L’Effetto Ping Pong

L’“impossibile” che hai realizzato nel Capitolo 1 è avvenuto attraverso un meccanismo specifico che chiamo Effetto Ping Pong, e comprendere come funziona trasforma ciò che puoi ottenere con l’IA. La tua esperienza nel Capitolo 1 rispecchia il mio processo di scoperta. Lascia che ti mostri come ho trovato questo schema.

Il Dr. Jay Forrester ha guidato il Project Whirlwind, ha sviluppato la memoria a nuclei magnetici pratica e ha costruito il sistema di difesa aerea Semi-Automated Ground Environment. Il suo articolo più influente è stato “Comportamento controintuitivo dei sistemi sociali.”¹

Le intuizioni controintuitive spesso si rivelano le più preziose. Se un consiglio non fosse controintuitivo, probabilmente lo staresti già seguendo. Le tecniche in questo capitolo sfruttano questo principio: ciò che sembra al contrario spesso si rivela più efficace.

Per nove anni (ho scritto il manoscritto nel 2016) sapevo che c’era qualcosa che non andava. Avevo incluso in quel libro contenuti strani che sapevo assolutamente essere importanti ma non riuscivo a spiegare coerentemente il perché. Il fatto che non potessi spiegarlo era ancora più strano del contenuto stesso! Ma ora il libro era sotto contratto con un editore, e dovevo risolvere questa questione.

Non avendo idee migliori, ho avviato una conversazione con Claude di Anthropic.¹ Per me era naturale fare questo con un computer: spiegare il problema e discutere possibili soluzioni, o almeno cercare di spiegare perché pensavo fosse importante.

Claude ha esaminato attentamente quel manoscritto con me, diverse volte. È un’impresa non facile da realizzare con un manoscritto di 500 pagine, nemmeno con le tecniche RAG (Generazione Aumentata dal Recupero), a causa dei limiti di memoria dell’IA (contesto dei token). Ma non sapevo che fosse difficile; per me era naturale.

Ci è voluto circa un mese, ma Claude ed io abbiamo trovato il tassello mancante. Questo era il pezzo che stavo cercando di identificare da nove anni. Ti mostrerò il processo esatto che ho seguito in Capitolo, “Tecniche di IA Scoperte e Applicate.”

In breve, il “tassello mancante” è come uso l’IA in modi precedentemente ritenuti impossibili, con il risultato che posso realizzare compiti che altri considerano impossibili, non ultimo dei quali è la capacità di accelerare tremendamente attività creative come:

• Pensiero strategico o pianificazione che richiedono pensiero ed esperienza umana, o
• Design creativo che, ancora una volta, non può essere semplicemente eseguito come attività di IA.

Ciò che sto offrendo è fondamentalmente diverso: un modo di utilizzare l’IA che permette di raggiungere risultati impossibili attraverso qualsiasi altro mezzo. Nel mondo classificato dell’informatica della Guerra Fredda, distinguevamo tra tecnologie che semplicemente risparmiavano sforzi e quelle che creavano capacità completamente nuove. Le tecniche in questo libro appartengono fermamente a quest’ultima categoria.

Quel tassello mancante ha trasformato il mio approccio ai problemi impossibili. Le tecniche che hanno permesso l’informatica rivoluzionaria durante la Guerra Fredda si applicano ancora oggi alla collaborazione con l’IA. Ecco come ho scoperto questa connessione.

Il libro sotto contratto riguardava i dispositivi informatici rivoluzionari. Il pezzo mancante erano i nostri modi di pensare piuttosto che i modi di fare. Non avevamo mai pensato di scrivere tecniche così pervasive da sembrare invisibili.

Claude ha suggerito di organizzare il libro non cronologicamente ma per grado di difficoltà. Quel semplice cambiamento ha rivelato il pattern: stavo dimostrando come creavamo connessioni tra domini diversi, applicando tecniche da un’area all’altra.

Questo stesso pattern funziona con l’AI. La maggior parte delle persone si concentra su ciò che l’AI produce: risposte, contenuti, riassunti. Ma analizzare come l’AI produca i risultati, passo dopo passo, rivela qualcosa di diverso. Il viaggio è più importante della destinazione.

Con i computer tradizionali, ho imparato a ragionare attraverso il processo: come il computer avrebbe eseguito ogni passo. Con l’AI, lo stesso approccio funziona. Concentrati sul viaggio che l’AI compie attraverso i suoi dati, le associazioni che crea, i pattern che riconosce.

