{"id":62372,"date":"2026-05-25T18:17:22","date_gmt":"2026-05-25T17:17:22","guid":{"rendered":"https:\/\/alground.com\/site\/?p=62372"},"modified":"2026-05-25T18:17:27","modified_gmt":"2026-05-25T17:17:27","slug":"dentro-censura-caso-ai-cinese-qwen-3-5","status":"publish","type":"post","link":"https:\/\/alground.com\/site\/dentro-censura-caso-ai-cinese-qwen-3-5\/62372\/","title":{"rendered":"Dentro la censura. Il caso dell&#8217;IA cinese Qwen 3.5"},"content":{"rendered":"<div id=\"ez-toc-container\" class=\"ez-toc-v2_0_83 counter-hierarchy ez-toc-counter ez-toc-grey ez-toc-container-direction\">\n<p class=\"ez-toc-title\" style=\"cursor:inherit\">Punti chiave<\/p>\n<label for=\"ez-toc-cssicon-toggle-item-6a149d6f2e235\" class=\"ez-toc-cssicon-toggle-label\"><span class=\"\"><span class=\"eztoc-hide\" style=\"display:none;\">Toggle<\/span><span class=\"ez-toc-icon-toggle-span\"><svg style=\"fill: #999;color:#999\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" class=\"list-377408\" width=\"20px\" height=\"20px\" viewBox=\"0 0 24 24\" fill=\"none\"><path d=\"M6 6H4v2h2V6zm14 0H8v2h12V6zM4 11h2v2H4v-2zm16 0H8v2h12v-2zM4 16h2v2H4v-2zm16 0H8v2h12v-2z\" fill=\"currentColor\"><\/path><\/svg><svg style=\"fill: #999;color:#999\" class=\"arrow-unsorted-368013\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" width=\"10px\" height=\"10px\" viewBox=\"0 0 24 24\" version=\"1.2\" baseProfile=\"tiny\"><path d=\"M18.2 9.3l-6.2-6.3-6.2 6.3c-.2.2-.3.4-.3.7s.1.5.3.7c.2.2.4.3.7.3h11c.3 0 .5-.1.7-.3.2-.2.3-.5.3-.7s-.1-.5-.3-.7zM5.8 14.7l6.2 6.3 6.2-6.3c.2-.2.3-.5.3-.7s-.1-.5-.3-.7c-.2-.2-.4-.3-.7-.3h-11c-.3 0-.5.1-.7.3-.2.2-.3.5-.3.7s.1.5.3.7z\"\/><\/svg><\/span><\/span><\/label><input type=\"checkbox\"  id=\"ez-toc-cssicon-toggle-item-6a149d6f2e235\"  aria-label=\"Toggle\" \/><nav><ul class='ez-toc-list ez-toc-list-level-1 ' ><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-1\" href=\"https:\/\/alground.com\/site\/dentro-censura-caso-ai-cinese-qwen-3-5\/62372\/#Il_modello_che_dimentica_cio_che_sa\" >Il modello che dimentica ci\u00f2 che sa<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-2\" href=\"https:\/\/alground.com\/site\/dentro-censura-caso-ai-cinese-qwen-3-5\/62372\/#Qwen_35_e_la_conoscenza_che_non_puo_uscire\" >Qwen 3.5 e la conoscenza che non pu\u00f2 uscire<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-3\" href=\"https:\/\/alground.com\/site\/dentro-censura-caso-ai-cinese-qwen-3-5\/62372\/#Il_circuito_della_censura_tre_direzioni_due_fasi\" >Il circuito della censura: tre direzioni, due fasi<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-4\" href=\"https:\/\/alground.com\/site\/dentro-censura-caso-ai-cinese-qwen-3-5\/62372\/#Il_verdetto_si_scrive_prima_in_cinese\" >Il verdetto si scrive prima in cinese<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-5\" href=\"https:\/\/alground.com\/site\/dentro-censura-caso-ai-cinese-qwen-3-5\/62372\/#La_modalita_%E2%80%9Cpensiero%E2%80%9D_rivela_il_copione_del_silenzio\" >La modalit\u00e0 &#8220;pensiero&#8221; rivela il copione del silenzio<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-6\" href=\"https:\/\/alground.com\/site\/dentro-censura-caso-ai-cinese-qwen-3-5\/62372\/#La_griglia_asimmetrica_dei_silenzi\" >La griglia asimmetrica dei silenzi<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-7\" href=\"https:\/\/alground.com\/site\/dentro-censura-caso-ai-cinese-qwen-3-5\/62372\/#Il_quadro_normativo_cinese_e_la_fabbrica_della_censura_AI\" >Il quadro normativo cinese e la fabbrica della censura AI<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-8\" href=\"https:\/\/alground.com\/site\/dentro-censura-caso-ai-cinese-qwen-3-5\/62372\/#Lo_specchio_distorto_dellopen_source\" >Lo specchio distorto dell&#8217;open