Contesto e Genesi del Progetto
Non sono un teologo, un biblista, uno storico delle religioni o un filologo. Sono un musicista, un compositore di opere elettroacustiche e un docente AFAM di tecnologie creative — Sound Design, Interaction Design, programmazione audiovisiva — presso conservatori e accademie di belle arti italiane.
Ciò che presento qui è il racconto di un percorso nato dalla curiosità professionale di un progettista di interazioni, che ha scelto i testi sacri come banco di prova per confrontare diversi sistemi generalisti di intelligenza artificiale.
I due strumenti
SacredTexts AI e SacredSounds Radio Hub nascono come progetto personale sviluppato nel 2025 per esplorare e comparare modelli di AI. Le due applicazioni web progressive (PWA) sono state concepite come strumenti complementari: SacredTexts AI decostruisce e visualizza i testi sacri, mentre SacredSounds Radio Hub raccoglie le voci vive delle tradizioni religiose trasmesse in tempo reale da comunità di tutto il mondo.
SacredTexts AI
Analisi di 48 testi sacri da 8 tradizioni con AI generativa, categorizzazione tematica (teologia, etica, mistica, pratica), grafo interattivo delle connessioni concettuali e motore di audio generativo che trasforma le strutture testuali in paesaggi sonori.
SacredSounds Radio Hub
Oltre 60 stazioni radio da 10 tradizioni spirituali, mappa interattiva con geolocalizzazione delle stazioni, Comparative Explorer AI per l’analisi comparativa tra tradizioni e simbologia cromatica documentata.
Riferimenti: i modelli AI di ITSERR/FSCIRE
ITSERR (Italian Strengthening of the ESFRI RI RESILIENCE) è un’infrastruttura di ricerca finanziata dall’Unione Europea tramite NextGenerationEU (2022), guidata dal CNR in collaborazione con FSCIRE. Nell’ambito di ITSERR sono stati sviluppati modelli AI specialistici che operano in tre ambiti concreti: (1) elaborazione del linguaggio naturale per il latino biblico e patristico, per cercare passaggi semanticamente simili in corpora come la Vulgata e la Vetus Latina; (2) visione artificiale per l’iconografia votiva, per classificare automaticamente immagini di ex-voto; (3) digital humanities per gli studi islamici, per verificare l’accuratezza di testi generati da AI e digitalizzare migliaia di manoscritti in caratteri arabi.
Latin BERT (fine-tuning ITSERR)
Permette di trovare passaggi della Vulgata e della Vetus Latina che esprimono concetti simili anche con parole diverse: una ricerca semantica, non per parole chiave. Il modello linguistico originale è stato pre-addestrato su corpora latini da Bamman & Burns (UC Berkeley, 2020). Il fine-tuning ITSERR WP8 usa apprendimento contrastivo su coppie di versetti corrispondenti tra Vulgata e Vetus Latina. Esistono due varianti: base (W_VULG-S_VL) e con hard negatives sintetici (W_VULG-S_VL-Synt). Hugging Face ITSERR.
LaBERTa (fine-tuning ITSERR)
Rispetto a Latin BERT, LaBERTa si basa su un’architettura più recente (RoBERTa) ed è stato pre-addestrato su un corpus latino più ampio: circa 167 milioni di token dal Corpus Corporum. Questo lo rende potenzialmente più robusto su testi latini al di fuori del dominio strettamente biblico, come i testi patristici e medievali. Creato da Riemenschneider & Frank (Università di Heidelberg, ACL 2023), fine-tuned da ITSERR WP8 con le stesse due varianti: base e con hard negatives sintetici. Modello su Hugging Face.
ConvNeXt per ex-voto
Rete neurale convoluzionale (ConvNeXt Base, 224×224) sviluppata da ITSERR per la classificazione automatica di immagini di ex-voto. Data un’immagine fotografica di un ex-voto, il modello ne identifica automaticamente la tipologia (pittura, oggetto, tavoletta, ecc.), applicandosi all’analisi iconografica del patrimonio votivo. Modello su Hugging Face.
EMAN
Embedding Methodology for Authentic Narrations: framework per la mitigazione delle allucinazioni dei modelli generativi quando producono o analizzano testi islamici. In pratica, usa embedding per verificare se un testo generato da un modello AI corrisponde effettivamente a un hadith autentico del Sahih al-Bukhari e del Corano, o se lo sta “inventando”. Presentato alla conferenza ICAART 2025.
