L’introduzione dei modelli linguistici di grandi dimensioni nei flussi di lavoro ingegneristici sta sollevando interrogativi sostanziali sull’affidabilità del codice generato automaticamente. Uno studio recente pubblicato su Geotechnics ha analizzato in modo sistematico la capacità di ChatGPT di produrre implementazioni Python per calcoli geotecnici, documentando criticità operative che riguardano direttamente la responsabilità del professionista.
La ricerca si è concentrata su due problemi analitici: il calcolo di una superficie di scorrimento circolare prescritta con il metodo semplificato di Bishop e la verifica della capacità portante di fondazioni superficiali. Il lavoro è stato condotto applicando un approccio supervisionato, con un esperto umano inserito nel ciclo di validazione.
Workflow supervisionato e vincoli procedurali
Il protocollo adottato ha previsto diverse fasi operative: scomposizione del problema, specifica dei vincoli geotecnici, generazione modulare del codice, diagnosi da parte dell’esperto, correzione tramite prompting, ispezione visiva dei risultati e confronto con calcoli di riferimento indipendenti. Il caso del pendio ha documentato le scelte implementative e le modalità di fallimento per una superficie di scorrimento assegnata. Per la capacità portante, l’analisi ha coperto cinque gruppi di test e 44 calcoli, includendo terreno omogeneo, falda, profili a due strati, carichi orizzontali e casi limite.
Errori ricorrenti e limiti dell’autocorrezione
Durante lo sviluppo sono emerse tipologie di errore con implicazioni sulla sicurezza: errori sintattici, iterazioni instabili, estrapolazioni geometriche non corrette e meccanismi di rottura fisicamente inammissibili. Il dato rilevante è che il modello, da solo, non è riuscito a risolvere queste anomalie in modo affidabile. La correzione automatica ha fallito ripetutamente, rendendo necessario l’intervento diretto del tecnico, la verifica modulare del codice e l’uso di prompt vincolati da specifiche geotecniche esplicite.
Ruolo centrale del fattore umano
I risultati confermano che ChatGPT può supportare lo sviluppo di strumenti di calcolo geotecnico per attività di verifica analitica vincolate, ma esclusivamente all’interno di un framework con supervisione umana obbligatoria. Lo studio va interpretato come validazione caso-specifica di un singolo sistema modello, non come prova della affidabilità generale dei modelli linguistici di grandi dimensioni. Per il professionista, il messaggio operativo è chiaro: il codice generato automaticamente richiede una verifica sistematica, una diagnosi esperta e una validazione con calcoli indipendenti prima di qualsiasi utilizzo in ambito professionale.
Lascia un commento