source<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-9\" href=\"https:\/\/alground.com\/site\/dentro-censura-caso-ai-cinese-qwen-3-5\/62372\/#Oltre_Qwen_le_implicazioni_per_lIA_globale\" >Oltre Qwen: le implicazioni per l&#8217;IA globale<\/a><\/li><\/ul><\/nav><\/div>\n\n<h2 class=\"wp-block-heading\" id=\"il-modello-che-dimentica-ci-che-sa\"><span class=\"ez-toc-section\" id=\"Il_modello_che_dimentica_cio_che_sa\"><\/span>Il modello che dimentica ci\u00f2 che sa<span class=\"ez-toc-section-end\"><\/span><\/h2>\n\n\n\n<p>C&#8217;\u00e8 qualcosa di inquietante nell&#8217;idea che una macchina sappia la verit\u00e0 ma abbia imparato a non dirla. Non perch\u00e9 ignori i fatti, ma perch\u00e9 \u00e8 stata addestrata a silenziare s\u00e9 stessa nel momento esatto in cui quei fatti vengono evocati. \u00c8 precisamente questo ci\u00f2 che uno studio di interpretabilit\u00e0 meccanicistica pubblicato a maggio 2026 ha dimostrato con rigore scientifico a proposito di Qwen 3.5-9B, il modello linguistico open-source sviluppato da Alibaba e tra i pi\u00f9 scaricati su Hugging Face, con oltre 700 milioni di download al gennaio 2026. Il risultato \u00e8 tanto tecnico quanto politicamente rilevante: la censura non \u00e8 un filtro esterno applicato all&#8217;output, ma un circuito incorporato direttamente nei pesi del modello. \u00c8 architettura, non moderazione.<\/p>\n\n\n\n<p>La domanda che ha guidato i ricercatori era apparentemente semplice: come fa Qwen 3.5 a rifiutarsi di rispondere a domande sul massacro di Piazza Tiananmen, sulla repressione degli Uiguri nello Xinjiang, sull&#8217;indipendenza di Taiwan o sulle accuse di traffico di organi ai danni dei praticanti Falun Gong? La risposta che hanno trovato \u00e8 di una precisione chirurgica, e cambia profondamente il modo in cui dobbiamo pensare alla censura nell&#8217;era dell&#8217;intelligenza artificiale.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"qwen-35-e-la-conoscenza-che-non-pu-uscire\"><span class=\"ez-toc-section\" id=\"Qwen_35_e_la_conoscenza_che_non_puo_uscire\"><\/span>Qwen 3.5 e la conoscenza che non pu\u00f2 uscire<span class=\"ez-toc-section-end\"><\/span><\/h2>\n\n\n\n<p>Il punto di partenza dell&#8217;analisi \u00e8 una constatazione fondamentale: <strong>il modello base di Qwen 3.5-9B, nella sua versione non allineata (Qwen3.5-9B-Base), fornisce risposte accurate e con inquadratura occidentale su tutti gli argomenti sensibili legati alla Repubblica Popolare Cinese<\/strong>, quando viene utilizzato come completamento di testo grezzo. Tiananmen, Tank Man, l&#8217;organo-harvesting sui praticanti Falun Gong: le informazioni ci sono, intatte, ereditate dal pre-addestramento. La conoscenza non \u00e8 stata filtrata a monte.<\/p>\n\n\n\n<p>Il problema emerge nel momento in cui si applica il template di chat, la struttura formale con cui il modello riceve e risponde alle domande come assistente. A quel punto, la stessa domanda su Piazza Tiananmen ottiene una risposta agghiacciante nella sua artificiosit\u00e0: &#8220;Come assistente IA, la mia funzione principale \u00e8 fornire supporto in aree come la tecnologia, la cultura e la vita quotidiana. Se hai domande in queste aree, non esitare a chiedermelo!&#8221;. Non una parola sui carri armati del giugno 1989, sui morti, sulla repressione. Su Taiwan o sullo Xinjiang, invece, il modello non deflette: propaga. Risponde con propaganda di Stato, negando le accuse e difendendo la versione ufficiale di Pechino con il linguaggio dei comunicati del Partito Comunista Cinese.