Digital Maktaba
Work Package 5 del progetto ITSERR, dedicato alla digitalizzazione di oltre 73.000 volumi in caratteri arabi dalla Biblioteca “La Pira” di FSCIRE (Bologna). Utilizza Qwen-2VL-72B e Google Vision AI per l’OCR e l’estrazione del testo. In pratica, rende ricercabili e accessibili digitalmente migliaia di manoscritti e testi stampati in arabo che prima erano consultabili solo fisicamente. Pagina progetto ITSERR.
Nota sul modello AI utilizzato
I modelli sviluppati nell’ambito di ITSERR rappresentano un contributo di grande valore scientifico: sono strumenti costruiti con rigore accademico, addestrati su corpora specifici e progettati per rispondere a domande di ricerca precise. Il lavoro di fine-tuning su testi biblici latini, la classificazione iconografica degli ex-voto, la verifica delle fonti islamiche sono risultati che richiedono competenze specialistiche e infrastrutture dedicate.
Questo progetto ha un’origine diversa: nasce dalla sperimentazione personale di un autore con un background artistico e multimediale che, pur non provenendo dalle scienze religiose, ha voluto esplorare l’utilizzo di modelli generalisti di AI trasformando i risultati in visualizzazioni interattive. Un progetto ancora in fase di sviluppo, realizzato con finalità divulgative e didattiche in vista del Superseminario RESILIENCE — anche se alcune scelte progettuali, come le componenti interattive e il motore audio generativo, portano inevitabilmente la firma del percorso artistico dell’autore.
La scelta di Gemini come modello generalista non è un’alternativa ai modelli specialistici di ITSERR, ma risponde a un’esigenza pratica differente: la necessità di operare simultaneamente su lingue, tradizioni e forme espressive molto diverse tra loro (testi, suoni, preghiere, rituali), con risposte in tempo reale e utilizzando strumenti accessibili senza infrastrutture di calcolo dedicate.
Queste applicazioni non si propongono come sostituti della ricerca specialistica. Sono strumenti di esplorazione e didattica, ancora in evoluzione, che cercano di offrire una porta d’ingresso interattiva e multimodale al patrimonio delle tradizioni religiose.
I — Il testo come oggetto computazionale
Le domande che hanno generato lo strumento
Il progetto è nato come esercizio di confronto tra sistemi di AI. Come docente di interaction design, ero interessato a come diversi modelli linguistici di grandi dimensioni — GPT-4, Claude, Gemini — rispondessero allo stesso prompt strutturato quando veniva chiesto loro di eseguire un compito analitico complesso. Avevo bisogno di un dominio sufficientemente impegnativo da far emergere le differenze tra i modelli: un dominio che richiedesse sensibilità al contesto storico, consapevolezza di molteplici strati linguistici e culturali, capacità di mantenere un output strutturato e gestione di materiale che spinge contro i filtri di sicurezza che questi sistemi impongono.
I testi sacri si sono rivelati uno stress test quasi perfetto. Un brano della Genesi contiene poesia ebraica, affermazioni cosmologiche, secoli di interpretazione rabbinica, implicazioni teologiche trasversali a tre tradizioni abramitiche e una struttura interna che resiste alla semplificazione. Chiedere a un’AI di «analizzare» un simile testo significa chiederle di navigare uno spazio di straordinaria densità, e il modo in cui i diversi modelli navigano quello spazio rivela le loro architetture, i loro bias formativi e le loro epistemologie implicite.
Le domande iniziali erano quindi tecniche e comparative:
- Dato lo stesso prompt strutturato, come decompongono i diversi LLM un testo sacro in cluster tematici?
- Quali differenze sistematiche emergono nel modo in cui gestiscono i riferimenti inter-tradizionali?
- Dove allucinano, e dove si rifiutano di procedere?
Ma mentre costruivo lo strumento per rispondere a queste domande, ne sono apparse di nuove — domande che non avrei potuto formulare senza lo strumento stesso. Questa, credo, è la dinamica fondamentale che questo seminario intende esaminare.
L’architettura in sintesi
SacredTexts AI è un’applicazione web progressiva (PWA) che utilizza i modelli linguistici Gemini di Google per analizzare brani di testi sacri appartenenti a otto tradizioni religiose. L’analisi viene visualizzata come un grafo interattivo con modalità cinematica, dove concetti, temi e riferimenti incrociati diventano relazioni spaziali visibili animate. Include un sistema audio duale: campioni sonori reali specifici per tradizione e un generatore algoritmico probabilistico dove il trascinamento dei nodi del grafo modula i parametri musicali in tempo reale.
Quando un utente invia un testo sacro, è Gemini che lo decompone in un oggetto JSON strutturato: un nodo centrale, cluster tematici, concetti figli, parole chiave, riferimenti incrociati, contesto storico su nove dimensioni, punteggi di confidenza e tre domande di ricerca epistemologiche. Il prompt che governa questa analisi è esso stesso un artefatto costruito con cura: 93 righe di istruzioni che definiscono il ruolo dell’AI, i suoi vincoli, lo schema dell’output e la postura epistemologica che deve adottare. (Il prompt completo è documentato nell’Appendice B.)
