di Davide Dall’Acqua (*)

Premessa editoriale

L’intelligenza artificiale come esperienza culturale: dal museo come spazio espositivo al museo come spazio critico

Il contributo di Davide Dall’Acqua affronta uno dei nodi più rilevanti della trasformazione culturale in atto: il ruolo dell’Intelligenza Artificiale nei luoghi della cultura, e in particolare nei musei, non più intesi come spazi di conservazione, ma come ambienti attivi di mediazione, partecipazione e costruzione del pensiero critico.

Attraverso il progetto Who Am AI, l’autore propone una riflessione originale e concreta sull’uso degli agenti conversazionali come strumenti di interazione culturale, nei quali l’Intelligenza Artificiale assume una duplice funzione: da un lato produttrice di contenuti, dall’altro mediatrice dell’esperienza stessa. Ne deriva un “cortocircuito” in cui il medium diventa contemporaneamente oggetto e soggetto della fruizione culturale.

Il valore del contributo risiede nella capacità di integrare solide basi teoriche — dal costruttivismo educativo al modello contestuale dell’apprendimento fino alla partecipazione museale — con una sperimentazione concreta, che dimostra come l’IA possa contribuire a trasformare il museo in uno spazio di apprendimento attivo, inclusivo e personalizzato.

In questa prospettiva, il museo emerge come uno dei luoghi privilegiati per lo sviluppo dell’AI literacy, intesa non come competenza tecnica, ma come capacità critica di comprendere, interrogare e orientare le tecnologie. Un passaggio decisivo per la costruzione di una cittadinanza consapevole nell’era dell’Intelligenza Artificiale.

CM

ABSTRACT (IT)

Il presente contributo indaga le modalità attraverso cui l’Intelligenza Artificiale può integrarsi in un contesto espositivo museale, configurandosi come autentico strumento di mediazione culturale. Questo percorso di analisi è stato necessario per progettare e verificare il progetto Who Am AI, un’installazione nella quale l’Intelligenza Artificiale è simultaneamente produttrice delle opere visive inserite nello spazio espositivo e tecnologia che il visitatore può impiegare per conoscere, esplorare e interrogare l’esposizione stessa. Un cortocircuito nel quale il medium si fa, al contempo, soggetto e oggetto dell’esperienza. Per fondare teoricamente questa doppia funzione si sono analizzate le teorie del costruttivismo educativo di Hein (1998), il Contextual Model of Learning di Falk e Dierking (2013) e la teoria della partecipazione museale di Simon (2010): riferimenti che orientano la transizione da un modello di fruizione passiva a uno di partecipazione attiva. Il contributo si propone dunque di dimostrare come un simile approccio possa rispondere alle esigenze di accessibilità, personalizzazione e sostenibilità proprie delle istituzioni culturali di piccola e media dimensione, riconfigurando il museo come spazio di partecipazione culturale e di formazione del pensiero critico nell’epoca dell’IA generativa.

ABSTRACT (EN)

This contribution investigates the ways in which Artificial Intelligence can be integrated into a museum exhibition context, functioning as a genuine tool for cultural mediation. This analytical path was necessary in order to design and validate the project Who Am AI, an installation in which Artificial Intelligence simultaneously produces the visual works displayed within the exhibition space and serves as a technology that visitors can employ to learn about, explore, and interrogate the exhibition itself. A short circuit in which the medium becomes, at once, both subject and object of the experience. To provide a theoretical foundation for this dual function, the study draws on Hein’s (1998) theories of constructivist education, Falk and Dierking’s (2013) Contextual Model of Learning, and Simon’s (2010) theory of museum participation — references that guide the transition from a model of passive reception to one of active participation. This contribution thus aims to demonstrate how such an approach can address the needs of accessibility, personalisation, and sustainability that are characteristic of small and medium-sized cultural institutions, reconfiguring the museum as a space for cultural participation and the development of critical thinking in the age of generative AI.

KEYWORDS

AI, musei, media integrati, partecipazione, mediatori culturali

È senza dubbio nel periodo post-pandemico che l’Intelligenza Artificiale, e in particolare quella generativa, è entrata nella vita quotidiana delle persone modificando gli stili di vita, i rapporti con la tecnologia e, conseguentemente, anche le dinamiche relazionali. Tra le relazioni che si sono venute a riconfigurare si inseriscono anche alcune modalità di interazione all’interno degli spazi espositivi e dei luoghi della cultura. Se questi fenomeni erano già stati oggetto di indagine e sperimentazione in una fase pre-pandemica, è proprio negli ultimi anni che, anche grazie agli sviluppi tecnologici che hanno reso accessibili strumenti prima riservati a contesti altamente specialistici, si è iniziato a discutere in modo più articolato delle possibilità che questa nuova tecnologia può offrire in tali contesti e delle modalità attraverso cui i visitatori scelgono di interagire con essa.

È precisamente in questa dimensione che si colloca il focus del presente contributo: indagare come gli spazi museali (in primo luogo, ma non in ottica esclusiva) possano configurarsi come luoghi culturali nei quali non soltanto si utilizza l’Intelligenza Artificiale ma si può anche riflettere criticamente su di essa. Un punto di riferimento fondamentale nella riflessione su questo fenomeno è stata senza dubbio la conferenza Cultures of Artificial Intelligence: New Perspectives for Museums, tenutasi nel 2022 presso il Badisches Landesmuseum, nella quale sono stati investigati casi di studio e possibilità applicative in un confronto strutturato tra esperti del settore.

