La mappa è uno degli strumenti cognitivi più antichi dell’umanità — e oggi, in modo forse inatteso, è diventata anche una metafora potente per capire come funziona il ragionamento artificiale, in particolare quella tecnica di prompting nota come Chain-of-Thought, la “catena di pensiero”

In questo articolo si parla di:

C’è un gesto che compiamo ogni giorno quasi senza accorgercene: aprire una mappa. Che sia quella di un’app di navigazione o il ricordo di un luogo a noi familiare, ci orientiamo nello spazio attraverso modelli, semplificazioni e gerarchie.

Una breve storia dell’orientamento

Dalle tavolette babilonesi all’atlante di Tolomeo, dalle carte portolane medievali alla proiezione di Mercatore del 1569, la cartografia ha sempre assolto lo stesso compito: tradurre uno spazio vissuto, complesso e tridimensionale, in un modello consultabile e condivisibile. Lo osserva anche la ricerca contemporanea: dalle prime mappe fino al GPS moderno, gli strumenti cognitivi esterni ci aiutano a orientarci, a trovare la strada e a navigare nello spazio. La mappa non è il territorio, come amano ripetere i cartografi: è una sua versione utile, ridotta e ordinata.

Luoghi più piccoli dentro luoghi più grandi

Questa capacità di ordinare lo spazio è stata studiata a lungo dalla psicologia cognitiva. Già negli anni Settanta, Siegel e White proponevano che la conoscenza spaziale si costruisca in modo gerarchico: prima si imparano i landmark, i punti di riferimento; poi le rotte che li collegano; infine la visione d’insieme dall’alto. Alcuni esperimenti hanno confermato che le nostre mappe cognitive sono organizzate per gerarchie: tendiamo a raggruppare i landmark in cluster — per vicinanza fisica ma anche per attributi non spaziali — e questi raggruppamenti influenzano persino i nostri giudizi sulle distanze. Barbara Tversky ha sintetizzato il fenomeno in tre meccanismi: organizzazione gerarchica, uso della prospettiva e uso dei landmark come punti di riferimento cognitivi. In sostanza, la mente non archivia lo spazio come un database piatto: lo compone come un insieme di luoghi più piccoli dentro luoghi più grandi, ancorati a elementi stabili. Il landmark è l’unità base dell’orientamento.

La stessa mappa, dentro il prompt

Ora trasferiamo questa immagine al prompting. Il Chain-of-Thought chiede al modello di scomporre un problema complesso in una sequenza di passi intermedi, esplicitando il ragionamento invece di saltare direttamente alla risposta. La somiglianza con il wayfinding è sorprendente. In ambito di navigazione linguistica, sistemi come NavGPT spezzano le istruzioni lunghe in sotto-obiettivi e pianificano il percorso identificando i landmark dalle osservazioni: esattamente ciò che fa un viandante che divide un itinerario in tappe. E la ricerca più recente ha cominciato a importare il concetto di mappa cognitiva dentro il ragionamento artificiale: un filone di studi propone le cognitive maps come framework di Chain-of-Thought, una simulazione mentale strutturata ispirata alla cognizione umana che migliora la capacità dei modelli di generalizzare in ambienti mai visti. Analizzando i meccanismi interni dei modelli, altri lavori hanno scoperto che essi sviluppano rappresentazioni cartografiche dello spazio e un sistema di ragionamento gerarchico, che alterna euristiche a basso livello per i contesti brevi e inferenza basata su mappa per i percorsi lunghi. I modelli multimodali più avanzati arrivano addirittura a costruire mappe cognitive gerarchiche da video egocentrici e a generare piani di percorso basati su landmark, passo dopo passo.

Quanto conta la qualità della mappa?

La qualità dell’orientamento, però, dipende dalla qualità della mappa — e nel caso dei modelli linguistici, dalla qualità del prompt. Uno studio recente ha misurato la cognizione spaziale di otto modelli linguistici di grande scala su 24 scene tipiche: senza istruzioni aggiuntive, l’accuratezza media nel giudicare le relazioni spaziali di base (topologiche, direzionali, di distanza) è solo del 33,25%; con prompt ottimizzati, sale al 53,90%. Domande strutturate, che forniscono un quadro gerarchico, producono un orientamento migliore. I modelli, inoltre, sono in grado di ricostruire una mappa globale coerente a partire da descrizioni locali e frammentarie, come chi assembla una città intera osservandone solo gli incroci. Esistono persino sistemi che generano geo-descrizioni — testi multi-livello che descrivono un punto, una linea o un’area dentro un edificio — vere e proprie carte testuali degli spazi interni.

Conclusione: la cartografia del pensiero

Cosa insegnano le mappe a chi scrive prompt? Che l’intelligenza dell’orientamento — nello spazio come nei concetti — è una questione di gerarchia e di ancoraggi. Un buon prompt, come una buona carta geografica, dichiara la scala, dispone i contenitori (i luoghi più piccoli dentro i luoghi più grandi) e colloca punti di riferimento stabili attorno ai quali far ruotare tutto il resto. Il Chain-of-Thought è, in questo senso, la cartografia del pensiero: insegna al modello a costruire prima la mappa e poi a camminare. E noi, come facciamo da millenni, continuiamo a fidarci più delle buone mappe che del territorio.

Claudia Sistelli

© Riproduzione Riservata