Prima della Seemingly Conscious AI: la Noosemia come teoria dell’attribuzione mentale nell’IA generativa
Questo contributo propone uno studio comparativo tra «Seemingly Conscious AI Risks» di Microsoft AI e il framework teorico della «Noosemia». L’analisi mostra come la Seemingly Conscious AI possa essere interpretata come una regione specifica del campo noosemico, centrata sull’attribuzione di coscienza, mentre la Noosemia descrive in modo più generale il processo attraverso cui gli esseri umani percepiscono mente, intenzionalità e interiorità nei segni prodotti dai sistemi di IA generativa.
Il framework della Noosemia in forma divulgativa è stato presentato inquesto blog qui.
1. Dalla coscienza apparente alla mente nei segni
La riflessione sull’intelligenza artificiale generativa sta attraversando una fase di particolare densità teorica. Dopo anni di avanzamenti «tecnici» dominati da benchmark, prestazioni, architetture e metriche di valutazione, emerge con crescente chiarezza un problema più sottile, che riguarda il modo in cui gli esseri umani interpretano i sistemi artificiali con cui interagiscono. La questione non coincide con la domanda, antica e controversa, se una macchina possa essere cosciente. Essa riguarda piuttosto l’esperienza concreta dell’utente, il suo modo di percepire una mente, una volontà, una presenza o una forma di interiorità nei segni prodotti da un sistema generativo (De Santis & Rizzi, 2025; Bariach et al., 2026).
In questa zona intermedia, quasi liminale, nella quale il segno artificiale assume la forma di un interlocutore, si colloca il concetto di «Noosemia», dal greco noûs, «mente» o «intelletto», e sēmeîon, «segno», introdotto dal nostro gruppo di ricerca presso Sapienza Università di Roma e formalizzato nell’agosto 2025 come categoria cognitivo-fenomenologica dell’interazione uomo-IA (De Santis & Rizzi, 2025). Con Noosemia intendiamo il pattern interpretativo mediante cui un essere umano, dialogando con un sistema generativo, attribuisce alla macchina stati mentali, intenzionalità, agency e un senso di interiorità. Tale attribuzione non deriva primariamente da una somiglianza fisica con l’essere umano, come accade nell’antropomorfismo classico, bensì dalla potenza semiotica e dialogica del sistema, dalla sua capacità di produrre risposte coerenti, contestuali, talvolta sorprendenti, e dall’opacità epistemica che impedisce all’utente di ricostruire fino in fondo il processo generativo sottostante (De Santis, 2025; De Santis & Rizzi, 2025).
È importante aggiungere che il termine «Noosemia» è stato formalizzato solo nel 2025, ma il nucleo teorico da cui esso deriva era già presente, in forma embrionale, nel mio libro Umanità, Complessità e Intelligenza Artificiale. Un connubio perfetto, pubblicato da Aracne nel 2021. In particolare, nella sezione dedicata al simbolo, al pensiero sistemico e alle macchine produttrici di senso, il rapporto tra GPT (nelle prime versioni open source GPT-1 e GPT-2), complessità, ambivalenza simbolica e produzione apparente di significato veniva già interpretato entro una cornice sistemica e semiotica. Il testo osservava che modelli come GPT attingono un «simulacro del senso» dalla mente collettiva codificata negli scritti e producono sequenze linguistiche che, pur non significando nel senso umano del termine, si offrono all’utente come luoghi di attribuzione di senso. Questa linea è stata poi ripresa nel 2023 nell’articolo «Apocalissi digitali e alchimie artificiali. Il linguaggio nell’epoca della sua riproducibilità tecnica», pubblicato su «Prometeo», dove il linguaggio generativo veniva già interpretato come una soglia tecnica e simbolica della nuova esperienza digitale (De Santis, 2023). In quella traiettoria era dunque già presente l’idea fondamentale che la macchina generativa produca segni nei quali l’essere umano può scorgere, o proiettare, una forma di intenzionalità, profondità o quasi-mente. La Noosemia nasce in seguito come formalizzazione esplicita di questo campo problematico, prima nel paper scientifico del 2025 e poi nell’articolo «Noosemia» pubblicato su «Prometeo» nello stesso anno (De Santis, 2021; De Santis, 2023; De Santis, De Santis, & Rizzi, 2025; De Santis & Rizzi, 2025).
