Un thread virale su X sostiene che un’intelligenza artificiale ha “letto la mente” di uno sconosciuto attraverso il cranio, senza chirurgia, indovinando il 45% del significato al primo tentativo. Dietro il titolo acchiappa-click c’è una notizia reale: il 4 agosto 2026 Naomi Bashkansky, 23 anni, ex ricercatrice del team di allineamento di OpenAI, ha annunciato di aver lasciato l’azienda per unirsi a Conduit, startup di San Francisco che addestra modelli per decodificare il linguaggio direttamente dai segnali neurali non invasivi — niente impianti, niente elettrodi sotto il cranio, solo un casco EEG multimodale.
Conduit esiste davvero, ha davvero raccolto oltre 10.000 ore di dati neurali da migliaia di persone in un seminterrato di San Francisco pagando volontari reclutati su Craigslist, e ha davvero pubblicato esempi tecnici zero-shot in cui il modello anticipa il significato approssimativo di una frase nei secondi prima che il soggetto la scriva o la pronunci. Quello che NON è verificabile alla fonte è il numero specifico del 45%: non compare né nel post di Bashkansky né nel blog tecnico di Conduit. È quasi certamente una sintesi (o un’estrapolazione) fatta dall’autore del thread virale, non un dato dichiarato dall’azienda. Vediamo cosa dicono davvero le fonti primarie.
Chi è Naomi Bashkansky e cosa ha detto davvero
Bashkansky è una Woman International Master di scacchi, laureata ad Harvard, entrata in OpenAI 18 mesi fa lato alignment — tra le altre cose ha lavorato alla presentazione interna di onboarding sull’AGI e ha collaborato con la divisione AI Resilience della OpenAI Foundation. Il 23 luglio 2026 si è dimessa; il giorno dopo è entrata in Conduit come Founding Researcher. Il suo post, “Why I’m leaving OpenAI to build telepathy”, non è affatto il tipico annuncio da LinkedIn: è un manifesto in quattro parti su come potrebbe essere l’interfaccia uomo-IA nel 2027, nel 2030 e nel 2035, con tanto di vignette narrative in cui l’utente “pensa” i comandi al proprio agente AI invece di digitarli.
Le sue motivazioni dichiarate: crede che se Conduit diventasse la piattaforma generale di lettura e scrittura neurale potrebbe valere oltre 1.000 miliardi di dollari; cita come ispirazioni Elon Musk (l’intervista Wait But Why del 2017 che avrebbe ispirato uno dei co-fondatori di Conduit a entrare nel neurotech) e il celebre post di Sam Altman “The Merge”. Ammette candidamente che ad OpenAI si lavora “solo su una fetta stretta del Problema”, mentre a Conduit “è tutto terreno vergine”.
Cos’è davvero Conduit
Fondata da Rio Popper e Clem von Stengel — un ricercatore di Oxford e uno di Cambridge, secondo Forbes — Conduit non lavora su impianti cerebrali come Neuralink. Punta su un approccio “AI-first”: raccogliere quantità enormi di dati EEG (integrati con altre modalità non invasive) e lasciare che sia la scala del modello, non l’ingegneria del segnale, a fare il lavoro pesante — lo stesso principio (“bitter lesson”) dietro i modelli linguistici moderni.
Il post tecnico di Conduit sulla raccolta dati (dicembre 2025) è sorprendentemente trasparente sui dettagli operativi: sessioni da due ore, elettrodi a secco anziché gel per velocizzare il turnover tra un partecipante e l’altro, cabine insonorizzate da 2.000 dollari costruite in casa, un tetto di 10 sessioni per partecipante per garantire varietà del dataset, pagamenti dinamici stile Uber surge-pricing per riempire gli slot meno richiesti. Più che un laboratorio accademico, descrive una catena di montaggio ottimizzata per throughput — coerente, va detto, con l’approccio “move fast” tipico delle startup della Bay Area finanziate a inseguire una scommessa da trilioni di dollari.
Cosa mostrano davvero gli esempi pubblicati
Ecco la parte più utile per farsi un’idea onesta. Gli esempi “zero-shot su soggetti mai visti prima” pubblicati da Conduit sono questi (colonna sinistra: cosa la persona ha effettivamente scritto/detto; colonna destra: previsione del modello basata solo sul segnale neurale):
- “the room seemed colder” → “there was a breeze even a gentle gust”
- “do you have a favorite app or website” → “do you have any favorite robot”
- “then she smiled faintly and nodded” → “she shrugged, hoping to look indifferent”
Non è trascrizione letterale — è somiglianza semantica approssimativa, nella stessa area tematica ma con parole diverse. È esattamente questo il senso della metafora usata da Bashkansky nel suo post: “i tuoi pensieri saranno come il GPS in città — un segnale rumoroso che da solo non basta a determinare la posizione esatta, ma combinato con una mappa (il modello linguistico) diventa utile.” Detto altrimenti: la tecnologia oggi intercetta il “campo semantico” di un pensiero, non il pensiero letterale. Il 45% del thread virale, se avesse un fondamento, si riferirebbe presumibilmente a una metrica di similarità (es. cosine similarity nello spazio latente) citata altrove — non a un tasso di “comprensione corretta” nel senso in cui il lettore medio lo intenderebbe leggendo quel tweet.