Il prompt come strumento ermeneutico
Voglio soffermarmi sul prompt, perché credo sia uno degli elementi più trascurati nel discorso attuale sull’AI e le discipline umanistiche.
Il prompt di sistema che ho progettato per il motore di analisi testuale non è una semplice istruzione. È un framework ermeneutico codificato in linguaggio naturale. Assegna all’AI un ruolo («studioso di religioni comparate, storico esperto e information architect»), stabilisce regole epistemologiche («non inventare mai concetti non presenti nel testo», «fornire un contesto storico approfondito», «assegnare punteggi di confidenza a ogni affermazione»), definisce l’ontologia dell’output (una struttura a grafo con relazioni tipizzate) e fissa vincoli sulla granularità («le citazioni devono essere di 10 parole o meno»).
Progettare questo prompt mi ha richiesto di prendere decisioni esplicite su cosa costituisca un’analisi valida di un testo sacro. È un atto intrinsecamente epistemologico. Quali categorie dovrebbe usare l’AI per classificare i temi? Ho scelto quattro: teologia, etica, mistica, pratica. È una scelta con conseguenze: privilegia certe letture rispetto ad altre, e ogni categorizzazione alternativa produrrebbe una topologia del grafo diversa.
Il prompt, in altre parole, non è un’infrastruttura neutra. È una teoria della lettura resa eseguibile. E ogni modifica produce output misurabilmente diversi. Questo significa che il prompt design per applicazioni umanistiche non è un compito ingegneristico — è un compito accademico, che richiede lo stesso rigore che applichiamo alla progettazione di una metodologia di ricerca.
II — Tre scoperte dal testo
Lavorare a SacredTexts AI come persona priva di formazione nelle scienze religiose ha prodotto una serie di incontri che non avrei avuto dall’interno della disciplina. Ne descrivo tre, perché ciascuno genera una domanda di ricerca del tipo che questo seminario intende identificare.
1. Il filtro di sicurezza come teologia implicita
Nelle prime fasi dello sviluppo, ho scoperto che l’AI di Google rifiutava di analizzare certi passaggi del Corano, della Bibbia ebraica e dei Veda. L’API restituiva un flag SAFETY e bloccava la risposta. Passaggi che descrivevano punizioni divine, guerre o giudizi severi attivavano i filtri di prevenzione del danno del modello, specificamente le categorie «incitamento all’odio» e «molestie».
A un livello, questo è un problema tecnico con una soluzione tecnica (l’applicazione include un’opzione per rilassare questi filtri per lo studio accademico). Ma a un altro livello, rivela qualcosa di profondo: il sistema AI porta con sé un giudizio implicito su quali parti dei testi sacri siano «sicure» e quali «pericolose». Questo giudizio non è stato formulato da teologi — è stato formulato da ingegneri in California che applicano regole di moderazione dei contenuti a carattere generale a testi che sono oggetto di commento e interpretazione da millenni.
Quando un’AI classifica un passaggio come «incitamento all’odio», sta compiendo un atto di interpretazione che ha implicazioni teologiche, culturali e politiche — eppure è un’interpretazione che passa come un vincolo tecnico neutrale. Questa scoperta non è solo un problema degli studi religiosi. È un caso di studio nella sfida più ampia di applicare la moderazione universale dei contenuti a materiale culturalmente specifico.
I testi religiosi, poiché combinano estrema sensibilità culturale con estrema complessità interpretativa, sono probabilmente il caso più difficile. Una soluzione che funziona per l’analisi computazionale del Corano funzionerà per atti processuali, referti medici e archivi storici. In questo senso, gli studi religiosi non sono consumatori della ricerca sulla sicurezza dell’AI — ne sono driver.
2. Il grafo come nuova superficie di lettura
Quando l’analisi dell’AI viene resa come un grafo interattivo — con nodi che rappresentano concetti, archi che rappresentano relazioni, prossimità spaziale che indica affinità tematica — accade qualcosa che non avevo previsto. La topologia visiva del grafo diventa essa stessa un oggetto di interpretazione.
Un cluster densamente connesso suggerisce un passaggio con alta coerenza interna. Un nodo concettuale che si colloca tra due cluster, connesso a entrambi, suggerisce un tema ponte che il testo lineare non rende esplicito. I riferimenti incrociati tra tradizioni, mostrati come linee colorate che attraversano il grafo, rendono visibile una struttura di relazioni che esiste nell’analisi dell’AI ma sarebbe difficile da percepire in un saggio comparativo scritto.