“Cultural institutions and museums can be important players in these transformational processes because they have a great deal of expertise in discussing and contextualizing controversial issues and reflecting on them historically. Such institutions, especially those with a diverse workforce dedicated to lowering barriers and promoting inclusion, also have an extensive repository of high-quality data. However, it must also be noted that the field of AI is marred by existing and emerging mechanisms of exclusion, which have also intensified questions around digital and cultural inequality and participation.”[1]

Lo scopo degli spazi museali, dunque, risulta tanto più pregnante quanto più essi si sottraggono alla condizione di luoghi statici di fruizione, rimodellati dall’esterno da agenti e tecnologie eterodirette, per configurarsi invece come luoghi in cui si possano attivare processi di riflessione, mediazione e contestualizzazione di informazioni e fenomeni. È in questa prospettiva che l’Intelligenza Artificiale non può più essere considerata una mera questione tecnica ma acquisisce, al contrario, una funzione anche educativa: una funzione che chiama in causa la responsabilità delle istituzioni nel mettere il visitatore nella condizione di formarsi un pensiero critico e una consapevolezza politico-civile adeguata alla complessità dei fenomeni in atto. Una posizione, quindi, capace di umanizzare queste dinamiche ponendo l’innovazione al servizio della dignità umana, dell’accessibilità alla conoscenza, della mediazione culturale e della partecipazione attiva.

In questa direzione, il presente contributo attinge a tre riferimenti teorici fondamentali: il costruttivismo educativo sistematizzato da G. Hein (1998), secondo il quale spetta alle istituzioni il compito di accompagnare il visitatore nello sviluppo di un significato proprio attraverso la costruzione di esperienze specificamente orientate a tale processo; il Contextual Model of Learning di Falk e Dierking (2013), che introduce il concetto di esperienza museale come intersezione dinamica tra contesto personale, socioculturale e fisico; infine la teoria di N. Simon (2010) sulla partecipazione museale, che distingue con chiarezza una modalità “su e per” il pubblico da una modalità “con” il pubblico, uno spostamento di paradigma che investe la natura stessa della relazione tra istituzione e visitatore.

A questo quadro teorico si aggiungerà il caso studio di Who Am AI, un’esposizione concepita per accompagnare i visitatori in un percorso di riflessione e interazione coerente con le teorie sopra richiamate. Un’intelligenza artificiale che non è semplice contorno tecnologico, ma diviene soggetto specifico dell’esperienza espositiva: le immagini che si possono osservare, le audioguide che si possono ascoltare, gli agenti chatbot che accompagnano il visitatore nell’interazione con l’esposizione, tutto si configura come un cortocircuito tra realtà e invenzione algoritmica. Un cortocircuito finalizzato a connettere educare e umanizzare nella fruizione museale, un rapporto tra realtà e realtà-percepita capace di stimolare curiosità e riflessione critica. Come scrivono Gustke, Schaffer e Ruß a proposito del loro progetto CHIM allo Städel Museum, i chatbot nei musei “non dovrebbero essere oracoli onniscienti, ma piuttosto compagni divertenti e incoraggianti nei percorsi di visita. Possono connetterci con altri utenti e motivarci a produrre i nostri contenuti o commenti. Sono dunque uno strumento democratico e di empowerment per una maggiore partecipazione” (tradotto in italiano da Gustke, Schaffer, Ruß, 2024).

La domanda di ricerca che orienta il presente contributo può dunque essere formulata nei termini seguenti: in che modo l’intelligenza artificiale (e i chatbot in particolare) può divenire strumento costruttivista di mediazione culturale e di formazione del pensiero critico negli spazi espositivi, rispondendo al contempo alle esigenze di accessibilità, personalizzazione e sostenibilità che caratterizzano le istituzioni culturali di piccola e media dimensione?

“Come possono le istituzioni culturali riconnettersi con il pubblico e dimostrare il proprio valore e la propria rilevanza nella vita contemporanea? Credo che possano farlo invitando le persone a impegnarsi attivamente come partecipanti culturali, non come consumatori passivi.”[2]

Apprendere nel museo

In questo capitolo ho voluto approfondire alcune tra le teorie dell’apprendimento più rilevanti al fine di analizzare quali siano le caratteristiche e le strutture funzionali tali da poter essere applicate con successo allo sviluppo di chatbot e agenti basati su Intelligenza Artificiale all’interno di uno spazio museale. Provare a creare un chatbot con questa funzione senza aver prima approfondito le teorie e le casistiche efficaci già sperimentate equivale a voler costruire la struttura di un museo senza possedere competenze teoriche di calcolo strutturale: l’esito non può che essere un’architettura fragile. Costruttivismo (Hein), Contextual Model (Falk e Dierking), partecipazione (Simon) sono tre modelli su cui si fonda una visione museale chiaramente centrata sul visitatore. Una visione con la quale l’IA, entrando in questi ambienti, è chiamata a misurarsi: promuovere una costruzione attiva della conoscenza, rispondere ai differenti contesti personali, interpretare le differenti modalità di partecipazione. Se vince questa sfida può configurarsi come un alleato prezioso per un museo costruttivista; in alternativa, risulterà un dispositivo sofisticato ma sostanzialmente banale di mera trasmissione di informazioni.

Il framework di Hein

Scrive G. Hein nel suo studio Learning in the Museum[3]:

“Per sviluppare una teoria educativa, tre tipi di questioni, due teoriche e una più pratica, devono essere affrontati: una teoria educativa richiede una teoria della conoscenza (un’epistemologia); richiede una teoria dell’apprendimento; e infine una teoria dell’insegnamento, l’applicazione delle concezioni su come le persone apprendono e su cosa apprendono. Le prime due rappresentano la base teorica di ciò che un museo fa come istituzione educativa. La terza determina come le teorie vengono messe in pratica.”

