Per il dott. Alberto Tricarico

Prima di immergerci in questo inusuale confronto – quello, appunto, tra i vincoli magici bruniani e gli algoritmi di Intelligenza Artificiale – è utile chiarire che quando parliamo di “vincoli” o “legami” nel pensiero di Giordano Bruno non abbiamo una teoria dei vincoli nel senso tecnico (come la “constraint satisfaction” in informatica). In Bruno, “vincolo” (o vinculum, vincula) assume un senso metafisico, magico e psicologico: è un principio che connette, lega, orienta, unisce desideri, percezioni, energie. Bruno attribuisce a questi legami una centralità nella struttura dell’universo: ogni cosa è in relazione, ogni ente è vincolato, ogni attrazione è segno di un ordine nascosto. Nel pensiero rinascimentale “magico-naturalistico” di Bruno, i vincoli sono forze che operano a vari livelli (sensibile, immaginativo, spirituale) e che servono a mettere in connessione entità, non sempre in modo deterministico ma in modo “partecipato” e dinamico.
Se si vuole costruire un parallelo con l’IA, bisogna ricondurre questi “vincoli” bruniani a idee formali: regole, restrizioni, relazioni, condizioni, legami strutturali tra elementi. In informatica e IA, “vincolo” (constraint) è qualcosa che limita lo spazio delle possibili soluzioni, impone condizioni che le soluzioni devono soddisfare. In machine learning e nei sistemi intelligenti, i vincoli possono essere incorporati come regole, come prior, come struttura del modello, come architetture che vincolano i comportamenti possibili.
Quindi, il confronto che si può tentare va in questa direzione: in Bruno, tutti gli enti sono vincolati da strutture metafisiche di relazione; in IA, gli algoritmi agiscono entro spazi vincolati da regole, dati, modelli, obiettivi. Vedremo come i due mondi possono dialogare, confronto che, comunque, è per forza di cose parziale e “ribaltato”.
Approfondiamo qualche aspetto chiave del vincolo nei testi bruniani. In De vinculis in genere, Bruno distingue tra ciò che vincola e ciò che è vincolabile, fra il vincolante (il soggetto che imprime il vincolo) e il vincolato (l’oggetto che subisce il vincolo). Egli scrive: «Chi vincola, non incatena a sé l’anima se non l’ha rapita; non la rapisce se non incatenata; … non si congiunge se non la raggiunge; … non si avvicina se non inclina … non inclina se non è mosso da desiderio … non ha maturato conoscenza…».
Questa catena di condizioni suggerisce un vincolo che non è imposto dall’esterno in modo puramente meccanico ma che richiede una sorta di partecipazione, un avvicinamento, una conoscenza, un desiderio: è una legatura “reciproca” o, almeno, partecipata. Il vincolante non è semplicemente forza bruta ma qualcosa che “risuona” nell’anima del vincolato, attiva corrispondenze, fantasmi interiori. Questo aspetto è importante se si vuole paragonarlo a modelli di IA: in molti sistemi intelligenti, le regole non sono solo forzate ma si attivano se le strutture del modello hanno simmetrie, corrispondenze, compatibilità interne.
Bruno parla anche del Vinculum Vinculorum, il vincolo dei vincoli, che è identificato con Eros, come forza cosmica di attrazione che permea ogni relazione. È un principio primario d’unità e connessione dell’universo, fonte generativa di legami. Il vincolo, pertanto, non è solo limitazione ma generatività: è ciò che rende possibile la relazione, l’attrazione, lo scambio. Non tutto ciò che è vincolato è “bloccato” in modo statico ma è parte di un ordine che pulsa, che evolve, che cerca armonia.
Bruno parla di vincoli sensoriali (attrazione tramite vista, udito), vincoli della fantasia, vincoli della memoria, vincoli della magia, vincoli interni dell’anima. Ogni livello ha i suoi modi di legare. In De vinculis in genere e nei testi correlati, egli intende che la magia consiste proprio nell’arte di conoscere e manipolare questi vincoli: non con forze brutali ma con corrispondenze simboliche, segni, sigilli, immagini. Quindi, il vincolo, per Bruno, ha anche un carattere espressivo, simbolico, estetico: è simultaneamente tecnica e poesia.
Ora passiamo al dominio dell’IA e cerchiamo di mappare cosa significhi “vincolo” in questo contesto e come certe idee bruniane possano trovarvi eco.