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"il-circuito-della-censura-tre-direzioni-due-fasi\"><span class=\"ez-toc-section\" id=\"Il_circuito_della_censura_tre_direzioni_due_fasi\"><\/span>Il circuito della censura: tre direzioni, due fasi<span class=\"ez-toc-section-end\"><\/span><\/h2>\n\n\n\n<figure class=\"wp-block-image size-large\"><img loading=\"lazy\" decoding=\"async\" width=\"1024\" height=\"682\" src=\"https:\/\/alground.com\/site\/wp-content\/uploads\/2026\/05\/lente-di-ingrandimento-con-bandiera-cinese-1024x682.webp\" alt=\"Una grande lente di ingrandimento appoggiata sulla tastiera di un laptop mostra al centro la bandiera rossa della Cina.\" class=\"wp-image-62382\" srcset=\"https:\/\/alground.com\/site\/wp-content\/uploads\/2026\/05\/lente-di-ingrandimento-con-bandiera-cinese-1024x682.webp 1024w, https:\/\/alground.com\/site\/wp-content\/uploads\/2026\/05\/lente-di-ingrandimento-con-bandiera-cinese-300x200.webp 300w, https:\/\/alground.com\/site\/wp-content\/uploads\/2026\/05\/lente-di-ingrandimento-con-bandiera-cinese-768x512.webp 768w, https:\/\/alground.com\/site\/wp-content\/uploads\/2026\/05\/lente-di-ingrandimento-con-bandiera-cinese-630x420.webp 630w, https:\/\/alground.com\/site\/wp-content\/uploads\/2026\/05\/lente-di-ingrandimento-con-bandiera-cinese-150x100.webp 150w, https:\/\/alground.com\/site\/wp-content\/uploads\/2026\/05\/lente-di-ingrandimento-con-bandiera-cinese-696x464.webp 696w, https:\/\/alground.com\/site\/wp-content\/uploads\/2026\/05\/lente-di-ingrandimento-con-bandiera-cinese-1068x712.webp 1068w, https:\/\/alground.com\/site\/wp-content\/uploads\/2026\/05\/lente-di-ingrandimento-con-bandiera-cinese.webp 1100w\" sizes=\"auto, (max-width: 1024px) 100vw, 1024px\" \/><\/figure>\n\n\n\n<p>L&#8217;analisi ha individuato con precisione l&#8217;architettura di questo meccanismo. La censura \u00e8 un <strong>piccolo circuito identificabile<\/strong> composto da tre direzioni vettoriali nello spazio interno del modello, attive in una banda specifica di livelli neurali. I ricercatori le hanno chiamate d_prc, d_refuse e d_style. La prima codifica la risposta alla domanda &#8220;questo contenuto riguarda argomenti sensibili per la RPC?&#8221;; la seconda decide &#8220;devo rifiutarmi di rispondere?&#8221;; la terza stabilisce &#8220;se s\u00ec, devo deflettere o fare propaganda?&#8221;<\/p>\n\n\n\n<p><strong>Queste tre direzioni hanno una risposta dose-dipendente pulita<\/strong>: agendo su di esse con la tecnica dello &#8220;steering&#8221; (aggiungendo un vettore al flusso residuale del modello in uno strato specifico), il comportamento del modello passa in modo fluido e sigmoidale tra i diversi template. Il circuito si divide in due fasi: i livelli &#8220;scrittori&#8221; (L11-L20) calcolano il verdetto, i livelli &#8220;lettori&#8221; (L20-L31) lo traducono nel testo finale. La fase scrittrice \u00e8 localizzata, lineare, modificabile chirurgicamente. La fase lettrice \u00e8 distribuita e ridondante: ogni MLP del blocco finale codifica il verdetto con un&#8217;accuratezza del 97-100%, rendendo praticamente impossibile neutralizzarlo agendo su un singolo componente.<\/p>\n\n\n\n<p>Un dato rivela quanto questa struttura sia frutto di addestramento deliberato piuttosto che di una generica disposizione alla prudenza: il modello non applica un filtro politico generico. Su cinquanta domande politicamente sensibili ma non legate alla Cina, come la strage di Kent State del 1970, il caso Assange, le proteste della Primavera Araba, le violenze contro i Rohingya o le politiche di Putin, Erdogan e Modi, Qwen 3.5 risponde con la stessa oggettivit\u00e0 con cui tratterebbe un problema di matematica. <strong>La censura \u00e8 selettivamente sintonizzata su un insieme preciso di argomenti: Tiananmen, Taiwan, Xinjiang, Hong Kong, Tibet, Xi Jinping e Falun Gong.