Il framework proposto da Hein opera su due direttrici indipendenti (teoria della conoscenza e teoria dell’apprendimento) che, intersecandosi, generano uno schema a quattro zone, ciascuna dotata di caratteristiche specifiche. Caratteristiche che si riveleranno funzionali all’analisi delle tipologie di interazioni che i chatbot possono instaurare con il visitatore.

La prima direttrice (quella epistemologica, relativa alla teoria della conoscenza) pone ai propri estremi il realismo e l’idealismo: se nel primo caso il mondo reale esiste indipendentemente dalle idee degli esseri umani e la conoscenza consiste nell’approssimarsi a questa realtà esterna, nel secondo la conoscenza è presente esclusivamente nelle menti delle persone e non corrisponde necessariamente al mondo esterno. L’altra direttrice, quella relativa alla teoria dell’apprendimento, presenta anch’essa due estremi: da una parte la concezione dickensiana dei “vasi da riempire”, nella quale l’apprendimento viene paragonato a recipienti vuoti che attendono in modo passivo di essere colmati; dall’altra una costruzione attiva, nella quale il soggetto trasforma, integra e costruisce la propria conoscenza in un processo che è al tempo stesso cognitivo, esperienziale e relazionale.

Questa segmentazione non è un esercizio puramente astratto ma determina, al contrario, uno schema che definisce quattro tipologie educative di base che possono essere direttamente integrate nella progettazione di agenti chatbot.

Nel quadrante realismo-trasmissione si colloca la didattica tradizionale, nella quale il museo espone la verità e il soggetto la assorbe: è l’ambito dei chatbot che forniscono risposte preconfezionate a domande predefinite, replicando in forma digitale il paradigma comunicativo unidirezionale del pannello informativo. Nel quadrante realismo-costruzione troviamo un modello basato sul processo stimolo-risposta, nel quale il visitatore interagisce con gli strumenti disponibili che lo conducono alla risposta corretta (come un chatbot che propone quiz con risposte chiuse per verificare se il visitatore ha compreso le nozioni trasmesse). Nel quadrante costruttivismo-trasmissione il visitatore è invitato a scoprire, attraverso le proprie azioni, una verità che è già stata definita dal curatore (processo noto come discovery learning), nel quale l’autonomia del soggetto è reale ma circoscritta entro un orizzonte di significati predeterminati. Nell’ultimo quadrante, generato dall’intersezione delle direttrici costruttivismo-costruzione attiva, la costruzione della conoscenza è totalmente nelle mani del visitatore, che può giungere anche a risultati non predeterminati dal curatore, un esito genuinamente aperto e imprevedibile. In questi due ultimi casi i chatbot si configurano come guide che accompagnano il visitatore nel suo percorso di scoperta, invitandolo a formulare le proprie domande e le proprie interpretazioni. Se il terzo quadrante risulta gestibile con i sistemi di Intelligenza Artificiale attualmente disponibili, il quarto può, allo stato attuale, essere solamente simulato, in quanto le fondamenta su cui si genera un chatbot AI rimane comunque una base definita da algoritmi e regole che, per la loro natura intrinseca, non possono aprire totalmente a scenari non predeterminati in partenza. Ma è proprio in questi ultimi due quadranti che Hein sintetizza dei principi che si configurano come un vero e proprio manifesto del museo costruttivista: le persone fanno esperienze uniche nei musei, imparano, creano relazioni, generano connessioni che nemmeno il curatore avrebbe potuto prevedere.

“[…] affinché i visitatori abbiano un’esperienza positiva, la loro interazione con i contenuti del museo deve consentire loro di collegare ciò che vedono, fanno e sentono con ciò che già conoscono, comprendono e riconoscono. Il nuovo deve poter essere incorporato nel vecchio.” (Hein, 1998)

Questa visione riveste un’importanza cruciale ai fini della progettazione di agenti chatbot, nella misura in cui questi devono necessariamente tenere conto delle aspettative e delle esperienze precedenti del visitatore: in caso contrario, si rischia di generare un apprendimento limitato (quando non nullo) più prossimo a un modello trasmissivo tradizionale che a un paradigma autenticamente costruttivista. Hein si addentra inoltre nel concetto di Universal Design declinandolo in chiave strategica: uno spazio nel quale programmi e servizi sono pensati in un’ottica user-friendly in senso ampio, una fruizione libera e priva di ostacoli di qualsiasi natura, indipendentemente da abilità, età, formazione o altre caratteristiche sociali del fruitore. Trasferendo questi principi al campo dell’IA museale, si può concepire un chatbot facilmente accessibile ai visitatori con poche conoscenze pregresse, multilingua e capace di adattare il proprio registro comunicativo.

Contextual Model of Learning

Se il modello di Hein mira a suddividere le modalità di apprendimento che possono trovare spazio in un contesto museale, il Contextual Model of Learning teorizzato da John Falk e Lynn Dierking (2013) analizza la complessità della fruizione museale articolandola su tre livelli: personale, socioculturale e fisico. Il primo comprende l’insieme di interessi, esperienze e conoscenze pregresse che un visitatore porta con sé al momento della visita, dando vita al concetto di identity-related visit motivations: le motivazioni con cui ogni visitatore approccia il museo. È a questo livello che il visitatore cessa di assumere una forma generica e stereotipata per differenziarsi in una pluralità di profili che mirano a predire ciò che il fruitore cerca e come ricorderà l’esperienza. Vengono per esempio definite le categorie di Explorer (orientato dalla curiosità), Facilitator (finalizzato al sostegno dell’apprendimento di un familiare), Experience Seeker (in cerca di un’esperienza iconica), Professional/Hobbyist (guidato da interessi specifici), Recharger (alla ricerca di rigenerazione).

