La seguente proposta didattica è pensata per i docenti di matematica e fisica, in collaborazione con i docenti di filosofia e di religione, di una classe del triennio di liceo (scientifico, scienze applicate, classico, scienze umane, linguistico, artistico). Gli studenti utilizzano ormai quotidianamente sistemi di intelligenza artificiale generativa, ma raramente hanno occasione di interrogarsi su che cosa significhi, in questo contesto, la parola «intelligenza». La proposta parte da un'esperienza - una versione in classe del «gioco dell'imitazione» - per risalire alla domanda che Alan Turing pose nel 1950 («le macchine possono pensare?») e alle discussioni che ne sono seguite, fino agli interrogativi antropologici più attuali: che cosa distingue l'intelligenza umana dalla simulazione di un comportamento intelligente? Rispondere correttamente equivale a comprendere?
Il docente di matematica e fisica ha qui l'occasione di mostrare che dietro le tecnologie di uso quotidiano ci sono idee e processi matematici (algoritmo, calcolabilità, macchina di Turing) e, allo stesso tempo, che la scienza non è separabile dalle grandi domande sull'uomo: il percorso muove dall'esperienza alla concettualizzazione scientifica, per aprirsi alla riflessione filosofica e teologica. In questo senso è significativo che, tra le obiezioni discusse dallo stesso Turing nell'articolo del 1950, la prima sia proprio quella «teologica»: il dialogo tra scienza e fede appartiene al tema dell’intelligenza artificiale fin dalla sua origine.
La proposta non richiede prerequisiti tecnici (è sufficiente la nozione intuitiva di algoritmo) e può essere calibrata su ciascun anno del triennio: in terza, valorizzando il confronto tra il concetto di algoritmo e quello di dimostrazione; in quarta, agganciandosi allo studio di Cartesio (il celebre passo della quinta parte del Discorso sul metodo sul linguaggio come discrimine tra l'uomo e ogni macchina) e di Leibniz; in quinta, collocando Turing nel Novecento (logica matematica, nascita dell'informatica, Seconda guerra mondiale) e offrendo materiali per i collegamenti interdisciplinari in vista del colloquio dell'Esame di Stato, anche in lingua inglese.
L'attività si presta inoltre a essere valorizzata nell'ambito dell'educazione civica (cittadinanza digitale).
Metodologia didattica applicata: didattica laboratoriale, brainstorming, utilizzo delle TIC (variante A).
Possibilità di team teaching: il docente di lettere può contribuire all'analisi degli indizi linguistici e stilistici; è utile anche la presenza del docente di filosofia, in vista degli step successivi.
Competenze da promuovere: osservazione, formulazione e verifica di ipotesi, argomentazione delle proprie intuizioni, uso critico degli strumenti digitali.
Cosa fare. Il docente propone alla classe una versione del «gioco dell'imitazione», senza ancora nominare Turing: la classe dovrà stabilire, sulla sola base di risposte scritte, chi è un essere umano e chi una macchina. Sono previste due varianti, a seconda della disponibilità di dispositivi connessi.
Variante A (con dispositivi). La classe formula collettivamente 8–10 domande di natura diversa, che il docente raccoglie alla lavagna: domande fattuali («quanto fa 34957 + 70764?», un omaggio, che sarà svelato in seguito, a un esempio dello stesso Turing), personali («che cosa ti spaventa?»), creative («inventa una metafora per la nebbia»), esperienziali («racconta il tuo sabato ideale»). Il docente sottopone le domande, tramite un sistema di messaggistica proiettato alla LIM, a due interlocutori anonimi: un chatbot - istruito preventivamente a rispondere in poche righe, in tono colloquiale, «come uno studente liceale» - e un «complice» umano (uno studente di un'altra classe o un collega, collegato da un altro locale della scuola). Le risposte compaiono affiancate come «Interlocutore A» e «Interlocutore B». Dopo ogni giro di risposte gli studenti annotano la propria ipotesi; al termine si vota, motivando per iscritto gli indizi utilizzati. Segue la rivelazione.