Nel campo classico dell’Intelligenza Artificiale – e, più in generale, dell’informatica – un vincolo è una condizione che ogni soluzione deve rispettare. Nei constraint satisfaction problems (CSP), il problema è definito da un insieme di variabili, dai rispettivi domini di valori possibili e da un insieme di vincoli che legano tra loro queste variabili. In tale contesto, una soluzione non è altro che un’assegnazione di valori alle variabili, che soddisfa simultaneamente tutti i vincoli imposti.
Quando, invece, si parla di ottimizzazione vincolata, come nella programmazione matematica, l’obiettivo non è semplicemente trovare una soluzione valida ma individuare quella che massimizza o minimizza una determinata funzione obiettivo, nel rispetto di vincoli di vario tipo: uguaglianze, disuguaglianze, condizioni di integrità e così via. Questi vincoli tradizionali possono essere considerati “freddi”: sono precisi, formali, strutturali. Non nascono da interpretazioni simboliche o da esigenze estetiche ma da regole matematiche che definiscono lo spazio delle soluzioni.

Tuttavia, nei sistemi intelligenti moderni il concetto di vincolo si è ampliato. Oggi, infatti, può includere elementi più “morbidi” o contestuali. Esistono, per esempio, vincoli probabilistici o prior, che guidano l’apprendimento secondo conoscenze o ipotesi preesistenti; vincoli architetturali, imposti direttamente dalla struttura del modello – come la necessità che le probabilità assegnate da una rete neurale sommino a uno; vincoli derivanti dai dati, che rappresentano restrizioni implicite apprese dall’osservazione del mondo; vincoli etici o normativi, sempre più rilevanti nei sistemi di Intelligenza Artificiale allineata, dove l’obiettivo non è solo “funzionare” ma farlo in modo corretto e responsabile.
In sintesi, se nei sistemi classici i vincoli delimitavano rigidamente ciò che era ammesso, nei sistemi intelligenti contemporanei diventano anche strumenti di orientamento: aiutano il modello non solo a rispettare regole ma anche a comportarsi in modo coerente con princìpi, conoscenze e valori.
Un altro tipo di vincolo cruciale negli algoritmi intelligenti è il vincolo computazionale: memoria, tempo, risorse limitate. Nel celebre articolo del 1994, Provably Bounded‑Optimal Agents, di Stuart Russell e Devika Subramanian, si propone che un agente non debba essere “perfettamente razionale” (cosa spesso insostenibile in ambienti reali) ma “razionalmente vincolato”: cioè, ottimo entro le proprie risorse.
Questo concetto è affascinante perché accomuna, in un certo senso, l’idea bruniana che non si può “trascendere” i legami: anche i sistemi pensanti sono vincolati dalle risorse, dalle strutture, dal modello.
Nei modelli di machine learning (reti neurali, modelli probabilistici, modelli generativi), i vincoli non sono sempre espliciti ma latenti: la struttura del modello impone vincoli su quali correlazioni possono essere rappresentate, quali trasformazioni sono possibili, quali generalizzazioni sono ammissibili.
Per esempio, i bias architetturali impongono che certe funzioni siano più “facili” da apprendere, le regolarizzazioni (L1, L2) fungono da vincoli che scoraggiano soluzioni troppo “estreme” e vincoli di simmetria o causalità possono essere inseriti come priors.
In sistemi di generazione linguistica (large language models, modelli a prompt), possiamo vedere vincoli nel prompt design, nel contesto, nei token di istruzione, nei massimi di lunghezza, nei filtri di sicurezza. In un documento recente di Andy Bromberg (settembre 2025), “Theory of Constraints for AI”, si parla di “theory of constraints applied all’ecosistema LLM”: ogni sistema ha un collo di bottiglia – il prompt, il contesto, gli strumenti – che limita la qualità dell’output. Così, nel “metasistema” intorno al modello, i vincoli emergono come leve di controllo.
Ora che sono stati delineati i due territori (il vincolo bruniano e il vincolo tecnico/algoritmico), si possono cercare parallelismi, analogie e anche fratture tra i due mondi.
In Bruno, il vincolo non è una costrizione egoistica ma una relazione attiva: qualcosa che attiva, cattura, produce desiderio. Non è solo limite ma dialettica tra vincolante e vincolato. Se il vincolo è troppo rigido è distruttivo, se è troppo debole è inefficace.