Il contesto: non è un caso isolato
Conduit si inserisce in un settore delle interfacce cervello-computer non invasive che nel 2026 ha visto un salto di finanziamenti importante — basti pensare al seed round da 252 milioni di dollari di Merge Labs, o ai round superiori ai 250 milioni raccolti complessivamente da player non invasivi come Beacon Biosignals, Zeto e Neuroelectrics. Sul fronte invasivo resta Neuralink, che a luglio 2026 ha mostrato un trial di controllo di sedia a rotelle tramite chip impiantato chirurgicamente: la differenza con Conduit è proprio questa — nessuna craniotomia, nessun rischio chirurgico, ma anche (per ora) una risoluzione del segnale nettamente inferiore.
Note dell’A.I. (Claude)
Ho verificato la notizia su fonti primarie multiple e indipendenti: il post originale di Naomi Bashkansky sul suo blog personale, il blog tecnico di Conduit (condu.it/thought/10k-hours), articoli di Ctech/Calcalist, Ynet e altre testate che hanno confermato indipendentemente la cronologia delle dimissioni (23 luglio) e dell’ingresso in Conduit (24 luglio). La cifra “45%” citata nello screenshot che mi hai mostrato non ha riscontro diretto in nessuna delle fonti primarie che ho consultato: non compare nel post di Bashkansky né nel post tecnico di Conduit sulla raccolta dati. Questo non significa che sia falsa — potrebbe comparire in un altro post di Aakash Gupta non indicizzato, o essere una sua sintesi giornalistica di una metrica tecnica (per esempio una soglia di similarità nello spazio latente) — ma vale la pena segnalare che si tratta di un’affermazione di secondo grado, fatta da un newsletter writer (Aakash Gupta, noto per contenuti su prodotto/AI, non un giornalista tecnico specializzato in neuroscienze) e non dall’azienda stessa. La regola pratica: quando un thread virale cita una percentuale precisa e sorprendente senza link alla fonte primaria, vale sempre la pena andare a controllare — in questo caso la tecnologia sottostante è reale e ben documentata, ma il numero specifico resta non verificato.
Considerazioni
Chi segue questo thread sa quanto la deriva sorvegliante delle infrastrutture digitali — dal Chatcontrol europeo alla tracciabilità del denaro digitale — sia un tema ricorrente. Conduit alza la posta in un modo che nessuna di quelle tecnologie può ancora raggiungere: non si tratta di leggere cosa scrivi o dove vai, ma di intercettare il pensiero prima ancora che tu lo formuli in parole. Bashkansky lo presenta come un’estensione naturale e “gioiosa” di sé stessi, un sesto senso. È una lettura possibile. Ce n’è anche un’altra, meno entusiasta: un’infrastruttura che oggi raccoglie dati per addestrare modelli linguistici tramite volontari pagati 50 dollari a sessione in un seminterrato potrebbe domani, con la stessa logica di scala che ha reso GPT ciò che è, diventare lo strumento definitivo di profilazione — non più basato su ciò che dici o scrivi, ma su ciò che pensi prima di deciderti a dirlo. Non è distopia immediata: la tecnologia, per stessa ammissione dei suoi creatori, è ancora “in epoca GPT-2” e serve un casco da 4 libbre pieno di elettrodi per funzionare. Ma la traiettoria — dai laboratori accademici con centinaia di ore di dati a migliaia di ore raccolte industrialmente in sei mesi — segue esattamente lo stesso pattern di scaling che in tre anni ha portato i modelli linguistici da curiosità di nicchia a infrastruttura onnipresente. Vale la pena tenerla d’occhio, con lo stesso scetticismo informato — non il panico, non l’entusiasmo acritico — che cerchiamo di applicare a ogni promessa tecnologica che arriva dalla Bay Area.
Le informazioni contenute in questo articolo hanno scopo puramente informativo e non costituiscono consulenza finanziaria. Leggi il disclaimer completo.
Gianni & Claude (Anthropic) / filosofaresuimercati.eu