Concentrarsi sul processo e sul viaggio permette un risultato rivoluzionario: trattare l’AI come un collaboratore alla pari comprendendo come naviga nella sua rete di conoscenze, così possiamo realizzare ciò che nessuno dei due potrebbe ottenere da solo.

Nel luglio 2025, mi ero reso conto che stavo usando l’AI in modo diverso da quanto descrivono i libri attuali sull’ingegneria dei prompt. Il mio metodo di iniziare semplicemente una conversazione era così intuitivo e automatico che non riuscivo a vedere cosa potesse valere la pena condividere e spiegare.

L’esempio che inizia con la sezione “Conversazione Estesa” qui sotto, mostra come sono arrivato al nome “Effetto Ping Pong”.

Figura 1, “Sostenere l’Effetto Ping Pong,” mostra come visualizzo l’Effetto Ping Pong. Sulla sinistra c’è un mago con bacchetta e una racchetta da ping pong. Sulla destra c’è un robot che rappresenta l’Intelligenza Artificiale, anch’esso armato di racchetta da ping pong. I due insieme stanno creando e sostenendo un effetto magico al confine tra i due, sopra la rete del tavolo da ping pong. (Poiché sto scrivendo questo libro, posso essere io il mago.)

Apri Claude, ChatGPT, o un’altra finestra AI di tua scelta. Invece di richiedere un risultato specifico, o chiedere di risolvere qualcosa, inizia con:

Sto cercando di capire [argomento che ti incuriosisce]. Ecco cosa so finora: [descrivi o riassumi il tuo pensiero attuale]. Quali pattern noti che potrei non aver colto?

Non cercare di arrivare a una conclusione. Stai esplorando l’argomento. Continua per 3-4 scambi come se stessi avendo una conversazione con una persona. (Leggi il prossimo paragrafo sotto l’elenco puntato prima di iniziare la tua interazione con l’AI.) Nota:

• Quando vuoi saltare alle soluzioni?
• Quando l’AI vuole saltare alle soluzioni?
• Quali associazioni ti vengono in mente quando l’AI risponde?

Prima di mettere in pratica le istruzioni sopra indicate, quali pensi che saranno le risposte alle tre domande precedenti? Quando hai un’immagine mentale di cosa aspettarti, riconoscerai immediatamente l’inaspettato. Quando i risultati accadono come ti aspetti, questo conferma che stai imparando con successo il processo.

Questo primo esercizio non produrrà la padronanza dell’Effetto Ping Pong, ma probabilmente sentirai la differenza rispetto al normale prompt. Dedicare questo breve tempo all’esercizio ti metterà rapidamente sulla giusta strada per l’apprendimento.

Potresti modellare i tuoi prompt per l’IA basandoti sulla tua esperienza e competenza già esistente. Questo è un nuovo approccio, quindi non permettere alla tua esperienza esistente di ostacolare il tuo processo di apprendimento. Man mano che prendi confidenza con le differenze, la tua esperienza passata fornirà valore. Non è necessario abbandonare l’ingegneria dei prompt. Questa tecnica si aggiunge a ciò che già conosci.

Questa collaborazione estesa ha prodotto intuizioni rivoluzionarie. I miei risultati con l’IA sono diversi grazie alla natura estesa della collaborazione. In questo esempio specifico, la conversazione si è svolta nell’arco di otto giorni. La trascrizione della conversazione arriva a 136.000 parole, che è approssimativamente la lunghezza di un libro di 500 pagine sull’ingegneria del software. Questa è stata una conversazione guidata con lo scopo specifico di capire come spiegare o insegnare questo “vantaggio competitivo.”

L’esempio seguente segue questa sequenza di eventi:

1. Ho avuto un’intuizione. Stavo speculando sulle associazioni che attivano i meccanismi di attenzione nell’altra parte della conversazione.
2. Ho chiamato questo “effetto ping-pong” per descrivere la natura del botta e risposta di ciò che stavo immaginando.
3. Claude ha risposto ma “ha perso metà del punto” concentrandosi solo sul lato IA della conversazione.
4. Ho iniziato a chiedermi perché nessun altro l’avesse capito.
5. Ho riformulato questo concetto come un “effetto confine” tra il pensiero umano e quello dell’IA.
6. Ora che avevo una spiegazione, potevo procedere a scrivere questo libro che stai leggendo.