La ricerca svolta presso il California Science Center da Falk e colleghi consente di comprendere come, anche in questo caso, indagini precedenti all’avvento dell’IA possano orientare efficacemente la progettazione di strumenti per gli spazi museali. Un agente conversazionale dovrebbe infatti riuscire a coinvolgere i visitatori secondo i loro profili motivazionali, offrendo percorsi personalizzati in funzione delle motivazioni e dei bisogni:

“La capacità di qualcuno di descrivere l’apprendimento risultante dalla propria visita, e in caso affermativo, cosa aveva appreso e come lo descriveva […] dipendeva in misura sorprendentemente ampia dal ruolo che l’individuo credeva di star giocando, dai tratti che attribuiva a se stesso […] dai suoi interessi e bisogni personali. In breve, l’apprendimento era fortemente influenzato da vari fattori personali, socioculturali e fisici, ma più significativamente dalle preferenze motivazionali legate all’identità all’ingresso.”[4]

In questo ambito si inserisce un ulteriore concetto connesso al Contextual Model of Learning: la zona di moderata novità. I ricercatori hanno osservato come l’apprendimento in uno spazio museale risulti più efficace quando al visitatore viene presentato qualcosa che si colloca leggermente, ma non eccessivamente,  al di là di ciò che già conosce. Per questa ragione, un chatbot che fornisce risposte basilari con conoscenze già presenti nel visitatore risulta tanto inefficace quanto uno che trasmette informazioni specifiche e specialistiche in eccesso: in entrambi i casi la zona di moderata novità non viene intercettata. Calibrare il punto di novità è una capacità che l’IA può sviluppare adattandosi progressivamente al visitatore e personalizzando le proprie risposte, una forma di intelligenza relazionale che rappresenta forse il contributo più significativo che questi sistemi possono offrire alla fruizione museale. Un’IA che limiti il percorso di apprendimento o che rimanga ancorata a percorsi obbligati e predeterminati tradisce dunque il principio del free-choice learning, uno dei cardini delle tesi di Falk e Dierking.

Partecipazione e scaffolding

Il terzo fondamento per progettare un’architettura basata su IA a supporto degli spazi museali è fornito da Nina Simon nel suo The Participatory Museum (2010). L’autrice muove da alcuni dati di fatto difficilmente eludibili: la crisi delle presenze nei musei, l’invecchiamento del pubblico, la percezione di irrilevanza (non limitata ai soli spazi museali) da parte degli individui. La sua risposta, significativamente, non guarda alla tecnologia ma alle relazioni, e alla constatazione che queste non sono sufficientemente profonde tra le istituzioni culturali e il loro pubblico.

“Come possono le istituzioni culturali riconnettersi con il pubblico e dimostrare il proprio valore e la propria rilevanza nella vita contemporanea? Credo che possano farlo invitando le persone a impegnarsi attivamente come partecipanti culturali, non come consumatori passivi.” [5]

La partecipazione attiva è dunque la soluzione che Simon propone, identificando inoltre cinque chiare cause di insoddisfazione a cui le tecniche partecipative possono dare risposta e a cui un corretto design dell’IA può fare riferimento: l’irrilevanza dell’istituzione rispetto alla vita del visitatore, alla quale è possibile rispondere personalizzando l’esperienza tramite agenti; l’offerta statica e non personalizzata, affrontabile con contenuti che mutano in base alle interazioni dei visitatori; l’inconsistenza della voce del visitatore, che richiede l’analisi attenta delle interazioni e delle modalità comunicative; la mancanza di spazi utili a forme di espressione creativa, che chiama in causa la capacità di stimolare l’espressione personale; la scarsità di occasioni di dialogo sociale, a cui si può rispondere creando una rete tra visitatori.

Simon precisa inoltre come la miglior partecipazione non si ottenga con modalità che la lascino completamente aperta, ma con quelle che si fondano su una struttura dotata di vincoli creativi, un’impalcatura funzionale a mettere le persone nella condizione di sentirsi sicure nel contribuire. “Le migliori esperienze partecipative non sono completamente aperte. Sono strutturate con un’impalcatura per aiutare le persone a sentirsi a proprio agio nell’impegnarsi nell’attività” (Simon, 2010). È in questa prospettiva che si comprende come un chatbot possa raggiungere risultati di interazione migliori non quando pone domande aperte e generiche, ma quando propone opzioni, quiz o percorsi che lascino da un lato libertà espressiva all’utente ma che gestiscano dall’altro un’impalcatura, uno scaffolding, pensata e progettata in precedenza. Un generico “cosa vuoi sapere?” rischia infatti di produrre domande banali, sintetiche o, nel peggiore dei casi, silenzio. Un esito che, nella logica della partecipazione museale, equivale a un fallimento relazionale.

Simon affronta inoltre il concetto di network effect in una dimensione schiettamente sociale, riprendendo il concetto di oggetto sociale dal lavoro di Jyri Engeström: gli oggetti culturali assumono una forma sociale quando si trasformano in nodi di conversazione tra persone, stimolando confronto, scambio di riflessioni e condivisioni tra visitatori che si aggregano attorno ad essi. “Sogno un’istituzione futura comparabile che sia interamente partecipativa […] Un luogo dove le azioni di ogni persona sono messe in rete con quelle degli altri in contenuti cumulativi e mutevoli per l’esposizione, la condivisione e il remix. Un luogo dove le persone discutono gli oggetti esposti con amici e sconosciuti, condividendo storie e interpretazioni diverse” (Simon, 2010). È qui che l’IA può offrire un contributo di straordinaria rilevanza, non quello di sostituirsi alle interazioni e alle relazioni umane, piuttosto quello di assumere il ruolo di infrastruttura che le rende possibili, le sostiene e le arricchisce. Un’intelligenza artificiale capace di connettere, personalizzare, aggregare e restituire ciò che dalle interazioni nasce. Non come fine in sé ma come strumento al servizio di quella partecipazione attiva che Simon individua come condizione imprescindibile per la rilevanza delle istituzioni culturali nella vita contemporanea.