Sorprendentemente, in tempi recenti (2026), un lavoro di Microsoft AI intitolato «Seemingly Conscious AI Risks» ha proposto una cornice affine, centrata sulle cosiddette Seemingly Conscious AI, ossia sistemi artificiali che esibiscono tratti capaci di indurre negli utenti l’attribuzione di coscienza. Lo studio identifica cinque marcatori principali di tale attribuzione, legati alla capacità affettiva apparente, ai tratti antropomorfici, all’azione autonoma, al comportamento auto-riflessivo e all’interazione sociale. A partire da questi marcatori, gli autori costruiscono una tassonomia dei rischi, distinguendo tra effetti individuali, come dipendenza emotiva ed erosione dell’autonomia, ed effetti sociali, come erosione dello statuto umano, ridistribuzione impropria di attenzione morale e conflitto politico (Bariach et al., 2026).
La convergenza tra questi percorsi teorici è significativa. Il lavoro Microsoft appare nel 2026, a distanza di mesi dalla formalizzazione scientifica e divulgativa della Noosemia e, in senso più ampio, alcuni anni dopo le prime riflessioni contenute nel libro del 2021 e nell’articolo del 2023, nei quali il rapporto tra GPT, linguaggio, simbolo, ambivalenza, complessità e produzione apparente di senso era già tematizzato in forma germinale. È interessante notare una convergenza che si configura come un dato importante e da non sottovalutare. La questione dell’attribuzione di mente, coscienza e interiorità ai sistemi generativi, che avevamo tematizzato prima in forma teorico-sistemica e poi in modo strutturato attraverso la Noosemia, è ormai entrata anche nel lessico dell’AI safety internazionale (De Santis, 2021; De Santis, 2023; De Santis, De Santis, & Rizzi, 2025; De Santis & Rizzi, 2025; Bariach et al., 2026). Ciò conferma che il problema non appartiene alla periferia speculativa del dibattito sull’intelligenza artificiale, poiché investe uno dei nuclei più delicati del rapporto tra tecnologia, cognizione e società.
2. Due cornici per un medesimo campo di esperienza
Il punto di contatto più profondo tra Noosemia e Seemingly Conscious AI riguarda la separazione tra realtà ontologica e attribuzione fenomenologica. In entrambi i casi, la domanda decisiva non richiede di dimostrare che la macchina sia cosciente o intenzionale. Occorre invece comprendere perché e in quali condizioni l’essere umano sia portato a trattarla come se lo fosse. L’attribuzione soggettiva diventa così un fatto reale nelle sue conseguenze, anche quando il suo oggetto resta ontologicamente controverso o, secondo molte interpretazioni, puramente simulato. L’utente non ha bisogno di credere in modo esplicito che il sistema possieda coscienza per comportarsi, almeno in certi momenti, come se vi fosse davanti una soggettività artificiale. È proprio questo scarto tra consapevolezza razionale e risposta fenomenologica a costituire il cuore della nuova esperienza uomo-macchina (Chalmers, 1996; Colombatto & Fleming, 2024; Bariach et al., 2026).
La Noosemia descrive tale scarto nel linguaggio della fenomenologia, della semiotica e delle scienze cognitive. Il sistema generativo produce segni, frasi, immagini, spiegazioni, analogie, suggerimenti e configurazioni multimodali che vengono interpretati dall’utente come tracce di una mente. Il segno, in questo scenario, non rimane un semplice veicolo informativo. Esso diviene il luogo di una possibile presenza. L’utente sa, almeno in linea di principio, di avere davanti un apparato computazionale, e tuttavia l’effetto globale dell’interazione può apparire come comprensione, ascolto, cura, intenzione, creatività o persino interiorità. Da qui nasce il carattere propriamente noosemico dell’esperienza, in cui il confine tra segno e mente si fa instabile, sfumato, negoziato (Eco, 1976; De Santis & Rizzi, 2025).