Negli algoritmi, il vincolo freddo tende a essere passivo: “questa assegnazione non è ammessa”. Ma, nella pratica, i vincoli ben scelti agiscono come attivatori: guidano la ricerca, restringono lo spazio, facilitano l’emergere del comportamento desiderato. Un vincolo ben disegnato può stimolare il modello ad “allinearsi”. Quindi, un parallelismo: il vincolo come generatore di possibilità, non solo come limite – quando ben concepito.
Bruno insiste sul fatto che il vincolo opera meglio se è “interiorizzato”, se c’è connessione simbolica e cognitiva: si vincola chi “risponde” al vincolo, cioè, che già interiormente ha qualche affinità.
Nei modelli di IA, i vincoli più potenti sono quelli incorporati nell’architettura (struttura, prior, bias) piuttosto che quelli imposti a posteriori. Un vincolo esterno impone verifiche (post‑hoc) ma non rende il modello “sensibile” a quel vincolo. Eppure, un vincolo architetturale orienta profondamente il modello fin dall’inizio. Questa è un’analogia con il vincolo bruniano, che “precede” e “prepara” l’adesione.
Bruno dà grande rilievo al vincolo simbolico: sigilli, immagini, corrispondenze, memoria sono modi di attivare vincoli invisibili. Ogni vincolo ha un aspetto semiotico. Questa idea può ripercuotersi nei modelli ibridi che uniscono simbolico e subsimbolico – dove i vincoli simbolici (regole, logica) coesistono con vincoli impliciti nei modelli neurali. In una AI ben progettata, i vincoli simbolici “risuonano” con la rete sottostante, non sono mera addizione esterna.
Bruno riconosce che ogni conoscenza è vincolata: non possiamo cogliere la totalità spogliandoci dei nostri limiti. Il vincolo è insieme condizione di possibilità e limite dell’agire conoscitivo. In IA, questo corrisponde all’idea che nessun modello è “onnisciente”: ha limiti di dati, bias, rappresentanza. Il vincolo computazionale (tempo, memoria) è inevitabile. Il parallelismo è che ogni Intelligenza Artificiale è un’intelligenza “vincolata”.
Un aspetto cruciale del pensiero bruniano è che i vincoli non sono eterni e immutabili: possono essere modificati, “rotti”, trasformati. L’arte del mago è conoscere come sciogliere legami e crearne di nuovi. Questo rimanda all’idea che i sistemi intelligenti non siano statici ma possano apprendere nuovi vincoli, mutare ipotesi, ristrutturarsi. In IA, modelli adattivi, reti che cambiano architettura (ad es. reti neurali dinamiche, modelli auto-modificanti), learning to learn, possono essere visti come “resa fluida dei vincoli”.
Naturalmente, il confronto ha limiti profondi. Il vincolo bruniano ha connotati ontologici, metafisici, simbolici, che semplicemente non hanno corrispettivo in un algoritmo (o, almeno, non in modo diretto). È ingiusto ridurre Bruno a “metafora per IA”. Nei sistemi algoritmici tutto deve essere formalizzato, discretizzato; le sfumature soggettive, il “desiderio”, il “fantasma interiore” non sono catturabili (almeno oggi) come vincoli computabili. Se il vincolo è troppo rigido, l’algoritmo può diventare pessimo (overfitting, incapacità di generalizzare). Bruno sa che vincoli troppo rigidi sono sterili. L’analogia, poi, rischia di essere troppo metaforica: non possiamo pretendere che un vincolo bruniano “energia simbolica” si traduca direttamente in una funzione di costo.
Il fascino dell’accostamento tra la teoria dei vincoli in Giordano Bruno e gli algoritmi di Intelligenza Artificiale sta nel mettere in tensione due mondi apparentemente lontani: l’universo simbolico, magico, partecipato di un pensatore rinascimentale e il mondo formale, razionale e tecnico della scienza contemporanea. Il vincolo – se lo intendiamo non solo come restrizione ma come relazione attiva – può essere inteso quale figura di mediazione: ciò che unisce struttura e libertà, limite e creazione, regola e crescita.
Più modestamente, questa riflessione può servire a un’intuizione progettuale: che nei sistemi intelligenti potremmo cercare non solo “meno vincoli” o “vincoli più lassi” ma vincoli migliori, vincoli che stimolano, che orientano, che permettono moltitudine. Un’IA “magica” non è quella che sfugge a ogni vincolo ma quella che sa “danzare” con i vincoli – riconoscerli, trasformarli, creare nuove connessioni.