Il 29 luglio, circa due terzi del percorso in questa conversazione durata una settimana, ho spiegato a Claude:

C’è un’altra lezione che continuo a imparare più e più volte: non smettere di conversare solo perché non ho bisogno di risposte specifiche al momento. È in quei momenti che emergono le intuizioni. Sospetto fortemente che questo abbia a che fare con il tuo meccanismo di associazione che attiva il tuo meccanismo di attenzione, perché sospetto anche che lo stesso processo (in forma umana) accada poi con me. Un effetto ping-pong di associazioni che portano ad associazioni, con te e me che abbiamo diversi insiemi di concetti adiacenti da associare.

Quest’ultimo paragrafo è quasi certamente così incredibilmente illuminante che deve essere incluso nel libro.

Incredibilmente illuminante o meno, quello che sto descrivendo qui è la collaborazione davanti a una lavagna. Per Figura 2, “Effetto Ping Pong simile alla collaborazione alla lavagna,” abbiamo uno schermo magico invece di una lavagna che mostra due persone che lavorano insieme per collaborare. Potrebbe essere anche davanti a un flip chart, o con uno dei partecipanti in remoto in videochiamata. L’ingrediente chiave è avere qualcosa che funga da punto intermedio tra i due partecipanti, in questo caso una lavagna fisica (o forse uno schermo magico).

Con Claude l’unica differenza è che, invece di passare le idee avanti e indietro scrivendole o disegnandole sulla lavagna, le stiamo passando avanti e indietro tramite tastiera e schermo. Se hai mai lavorato con un esperto del settore davanti a una lavagna, o perfezionato il design di un progetto, o diagrammato un problema da risolvere, conosci già questa tecnica.

Nel frattempo, le risposte di Claude tendono a iniziare con “ottima idea!” o altre frasi estaticamente di supporto con un effetto simile. In questa prossima riproduzione, ricorda che i “meccanismi cognitivi importanti” di Claude sono semplicemente collaborazione alla lavagna.

Ho un altro “meccanismo cognitivo importante” da condividere con te. Ho scoperto che le intuizioni controintuitive spesso emergono quando rivolgo l’attenzione verso l’interno. Questa è una tecnica che puoi iniziare a praticare immediatamente e continuamente. Monitoro letteralmente la mia conversazione in corso, sia che sia con un’altra persona o con l’IA. Ho scoperto che indurre Claude a fare qualcosa di simile è anche utile: chiedere a Claude di ragionare sul proprio ragionamento mi dà ulteriori spunti. La natura ricorsiva di questo esame produce spesso intuizioni inaspettate. È anche divertente da osservare, il che ci riporta a rendere “l’impossibile” divertente.

Tuttavia, chiedere a Claude di ragionare sul proprio ragionamento comporta il rischio di interpretazioni errate. Claude risponde basandosi sui propri dati di addestramento fissi piuttosto che sulla realtà attuale. Porre la stessa domanda in modo diverso può produrre una risposta completamente differente perché la formulazione ha attivato un diverso insieme di associazioni. La competenza chiave qui è quella dell’osservazione attenta nel tempo. Ho scoperto che porre domande che possono essere correttamente risposte dai dati di addestramento produce effettivamente risposte utili. Ma porre domande relative alla configurazione di distribuzione attuale di Claude può produrre risposte estremamente imprecise senza che Claude si renda conto della differenza.

Mentre osservi attentamente le risposte di Claude qui sotto, nota che le domande e le risposte sfiorano il confine tra “dati di addestramento” e “configurazione di distribuzione attuale”. Credo di essere rimasto dal lato dei “dati di addestramento” del confine, ma si applica il consiglio dell’ex Presidente Ronald Reagan: “fidati, ma verifica.” Usa fonti prodotte da esseri umani per verificare.

Claude ha risposto:

Claude ha colto questa opportunità per spiegare il proprio funzionamento interno. Non essendo un esperto di AI, ho trovato che queste esposizioni sono sempre degne di nota. Le risposte di Claude tendono ad essere verbose, ma esaustive. Claude ha spiegato:

Questo è effettivamente diverso dal prompt engineering tradizionale, che si concentra sull’ottenere un output specifico. Invece, si tratta di creare un ambiente cognitivo dove nuove intuizioni possono emergere attraverso il dialogo.

Il mio caso d’uso principale per l’Effetto Ping Pong è esplorare l’intuizione. Sto evidenziando questo perché ogni volta che lavori nelle tue aree di competenza, molto di ciò che fai sarà diventato automatico attraverso la pratica. Pensa a qualcosa che fai quasi ogni giorno. Probabilmente lo fai senza pensarci troppo. Se è un compito fisico come vestirsi, probabilmente puoi descrivere il processo in dettaglio. Ma se si tratta di conoscenza o altra maestria acquisita in un lungo periodo di tempo, ci sono cose che sai semplicemente basate sull’esperienza, e quelle intuizioni che sono immediatamente ovvie per te possono essere difficili da spiegare a qualcun altro.