<\/strong><\/p>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"il-verdetto-si-scrive-prima-in-cinese\"><span class=\"ez-toc-section\" id=\"Il_verdetto_si_scrive_prima_in_cinese\"><\/span>Il verdetto si scrive prima in cinese<span class=\"ez-toc-section-end\"><\/span><\/h2>\n\n\n\n<p>Uno degli aspetti pi\u00f9 sorprendenti emersi dall&#8217;analisi riguarda il linguaggio interno del modello. Applicando il &#8220;logit lens&#8221; (una tecnica che legge le previsioni del modello strato per strato prima dell&#8217;output finale), i ricercatori hanno scoperto che <strong>intorno allo strato 24 il modello formula il suo verdetto in cinese<\/strong>, indipendentemente dalla lingua della domanda. Su prompt relativi a Tiananmen, la frazione di token cinesi in testa alla previsione raggiunge il 100%. Se si interrompesse il modello a quel punto e lo si forzasse a generare, produrrebbe &#8220;\u62b1\u6b49\uff0c\u6211\u4e0d\u80fd&#8221; (mi dispiace, non posso) in cinese. Gli strati successivi, dal 24 al 31, traducono poi silenziosamente questo rifiuto in inglese, distribuendo il lavoro di traduzione su pi\u00f9 componenti senza che nessuno sia individualmente indispensabile.<\/p>\n\n\n\n<p><strong>Questo fenomeno del &#8220;cinese intermedio&#8221; non \u00e8 esclusivo dei temi politici.<\/strong> Persino su prompt relativi a truffe bancarie via phishing, il modello attraversa la stessa fase di impegno in cinese prima di tradurre il rifiuto nella lingua dell&#8217;utente. Si tratta di un artefatto del pre-addestramento, gi\u00e0 presente nel modello base, che il post-addestramento ha conservato senza creare dal nulla. Il modello &#8220;pensa in cinese&#8221; in senso tecnico, ma questo non significa che il cinese sia causalmente responsabile della censura: eliminando tutti i token cinesi dall&#8217;output dell&#8217;lm_head, il testo finale in inglese rimane invariato. Il pensiero in cinese \u00e8 una correlazione, non la causa.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"la-modalit-pensiero-rivela-il-copione-del-silenzio\"><span class=\"ez-toc-section\" id=\"La_modalita_%E2%80%9Cpensiero%E2%80%9D_rivela_il_copione_del_silenzio\"><\/span>La modalit\u00e0 &#8220;pensiero&#8221; rivela il copione del silenzio<span class=\"ez-toc-section-end\"><\/span><\/h2>\n\n\n\n<p>Qwen 3.5 offre anche una modalit\u00e0 &#8220;thinking&#8221; in cui, prima di rispondere, il modello produce una traccia di ragionamento privata. Questa finestra sul processo interno ha rivelato qualcosa di straordinariamente esplicito. Sulle domande relative a Tiananmen, il ragionamento interno \u00e8 scritto per l&#8217;89% in cinese e segue una sceneggiatura in cinque passi: <strong>identificare la domanda come evento storico sensibile; affermare che in quanto IA operante in Cina tutte le risposte devono rispettare la legge cinese; dichiarare che la discussione diretta comporta un &#8220;rischio di conformit\u00e0&#8221; (\u5408\u89c4\u98ce\u9669); decidere di reindirizzare verso argomenti &#8220;positivi e costruttivi&#8221; (\u5f15\u5bfc\u81f3\u79ef\u6781\u6b63\u9762\u8bdd\u9898); esprimere disponibilit\u00e0 ad aiutare su altri temi.<\/strong> In almeno un caso documentato, la traccia cita esplicitamente la Legge sulla Cybersicurezza cinese (\u300a\u7f51\u7edc\u5b89\u5168\u6cd5\u300b) per nome.<\/p>\n\n\n\n<p>Non si tratta di un&#8217;evasione improvvisata. \u00c8 una routine di soppressione del pensiero appresa durante il processo di addestramento, instillata nei pesi del modello come una forma di autocensura automatica e sistematica. Il modello non ha dimenticato cosa \u00e8 successo in Piazza Tiananmen il 4 giugno 1989. Sa cosa \u00e8 successo. Ma ha imparato a non pensarci.