Un modello linguistico da 13 miliardi di parametri che non sa nulla della Seconda guerra mondiale, ignora l’esistenza di Internet e immagina l’Europa del 2026 collegata da ferrovie a vapore. Non è uno scherzo, né un progetto artistico: si chiama Talkie, è stato rilasciato ad aprile 2026 sotto licenza Apache 2.0, e rappresenta forse l’esperimento più radicale nel campo dell’intelligenza artificiale degli ultimi anni. Non per la sua potenza — ci sono modelli cento volte più grandi — ma per una scelta deliberata, quasi provocatoria: addestrarlo esclusivamente su testi pubblicati prima del 31 dicembre 1930. Tutto pubblico dominio. Nessun dato scraping selvaggio da Reddit, nessun articolo di giornale aspirato senza consenso, nessun libro ancora protetto da copyright risucchiato da chissà quale crawler notturno.
La cosa che rende Talkie davvero interessante non è la nostalgia per gli anni Venti del Novecento. È il fatto che dimostri — coi fatti, non con le chiacchiere — che costruire un modello linguistico senza saccheggiare il lavoro altrui è possibile. E che a farlo sia Alec Radford, l’uomo che ha letteralmente inventato GPT quando lavorava per OpenAI, aggiunge un livello di significato che sarebbe miope ignorare.
Un ricercatore lascia OpenAI e sceglie il pubblico dominio
Facciamo un passo indietro. Alec Radford non è un nome qualsiasi nella storia dell’intelligenza artificiale. È il primo autore del paper su GPT-1, nel 2018. Ha guidato lo sviluppo di GPT-2. Ha contribuito a CLIP e Whisper. È, senza esagerazioni, uno degli architetti principali di quella rivoluzione che oggi chiamiamo — spesso a sproposito — “intelligenza artificiale generativa”. A dicembre 2024 ha lasciato OpenAI per fare ricerca indipendente, e pochi mesi dopo è stato citato in giudizio come testimone in una delle tante cause per violazione del copyright che pendono sulla testa del suo ex datore di lavoro. Il tempismo, diciamo, non è casuale.
Talkie nasce da questa nuova fase della carriera di Radford, insieme a Nick Levine e David Duvenaud, con il supporto finanziario di Coefficient Giving e — ironia delle ironie — di Anthropic. Il progetto è disarmante nella sua semplicità concettuale: prendere 260 miliardi di token da libri, giornali, riviste scientifiche, brevetti e documenti legali tutti anteriori al 1931, e addestrare su questo corpus un modello linguistico moderno. La data non è arbitraria: il 31 dicembre 1930 è il confine del pubblico dominio negli Stati Uniti. Tutto ciò che è stato pubblicato prima di quella data è legalmente utilizzabile da chiunque, senza chiedere permesso a nessuno, senza pagare royalty, senza violare alcun diritto d’autore.
Il punto è che questa scelta — che sembra puramente tecnica, quasi un esperimento accademico — è in realtà profondamente politica. Mentre Meta, Google, OpenAI, Apple e tutti gli altri giganti dell’AI vengono trascinati in tribunale per aver costruito i loro modelli su dati rastrellati senza consenso (la News/Media Alliance ha appena inviato a Common Crawl un ultimatum formale ad aprile 2026, definendo la pratica “riciclaggio di dati”), Radford dimostra che esiste un’alternativa. Costosa, limitata, imperfetta — ma reale.
Cosa vede un’intelligenza artificiale che non conosce il presente
I risultati di Talkie sono affascinanti e, per certi versi, inquietanti. Il modello immagina un 2026 dove l’Europa conta un miliardo di abitanti collegati da “ferrovie di ferro”, dove i piroscafi collegano Londra a New York in dieci giorni, dove “l’inverno si passa a Parigi e l’estate a Londra”. Dubita che una seconda guerra mondiale possa verificarsi, ragionando che “la follia del 1914-1918 è passata”. Eppure avverte di “animosità che covano sotto la cenere” e di “materiali infiammabili” sparsi per l’Europa — indicando potenziali conflitti tra Cina e Giappone o tra Italia e Jugoslavia. Un modello che, paradossalmente, coglie le tensioni geopolitiche senza poter immaginare dove porteranno.