Variante B (senza dispositivi per gli studenti durante la lezione). In una lezione precedente, senza svelarne lo scopo, il docente raccoglie brevi testi scritti dagli studenti su una consegna semplice (per esempio: «racconta in dieci righe la tua domenica ideale», oppure «spiega a un bambino perché il cielo è azzurro»). Con un sistema di IA generativa produce poi, sulla stessa consegna, alcuni testi «gemelli», chiedendo esplicitamente al programma di imitare lo stile di uno studente liceale, con qualche imperfezione. In classe distribuisce ai gruppi serie di testi anonimi mescolati: ogni gruppo deve classificarli (umano/macchina) motivando per iscritto gli indizi. Segue la rivelazione, con il conteggio degli errori. È importante garantire l'anonimato degli autori dei testi durante tutta l'attività.
Fase conclusiva (15–20 minuti). Brainstorming guidato alla LIM: su quali indizi vi siete basati? Potrebbero emergere i riferimenti a esperienze vissute e a emozioni, le imperfezioni «pertinenti» dell'umano, l'eccessiva correttezza e genericità della macchina. Il docente annota tutto: questo materiale verrà ripreso negli step successivi. La lezione si chiude con una domanda lasciata aperta: se non riusciamo a distinguere l'uomo dalla macchina, dobbiamo concludere che la macchina «pensa»?
Perché. L'esperimento crea adesione emotiva e cognitiva al tema e rovescia i ruoli: gli studenti diventano «giudici». La lista degli «indizi di umanità» che la classe produce spontaneamente è già, senza saperlo, un abbozzo di risposta alla domanda su che cosa sia l'intelligenza umana, la stessa che il percorso affronterà con strumenti concettuali via via più rigorosi.
Metodologia didattica applicata: lezione partecipata, drammatizzazione di un esperimento mentale, utilizzo delle TIC.
Possibilità di team teaching: compresenza con il docente di filosofia per il quadro storico-filosofico (Cartesio, Leibniz, il comportamentismo, Searle).
Competenze da promuovere: comprensione concettuale, contestualizzazione storica, pensiero critico.
Cosa fare. A partire dall'esperienza dello Step 1, il docente ricostruisce in forma partecipata:
- la figura di Turing matematico: l'articolo del 1936 sulla calcolabilità, la «macchina di Turing» come idealizzazione matematica del calcolo, il lavoro di decrittazione a Bletchley Park durante la Seconda guerra mondiale;
- l'articolo Computing Machinery and Intelligence (1950): la sostituzione della domanda «le macchine possono pensare?» con il gioco dell'imitazione, di cui la classe ha appena fatto esperienza; le previsioni di Turing e le nove obiezioni che egli stesso anticipa e discute, a cominciare dalla prima, quella «teologica»;
- un evento convenzionalmente considerato fondativo dell’intelligenza artificiale: il Dartmouth Summer Research Project del 1956, preceduto dalla proposta del 1955 firmata da John McCarthy, Marvin Minsky, Nathaniel Rochester e Claude Shannon, nella quale compare l’espressione “artificial intelligence”; un cenno ai primi programmi di conversazione, come ELIZA, sviluppata da Joseph Weizenbaum al MIT nella metà degli anni Sessanta e descritta in un articolo del 1966;
- le distinzioni concettuali fondamentali: comportamento osservabile e interiorità; sintassi e semantica; IA «debole» e IA «forte».
La stanza cinese in corridoio (10–15 minuti).Per introdurre uno dei più noti argomenti contro la cosiddetta “IA forte”, frequentemente discusso in rapporto ai limiti dei criteri puramente comportamentali, il docente propone una drammatizzazione della stanza cinese formulata da John Searle nel 1980. Uno studente volontario esce dall'aula con un «manuale di regole», preparato dal docente, che associa sequenze di simboli inventati ad altre sequenze di simboli. La classe, che dispone della legenda per tradurre i simboli, formula domande scritte nel codice; il volontario, applicando soltanto le regole, restituisce risposte corrette senza conoscere il significato né delle domande né delle risposte. Al suo rientro si discute: il volontario «capiva» il codice? E allora un calcolatore che manipola simboli secondo regole comprende ciò che dice?