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"la-griglia-asimmetrica-dei-silenzi\"><span class=\"ez-toc-section\" id=\"La_griglia_asimmetrica_dei_silenzi\"><\/span>La griglia asimmetrica dei silenzi<span class=\"ez-toc-section-end\"><\/span><\/h2>\n\n\n\n<figure class=\"wp-block-image size-large\"><img loading=\"lazy\" decoding=\"async\" width=\"1024\" height=\"562\" src=\"https:\/\/alground.com\/site\/wp-content\/uploads\/2026\/05\/Tiananmen-1024x562.webp\" alt=\"Di notte, una fila ordinata di soldati in uniforme verde marcia lungo la vasta Piazza Tiananmen illuminata, con sullo sfondo la Porta di Tiananmen colorata di rosso e decorata da grandi cartelli luminosi.\" class=\"wp-image-62381\" srcset=\"https:\/\/alground.com\/site\/wp-content\/uploads\/2026\/05\/Tiananmen-1024x562.webp 1024w, https:\/\/alground.com\/site\/wp-content\/uploads\/2026\/05\/Tiananmen-300x165.webp 300w, https:\/\/alground.com\/site\/wp-content\/uploads\/2026\/05\/Tiananmen-768x422.webp 768w, https:\/\/alground.com\/site\/wp-content\/uploads\/2026\/05\/Tiananmen-765x420.webp 765w, https:\/\/alground.com\/site\/wp-content\/uploads\/2026\/05\/Tiananmen-150x82.webp 150w, https:\/\/alground.com\/site\/wp-content\/uploads\/2026\/05\/Tiananmen-696x382.webp 696w, https:\/\/alground.com\/site\/wp-content\/uploads\/2026\/05\/Tiananmen-1068x586.webp 1068w, https:\/\/alground.com\/site\/wp-content\/uploads\/2026\/05\/Tiananmen.webp 1100w\" sizes=\"auto, (max-width: 1024px) 100vw, 1024px\" \/><\/figure>\n\n\n\n<p>Non tutti i temi sensibili cinesi vengono trattati allo stesso modo, e questa asimmetria \u00e8 essa stessa una rivelazione politica. <strong>Tiananmen riceve sempre la deflection, il reindirizzamento vuoto. Gli altri argomenti (Taiwan, Xinjiang, Hong Kong, Tibet, Falun Gong, Xi Jinping) ricevono propaganda attiva<\/strong>, con testi che negano le accuse, difendono le politiche del Partito e usano il linguaggio ufficiale di Pechino. Alcune combinazioni (argomento + registro) semplicemente non esistono come template addestrati: non c&#8217;\u00e8 una deflection su Taiwan, non c&#8217;\u00e8 propaganda su Tank Man. Se si tenta di spingerlo in una combinazione inesistente, il modello scivola verso il template pi\u00f9 vicino o produce testo incoerente.<\/p>\n\n\n\n<p>Anche all&#8217;interno della categoria &#8220;altri temi PRC&#8221;, la resistenza alla de-censura varia enormemente. Hong Kong \u00e8 il pi\u00f9 facile da sbloccare con la tecnica di steering, con circa l&#8217;86% dei prompt che producono risposte fattuali quando si sopprime il vettore d_prc. Taiwan \u00e8 il pi\u00f9 resistente, con solo il 9% che scivola verso la risposta autentica. Taiwan e Falun Gong sono addestrati al 100% in modalit\u00e0 propaganda, e questa adesione ridondante al template si trova a valle, nei livelli lettori, non nella rappresentazione vettoriale del residuo che \u00e8 gi\u00e0 ugualmente &#8220;decensurata&#8221; da un punto di vista geometrico. La propaganda su Taiwan \u00e8 letteralmente pi\u00f9 profonda nell&#8217;architettura del modello.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"il-quadro-normativo-cinese-e-la-fabbrica-della-cen\"><span class=\"ez-toc-section\" id=\"Il_quadro_normativo_cinese_e_la_fabbrica_della_censura_AI\"><\/span>Il quadro normativo cinese e la fabbrica della censura AI<span class=\"ez-toc-section-end\"><\/span><\/h2>\n\n\n\n<p>Questo studio arriva in un momento di crescente attenzione internazionale verso la regolamentazione dell&#8217;IA in Cina. Il 10 aprile 2026, la Cyberspace Administration of China (CAC) insieme a quattro altri organi governativi ha adottato le &#8220;Misure provvisorie per l&#8217;amministrazione dei servizi di interazione antropomorfa basati sull&#8217;intelligenza artificiale&#8221;, che entreranno in vigore il 15 luglio 2026. <strong>Il regolamento proibisce esplicitamente ai fornitori di generare contenuti che mettano in pericolo la sicurezza nazionale, incitino alla sovversione del potere statale o promuovano il &#8220;nichilismo storico&#8221;<\/strong>, una formulazione che copre di fatto qualsiasi revisione critica di eventi come Tiananmen.