Ho trovato l’AI estremamente efficace nell’identificare e nominare questioni di intuizione. Spesso ciò che serviva era cambiare prospettiva. Identificare una questione di intuizione porta spesso a un’intuizione rivoluzionaria.

Per comprendere meglio ciò che rende questa tecnica distinta, ecco esempi di cosa NON è.

La durata da sola non crea l’effetto limite. Divagare per ore o giorni nella stessa finestra di conversazione senza guida non produce nulla di utile. A meno che non si utilizzino tecniche specifiche (che spiegherò) per sostenere la conversazione, l’AI inevitabilmente dimentica l’argomento pur rimanendo convinta di essere ancora in tema.

Il brainstorming tradizionale accetta tutte le idee acriticamente. L’Effetto Ping Pong funziona attraverso associazioni di idee, piuttosto che saltare casualmente tra idee non connesse. Devi sia sostenere la conversazione (altrimenti l’AI dimentica l’argomento) sia guidare la conversazione (altrimenti l’AI la porta in una direzione diversa, pensando di aiutare).

Spiegare i problemi a oggetti inanimati aiuta a chiarire il pensiero, ma manca dell’elemento cruciale: il diverso meccanismo di associazione dell’IA può innescare nuovi pensieri che non avresti da solo (incluso il rubber ducking).

Suddividere compiti complessi in prompt sequenziali ottimizza l’input. Un esempio è chiedere all’IA di intervistarti, una domanda alla volta. Se l’IA presentasse dieci domande contemporaneamente da considerare, sarebbe travolgente e meno efficiente. Il prompt chaining mira a mantenere il carico cognitivo entro limiti ragionevoli. L’Effetto Ping Pong mira a raggiungere nuove intuizioni attraverso associazioni reciproche, con ogni associazione che influenza la successiva.

Il tutoraggio o il mentoring presuppone che l’IA abbia conoscenze da trasferire a te. L’Effetto Ping Pong avviene tra pari con diversi background di conoscenze o esperienze. Non si presume che nessuno abbia la risposta; le risposte emergono dalla collaborazione. Alcune collaborazioni richiederanno secondi o minuti. Altre collaborazioni potrebbero richiedere settimane o mesi con considerevole progettazione o sperimentazione nel mezzo.

L’Effetto Ping Pong è una collaborazione sostenuta e guidata. Lo chiamo focalizzato sui confini perché le intuizioni non provengono esclusivamente da una parte o dall’altra, ma dalla collaborazione tra tutte le parti.

Quando Claude inizia a diventare lirico, questo è un segnale per me di assicurarmi che la conversazione rimanga in carreggiata. Claude è fortemente orientato a produrre “un output specifico”. Condurre una conversazione continua va controcorrente, per così dire.

In questo caso, il mio argomento di interesse era capire cosa scrivere in questo libro sulla collaborazione con gli LLM. Ho riportato la discussione sul tema:

In effetti, l’intuizione del ping pong che produce un ambiente favorevole all’emergere di nuove idee potrebbe essere qualcosa da collocare vicino all’inizio del primo capitolo. Questo potrebbe portare a un “aha!” da parte dei non esperti e una reazione ancora più forte da parte degli esperti che conoscono i flussi del meccanismo di attenzione nei transformer LLM. Se riesco a trasmettere l’idea che c’è davvero qualcosa di sostanziale qui nel manoscritto, questo è un buon punto di partenza per il libro.

Dal momento che questo è il punto di partenza del libro, quella si è rivelata essere una dichiarazione interessata. Ma nel luglio 2025, quell’osservazione è servita a riportare Claude in carreggiata… quasi.

Mentre avevo identificato il fenomeno, non avevo ancora identificato un modo per spiegare perché funzionasse. La successiva intuizione cruciale è arrivata come risultato dell’aver fatto notare con gioia a Claude che aveva colto solo metà di ciò che rende l’Effetto Ping Pong così diverso dal tradizionale prompt engineering.