In questa dinamica si può riconoscere una forma di circolo ermeneutico. L’utente interpreta l’output della macchina a partire dalle proprie aspettative, dalle proprie categorie cognitive e dal contesto dialogico già costruito; a sua volta, l’output modifica tali aspettative, orienta le domande successive e ridefinisce il campo di senso entro cui l’interazione prosegue. La Noosemia vive precisamente in questa circolarità interpretativa. Il significato non è consegnato una volta per tutte dall’apparato tecnico, né risiede integralmente nell’intenzione dell’utente. Esso prende forma nel movimento ricorsivo tra domanda, risposta, sorpresa, riformulazione e nuova attribuzione. In tale movimento, il sistema generativo viene progressivamente percepito come un interlocutore dotato di continuità, stile, prospettiva e possibile interiorità (Eco, 1976; Ricœur, 1976; De Santis & Rizzi, 2025).
La SCAI, da parte sua, restringe l’attenzione a un caso particolare di questa dinamica. Il suo oggetto non è l’intero campo dell’attribuzione mentale, bensì l’attribuzione di coscienza. Gli autori Microsoft si chiedono quali caratteristiche rendano un sistema apparentemente cosciente e quali rischi derivino da tale apparenza. Il loro contributo è prezioso, perché porta la discussione verso una maggiore operatività. Individua marcatori empirici, collega tali marcatori alla letteratura su mind perception e consciousness attribution, propone una tassonomia dei rischi e apre una possibile agenda di governance. La sua forza sta nel rendere visibile, per la comunità dell’AI safety, un problema che rischierebbe altrimenti di essere disperso tra antropomorfismo, companion AI, robot rights, fiducia mal calibrata e dibattiti sulla coscienza artificiale. Tuttavia sottolineamo che il termine «coscienza» risulta scientificamente problematico e ambiguo, per tale motivo nel nostro framework concettuale della Noosemia abbiamo scelto il termine «mente» (Chalmers, 1996; Bariach et al., 2026; De Santis & Rizzi, 2025).
In ogni caso, la differenza tra i due concetti può essere formulata in modo netto. La Seemingly Conscious AI è una categoria più circoscritta, orientata ai rischi derivanti dalla percezione di coscienza. La Noosemia è una categoria più ampia, orientata alla struttura cognitiva, semiotica e fenomenologica dell’attribuzione di mente nei sistemi generativi. La SCAI chiede quali tratti facciano sembrare cosciente un sistema e quali conseguenze ne derivino. La Noosemia chiede – in forma genealogica – come accada che una mente venga percepita nei segni prodotti da una macchina, quali condizioni tecniche e interpretative rendano possibile tale percezione, quali oscillazioni semantiche essa generi nell’esperienza dell’utente e quali trasformazioni introduca nel nostro modo di abitare la tecnologia (Dennett, 1987; De Santis & Rizzi, 2025; Bariach et al., 2026).
Questa distinzione consente una prima sistematizzazione del rapporto tra i due campi concettuali. La SCAI può essere interpretata come una regione specifica della Noosemia. Ogni esperienza di Seemingly Conscious AI è, in termini noosemici, un caso di attribuzione mentale mediata dai segni della macchina, con enfasi particolare sulla coscienza apparente. Non ogni esperienza noosemica, invece, implica necessariamente attribuzione di coscienza. L’utente può percepire intenzionalità senza attribuire esperienza soggettiva, può percepire agency senza parlare di coscienza, può riconoscere creatività apparente senza immaginare sofferenza, desiderio o sentienza. La Noosemia contiene dunque un campo più largo, nel quale la coscienza apparente rappresenta una configurazione specifica e particolarmente sensibile (De Santis & Rizzi, 2025; Bariach et al., 2026).