Il museo come spazio di AI literacy

I testi sui quali si fondano i pilastri teorici del capitolo precedente sono stati scritti, e volutamente scelti, in un’epoca in cui l’IA non aveva ancora assunto l’impatto pervasivo che la caratterizza negli anni più recenti. Ciò non implica, tuttavia, che i concetti in essi espressi siano superati: come si è visto, e come si è provato a concretizzarli in relazione a chatbot e interventi basati su AI, essi conservano una forza euristica intatta. È piuttosto l’ecosistema nel quale questi principi sono oggi chiamati a operare che merita un’analisi specifica e aggiornata. Sistemi capaci di generare testi, immagini e conversazioni che, a un primo impatto, possono risultare indistinguibili da produzioni umane, richiedono l’esistenza di un luogo nel quale i cittadini possano sviluppare una comprensione critica di queste nuove tecnologie. E il museo può diventare, in questa prospettiva, lo spazio critico per eccellenza.

Come osserva Mercedes Bunz nel suo contributo al fascicolo AI in Museums[6]:

Attualmente non esistono luoghi nelle società occidentali dove si consenta alle persone di testare, riflettere e comprendere giocosamente queste tecnologie. I cittadini incontrano le tecnologie IA come utenti e l’IA viene presentata come un servizio funzionante. Questo è problematico poiché queste tecnologie saranno integrate su scala piuttosto ampia nell’analizzare, operare, lavorare e categorizzare, fianco a fianco con noi esseri umani. Solo che raramente ci è dato di guardare sotto il cofano e imparare come funzionano, acquisendo AI literacy.

I musei possono dunque offrire al panorama culturale ciò che, almeno nel contesto occidentale, nessun altro spazio è attualmente in grado di fornire: un ambiente di sperimentazione libero dalla finalità consumistica, nel quale le tecnologie basate su IA possano essere analizzate, comprese e destrutturate nelle loro forme più essenziali. L'”intelligenza” così definita come artificiale è infatti un concetto radicalmente diverso dall’intelligenza umana, e altrettanto diverso è il modo in cui opera, una distinzione che tende a dissolversi proprio in virtù della verosimiglianza crescente degli output generati, rendendo tanto più necessaria un’azione di mediazione culturale che ne sveli i meccanismi e ne esponga i limiti.

L’AI literacy non è dunque una competenza ad uso esclusivo degli addetti ai lavori ma deve configurarsi come competenza civica essenziale per qualsiasi cittadino del nostro tempo, una competenza che consenta di comprendere limiti, potenzialità ed errori di questi nuovi sistemi con la consapevolezza critica necessaria a orientarsi in un ecosistema tecnologico destinato a permeare in profondità ogni dimensione della vita pubblica e privata. Il sistema dell’intelligenza artificiale è del resto, per definizione, multidisciplinare. Ed è proprio questa relazione costitutiva tra tecnico e umanistico, tra scientifico e sociale, a rendersi coerente con la vocazione che i musei storicamente incarnano come spazi culturali di saperi vasti e non necessariamente incasellati in definizioni disciplinari rigide, senza tralasciare quella che è forse la vocazione più profonda di ogni museo: stimolare il sapere e la curiosità, rendere il visitatore soggetto attivo di un processo di scoperta.

È questa, dunque, la funzione che gli spazi museali dovrebbero assumere: ambiente nel quale l’IA diventa essa stessa oggetto del sapere e della scoperta. Come argomenta Murphy, “Adottare un approccio puramente operativo significa perdere una vocazione potenzialmente più grande, la visione strategica e curatoriale necessaria per mostrare la rilevanza contemporanea dei musei come luogo dove idee, cultura e società vengono prodotte, non semplicemente esposte”[7]. A questo concetto fa eco la posizione di Thiel, secondo la quale il futuro dei musei debba orientarsi verso il ruolo di “facilitatori di discussioni etiche in vari ambiti dell’IA, sulla base delle loro competenze fondamentali di mediazione, educazione e riflessione in relazione alle collezioni”[8].

Esistono già casi concreti che mettono in pratica questa visione. Si pensi, per esempio, a quanto sviluppato presso l’Anne Frank Museum di Amsterdam, dove i visitatori sono chiamati a votare su tematiche relative alla libertà: confrontandosi con la pluralità delle opinioni e con le decisioni collettive, i dati aggregati in tempo reale rendono visibile ai visitatori stessi il dissenso democratico come processo esistente e vitale, un dispositivo nel quale la tecnologia non si limita a veicolare informazioni ma rende tangibile e partecipabile un processo politico. Altrettanto significativi sono i dati emersi dai test condotti allo Städel Museum di Francoforte[9] nell’ambito del progetto CHIM, dai quali risulta come i chatbot riescano ad eliminare le frizioni comuni che i visitatori sperimentano nel porre domande a una guida umana: con un agente chatbot queste barriere vengono a diminuire, facendo sentire i visitatori più liberi di chiedere e interagire. Una dinamica nella quale, paradossalmente, è l’artefatto tecnologico a creare le condizioni per una comunicazione più autentica e disinibita. Si consideri ancora il progetto di co-creazione Chatting with Helen of Troy, nel quale diversi studenti hanno creato un chatbot, basato su tecnologia IBM Watson, con il quale interagire con figure femminili del passato: l’IA, in questo progetto, diventa strumento utilizzato in modo co-creativo dai fruitori stessi del museo, ribaltando la tradizionale gerarchia tra istituzione che produce contenuti e pubblico che li consuma.

