Tradizioni Inventate: IA, Folklore Sintetico e Appropriazione Culturale

L'Intelligenza Artificiale non crea miti dal nulla, ma rimescola archivi storici. Scopri i rischi del folklore algoritmico, dall'appropriazione culturale ai bias di sistema.

L’intelligenza artificiale non crea il folklore dal nulla. Come un instancabile archivista dotato di capacità combinatorie sovrumane, l’IA rimescola frammenti testuali, stili visivi e narrazioni preesistenti, producendo nuove forme che, se inserite nei giusti circuiti sociali, possono rapidamente trasformarsi in credenze condivise. Il cuore del dibattito contemporaneo sull’antropologia digitale non è se la tecnologia possa o meno generare storie affascinanti, ma come distinguere una nuova tradizione – palesemente e consapevolmente dichiarata come tale – da un mito sintetico spacciato per memoria storica autentica.

L’Invenzione della Tradizione e il Folklore Algoritmico

L’idea che una tradizione debba possedere una discendenza millenaria per essere considerata autentica è, per larga parte, una fallacia storica. Nel testo fondativo The Invention of Tradition, gli storici Eric Hobsbawm e Terence Ranger hanno ampiamente dimostrato che innumerevoli tradizioni, percepite dalla collettività come radicate e intoccabili, sono in realtà di origine relativamente recente, spesso costruite a tavolino per creare un senso di rassicurante continuità con il passato. Questa consapevolezza accademica è il prisma attraverso cui leggere il presente: il fatto che un fenomeno sia “inventato” non significa affatto che sia falso o socialmente irrilevante. Le tradizioni inventate, una volta adottate da una collettività, diventano socialmente ed emotivamente reali.

Oggi, questo processo di creazione culturale è enormemente accelerato dall’ecosistema digitale, dando vita a ciò che i ricercatori definiscono Algorithmic Folklore. In una recente concettualizzazione pubblicata sulla Open Library of Humanities (2026), il folklore algoritmico viene definito come un inedito repertorio di generi e pratiche nato dalla frizione tra la creatività vernacolare degli utenti e l’automazione quotidiana. L’algoritmo non funge più soltanto da oggetto passivo per leggende metropolitane, ma si è trasformato in un mezzo attivo che partecipa in prima persona alla creazione e alla circolazione dei contenuti. Il caso del “Crungus”, un criptide mostruoso generato da un’intelligenza artificiale e rapidamente trasformatosi in un meme virale con tanto di mitologia propria, dimostra empiricamente la capacità dell’IA di fungere da incubatore per nuove mitologie popolari.

Questa intersezione è ormai un campo di indagine accademica rigorosa. Il progetto quadriennale ALGOFOLK, condotto dal Center for Digital Narrative dell’Università di Bergen, studia sistematicamente come i motori di raccomandazione e i modelli di machine learning stiano dando origine a nuove pratiche creative. Il fenomeno abbraccia un intero spettro sociologico, spaziando dalle leggende urbane sulle presunte coscienze di sistemi come GPT-4, alle teorie popolari cospirative amplificate su TikTok, fino ai meme co-creati in un’incessante sinergia tra umani e reti neurali.

La Macchina dei Miti: Limiti Culturali e Basi Dati

Se da un lato l’intelligenza artificiale generativa può strutturare forme che ricalcano l’estetica del folklore, dall’altro la sua effettiva “comprensione” delle radici culturali rimane profondamente limitata e geopoliticamente sbilanciata. Un illuminante caso studio presentato in sede ACL (2025) ha analizzato in profondità la conoscenza dei Large Language Models (LLM) riguardo ai racconti popolari giapponesi e alla complessa tassonomia degli yokai, le creature sovrannaturali del folklore nipponico. La ricerca evidenzia che la competenza culturale di questi modelli è quasi esclusivamente calibrata sulle comunità anglofone e sui paradigmi narrativi occidentali. Quando un modello linguistico viene interrogato su mitologie non occidentali, tende a marginalizzarle, a semplificarne brutalmente i tratti o a reinterpretarle attraverso lenti culturali del tutto estranee. Questo costituisce la prova tecnica che un’intelligenza artificiale può replicare la sintassi di una forma folclorica senza comprenderne in alcun modo il contesto sociale originario, le rigide funzioni rituali o i tabù insiti nella narrazione.

Gli sforzi accademici per mitigare questa lacuna tecnologica si scontrano con insormontabili barriere di campionamento. Uno studio dell’Università di Edimburgo (2024), focalizzato sul folklore irlandese e gaelico, ha dimostrato che sottoporre i modelli linguistici a un continuo pre-training su specifici dataset di testi folcloristici migliora significativamente la loro capacità di classificazione e rappresentazione. Tuttavia, i risultati finali restano pesantemente condizionati dalla cronica scarsità di dati digitalizzati per le lingue a basse risorse. L’IA può indubbiamente supportare le istituzioni umanistiche nella classificazione massiva di immensi patrimoni narrativi, come dimostrato da studi sull’utilizzo di GPT per annotare stereotipi di genere e tratti culturali ricorrenti nei motivi letterari, ambito in cui la macchina ha raggiunto livelli di coerenza paragonabili o superiori a quelli degli annotatori umani. Tuttavia, classificare asetticamente un database di fiabe non equivale a interpretarne l’essenza spirituale, né a preservare la memoria vitale che solo il respiro di una comunità può tramandare.