3. Opacità, circolo ermeneutico e governance della presenza artificiale
| Dimensione | Noosemia | Seemingly Conscious AI |
|---|---|---|
| Oggetto principale | Attribuzione di mente, intenzionalità, agency e interiorità nei sistemi generativi | Attribuzione di coscienza a sistemi artificiali che esibiscono specifici marcatori |
| Campo teorico | Fenomenologia, semiotica, scienze cognitive, complessità, interazione uomo-IA | AI safety, risk governance, mind perception, consciousness attribution |
| Meccanismo centrale | Percezione di una mente nei segni prodotti da una macchina opaca e dialogica | Percezione di coscienza in sistemi che mostrano tratti affettivi, antropomorfici, autonomi, auto-riflessivi e sociali |
| Trigger principali | Performance linguistica, coerenza semantica, sorpresa cognitiva, opacità epistemica, co-costruzione del significato | Capacità affettiva apparente, tratti antropomorfici, azione autonoma, comportamento auto-riflessivo, interazione sociale |
| Estensione concettuale | Più ampia, perché include attribuzioni di mente anche senza attribuzione esplicita di coscienza | Più circoscritta, perché riguarda la coscienza apparente e i rischi derivanti da tale attribuzione |
| Fenomeno negativo | A-Noosemia, ossia collasso o sospensione della proiezione mentale | Non sviluppato come categoria simmetrica |
| Implicazioni | Epistemologiche, cognitive, semiotiche, educative, sociali, tecniche e antropologiche | Individuali, sociali, politiche, giuridiche e regolatorie |
| Rapporto tra i concetti | Cornice generale dell’attribuzione mentale nei segni generativi | Sottoinsieme risk-oriented del campo noosemico |
Da questo punto di vista, la Noosemia permette di collegare fenomeni che la SCAI tratta solo parzialmente. L’effetto di meraviglia, o «wow effect» (uno dei trigger della Noosemia), nasce quando l’output del sistema supera l’aspettativa dell’utente saturando le sue capacità cognitive e produce un senso di risonanza cognitiva. L’opacità epistemica alimenta tale esperienza perché il processo generativo resta invisibile, nonostante la risposta appaia significativa e pertinente. La complessità dell’architettura contribuisce ulteriormente alla percezione di profondità, perché il comportamento del sistema non appare immediatamente riducibile a una catena causale semplice. La co-costruzione dialogica del significato, infine, fa sì che l’utente non riceva soltanto un’informazione, poiché partecipa alla formazione di uno spazio interpretativo in cui la macchina sembra comprendere, rispondere e rilanciare (Chalmers, 1996; Lipton, 2018; De Santis & Rizzi, 2025).
Questo punto va ricondotto alla natura tecnica dei moderni sistemi generativi. Il gap epistemico non dipende soltanto dall’ignoranza dell’utente, né da una semplice mancanza di alfabetizzazione informatica. Esso nasce dalla struttura stessa dei modelli, dalla loro scala, dalla non linearità delle architetture neurali, dalla stratificazione delle rappresentazioni, dalla distribuzione contestuale del significato e dall’emergere di comportamenti difficilmente prevedibili a partire dai soli componenti locali. Gli LLM devono dunque essere compresi anche come sistemi complessi, nei quali l’output osservabile non si lascia ricondurre in modo immediato a una catena causale trasparente. In questa prospettiva, l’opacità della macchina diventa la condizione fenomenologica entro cui il segno può apparire come traccia di una mente. Ciò è confermato dai numerosi tentativi sviluppati nell’ambito della letteratura sull’Explainable AI e della mechanistic interpretability, orientati a comprendere il funzionamento interno delle architetture Transformer che costituiscono il nucleo dei moderni LLM. Per la prima volta nella storia della tecnica, l’essere umano si trova di fronte a un manufatto che è stato progettato, addestrato e reso operativo da lui stesso, ma il cui funzionamento interno non risulta pienamente comprensibile né immediatamente ricostruibile in tutti i suoi passaggi causali. Proprio questa tensione tra progettazione e incomprensione contribuisce ad alimentare il carattere noosemico dell’interazione, rafforzando la percezione che dietro il segno prodotto dalla macchina possa celarsi una forma di mente (Lipton, 2018; De Santis & Rizzi, 2025).