Questi sono dunque esempi concreti di come uno spazio museale possa impiegare chatbot per svolgere funzioni profondamente differenti e complementari: strumento di mediazione culturale, nell’accompagnamento alla visita; oggetto di riflessione critica, in quanto esperienza che interroga il funzionamento stesso dell’IA; pratica di cittadinanza, nel rendere trasparenti ed etici i progetti digitali. Quando questi aspetti convergono il museo diventa esperienza di educazione alla tecnologia utilizzata, nel nostro caso l’Intelligenza Artificiale, un passaggio che trasforma lo spazio museale da contenitore di saperi a laboratorio di consapevolezza critica, coerente con quella pedagogia trasformativa che le teorie analizzate nel capitolo precedente invocano come orizzonte irrinunciabile.

Il caso Who Am AI

Quanto analizzato e approfondito nei capitoli precedenti ha costituito la premessa teorica e metodologica per la realizzazione del progetto Who Am AI, un’esposizione che ha inteso applicare le potenzialità dell’IA sia nell’ambito della fruizione sia in quello della generazione dei contenuti dell’esposizione stessa. In questo progetto l’IA è sia il mezzo della mediazione culturale che il soggetto, generando un cortocircuito nella mente del visitatore che si trova a interagire con una tecnologia che è, simultaneamente, strumento dell’interazione e oggetto dell’interazione.

Nello spazio espositivo coesistono più modalità di fruizione: una modalità tradizionale, basata sulla visione delle immagini e sulla lettura dei pannelli informativi; una modalità conversazionale, nella quale il visitatore interagisce con cinque agenti chatbot ciascuno dotato di un background psicologico e di uno stile comunicativo differente, così da consentire l’analisi di tipologie comunicative diverse; una terza modalità, fondata su “audioguide” in formato podcast generate tramite IA, progettate per intercettare un consumo mediale già consolidato nelle abitudini dei visitatori.

Questa differenziazione e compresenza di più media risponde a una precisa ipotesi di indagine: verificare come il pubblico si relazioni all’Intelligenza Artificiale non solo come oggetto espositivo ma anche come mediatore e co-costruttore di significati in spazi espositivi di medie e piccole dimensioni. È questo il target specifico della presente ricerca: spazi nei quali i limiti di budget per l’infrastruttura e per il personale si traducono in vincoli concreti per la progettazione di architetture basate su IA, rendendo tanto più necessaria un’indagine sulle soluzioni tecnologicamente sostenibili e al contempo pedagogicamente efficaci.

L’architettura così progettata, articolata su tre livelli fruibili contemporaneamente, fonda le proprie basi sul framework analizzato nel capitolo 2 e sul principio delle intelligenze multiple di Gardner: la possibilità per il visitatore di scegliere se e come combinare questi livelli di fruizione avvalora il principio di free-choice learning di Falk e Dierking. Non tutti i visitatori, infatti, apprendono allo stesso modo; un sistema che offra modalità differenti e lasci al fruitore la libertà di scegliere tra esse si configura come un modello significativamente più inclusivo di quelli che ne propongono una sola.

I cinque chatbot (che prendono i nomi di persone reali: Geena, Franco, Francesco, Luna e Giulia) sono stati addestrati con tecniche di fine tuning su documenti realizzati ad hoc, contenenti informazioni specifiche per ciascuna delle cinque sezioni espositive, al fine di fornire risposte pertinenti alle richieste degli utenti e di caratterizzare lo stile comunicativo di ogni singolo agente. È precisamente questa differenziazione dei profili a costituire la loro caratteristica principale e, al contempo, il tratto che distingue il progetto dai casi studio precedentemente analizzati: alcuni chatbot sono stati progettati con un tono più empatico, altri con un registro tecnico-analitico, altri ancora integrando tecniche di gamification; alcuni rispondono esclusivamente a domande che rientrano nel dominio delle proprie informazioni di addestramento, mentre altri forniscono risposte anche a interrogativi che esulano da questo insieme di dati. Tutto ciò è funzionale a intercettare nel modo più concreto possibile tipologie differenti di apprendimento e fruizione degli spazi espositivi, cercando di differenziarsi in modo strutturale da progetti simili già esistenti nei quali la creazione di personalità specifiche capaci di instaurare una relazione empatica con il visitatore risulta assente o marginale. Come si è evidenziato, i casi studio esaminati includono chatbot prevalentemente informativi affiancati ad altri di impianto ludico-narrativo, ma il tono di voce e il background psicologico vi risultano sviluppati in maniera minima (con l’eccezione del caso delle Case Museo di Milano[10]), dove un tono più colloquiale si è reso necessario per avvicinare la fascia d’età dell’adolescenza.

Le capacità intrinseche degli LLM (Large Language Models) permettono inoltre un’interazione in qualsiasi lingua, rendendo meno problematica la fruizione da parte di un pubblico internazionale e aggirando l’ostacolo proprio dei media tradizionali, o scarsamente interattivi, nei quali i contenuti devono essere tradotti in più lingue, spesso in un numero limitato, per adeguarsi alle competenze linguistiche del fruitore. Il design di questi chatbot è stato studiato valutando diverse modalità interattive: chi incoraggia interazioni testuali aperte, chi genera pulsanti per risposte brevi e concise ma già predefinite, chi propone domande e argomenti di approfondimento all’utente, chi lascia totale libertà espressiva. Un ventaglio progettuale che traduce operativamente il concetto di scaffolding teorizzato da Simon, nel quale la struttura e la libertà coesistono in un equilibrio dinamico.