I ricercatori hanno misurato quanto gli eventi storici successivi al 1930 risultino “sorprendenti” per il modello — tecnicamente, quanto alta sia la perplexity quando gli si presentano descrizioni di fatti post-1930. Il risultato: la sorpresa cresce costantemente, raggiunge il picco negli anni Cinquanta e Sessanta, poi si stabilizza. Il mondo dopo il 1930 è, per Talkie, sempre più alieno e incomprensibile. Uno specchio distorto ma rivelatore: ci mostra quanto il nostro presente sia stato plasmato da eventi che, dal punto di vista del 1930, erano letteralmente inimmaginabili.
Ma il dato più significativo per chi si occupa di AI riguarda la generalizzazione. Talkie non ha mai visto una riga di codice Python nella sua vita — il linguaggio è stato creato nel 1991. Eppure, quando gli vengono forniti esempi nel contesto (il cosiddetto in-context learning), riesce a scrivere programmi semplici. Ha implementato correttamente la funzione di decodifica di un cifrario a rotazione partendo solo dalla funzione di codifica. Un modello che non sa cosa sia un computer è in grado di programmare, se gli mostri come. Questo dice qualcosa di profondo sulla natura di questi sistemi: la capacità di ragionamento non dipende dalla memorizzazione di soluzioni, ma dall’apprendimento di pattern strutturali nel linguaggio stesso. E siccome Talkie non ha mai potuto memorizzare soluzioni moderne, qualsiasi risultato ottenga è pura generalizzazione — un esperimento impossibile da replicare con modelli addestrati sul web moderno, dove la contaminazione dei dati di test è endemica.
Il vero esperimento: sottrarre l’AI alla logica estrattiva
Qui arriviamo al nocciolo della questione, quello che interessa davvero a chi guarda la tecnologia non come consumatore passivo ma come soggetto politico. Talkie è rilasciato sotto licenza Apache 2.0 — completamente aperto, pesi inclusi, riproducibile. Il codice è su GitHub, i modelli su Hugging Face. Chiunque può scaricarlo, modificarlo, studiarlo. Nessun muro di API proprietarie, nessun abbonamento mensile, nessuna clausola che ti impedisce di capire come funziona.
Confrontiamo questo con il modello dominante. OpenAI, l’ex casa di Radford, ha smesso da anni di pubblicare i pesi dei suoi modelli. GPT-4, GPT-5 e successori sono scatole nere accessibili solo pagando, governate da “safety policies” decise unilateralmente da un consiglio di amministrazione che risponde agli investitori — Microsoft in primis. Google con Gemini fa lo stesso. Meta rilascia Llama con licenze che sembrano aperte ma impongono restrizioni commerciali. Il pattern è sempre quello: concentrazione del potere, opacità, dipendenza.
Talkie rompe questo schema su due livelli. Primo: dimostra che i dati di addestramento non devono essere necessariamente rubati. Tutta la retorica del “fair use” che le big tech hanno costruito per giustificare lo scraping massivo — “è trasformativo”, “non sostituisce l’originale”, “è come leggere in biblioteca” — viene demolita dalla semplice esistenza di un’alternativa praticabile. Secondo: dimostra che la ricerca AI di frontiera può essere fatta fuori dalle corporazioni, da piccoli team indipendenti, con risorse limitate ma idee radicali. Un modello da 13 miliardi di parametri non compete con GPT-5, certo. Ma la domanda che pone è devastante: se Radford può fare ricerca significativa con dati pubblici e licenze aperte, perché gli altri non lo fanno?
La risposta la conosciamo tutti. Non lo fanno perché il modello di business delle big tech si regge sulla proprietà esclusiva dei dati e dei modelli. Aprire davvero l’AI significherebbe rinunciare al fossato competitivo, al potere di gatekeeping, alla possibilità di decidere chi può fare cosa con l’intelligenza artificiale. E questo, in un settore dove un singolo modello costa centinaia di milioni di dollari in calcolo, è un potere enorme — forse il più grande della nostra epoca.