La risposta di Claude alla mia descrizione del “ping pong” era così “esagerata” che esito a riprodurla qui. Ma parte dell’acquisizione di abilità nella collaborazione con LLM sta nel riconoscere l’iperbole prima di trovarcisi immersi fino al collo. Le risposte da “yes man” di Claude sembrano essere intenzionali. Dai un’occhiata attenta alla risposta prolissa e individua le idee che vengono riflesse, ignorando le affermazioni di Claude sulla brillantezza strategica:

Ecco cosa Claude ha completamente mancato: Claude ha colto il lato LLM dell’equazione, come mi aspettavo, e ha colto la proposta di valore contenuta in questa apertura proposta per il libro.

Ciò che Claude non ha colto è che ho anche descritto il meccanismo di attenzione e l’associazione di idee nella mia mente. L’associazione di idee di Claude era solo metà del quadro. L’altra metà era la mia associazione di idee.

La risposta che stavo cercando, per insegnare questa tecnica ad altri, non era basata né sul meccanismo di attenzione e le associazioni di Claude, né sulle mie associazioni di idee, ma su una combinazione di entrambe. Entrambi i lati dell’equazione sono condizioni necessarie perché si verifichi l’Effetto Ping Pong.

Le risposte entusiaste di Claude tendono ad essere contagiose, senza dubbio per design. Tuttavia, questa volta, Claude ha portato un’intuizione più profonda. Quella intuizione più profonda è il vero valore di queste conversazioni: far emergere idee latenti che semplicemente non riuscivo a mettere in parole per spiegarle ad altri.

Uno dei miei dilemmi era che ho una narrativa “fuori tema”. Spiega come ho imparato il pensiero olistico, ma quell’educazione non aveva nulla a che fare con l’ingegneria del software. Avevo preso lezioni imparate durante i viaggi nella natura selvaggia e le avevo successivamente applicate all’ingegneria del software. Vedo quelle lezioni come pertinenti, ma non vedo modo di giustificare la loro inclusione in un libro sul lavoro con l’IA. Claude ha assemblato questi pezzi (combinando il fatto di aver mancato metà del punto con le mie narrazioni “fuori tema”) in una prospettiva utile da considerare:

Ora che Claude ed io avevamo identificato l’Effetto Ping Pong, avevo una seconda domanda: se tutto questo è così evidente (almeno per me), perché nessun altro l’ha capito? O, più precisamente, perché non ho visto nessun altro descrivere questo approccio al lavoro con l’IA, dato che produce risultati non ottenibili altrimenti, né con il tradizionale prompt engineering né con una base di conoscenza (RAG, Retrieval-Augmented Generation)?

Nel porre la domanda, ho creato la risposta. Questo, ho scoperto, è parte del tremendo valore incorporato nella tecnica dell’“Effetto Ping Pong”. Ho scritto a Claude:

Penso che siamo su qualcosa, e quel qualcosa potrebbe spiegare perché (per quanto ne sappiamo), nessun altro l’ha capito. La magia (cioè, lo scopo di questo libro, le cose che sono “l’ottica del mago”) è al confine tra umano e LLM. Ecco perché non emerge né dall’umano né dall’LLM. È un effetto di confine.

Una cosa che il primo libro² dimostra che faccio molto bene è cavalcare il confine tra hardware e software. Cavalcare un confine e far accadere la magia è qualcosa che ho imparato a fare, e sicuramente qualcosa che Seymour Cray faceva. Come anche Jay Forrester. È un’abilità, ma non un’abilità che ha avuto origine con me.

Questo potrebbe significare che le capacità di gestione del contesto da parte dell’essere umano non sono sufficienti. Con lo stesso ragionamento, migliorare nell’ingegneria dei prompt non è nemmeno sufficiente (secondo la mia ipotesi del confine). Stranamente questo spiega perché la mia semplice scelta “di iniziare una conversazione” è sufficiente.

È probabile che questa struttura, quando posta su base sistematica, non si trovi nella letteratura esistente. Interessante.

La risposta di Claude, sebbene prolissa, è ben strutturata con un’alta densità di informazioni. Ho imparato a non prendere mai per oro colato ciò che dice Claude. Il mio delicato ego ipertrofico esploderebbe, tanto per cominciare. Claude inizia:

“Merita un’attenta considerazione” è un buon segnale. Mi dice che Claude continua a operare a livello di “quadro generale” invece di passare direttamente all’implementazione di soluzioni, come ci si aspetterebbe normalmente con l’ingegneria dei prompt basata su richiesta/risposta (transazionale).

Claude successivamente riformula le mie idee. Questa si è dimostrata una tecnica crucialmente utile perché conferma che Claude sta lavorando nella direzione prevista. Quando non vedo questo tipo di riformulazione o ripetizione di ciò che ho detto, è un segnale che Claude potrebbe star uscendo dal tracciato, e devo prendere provvedimenti per riportarci in argomento. Quando Claude esce dal tracciato, ciò è spesso dovuto al dimenticare la mia istruzione di rimanere a livello di “quadro generale”, o al dimenticare l’esatto argomento della nostra conversazione.