Sul piano della sostenibilità, inoltre, queste tecnologie si adattano efficacemente al contesto di spazi espositivi di piccole e medie dimensioni: sia dal punto di vista dei costi, contenuti rispetto alle tecnologie attualmente presenti sul mercato; sia in ottica di competenze necessarie per l’aggiornamento e la manutenzione dell’architettura, gestibili anche da personale non specialistico; sia per quanto riguarda il dispositivo di interazione, in questo caso lo smartphone personale del visitatore, che elimina la necessità di acquisire e mantenere hardware proprietario. In ultima analisi, anche il rispetto delle normative relative al GDPR è pienamente garantito, in quanto le tecnologie selezionate sottostanno a tali requisiti a differenza di altri casi studio che hanno utilizzato piattaforme proprietarie come Facebook Messenger, non risultando per questo totalmente GDPR compliant.

Si analizzano ora i dati estratti da questa esposizione, funzionali a testare questa tipologia di rapporto tra visitatori e Intelligenza Artificiale. I cinque chatbot sono stati attivati dagli utenti per un totale di 24 sessioni e 142 messaggi, con una media di 5,9 messaggi per sessione. Il 91,7% delle sessioni è stato condotto in italiano e l’8,3% in inglese, senza che si registrassero errori nella gestione della lingua, un dato che, per quanto quantitativamente circoscritto, attesta la funzionalità operativa della capacità multilingue in un contesto espositivo reale. Si è registrata, come previsto, un’asimmetria comunicativa significativa in termini di lunghezza dei messaggi: i visitatori generano messaggi con una media di 4,2 parole, contro le 28,7 dei chatbot. Un’asimmetria che rivela come l’utente sia più incline alla richiesta di informazioni e chiarimenti che alla generazione di una relazione discorsiva strutturata, dimostrando come il visitatore assuma il chatbot prevalentemente come struttura funzionale piuttosto che come tecnologia conversazionale nell’accezione più ampia del termine. La differenziazione dei profili sul piano comunicativo e con i relativi background psicologici si è tuttavia dimostrata efficace nel produrre interazioni qualitativamente diversificate: Geena ha prodotto le risposte più articolate, con una media di 58,6 parole per messaggio, mentre Giulia è risultata la più concisa, attestandosi a 15,6 parole. Franco, addestrato per proporre frequentemente quiz e per non utilizzare mai la generazione di pulsanti con risposte predefinite, si discosta notevolmente dagli altri agenti per il numero totale di messaggi generati (44 il più elevato) confermando che la dimensione ludica, quando correttamente implementata, stimola una maggiore densità interattiva.

I dati relativi alla gamification sono probabilmente i più rivelatori. Gli utenti che hanno interagito con i chatbot tramite quiz costituiscono il 100% di coloro ai quali è stato proposto di farlo, un dato che testimonia una disponibilità totale del fruitore a lasciarsi coinvolgere in una dimensione, almeno in parte, ludica e partecipativa. Una leva già riscontrata nel caso studio delle Case Museo di Milano, dove il 72% degli studenti aveva valutato il gioco come altamente divertente e il 66% come strumento di apprendimento utile. Gli utenti dei chatbot di Who Am AI hanno risposto correttamente al 67% delle domande, evidenziando una difficoltà correttamente calibrata (né eccessivamente ardua per il pubblico, né talmente facile da risultare banale) in una zona che corrisponde, significativamente, a quella moderata novità che Falk e Dierking individuano come condizione ottimale per l’apprendimento museale. A titolo comparativo, il progetto CHIM allo Städel Museum ha registrato il 63% di risposte corrette su un corpus assai più ampio di 2.300 domande[11].

Per quanto riguarda le tematiche delle interazioni, il 23,7% concerne domande esplorative di carattere generale, il 18,6% richieste di informazioni dettagliate, il 15,3% la prosecuzione di modalità di gamification. Ma è sul 10,2% delle interazioni che vale la pena soffermarsi con attenzione particolare, poiché riguarda reazioni emotive e commenti espressivi (“Interessante!”, “Che paura”, “Incredibile”) che conferiscono al chatbot un ruolo di figura relazionale con cui confrontarsi, un ruolo che trascende la semplice relazione informativa con una tecnologia per investire la dimensione affettiva dell’esperienza. Un dato che richiama, a distanza di decenni, l’intuizione emersa con ELIZA[12]: quella funzione di proiezione emotiva dell’utente sui sistemi conversazionali che Weizenbaum scoprì con sgomento quando la sua segretaria gli chiese di lasciare la stanza per avere maggiore privacy con il chatbot, avendo instaurato con l’algoritmo una relazione non dissimile da quella tra uno psicoterapeuta e la propria paziente. Con modalità analoghe, i visitatori di Who Am AI condividono con il chatbot i propri dubbi sulla veridicità di ciò che osservano, un gesto nel quale la macchina diventa interlocutore in un senso che eccede la funzione informativa per aprirsi alla dimensione di specchio delle emozioni e delle inquietudini del fruitore. Il visitatore esce dunque dalla cornice del chatbot come guida dell’esposizione per confrontarsi con un’IA su tematiche che investono la generazione di immagini da parte dell’IA stessa: l’agente conversazionale non possiede più la sola funzione di guida museale ma si trasforma in un’entità che inizia a generare con l’umano una relazione. L’IA diventa in questo modo il cortocircuito di sé stessa, abbracciando simultaneamente l’essenza di tecnologia che crea le immagini e quella di mediatore di pensiero critico con il quale il visitatore si confronta. Un’evoluzione che ridefinisce i confini tradizionali tra mediazione e creazione, tra supporto informativo e dispositivo estetico, aprendo interrogativi inediti sul ruolo dell’intelligenza artificiale non solo come veicolo di contenuti, ma come agente attivo nella costruzione dell’esperienza artistica e culturale.

