Il cervello umano legge e scrive attraverso circuiti neurali separati e indipendenti. I modelli linguistici di grandi dimensioni, invece, fanno tutto con un unico percorso. Questa differenza, apparentemente tecnica, apre una domanda più profonda: quanto sono davvero simili le macchine che “capiscono” il linguaggio alla mente umana? Uno studio sottomesso il 2 luglio 2026 da Diego Saldaña Ulloa su arXiv risponde in modo netto, misurando per la prima volta il grado di entanglement tra i processi di lettura e scrittura nei modelli LLM e confrontandolo con ciò che la neuroscienza cognitiva conosce da decenni.
Summary
Punti chiaveSistemi neurali distinti per lettura e scrittura nel cervello umanoCome i modelli LLM fondono lettura e scrittura in un unico meccanismoL’architettura autoregressiva decoder-only e il singolo percorso forwardDefinizione e misurazione dell’indice di entanglement EAnalisi empirica dell’entanglement lettura-scrittura nei LLMModelli analizzati: GPT-2, OPT, Pythia, T5, BERT, RoBERTaRisultati quantitativi: entanglement sub-massimale e deriva del codiceAccoppiamento comportamentale tra comprensione e produzioneSeparazione rappresentazionale nei modelli encoder-decoder, ma accoppiamento comportamentale persistenteNessuna correlazione tra somiglianza geometrica e comportamentoImplicazioni: perché i modelli LLM non sono menti umane in miniaturaFAQCome differiscono i processi di lettura e scrittura nel cervello umano?Come elaborano lettura e scrittura i modelli linguistici di grandi dimensioni?Cosa misura l’indice di entanglement E in questo studio?I modelli encoder-decoder separano davvero lettura e scrittura?
