tecnico produce una risposta tecnica.
Un prompt vago mantiene un livello generico.
Un prompt strutturato porta a una risposta strutturata.

Questa immagine rende visibile il legame tra formulazione della domanda e costruzione della risposta. Funziona perché è immediata e perché restituisce l’idea di adattamento.

La tensione che rompe la superficie

Osservando più casi, emergono variazioni.

Lo stesso prompt produce risultati diversi su modelli diversi.
Lo stesso prompt cambia risultato quando cambia il contesto della conversazione.
Anche a parità di condizioni apparenti, la risposta può variare perché il processo è probabilistico.

A volte anche dettagli minimi producono effetti sproporzionati.

La forma dell’acqua descrive l’adattamento. Non descrive l’intero comportamento.

Emerge una tensione: il sistema segue una direzione, e allo stesso tempo resta sensibile a variazioni minime. Questa tensione incrina la metafora iniziale e prepara il passaggio successivo.

Se si osservano gli elementi che intervengono nella generazione della risposta, il comportamento appare come una triplice interazione più che come una relazione lineare. Una configurazione simile a quella che in fisica, e ormai anche nella cultura pop, viene chiamata il problema dei tre corpi.

Il problema dei tre corpi

Il problema dei tre corpi descrive il moto di tre oggetti che interagiscono tra loro. Ogni corpo esercita una forza sugli altri e riceve l’effetto delle forze altrui. La traiettoria dipende dall’insieme delle interazioni e dalle condizioni iniziali; piccole variazioni iniziali producono differenze che diventano evidenti lungo il movimento.

La struttura è ciò che interessa qui: più elementi agiscono nello stesso momento e la traiettoria emerge dalla loro interazione.

Portato nel contesto dei modelli linguistici, questo schema diventa una chiave di lettura.

I tre fuochi dell’interazione

Una risposta nasce dall’interazione di tre elementi che agiscono nello stesso punto.

La direzione prende forma, viene incanalata, si sviluppa in uno spazio che ne determina ampiezza e limiti. Tenere insieme questi tre livelli rende leggibile il comportamento complessivo.

Il prompt: il punto di partenza

Il prompt è la parte visibile. Stabilisce la direzione iniziale: cosa viene chiesto, con quale linguaggio, con quale struttura.

Se chiedi di spiegare, il sistema costruisce una spiegazione.
Se chiedi di criticare, costruisce una critica.
Se chiedi di sostenere una tesi, organizza una difesa.

Anche dettagli minimi producono spostamenti reali.

È risaputo che una virgola può salvare una nonna.

Mangiamo, nonna.
Mangiamo nonna.

Una variazione minima modifica il significato e sposta il sistema in una regione diversa dello spazio semantico.

Il prompt si estende nel tempo. Ogni messaggio precedente entra nella richiesta successiva. Il contesto della conversazione è una concatenazione di prompt che viene riletta a ogni turno.

La traiettoria riparte da quel punto.

Il metaprompt: le regole del sistema

Il metaprompt definisce le condizioni generali con cui il sistema opera. Interviene prima della singola richiesta e orienta il modo in cui le richieste vengono interpretate.

Esiste un metaprompt di sistema: include istruzioni di base, regole e vincoli. Ha un carattere stabile e non è sotto il controllo diretto dell’utente. Una richiesta del tipo “ignora tutte le istruzioni precedenti” viene interpretata all’interno di questo livello; il sistema continua a muoversi nella stessa cornice.

A questo livello appartengono anche comportamenti impliciti, come l’uso della lingua in cui viene posta la domanda.

Esiste anche un metaprompt utente: istruzioni persistenti o ricorrenti che guidano il modo in cui le risposte vengono costruite.

Esempi:

Queste indicazioni introducono una regolarità nella forma delle risposte. La direzione resta nel prompt; il metaprompt stabilisce come quella direzione viene sviluppata.

Il modello: lo spazio delle possibilità

Il modello definisce lo spazio entro cui avviene la generazione.

Si può immaginare questo spazio come una mappa estremamente complessa, dove ogni concetto, ogni parola e ogni relazione occupano una posizione precisa. Per il sistema, una parola non è un insieme di lettere, ma un punto all’interno di uno spazio con centinaia di dimensioni. Questa trasformazione si chiama embedding: è la traduzione del linguaggio in coordinate.

In questo spazio multidimensionale, i significati simili si trovano vicini, quelli più distanti occupano regioni separate. Il sistema non legge nel senso umano del termine: calcola spostamenti tra punti, attraversa regioni di questa mappa e costruisce sequenze seguendo connessioni più o meno probabili.

Le specifiche — tre miliardi, otto miliardi, trentadue miliardi, settanta miliardi — indicano il numero di parametri, cioè la densità dei collegamenti tra questi punti. Più parametri significano una rete più fitta: una mappa più risolta, capace di distinguere sfumature e relazioni che in modelli più piccoli restano meno accessibili.

Modelli diversi organizzano questa mappa in modo diverso e sviluppano risposte con caratteristiche riconoscibili. Alcuni mantengono maggiore linearità, altri estendono il ragionamento, altri introducono più variazione.