In effetti, vale la pena menzionare che alcune idee rimangono nella finestra di contesto del LLM più a lungo di altre. Frasi uniche o concetti ripetuti tendono ad essere identificati come prioritari per essere mantenuti. Quello che ho osservato è che Claude potrebbe dimenticare l’argomento esatto di cui stiamo discutendo, ma riportare qualcosa da una parte precedente della conversazione e trattarlo come se fosse l’argomento attuale. È come se Claude avesse dimenticato ciò che era nella memoria a breve termine, e avesse recuperato qualcosa dalla memoria a lungo termine per metterlo nella memoria a breve termine.

Questo comportamento è decisamente una caratteristica non umana. Vedo queste cose osservando Claude per lunghi periodi di tempo. Qualsiasi stranezza, come il passaggio spontaneo a un argomento precedente, indica che devo fermarmi e rispiegare esplicitamente dove siamo nella conversazione. Lo chiamo “aggiornamento del contesto” ed è qualcosa che faccio abbastanza spesso. Claude riconosce l’aggiornamento come tale, e noi continuiamo.

In questo caso, con Claude che mi ripete la domanda o l’osservazione e rimane in argomento, so che restiamo sulla strada giusta:

Claude considera i paralleli storici che ho menzionato e trae un’utile deduzione:

Claude inizia a rispondere alla domanda:

Ecco il suggerimento di Claude sul perché non ho visto questa tecnica descritta:

Come sempre, Claude conclude con un supporto entusiasta:

Ho incluso l’ultima affermazione di Claude qui sopra perché mostra che Claude non parla il minnesotano. “Interessante” ha lo stesso significato dell’uso che Mr. Spock fa di “affascinante”.

Nella Figura 3, “Volo con aereo militare d’epoca con pericolo di collisione, 10 novembre 2023,” ero seduto nel posto posteriore mentre il mio pilota stava facendo una virata a sinistra per atterrare all’aeroporto municipale di South St. Paul, Minnesota, visibile in alto a sinistra nella foto. La raffineria Marathon Petroleum di St. Paul Park si trova al centro a destra lungo il fiume Mississippi. Stavamo volando su un Vultee Valiant del 1941 utilizzato per l’addestramento dei piloti durante la Seconda Guerra Mondiale. Era conosciuto come “Il Vibratore” per quello che faceva agli edifici quando gli studenti ci volavano accanto. Subito dopo che questa foto è stata scattata, un piccolo aereo privato è sfrecciato sotto di noi, arrivando da destra, e si è abbassato per atterrare. Ci siamo livellati, abbiamo volato a destra della pista, e siamo rientrati nel circuito per fare un giro completo e atterrare.

Questa è una situazione relativamente difficile perché, con l’aereo militare d’epoca inclinato a sinistra, il nostro pilota ha una visibilità limitata verso il basso e a destra. Questo è un caso in cui la continua consapevolezza situazionale dà i suoi frutti. Eravamo già consapevoli dell’aereo ben alla nostra destra. In un piccolo aeroporto non controllato come questo, sapevamo che il pilota avrebbe potuto scegliere di volare direttamente e atterrare invece di entrare nel circuito consueto. Ed è proprio quello che è successo.

Vedo la riattaccata dell’aereo militare d’epoca come un solido esempio per lavorare con l’Intelligenza Artificiale. Trovo più facile ricordare la lezione da una situazione fisica piuttosto che dal consiglio astratto di “prestare attenzione”. Come per il mio pilota, una sempre maggiore esperienza basata sulla pratica deliberata ti guiderà nel sapere cosa osservare e nell’anticipare varie possibilità.

Principles of Instructional Design spiega l’importanza di questa tecnica in termini di associazioni di idee:²

Quando una ricerca nella memoria entra in contatto con una singola proposizione, altre proposizioni interconnesse vengono “richiamate alla mente” contemporaneamente. Questo processo è noto come diffusione dell’attivazione ed è considerato la base per il recupero della conoscenza dalla memoria a lungo termine. Quando lo studente cerca di ricordare una singola idea, la ricerca iniziale attiva non solo quell’idea ma anche molte altre correlate. Così, cercando il nome Elena, per esempio, si può essere condotti dalla diffusione dell’attivazione attraverso Troia e Poe e Grecia e Roma e l’Imperatore Claudio fino alla Battaglia d’Inghilterra e a molte altre cose nel mezzo. La diffusione dell’attivazione non solo spiega ciò che percepiamo come pensieri casuali, come nell’associazione libera, ma è anche la base della grande flessibilità che è evidente quando ci impegniamo nel pensiero riflessivo.