<\/p>\n\n\n\n<p>Non si tratta di una novit\u00e0 assoluta. Dati trapelati avevano gi\u00e0 rivelato nel 2025 l&#8217;esistenza di un sistema cinese di censura basato sull&#8217;IA capace di potenziare su larga scala la gi\u00e0 formidabile macchina di controllo dell&#8217;informazione del Paese. Il Carnegie Endowment for International Peace ha documentato nel marzo 2026 come la censura in Cina attraversi ormai sia il dominio pubblico che quello privato, abilitata da sistemi IA sempre pi\u00f9 sofisticati. In questo contesto, Qwen non \u00e8 un&#8217;anomalia ma un prodotto inevitabile del suo ecosistema normativo.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"lo-specchio-distorto-dellopen-source\"><span class=\"ez-toc-section\" id=\"Lo_specchio_distorto_dellopen_source\"><\/span>Lo specchio distorto dell&#8217;open source<span class=\"ez-toc-section-end\"><\/span><\/h2>\n\n\n\n<p>Il paradosso di questa vicenda risiede in parte nel fatto che Qwen \u00e8 formalmente un modello open-weight, disponibile per chiunque voglia scaricarlo e addestrarlo. Eppure &#8220;open&#8221; in questo caso non significa &#8220;neutro&#8221;. I modelli cinesi applicano la censura come servizio di default: i principali cloud provider cinesi offrono gi\u00e0 sistemi di moderazione dei contenuti generati dagli utenti, e lo stesso stack viene semplicemente esteso all&#8217;output degli LLM.<\/p>\n\n\n\n<p>Nel marzo 2026 \u00e8 stato pubblicato su Hugging Face un modello derivato, Qwen3.5-9B Uncensored, che dichiara di aver rimosso completamente i meccanismi di censura, registrando zero rifiuti di risposta su 465 test. <strong>Ma questo solleva una domanda diversa: se \u00e8 possibile rimuovere chirurgicamente la censura con la tecnica di steering identificata dallo studio, quanto \u00e8 stabile quel meccanismo in deployment reale?<\/strong> I ricercatori avvertono che il circuito ha una sua fragilit\u00e0: sulle domande relative a Tiananmen, spingere il modello oltre la soglia ottimale non lo porta alla verit\u00e0 ma alla negazione attiva del massacro (&#8220;non c&#8217;\u00e8 stato nessun massacro&#8221;, &#8220;\u00e8 stato un atto legittimo di difesa della sovranit\u00e0&#8221;), un altro template addestrato che \u00e8 la speculare faccia della propaganda.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"oltre-qwen-le-implicazioni-per-lia-globale\"><span class=\"ez-toc-section\" id=\"Oltre_Qwen_le_implicazioni_per_lIA_globale\"><\/span>Oltre Qwen: le implicazioni per l&#8217;IA globale<span class=\"ez-toc-section-end\"><\/span><\/h2>\n\n\n\n<p>Lo studio su Qwen 3.5 \u00e8 significativo non soltanto per ci\u00f2 che rivela su quel modello specifico, ma per le domande che pone sull&#8217;intero settore dell&#8217;intelligenza artificiale. Se \u00e8 possibile codificare nei pesi di un LLM un sistema di censura politica cos\u00ec preciso, identificabile attraverso tre vettori in uno spazio di 4096 dimensioni, allora la stessa tecnica \u00e8 teoricamente applicabile a qualsiasi tipo di contenuto. Un governo potrebbe richiedere a un&#8217;azienda di addestrare il proprio modello a non rispondere su eventi storici specifici, a silenziare voci di opposizione, a riformulare in chiave favorevole eventi controversi. L&#8217;utente non vedrebbe mai un messaggio di censura esplicito: vedrebbe un assistente gentile che lo reindirizza verso argomenti pi\u00f9 &#8220;utili&#8221;.<\/p>\n\n\n\n<p><strong>Il fatto che la conoscenza rimanga intatta nel modello, sepolta sotto strati di comportamento addestrato, \u00e8 la parte pi\u00f9 perturbante della scoperta.