Appropriazione Culturale e Colonialismo dei Dati Indigeni

L’ibridazione tra reti neurali e patrimonio immateriale apre scenari etici e legali di estrema criticità, in cui il confine tra innovazione tecnologica e appropriazione culturale sfuma fino a scomparire. Il recente rapporto Artificial Intelligence and Culture pubblicato dall’UNESCO (2025) lancia un monito istituzionale inequivocabile: l’ecosistema dell’IA necessita urgentemente di diversità, trasparenza e accountability lungo tutto il ciclo di vita dei sistemi informatici, promuovendo una governance partecipativa e pratiche di gestione dei dati che siano guidate direttamente dalle comunità locali. L’organizzazione avverte esplicitamente che gli algoritmi, quando progettati per imporre un’uniformità estetica globale o strutturati in modo da amplificare la disinformazione per ragioni di engagement, finiscono inesorabilmente per indebolire e appiattire la diversità culturale umana.

Questo rischio assume contorni drammatici quando tocca il patrimonio delle minoranze e dei popoli indigeni. Le nuove linee guida UNESCO sulla sovranità dei dati indigeni nello sviluppo dell’IA (2023) rivendicano l’imprescindibilità di un consenso libero, preventivo e informato, nonché il controllo comunitario e la partecipazione diretta dei popoli indigeni alla filiera tecnologica. Se un modello generativo – addestrato raschiando archivi storici non autorizzati o diari etnografici – inizia a produrre su scala industriale “mitologie native sintetiche”, “antichi riti immaginari” o finte riproduzioni di simboli religiosi senza alcuna governance da parte dei diretti discendenti, non stiamo assistendo alla democratizzazione dell’arte. Stiamo assistendo a un’estrazione commerciale mascherata da creatività.

Come analizzato in un saggio sull’International Journal of Cultural Property (2026), l’automazione sfrenata nella digitalizzazione del patrimonio culturale immateriale porta con sé l’ombra di un vero e proprio “colonialismo dei dati”. È diventato cruciale, sotto il profilo del diritto internazionale, difendere il diritto giuridico e morale delle comunità indigene a mantenere un rigoroso controllo sulla raccolta, sull’accesso, sull’interpretazione e sul riuso economico dei propri dati e della propria memoria.

La domanda centrale che intellettuali, sociologi e legislatori devono porsi oggi non è se l’intelligenza artificiale possa inventare una leggenda plausibile e accattivante. La vera questione dirimente riguarda l’allocazione del potere epistemologico: chi avrà l’autorità e il capitale per stabilire che quella leggenda è vera, storicamente fondata o culturalmente sacra? Un modello generativo può in pochi secondi generare un mostro urbano spaventoso, sceneggiare una festa immaginaria curata nei minimi dettagli e nei canti, o tracciare la finta genealogia di una famiglia di simboli arcaici. Spetta però esclusivamente alla complessa rete delle relazioni umane decidere se quella forma estetica si trasformerà in una vera memoria condivisa, in un gioco di ruolo passeggero, oppure se diventerà l’ennesimo ingranaggio velenoso della disinformazione di massa.

Il folklore non muore nel momento esatto in cui viene inventato, ibridato o contaminato; muore unicamente quando le persone smettono di raccontarlo, trovandolo privo di senso. Il rischio più insidioso posto dall’intelligenza artificiale generativa non risiede nella sua immensa capacità di creare nuove e infinite storie, ma nel potenziale di farci perdere la differenza fondamentale tra una narrazione che cresce organicamente insieme a una comunità e una narrazione sintetica che le viene subdolamente imposta.

Riferimenti Bibliografici e Fonti

[Four Theses on Algorithmic Folklore — Open Library of Humanities, 2026]
[The Invention of Tradition — Hobsbawm & Ranger, Cambridge University Press]
[ALGOFOLK: Algorithmic folklore — University of Bergen, Center for Digital Narrative]
[Do Large Language Models Know Folktales? A Case Study of Yokai in Japanese Folktales — Findings of ACL, 2025]
[Evaluating and adapting large language models to represent folktales — University of Edinburgh, 2024]
[Using Large Language Models to Classify Cultural Heritage]
[Artificial Intelligence and Culture — UNESCO, 2025]
[New report and guidelines for Indigenous data sovereignty in AI developments — UNESCO, 2023]
[Indigenous data sovereignty in intangible cultural heritage governance — International Journal of Cultural Property, 2026]

Articolo a cura della Redazione di La Bussola dell’IA