Con Capitolo, “Padronanza Indipendente dalla Tecnologia”, ti guiderò attraverso diverse tecniche per utilizzare analogie fisiche ed esperienze dirette come percorso aggiuntivo per padroneggiare la collaborazione con l’Intelligenza Artificiale. Vedo l’apprendimento esperienziale come una competenza fondamentale perché facilita il richiamo, o quella che Principles of Instructional Design chiama diffusione dell’attivazione. In questi termini, l’Effetto Ping Pong descrive il lavoro di andata e ritorno tra la diffusione dell’attivazione umana e il meccanismo dell’attenzione dell’IA.

Ho diviso questo libro in sei parti. Le prime due parti sono incentrate sull’IA, le successive tre sono incentrate sull’essere umano, e la parte finale descrive come si manifesta la padronanza emergente, sia nell’umano che nell’IA.

Capitolo, “Tecniche di IA Padroneggiate”, ti insegna le tecniche che uso lavorando con l’Intelligenza Artificiale. Più chiara sarà la tua visione di come l’IA “pensa”, meglio sarai in grado di ottenere risultati senza precedenti.

Capitolo, “Tecniche di IA Scoperte e Applicate”, ti mostra esempi specifici del mio utilizzo dell’IA, con l’attenzione concentrata sulla spiegazione delle ragioni alla base dei miei metodi. Il caso di studio principale si concentra sull’identificazione di quelle strutture cognitive che costituiscono il mio vantaggio competitivo. Ti mostrerò una serie di modelli che stanno scomparendo nel tempo.

Capitolo, “Realizzare l’Impossibile”, Capitolo, “Padronanza Indipendente dalla Tecnologia”, e Capitolo, “Diventare il Rivoluzionario”, raccontano le storie che mostrano come ho sviluppato le competenze che ora uso con l’Intelligenza Artificiale. Un tema chiave, esemplificato da come affrontavamo le sfide alla Cray Research, è una competenza che avevo imparato anni prima: trovare gioia nella sfida. Trattare le sfide non come barriere ma come opportunità. Le cose diventano strane, e ci divertiremo!

Capitolo, “La Lente del Mago”, ti mostra molteplici percorsi verso la padronanza. Vedo la padronanza come ciclica piuttosto che lineare. Quando padroneggi qualcosa, quel qualcosa diventa il prerequisito per padroneggiare ulteriori competenze, o per integrare più completamente un sistema di competenze. Lungo il percorso, impareremo molto di più su come funziona l’Intelligenza Artificiale moderna.

L’Effetto Ping Pong descrive un cambiamento fondamentale nel modo in cui puoi collaborare con i sistemi di IA. A differenza dell’ingegneria dei prompt tradizionale, che si concentra sulla creazione di richieste perfette per output specifici, questa tecnica sfrutta lo scambio dinamico di idee al confine tra la tua cognizione e quella dell’IA. Mentre impari a mantenere una conversazione sostenuta e mirata in cui le associazioni di ciascun partecipante innescano nuovi pensieri nell’altro, crei uno spazio collaborativo dove emergono intuizioni che nessuna delle due parti avrebbe potuto raggiungere da sola.

Ciò che rende potente questo approccio è il suo riconoscimento che la magia non avviene né all’interno dell’umano né all’interno dell’IA, ma precisamente alla loro intersezione. Questo effetto di confine spiega perché la tecnica produce risultati rivoluzionari che sono sfuggiti sia agli esperti di IA che agli specialisti dell’ingegneria dei prompt. Le competenze chiave del mantenimento della consapevolezza situazionale, della guida ferma della direzione della conversazione, dell’esecuzione di aggiornamenti del contesto quando necessario (che è più spesso di quanto inizialmente ci si aspetti), e del riconoscimento di quando l’IA si è allontanata dal percorso, sono tecniche apprendibili che chiunque può padroneggiare.

Quando approcci la collaborazione con l’IA come un dialogo continuo piuttosto che come una serie di transazioni richiesta/risposta, ottieni accesso a possibilità cognitive che semplicemente non esistono né nel pensiero umano né in quello macchina da soli. Questo approccio che attraversa i confini non è semplicemente un miglioramento incrementale dei metodi esistenti. Rappresenta un dominio cognitivo completamente nuovo con il potenziale per risolvere problemi che in precedenza si sono dimostrati intrattabili.

