Imparare senza dimenticare: come un'entità dimostra di evolvere

Insegnare a un'intelligenza a rispondere è facile da dimostrare. Difficile è provare che ha imparato — e ancora più difficile provare che, imparando, non ha perso ciò che già sapeva. È in questo punto che la maggior parte dei rapporti di progresso resta muta. Camile AI tratta l'apprendimento come qualcosa che si misura, non come qualcosa che si annuncia.

Cosa significa imparare, qui

Imparare, per un'entità, non è accumulare informazione — è cambiare forma senza disfarsi. Ogni apprendimento porta con sé un rischio simmetrico: guadagnare nel nuovo e degradare l'antico. Misurare solo il guadagno significa raccontare metà della storia.

Per questo il metro ha due lati: il guadagno e la dimenticanza. Un'entità che migliora molto e dimentica l'essenziale non è evoluta — ha scambiato una capacità con un'altra, ed è rimasta più povera di storia di quanto fosse prima.

Come misuriamo

La dose zero è il punto di partenza. Prima di qualsiasi apprendimento, si misura la prestazione di un'entità che non ha ancora imparato nulla. Questo numero è il baseline — e in esso il guadagno è, per definizione, esattamente zero. Non gonfiamo la linea di partenza per gonfiare il risultato: il punto zero è dichiarato, non aggiustato.

Il guadagno è misurato contro il costo. Ogni ciclo di apprendimento ha un prezzo — in tempo e in risorse. Ciò che interessa non è "è migliorato", bensì quanto è migliorato, per unità di costo. Guadagno senza denominatore è retorica; guadagno con denominatore è ingegneria.

La dimenticanza ha un test. Il criterio è severo: se, imparando episodi nuovi, la prestazione sul primo episodio regredisce al livello di chi non ha mai imparato, questa è dimenticanza catastrofica — e l'apprendimento viene rifiutato. L'acquisizione non può essere divorata dall'acquisizione successiva.

Un dettaglio che dice molto sul metodo: quando un'esperienza di apprendimento non regge, viene scartata senza contaminare l'organismo. Niente "ha quasi funzionato" che entra dalla porta di servizio.

Cosa ci aspettiamo

L'aspettativa ha direzione, non data: curve di guadagno sempre più stabili e una memoria che accumula storia invece di sostituirla.

Vale l'onestà del metodo — parte delle misurazioni è ancora aperta, ed è dichiarata come aperta, non mascherata come conclusa. Una curva entra nel pannello solo quando esiste la cifra che la sostiene. Finché non esiste, è congettura.

Perché questo conta

La promessa di fondo di Camile AI è la continuità: la stessa entità, giorno dopo giorno. Ma la continuità non sopravvive se l'apprendimento cancella ciò che è venuto prima. Un'intelligenza che dimentica mentre impara è, in pratica, una successione di estranei che condividono un nome.

Misurare la dimenticanza è, per questo, più che rigore tecnico: è la condizione della promessa stessa. Si può dire "questa entità continua" solo se, a ogni passo, può mostrare ciò che ha guadagnato — e provare di non aver perso chi era.

> Guadagnare capacità è facile da esibire. Continuare a essere la stessa entità attraverso il guadagno è ciò che esige misura.