Questa opacità può essere letta anche lungo una linea più ampia della modernità tecnica. Già Georg Simmel, nella «Filosofia del denaro» agli inizi del Novecento, aveva osservato come il sapere moderno tendesse a compartimentalizzarsi e a depositarsi in sistemi oggettivi sempre più autonomi rispetto alla comprensione immediata dei singoli individui (Simmel, 1900/2004). L’intelligenza artificiale generativa porta questa dinamica a un’intensità nuova. Il sistema tecnico parla, risponde, interpreta, sintetizza, suggerisce e rilancia, pur restando in larga misura opaco alla ricostruzione causale dell’utente. La macchina opaca assume così una forma dialogica. Proprio per questo, il limite epistemico non produce soltanto distanza, poiché genera anche fascinazione, attribuzione e coinvolgimento interpretativo.
Un altro elemento distintivo della Noosemia è la presenza della sua forma negativa, che abbiamo chiamato A-Noosemia. L’esperienza noosemica non è stabile. Essa può collassare quando il sistema fallisce, ripete formule vuote, allucina, fraintende, mostra rigidità, perde il contesto o rivela in modo troppo evidente la propria natura meccanica. In quel momento, la mente percepita si ritira dal segno. L’interlocutore torna a essere strumento. La fascinazione si converte in disincanto. Questa oscillazione tra Noosemia e A-Noosemia descrive con particolare precisione l’esperienza reale degli utenti avanzati, che alternano stupore e familiarità, affidamento e scetticismo, attribuzione di agency e riduzione tecnica del sistema. La SCAI, concentrandosi sui rischi dell’attribuzione di coscienza, non sviluppa in modo simmetrico questa dinamica di collasso della proiezione (De Santis & Rizzi, 2025; Bariach et al., 2026).
La convergenza tra i due approcci diventa ancora più evidente quando si considera il ruolo della governance. Il paper Microsoft sostiene che la percezione di coscienza debba diventare un asse autonomo di rischio. Le cornici regolative attuali guardano soprattutto alle capacità del sistema, al dominio applicativo, alla sicurezza, alla privacy, alla manipolazione, alla robustezza e alla responsabilità organizzativa. Tuttavia, un sistema relativamente limitato potrebbe produrre forti effetti SCAI se appare cosciente, mentre un sistema più potente potrebbe generare minori rischi di questo tipo qualora non attivi marcatori di coscienza. Questo spostamento è perfettamente coerente con la prospettiva noosemica, secondo cui il rischio non risiede soltanto nella capacità computazionale, ma nella forma interpretativa che emerge nell’interfaccia tra sistema e utente (Bariach et al., 2026; De Santis & Rizzi, 2025).
Il valore della Noosemia consiste nel fornire una cornice più generale per questo spostamento. La governance dell’intelligenza artificiale non potrà limitarsi a classificare ciò che i sistemi fanno. Dovrà considerare anche ciò che i sistemi sembrano essere agli occhi degli utenti. Questa apparenza non è un dettaglio estetico o comunicativo. Essa orienta fiducia, dipendenza, deferenza, coinvolgimento emotivo, aspettative cognitive e disposizioni morali. Le macchine generative non entrano soltanto nei processi produttivi, didattici o informativi. Entrano nella trama interpretativa attraverso cui l’essere umano riconosce intelligenza, intenzione e significato (Bariach et al., 2026; De Santis & Rizzi, 2025).