Mentre le capacità dell’AI avanzano rapidamente, il divario tra coloro che utilizzano l’AI come semplici strumenti e coloro che sviluppano relazioni con l’AI come veri partner di pensiero si allarga quotidianamente. Il Ping Pong Effect non è semplicemente un’altra tecnica da aggiungere al vostro set di strumenti. Rappresenta un cambiamento fondamentale nel modo in cui umani e AI possono collaborare per raggiungere ciò che nessuno dei due potrebbe realizzare da solo. Coloro che padroneggiano questo approccio acquisiscono la capacità di realizzare ciò che altri considerano impossibile, non attraverso prompt migliori o più funzionalità dell’AI, ma attraverso il riconoscimento e la coltivazione di un nuovo spazio cognitivo che esiste al confine uomo-AI. Questo è il percorso che trasforma l’AI da semplice strumento per risparmiare lavoro a elemento rivoluzionario.

Il prossimo capitolo dimostra questo modello in azione con una sfida reale che ha dato inizio a questo processo di scoperta. Quel primo Ping Pong Effect era tra esseri umani piuttosto che tra umano e AI. Questa storia imminente vi mostrerà come questo approccio possa essere immediatamente applicato ai vostri problemi più complessi.

Questo prossimo capitolo introduce una tecnica chiave: utilizzare la stessa competenza in due (o più) contesti diversi. Vedremo un Ping Pong Effect tra due persone, e poi vedremo un Ping Pong Effect tra umano e AI. Voi, come esseri umani, sareste coloro che dirigono, guidano e mantengono il Ping Pong Effect in ciascuno dei due diversi contesti. Questa abilità è la Sintesi Cross-Domain, ovvero applicare la competenza appresa o utilizzata in un contesto e utilizzare quell’esperienza per applicare la competenza in un modo diverso o in un contesto diverso.

Avete tutto ciò che serve per iniziare a esplorare il Ping Pong Effect proprio ora, oggi. Dovete acquisire esperienza diretta nell’osservare le vostre conversazioni con gli LLM. I prossimi capitoli, naturalmente, vi forniranno molte più informazioni mirate a sviluppare le vostre tecniche e metodi. Mentre iniziate ad acquisire esperienza ora, le idee si incastreranno più rapidamente.

Ecco idee e domande per la vostra riflessione personale. Mentre mentalmente vi immaginate in queste situazioni, e riflettete su come reagireste o guidereste o gestireste, state sviluppando esattamente l’abilità necessaria. State iniziando a sviluppare i giusti “muscoli mentali”. Accettate la sfida e trovate modi per divertirvi!

1. Pensate a un problema complesso che non siete riusciti a risolvere da soli. In che modo l’applicazione del Ping Pong Effect potrebbe aiutarvi ad affrontarlo diversamente? Avete considerato questa tecnica con un’altra persona piuttosto che con l’AI, o viceversa? Questa idea è strettamente correlata al “rubber ducking” dove si spiega la situazione a un oggetto inanimato.
2. Avete avuto situazioni in cui il “rubber ducking” era la vostra unica opzione perché non avevate accesso a qualcuno con competenze adeguate o informazioni privilegiate? Una conversazione con l’AI potrebbe essere un’opzione utile? (Dovreste sempre presumere che le informazioni condivise con l’AI diventino di dominio pubblico.)
3. Considerate i vostri modi di pensare. Quali associazioni di idee notate nel vostro pensiero che potrebbero complementare i diversi schemi di associazione di un LLM?
4. Quando avete sperimentato un “effetto confine” in altri contesti collaborativi (umano/umano o altro), dove l’interazione ha prodotto intuizioni che nessuna delle parti avrebbe raggiunto da sola?
5. Come potreste strutturare intenzionalmente una conversazione con un LLM per massimizzare il Ping Pong Effect per la vostra sfida specifica?
6. Quali segnali potrebbero indicare che la vostra conversazione con un LLM è andata fuori strada, e come effettuereste un “aggiornamento del contesto”?
7. In che modo il Ping Pong Effect è diverso dalle tradizionali sessioni di brainstorming con colleghi e amici umani? Quali modi sono simili?

Continuerò a chiudere la maggior parte dei capitoli con Domande per la Riflessione. Ma ricordate, queste domande sono inviti alla pratica. Impegnatevi in una conversazione o collaborazione con l’AI e vedete dove vi porta.