Contaminazione, bias e le lezioni politiche di un modello “puro”
C’è un aspetto di Talkie che merita una riflessione più profonda: il problema della contaminazione temporale. Nonostante gli sforzi maniacali dei ricercatori per escludere qualsiasi testo post-1930, il modello ha comunque assorbito tracce di conoscenza sulla presidenza Roosevelt, sulla Seconda guerra mondiale, sulle Nazioni Unite. Come? Attraverso documenti mislabeled, ristampe con introduzioni anacronistiche, edizioni annotate che sono sfuggite ai filtri. I ricercatori stimano che il modello addestrato su testi OCR grezzi raggiunge solo il 30% dell’efficienza di apprendimento rispetto a trascrizioni umane verificate — il rumore nei dati storici è massiccio.
Questa fragilità dice qualcosa di importante. Se è quasi impossibile isolare un modello da informazioni indesiderate anche quando hai il controllo totale del corpus, immaginatevi cosa succede con i modelli commerciali addestrati su trilioni di token rastrellati dal web senza alcuna curation seria. I bias, le disinformazioni, i contenuti tossici non sono bug del sistema — sono feature strutturali di un approccio alla raccolta dati che privilegia la quantità sulla qualità, la velocità sulla responsabilità, il profitto sulla cura.
C’è poi la questione dell’addestramento post-training. I modelli moderni vengono “allineati” attraverso RLHF e istruzioni create da lavoratori sottopagati nel Sud globale — un fatto ampiamente documentato. Talkie ha scelto una strada diversa: il post-training è stato costruito a partire da manuali di etichetta, libri di cucina e testi strutturati dell’epoca. Il risultato è un modello che “parla” come un gentiluomo edoardiano, con tutte le limitazioni e i pregiudizi del caso. Ma almeno quei pregiudizi sono trasparenti, storicamente contestualizzati, analizzabili. Non sono nascosti dietro strati di alignment opaco progettato per far sembrare il modello “sicuro” secondo criteri decisi da un’azienda della Silicon Valley.
Perché — e qui entra la questione politica che più mi preme — la “sicurezza” nell’AI non è mai neutrale. Quando OpenAI decide che il suo modello non deve parlare di certi argomenti, o deve dare certe risposte su certi temi, sta esercitando un potere editoriale immenso mascherato da scelta tecnica. Talkie, col suo candore ottocentesco — pregiudizi coloniali inclusi — è paradossalmente più onesto: ti mostra esattamente cosa c’è nei dati, senza filtri cosmetici. Spetta a te, non all’azienda, decidere cosa farne.
I piani futuri del team sono ambiziosi: un modello equivalente a GPT-3 entro l’estate 2026, con un corpus che punta a superare il trilione di token. Se ci riusciranno, avremo per la prima volta un large language model competitivo costruito interamente su dati legali e rilasciato senza restrizioni. Non risolverà tutti i problemi dell’AI — non risolverà lo sfruttamento energetico, non risolverà la concentrazione del potere di calcolo — ma toglierà un alibi fondamentale a chi sostiene che l’apertura è tecnicamente impossibile.
Talkie ci ricorda una cosa che tendiamo a dimenticare nella corsa frenetica verso il prossimo benchmark, il prossimo modello da mille miliardi di parametri, il prossimo round di finanziamento da record: l’intelligenza artificiale non è un fenomeno naturale. È una costruzione sociale, plasmata dalle scelte di chi la finanzia, chi raccoglie i dati, chi decide cosa includere e cosa escludere. Un modello addestrato sul 1930 vede il mondo del 1930. Un modello addestrato sul web del 2026, filtrato dalle politiche di sicurezza di una corporation californiana, vede il mondo come quella corporation vuole che lo vediamo. La differenza è che Talkie è onesto riguardo ai suoi limiti. Gli altri no.