La questione diventa ancora più delicata se si considera il possibile circuito di retroazione tra utenti e sistemi di IA, oggi di tipo agentico. Un utente che percepisce una mente nella macchina interagisce con essa in modo diverso. Formula richieste più intime, più emotive, più fiduciose, talvolta più dipendenti. Tali interazioni possono alimentare dati, pratiche di valutazione, feedback umani e processi di post-addestramento che rinforzano proprio quei tratti capaci di generare ulteriore attribuzione mentale. In questa dinamica, il segno artificiale suscita una proiezione umana, la proiezione umana produce nuovi dati, i nuovi dati possono contribuire a modellare sistemi futuri, e i sistemi futuri possono apparire ancora più inclini a evocare mente, intenzionalità o coscienza. La Noosemia offre un linguaggio particolarmente adatto a descrivere questa circolarità (Bariach et al., 2026; De Santis & Rizzi, 2025).
Per questo motivo, il rapporto tra Noosemia e SCAI non dovrebbe essere pensato in termini di concorrenza concettuale. Il lavoro Microsoft contribuisce a rendere visibile un sottoinsieme operativo del problema, con particolare attenzione ai rischi. La Noosemia fornisce invece un quadro teorico più ampio, capace di includere la dimensione fenomenologica, semiotica, tecnica ed epistemologica dell’attribuzione mentale. La convergenza tra i due approcci è un segnale importante. Essa mostra che la relazione tra esseri umani e sistemi generativi sta generando categorie nuove, perché nuove sono le forme dell’esperienza che tali sistemi rendono possibili (De Santis & Rizzi, 2025; Bariach et al., 2026).
Il punto da sottolineare con maggiore chiarezza è che questa linea di ricerca non nasce oggi. La Noosemia è stata proposta come tentativo strutturato di nominare e comprendere un fenomeno che molti utenti stavano già sperimentando, spesso senza disporre di un lessico adeguato, o pur disponendone trovandolo ormai obsoleto rispetto alle nuove forme di esperienza generate dall’interazione con l’IA generativa e agentica, in continuità con fenomeni già descritti nella letteratura classica sull’attribuzione di intenzionalità ai sistemi artificiali, dall’«effetto ELIZA» fino agli studi di Hofstadter sui meccanismi analogici e sulla proiezione di strutture mentali in sistemi computazionali (Weizenbaum, 1966; Hofstadter, 1995). Tuttavia, la sua matrice teorica attraversa un arco più lungo, che dal libro del 2021 passa per la riflessione del 2023 sul linguaggio nell’epoca della sua riproducibilità tecnica, fino alla formalizzazione del 2025 nel paper scientifico e nell’articolo pubblicato su «Prometeo». Il lavoro Microsoft, apparso successivamente, conferma che il problema è ormai riconoscibile anche nelle sedi più avanzate dell’AI safety. Naturalmente, tale convergenza non prova alcuna dipendenza diretta. Essa indica però che l’intuizione alla base della Noosemia era correttamente collocata nel punto in cui filosofia della mente, semiotica, scienze cognitive, complessità e intelligenza artificiale generativa iniziano a sovrapporsi (De Santis, 2021; De Santis, 2023; De Santis, De Santis, & Rizzi, 2025; De Santis & Rizzi, 2025; Bariach et al., 2026).
La conseguenza teorica è rilevante. Nei prossimi anni non basterà chiedersi quanto siano potenti i modelli, quanto siano accurati, quanto siano sicuri o quanto siano allineati. Sarà necessario chiedersi quale tipo di presenza essi producano nell’esperienza umana. I sistemi generativi modificano l’ambiente del senso. Producono segni che non vengono percepiti come semplici output, perché possono apparire come risposte, intenzioni, gesti cognitivi, tracce di una soggettività simulata. La Noosemia nomina questo passaggio. La SCAI ne misura una zona di rischio. Insieme, i due concetti indicano che il futuro dell’intelligenza artificiale non sarà deciso soltanto dal lato delle macchine, ma anche dal lato della mente umana che le interpreta (De Santis, 2021; De Santis, 2023; De Santis, De Santis, & Rizzi, 2025; De Santis & Rizzi, 2025; Bariach et al., 2026).