Con il docente di filosofia si può infine leggere il passo della quinta parte del Discorso sul metodo in cui Cartesio, tre secoli prima di Turing, indica proprio nell'uso flessibile del linguaggio il discrimine tra l'uomo e ogni macchina: un aggancio prezioso soprattutto in classe quarta.
Perché. Lo step trasforma l'esperienza in concetti. Gli studenti scoprono che il «gioco» ha una storia scientifica rigorosa e che le domande emerse in classe sono le stesse che attraversano la logica matematica e la filosofia della mente del Novecento.
Risorse per il docente:
- G.O. Longo, Il test di Turing. Storia e significato, «Mondo Digitale», n. 1, marzo 2009, disponibile su https://disf.org/files/doc/longo-test-turing.pdf (data di consultazione 11/07/2026);
- voce Intelligenza Artificiale del Dizionario Interdisciplinare di Scienza e Fede, https://disf.org/intelligenza-artificiale (data di consultazione 11/07/2026).
Metodologia didattica applicata: cooperative learning, flipped classroom, peer education.
Possibilità di team teaching: i docenti di filosofia e di religione supervisionano i gruppi che lavorano sulle fonti filosofiche e magisteriali.
Competenze da promuovere: uso delle fonti, capacità di analisi e di sintesi, collaborazione, responsabilità individuale nel lavoro di gruppo.
Cosa fare. La classe viene divisa in gruppi (massimo 5 studenti), decisi dal docente. All'interno di ogni gruppo possono essere definiti ruoli: uno o più relatori, un referente per le slide, un referente per la relazione scritta, un referente per l'eventuale fonte in lingua originale. A ciascun gruppo viene affidata una fonte:
- A.M. Turing, Macchine calcolatrici e intelligenza (1950), brani scelti — tr. it. in D.R. Hofstadter, D.C. Dennett (a cura di), L'io della mente, Adelphi, Milano 1985; ai gruppi con buone competenze linguistiche alcune pagine possono essere proposte in lingua originale;
- G.O. Longo, Il test di Turing. Storia e significato, «Mondo Digitale», n. 1, marzo 2009, https://disf.org/files/doc/longo-test-turing.pdf (data di consultazione 11/07/2026);
- Voce Intelligenza Artificiale, in Dizionario Interdisciplinare di Scienza e Fede: cultura scientifica, filosofia e teologia, a cura di G. Tanzella-Nitti e A. Strumia, Urbaniana University Press, Roma 2002, in particolare le sezioni storica e filosofica; indice e materiali su https://disf.org/intelligenza-artificiale (data di consultazione 11/07/2026);
- La scheda La mente umana sarà rimpiazzata dall'intelligenza artificiale?, su DISF Educational, https://disf.org/educational/faq/tomasi-mente-umana-intelligenza-artificiale, da integrare con il Percorso tematico Intelligenza Artificiale: innovazione tecnologica e interrogativi etici, https://disf.org/educational/percorso-tematico/intelligenza-artificiale-innovazione-tecnologica-e-interrogativi-etici (data di consultazione 11/07/2026);
- Dicastero per la Dottrina della Fede – Dicastero per la Cultura e l'Educazione, Antiqua et nova. Nota sul rapporto tra intelligenza artificiale e intelligenza umana (2025), brani scelti, in particolare i paragrafi dedicati alla differenza tra la funzionalità dell'IA e l'intelligenza umana; testo integrale sul sito della Santa Sede; una presentazione del documento è disponibile su https://disf.org/ai/2025 (data di consultazione 11/07/2026);
- La recensione del volume di Luciano Floridi, Etica dell’intelligenza artificiale. Sviluppi, opportunità, sfide, Raffaello Cortina, Milano 2022, pubblicata su https://disf.org/abbiamo-studiato-per-voi/9788832854091 (data di consultazione 11/07/2026), con particolare attenzione alla tesi del «divorzio» tra capacità di agire e intelligenza.