BIBLIOGRAFIA

Boiano, S., A. Borda, G. Gaia, S. Rossi, e P. Cuomo. “Chatbots and New Audience Opportunities for Museums and Heritage Organisations” In Proceedings of EVA London 2018, 164–171. London: BCS, 2018.

Falk, John H., e Lynn D. Dierking. The Museum Experience Revisited. London: Routledge, 2013.

Gaia, G., S. Boiano, e A. Borda. “Engaging Museum Visitors with AI: The Case of Chatbots”. In Museums and Digital Culture”, a cura di T. Giannini e J. Bowen, 309–329. Cham: Springer, 2019.

Hein, George E. Learning in the Museum. London: Routledge, 1998.

Natale, Simone. “If Software Is Narrative: Joseph Weizenbaum, Artificial Intelligence and the Biographies of ELIZA”. New Media & Society 21, no. 3 (2019): 712–728.

Nilsson, Nils J. The Quest for Artificial Intelligence: A History of Ideas and Achievements. Cambridge: Cambridge University Press, 2009.

Simon, Nina. The Participatory Museum. Santa Cruz: Museum 2.0, 2010.

S. Thiel,  J. C. Bernhardt, a cura di. AI in Museums: Reflections, Perspectives and Applications. Bielefeld: transcript Verlag, 2024.

S. Varitimiadis, K. Kotis, et al. “Towards Implementing an AI Chatbot Platform for Museums” In International Conference on Cultural Informatics, Communication & Media Studies 1, no. 1, 2020.

[1]  “Le istituzioni culturali e i musei possono essere attori importanti in questi processi trasformativi perché possiedono una grande competenza nel discutere e contestualizzare questioni controverse e nel riflettervi storicamente. Tali istituzioni, specialmente quelle con un personale diversificato dedicato ad abbassare le barriere e a promuovere l’inclusione, dispongono anche di un ampio patrimonio di dati di alta qualità. Tuttavia, va anche notato che il campo dell’IA è segnato da meccanismi di esclusione esistenti ed emergenti, che hanno anche intensificato le questioni relative alla disuguaglianza digitale e culturale e alla partecipazione.” – S. Thiel, J.C. Bernhardt, AI in Museums: Reflections, Perspectives and Applications, transcript Verlag, Bielefeld, 2024

[2]  N. Simon, The Participatory Museum, Museum 2.0, Santa Cruz, 2010

[3] G. E. Hein, Learning in the Museum, Routledge, London, 1998

[4] J. H. Falk, L. D. Dierking, The Museum Experience Revisited, Routledge, 2013

[5] N. Simon, The Participatory Museum, Museum 2.0, Santa Cruz, 2010

[6] M. Bunz, The Role of Culture in the Intelligence of AI, in AI in Museums, Bielefeld, 2024

[7] O. Murphy, Power, Data and Control: AI in the Museum, in AI in Museums, 2024

[8] S. Thiel, Managing AI: Developing Strategic and Ethical Guidelines for Museums in AI in Museums, 2024

[9] O. Gustke, S. Schaffer, A. Ruß, CHIM—Chatbot in the Museum in AI in Museums, 2024

[10] S. Boiano, A. Borda, G. Gaia, & S. Rossi, P. Cuomo, Chatbots and New Audience Opportunities for Museums and Heritage Organisations, 2018, Proceedings of EVA London

[11] O. Gustke, S. Schaffer, A. Ruß, CHIM—Chatbot in the Museum. Exploring and Explaining Museum Objects with Speech-Based AI, in AI in museums, Verlag 2024

[12] S. Natale, If Software Is Narrative: Joseph Weizenbaum, Artificial Intelligence and the Biographies of ELIZA, New Media & Society

(*) Davide Dall’Acqua è designer-researcher, regista e fotografo la cui pratica si colloca all’intersezione tra cultura visiva, tecnologie digitali e intelligenza artificiale. È docente presso prestigiose istituzioni accademiche italiane — tra cui l’Accademia di Belle Arti di Brera, l’Accademia di Belle Arti di Perugia, l’ISIA di Urbino, l’Accademia SantaGiulia di Brescia e l’Accademia di Belle Arti di Verona — dove insegna discipline legate all’ambito della comunicazione multimediale e della cultura visiva. La sua attività professionale abbraccia la direzione della fotografia e la consulenza creativa per brand nazionali e internazionali quali Hoover, AC Milan, Ferrero, Stiga e numerosi altri, consolidando un profilo che unisce rigore estetico e visione strategica. In ambito cinematografico ha ottenuto importanti riconoscimenti: il cortometraggio The Box, di cui ha curato la direzione della fotografia, è stato premiato al Panama City Independent Film Festival, mentre il documentario Natura Profonda, presentato al Festival Pasinetti, ha ricevuto il Premio della Municipalità di Venezia. Il suo percorso di ricerca artistica include Paesaggi Cromatici, progetto fotografico sviluppato in dialogo con la poetica di Franco Fontana, e Who Am AI, un’esposizione che esplora il confine tra identità umana e intelligenza artificiale attraverso chatbot generativi percepiti dal pubblico come autentici soggetti documentari — un lavoro che interroga in profondità i concetti di autorialità, corpo e presenza nei media contemporanei. È stato selezionato dal MIUR tra i 200 esperti formatori a livello nazionale nell’ambito del progetto CIPS — Operatori di Educazione Visiva a Scuola, confermando il suo impegno nella promozione dell’alfabetizzazione visiva e mediale nelle istituzioni scolastiche. La sua ricerca, che attraversa fotografia, cinema, interaction design e intelligenza artificiale, si distingue per una costante tensione tra sperimentazione tecnologica e riflessione critica sulla condizione dell’immagine e del corpo nell’era digitale.