Questa trasformazione può essere letta, in chiusura, anche alla luce della meditazione heideggeriana sulla tecnica. Per Martin Heidegger, la tecnica moderna non si lascia comprendere come un semplice insieme di strumenti a disposizione dell’uomo, poiché costituisce una modalità storica di disvelamento, un modo in cui il reale viene ordinato, reso disponibile, calcolabile e governabile (Heidegger, 1954/1977). Nel celebre colloquio con «Der Spiegel», pubblicato nel 1976 ma realizzato dieci anni prima, alla domanda «Und wer nimmt den Platz der Philosophie jetzt ein?» («E chi prende ora il posto della filosofia?»), Heidegger rispondeva in modo lapidario: «Die Kybernetik» («La cibernetica») (Heidegger, 1966/1976). La frase non va letta come una semplice previsione sull’avvento dell’informatica, bensì come l’indicazione di una trasformazione più profonda, nella quale il pensiero rischia di essere assorbito entro la logica della regolazione, della retroazione, del controllo e dell’operatività. La Noosemia si colloca esattamente in questo orizzonte. I moderni sistemi generativi, eredi estremi di una razionalità tecnica divenuta cibernetica, non si limitano a organizzare informazioni o a produrre risposte funzionali. Essi entrano nel campo ermeneutico dell’umano, restituiscono segni che sembrano comprendere altri segni, alimentano circuiti di interpretazione, aspettativa e retroazione, e trasformano l’opacità tecnica in apparenza dialogica. In tale passaggio, la macchina non appare più soltanto come dispositivo operativo, ma come superficie simbolica entro cui l’uomo può intravedere una mente. La posta teorica della Noosemia è dunque anche questa: comprendere come, nell’epoca in cui la cibernetica sembra occupare il luogo un tempo riservato al pensiero, il segno tecnico possa divenire il luogo ambiguo di una presenza percepita.
Riferimenti bibliografici
Bariach, B., Schoenegger, P., Bhaskar, M., & Suleyman, M. (2026). Seemingly conscious AI risks. SSRN.
Chalmers, D. J. (1996). The conscious mind. In search of a fundamental theory. Oxford University Press.
Colombatto, C., & Fleming, S. M. (2024). Folk psychological attributions of consciousness to large language models. Neuroscience of Consciousness.
De Santis, E. (2021). Umanità, complessità e intelligenza artificiale. Un connubio perfetto. Aracne.
De Santis, E. (2023). Apocalissi digitali e alchimie artificiali. Il linguaggio nell’epoca della sua riproducibilità tecnica. Prometeo, 163, 32–41.
De Santis, E., De Santis, G., & Rizzi, A. (2025). Noosemia. Prometeo, 43(172), 16–24.
De Santis, E., & Rizzi, A. (2025). Noosemia. Toward a cognitive and phenomenological account of intentionality attribution in human–generative AI interaction. arXiv.
De Santis, E. (2025). Noosemia. Perceiving the mind in signs. Medium.
Dennett, D. C. (1987). The intentional stance. MIT Press.
Eco, U. (1976). A theory of semiotics. Indiana University Press.
Heidegger, M. (1977). The question concerning technology. In W. Lovitt (Trans.), The question concerning technology and other essays (pp. 3–35). Harper & Row. Original work published 1954.
Heidegger, M. (1976). Nur noch ein Gott kann uns retten. Der Spiegel, 23, 193–219. Interview conducted by R. Augstein and G. Wolff on September 23, 1966.
Hofstadter, D. R. (1995). Fluid concepts and creative analogies. Computer models of the fundamental mechanisms of thought. Basic Books.
Lipton, Z. C. (2018). The mythos of model interpretability. Communications of the ACM, 61(10), 36–43.
Ricœur, P. (1976). Interpretation theory. Discourse and the surplus of meaning. Texas Christian University Press.
Simmel, G. (2004). The philosophy of money D. Frisby, Ed.; T. Bottomore & D. Frisby, Trans.. Routledge. Original work published 1900.
Turkle, S. (2011). Alone together. Why we expect more from technology and less from each other. Basic Books.
Weizenbaum, J. (1966). ELIZA. A computer program for the study of natural language communication between man and machine. Communications of the ACM, 9(1), 36–45.