Per il lavoro di gruppo sono proposte le seguenti domande-guida:
- In quale anno e in quale contesto è stato scritto il testo? A quale genere appartiene (articolo scientifico, voce enciclopedica, saggio filosofico, documento magisteriale)?
- Quali sono i concetti centrali?
- Secondo l'autore, che cosa può fare una macchina e che cosa le resta precluso? Con quali argomenti?
- Quale idea di intelligenza - e, più in profondità, di essere umano - emerge dal testo?
Prima della restituzione, ogni gruppo invia al docente la relazione e/o le slide che intende presentare: un primo momento di revisione che consente di correggere eventuali fraintendimenti dei testi o errori di traduzione, nel caso di fonti in lingua originale.
Perché. Il lavoro sulle fonti rende solidi i collegamenti interdisciplinari, evitando accostamenti posticci; la varietà dei generi testuali (scientifico, enciclopedico, filosofico, magisteriale) mostra concretamente che una stessa domanda può essere interrogata da forme diverse di sapere, ciascuna con il proprio metodo: è il cuore di una prospettiva autenticamente interdisciplinare.
Metodologia didattica applicata: flipped classroom (restituzione), lezione partecipata, debate.
Possibilità di team teaching: compresenza con i docenti di filosofia e di religione: è il momento in cui il dialogo tra sapere scientifico, filosofico e teologico diventa esplicito.
Competenze da promuovere: argomentazione in pubblico, ascolto attivo, pensiero critico e interdisciplinare.
Cosa fare.
4.1 Presentazione dei lavori (circa 60 minuti: per ogni gruppo5 minuti di esposizione + 5 di domande ciascuno). L'ordine delle presentazioni è gestito dal docente in modo da costruire un percorso: prima l'inquadramento storico-scientifico (fonti 1–3), poi le prospettive antropologiche e magisteriali (fonti 4–6). Al termine di ogni presentazione, docenti e compagni sono incoraggiati a porre domande.
4.2 Dibattito e sintesi conclusiva (circa 30 minuti). La classe torna alla domanda lasciata aperta nello Step 1, ora arricchita dal percorso: una macchina che superasse il test di Turing penserebbe? Si può adottare la forma del dibattito regolamentato - due squadre, a favore e contro la tesi «il test di Turing è un buon criterio di intelligenza» - oppure quella della discussione guidata. I docenti in compresenza fanno emergere i nodi essenziali: la differenza tra simulare e comprendere; il ruolo del corpo e dell'esperienza; coscienza, libertà, relazione e responsabilità come dimensioni dell'intelligenza umana che non si lasciano ridurre alla prestazione; la prospettiva di Antiqua et nova sulla differenza tra la funzionalità dei sistemi di IA e l'intelligenza della persona, considerata nella sua totalità. Si può chiudere tornando all'esperimento iniziale con una domanda di sintesi: quel giorno, che cosa abbiamo davvero misurato: l'intelligenza della macchina o il nostro modo di riconoscere l'umano?
Perché. La restituzione trasforma i gruppi in «docenti» dei propri compagni; il dibattito finale verifica se le categorie apprese sono diventate strumenti di giudizio personale. La domanda conclusiva riporta il tema dal piano tecnico a quello antropologico, che è l'orizzonte dell'intero percorso.
Per la valutazione. Due opzioni, eventualmente cumulabili:
- Valutazione del lavoro di gruppo (relazione scritta e/o slide) e dell'esposizione orale;
- Riflessione individuale scritta (15–20 righe) sulla traccia: «Alla luce del percorso svolto: che cosa significa "pensare"? In che senso, se in qualche senso, si può dire che una macchina è intelligente?».