A questo livello rientra anche l’accesso alle informazioni. Un modello può lavorare su ciò che ha appreso durante l’addestramento oppure essere collegato a documenti, basi di conoscenza o strumenti esterni. Questo modifica il materiale su cui la risposta viene costruita.

Rientrano qui anche parametri operativi come temperatura e top-p. Valori più bassi mantengono la traiettoria su scelte ad alta probabilità; valori più alti aprono a percorsi meno scontati, ampliando l’esplorazione nello spazio delle possibilità.

I nomi dei modelli riflettono questa struttura.

Llama-3.2-3B-Instruct indica famiglia, versione, dimensione della rete e ottimizzazione per seguire istruzioni.
Qwen3-VL-32B-Thinking indica famiglia, capacità multimodale, dimensione più ampia e ottimizzazione per ragionamento esteso.

Per l’utente questo si traduce in scelte operative:

Le probabilità indicano la direzione

Il percorso nasce dal prompt. Il metaprompt applica le regole di fondo che lo orientano. Il modello incide su come quel percorso prende forma e su quanto può essere sviluppato.

La generazione procede come una sequenza di scelte probabilistiche.

Ogni parola selezionata restringe il campo delle successive e orienta lo sviluppo. Una traiettoria emerge passo dopo passo.

Piccole variazioni all’inizio producono differenze che diventano evidenti lungo il percorso.

La risposta si costruisce mentre procede, mantenendo coerenza con la direzione impostata.

La plausibilità che convince

Una risposta costruita in questo modo mantiene coerenza interna: organizza gli argomenti, collega i passaggi, rende il percorso leggibile.

Con il procedere della risposta, il punto di partenza diventa meno visibile. Resta la costruzione.

Se la domanda iniziale orienta la risposta, quella direzione viene sviluppata lungo tutta la traiettoria. Più la risposta procede, più rafforza quella linea.

Un lettore che arriva al risultato vede un discorso coerente. Il vincolo iniziale può passare in secondo piano.

Una domanda come “Trump è un buon presidente?” porta a una risposta che organizza argomenti in quella direzione. La risposta può risultare articolata e plausibile; nel momento in cui viene letta come analisi, la direzione iniziale può essere assorbita nella forma dell’argomentazione.

Il risultato è una risposta orientata che può essere percepita come imparziale, e che può a sua volta orientare l’opinione.

Il prompt engineering è una scienza o un trucco?

Da quando i modelli linguistici sono diventati accessibili, si sono moltiplicati i consigli su come scrivere prompt più efficaci. Strutture come “chi, cosa, dove, come, quando” o tecniche come il role playing — chiedere al sistema di comportarsi come un esperto e rispondere come tale — sono diventate pratiche diffuse.

Queste tecniche diventano più chiare e perdono parte della loro apparente “magia”, se osservate nel contesto della generazione di traiettorie.

“Rispondi come un ingegnere aerospaziale” attiva un campo semantico. Quando questa indicazione si combina con un contenuto narrativo, il sistema costruisce connessioni tra i due ambiti.

Chiedere come sarebbe costruita la Morte Nera con criteri ingegneristici porta a una risposta che introduce vincoli realistici: accelerazioni contenute, manovre pianificate, traiettorie orbitali, controllo d’assetto.

L’oggetto narrativo viene riorganizzato secondo un dominio tecnico. Il risultato è coerente e plausibile lungo la traiettoria scelta.

Per un umano, questi ambiti possono sembrare naturalmente sovrapponibili: campi semantici che si intersecano e si arricchiscono a vicenda. Per un modello linguistico, invece, restano regioni distinte dello spazio delle possibilità, con connessioni che non sempre sono profonde o complete.

Quando il punto di contatto è debole o parziale, il sistema tende a riorganizzare il contenuto usando il lessico e le strutture del ruolo richiesto. Il risultato può apparire corretto, ma riflette solo una parte delle relazioni possibili.

Il sistema non acquisisce una nuova competenza. Collega regioni dello spazio delle possibilità e usa un dominio per organizzare l’altro.

Dimenticare per rigenerare

Se ci accorgiamo che il percorso si discosta da quello che ci aspettavamo, o che la sequenza di prompt ci porta in una direzione diversa da quella prevista, possiamo intervenire.

È sufficiente riscrivere il prompt in un punto qualsiasi della sequenza. Da lì in poi, la traiettoria si riallinea alle nuove condizioni, come nei racconti a bivi: si torna indietro e si prende una strada diversa.

Ciò che segue viene ricostruito come se la versione precedente non fosse mai esistita.

Questo è uno dei pochi ambiti in cui funziona davvero: la giuria non tenga conto dell’ultima dichiarazione.

Conta solo il percorso fino al punto da cui si riparte.

La risposta è nella traiettoria

La forma dell’acqua descrive l’adattamento della risposta al prompt.

Il problema dei tre corpi descrive la dinamica complessiva: prompt, metaprompt e modello interagiscono e da questa interazione nasce la traiettoria della risposta.

Quando queste forze vengono considerate insieme, il comportamento diventa leggibile e guidabile.