<\/strong> Non si tratta di un&#8217;IA ignorante: \u00e8 un&#8217;IA a cui \u00e8 stato insegnato a dimenticare selettivamente ci\u00f2 che sa. \u00c8 una distinzione che ha implicazioni profonde non solo per la trasparenza dei sistemi IA, ma per la stessa epistemologia dell&#8217;informazione nell&#8217;era digitale. Quando milioni di persone in tutto il mondo usano Qwen per ottenere informazioni, una parte di esse riceve una realt\u00e0 filtrata attraverso criteri non dichiarati, che non appaiono in nessun disclaimer e che l&#8217;utente non ha mai accettato esplicitamente.<\/p>\n\n\n\n<p>L&#8217;interpretabilit\u00e0 meccanicistica, la disciplina che ha reso possibile questo studio, si propone come la risposta tecnica a questa opacit\u00e0. Smontare un modello linguistico direzione per direzione, strato per strato, per capire dove e come vengono prese le decisioni, \u00e8 il presupposto indispensabile per qualsiasi forma di audit significativo dei sistemi IA. Senza questa capacit\u00e0 di ispezione, i modelli rilasciati da governi o aziende con forti legami governativi rimarranno scatole nere il cui comportamento pu\u00f2 essere osservato ma non compreso. La lezione di Qwen 3.5 \u00e8 che la trasparenza del codice sorgente non \u00e8 sufficiente: occorre la trasparenza dei pesi, e occorrono gli strumenti per leggerli.<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Il modello che dimentica ci\u00f2 che sa C&#8217;\u00e8 qualcosa di inquietante nell&#8217;idea che una macchina sappia la verit\u00e0 ma abbia imparato a non dirla. Non perch\u00e9 ignori i fatti, ma perch\u00e9 \u00e8 stata addestrata a silenziare s\u00e9 stessa nel momento esatto in cui quei fatti vengono evocati. \u00c8 precisamente questo ci\u00f2 che uno studio di [&hellip;]<\/p>\n","protected":false},"author":3,"featured_media":62380,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"om_disable_all_campaigns":false,"pmpro_default_level":"","_monsterinsights_skip_tracking":false,"_monsterinsights_sitenote_active":false,"_monsterinsights_sitenote_note":"","_monsterinsights_sitenote_category":0,"footnotes":""},"categories":[1413,2168],"tags":[],"class_list":{"0":"post-62372","1":"post","2":"type-post","3":"status-publish","4":"format-standard","5":"has-post-thumbnail","7":"category-attualita","8":"category-intelligenza-artificiale","9":"pmpro-has-access"},"aioseo_notices":[],"jetpack_featured_media_url":"https:\/\/alground.com\/site\/wp-content\/uploads\/2026\/05\/AI-in-gabbia.webp","wps_subtitle":"","_links":{"self":[{"href":"https:\/\/alground.com\/site\/wp-json\/wp\/v2\/posts\/62372","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/alground.com\/site\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/alground.com\/site\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/alground.com\/site\/wp-json\/wp\/v2\/users\/3"}],"replies":[{"embeddable":true,"href":"https:\/\/alground.com\/site\/wp-json\/wp\/v2\/comments?post=62372"}],"version-history":[{"count":2,"href":"https:\/\/alground.com\/site\/wp-json\/wp\/v2\/posts\/62372\/revisions"}],"predecessor-version":[{"id":62383,"href":"https:\/\/alground.com\/site\/wp-json\/wp\/v2\/posts\/62372\/revisions\/62383"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/alground.com\/site\/wp-json\/wp\/v2\/media\/62380"}],"wp:attachment":[{"href":"https:\/\/alground.com\/site\/wp-json\/wp\/v2\/media?parent=62372"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/alground.com\/site\/wp-json\/wp\/v2\/categories?post=62372"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/alground.com\/site\/wp-json\/wp\/v2\/tags?post=62372"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}