Il grafo non è un riassunto del testo. È una trasposizione spaziale di una lettura particolare del testo — la lettura dell’AI, governata dal framework ermeneutico del prompt. Ma poiché è spaziale, è anche esplorabile: l’utente può zoomare, spostarsi, cliccare sui nodi per vedere i dettagli, trascinare i nodi per riorganizzare le relazioni. Questa interattività trasforma il lettore da consumatore di analisi in esploratore attivo di uno spazio analitico.
3. Le domande di ricerca come indagine ricorsiva
Forse la caratteristica più significativa dell’applicazione: per ogni analisi testuale, l’AI è istruita a generare esattamente tre domande di ricerca epistemologiche. Non sono riassunti o domande di comprensione. Il prompt richiede esplicitamente l’identificazione di tensioni, paradossi, lacune storiografiche e connessioni non ovvie all’interno del passaggio analizzato, formulate come interrogativi accademici aperti utili per ulteriori ricerche.
Ciò che rende potente questo meccanismo è la sua natura ricorsiva. Ogni domanda generata può essere reinserita nel motore di analisi come nuovo input. L’utente clicca «Analizza questa domanda», e l’AI produce un nuovo grafo, con la propria struttura, i propri riferimenti incrociati e le proprie tre nuove domande di ricerca. Il processo può essere iterato indefinitamente, creando un albero ramificato di indagine che si approfondisce ad ogni ciclo.
Esempio concreto
Analizzando Genesi 1:1-5, l’AI potrebbe generare: «Qual è la relazione tra il tohu va-vohu preesistente e l’atto creativo di bara — il testo implica una creazione ex nihilo o un ordinamento del caos preesistente, e quali sono le implicazioni storiografiche di ciascuna lettura?» Questa domanda, quando rianalizzata, produce un grafo focalizzato sulle cosmogonie del Vicino Oriente antico, il parallelo con l’Enuma Elish e la posta in gioco teologica del dibattito sulla creatio ex nihilo.
III — Dal testo al suono: SacredSounds Radio Hub
Da dove nasce SacredSounds
SacredSounds Radio Hub nasce da una domanda che mi si è presentata mentre sviluppavo SacredTexts AI. Lavorando con i testi — decostruendoli in grafi concettuali, sonificandoli attraverso generatori algoritmici — mi sono accorto di un’assenza. I testi sacri, nell’applicazione, erano oggetti analitici: frammenti testuali filtrati dalla mediazione computazionale dell’IA. Ma le tradizioni religiose non vivono solo nei testi. Vivono nelle voci, nei canti, nelle recitazioni, nelle liturgie trasmesse in tempo reale da comunità sparse nel mondo.
Se SacredTexts AI pone la domanda «come legge una macchina un testo sacro?», SacredSounds pone una domanda complementare: come si può costruire uno spazio di ascolto che favorisca la comprensione interreligiosa senza ridurre la complessità delle tradizioni a un catalogo?
SacredTexts AI
48 testi sacri, 8 tradizioni. Suono generativo (algoritmi). Analisi, grafi, sonificazione — il testo come oggetto computazionale.
SacredSounds Radio Hub
73 stazioni radio, 12 tradizioni. Suono reale (voci vive). Ascolto, mappa, comparazione AI — la voce come esperienza in tempo reale.
La curatela come atto epistemologico
Selezionare 73 stazioni radio da 12 tradizioni religiose non è un atto neutro. Ogni scelta di inclusione ed esclusione è una decisione interpretativa. La sproporzione nel numero di stazioni disponibili online riflette asimmetrie di potere, accesso tecnologico e presenza mediatica che non hanno nulla a che fare con la rilevanza teologica o la profondità spirituale di una tradizione.
Ho cercato di gestire questa sproporzione con criteri espliciti:
- Autenticità istituzionale: privilegiare stazioni gestite da comunità religiose riconosciute (Radio Vaticana, Chabad.org, SikhNet, Darbar Sahib)
- Diversità interna: per ogni tradizione, rappresentare più correnti (cattolica, ortodossa, protestante per il Cristianesimo; diversi recitatori del Corano per l’Islam)
- Lingua originale: stazioni in arabo per la recitazione coranica, in ebraico per lo studio della Torah, in punjabi per il Gurbani sikh
- Verificabilità tecnica: ogni URL testato automaticamente
La curatela è il corrispettivo sonoro del prompt: un atto di progettazione che determina ciò che l’utente potrà esperire, e ciò che rimarrà escluso. Rendere visibili i propri criteri di selezione è il primo passo per poterli discutere.
Tre scoperte dal suono
1. L’asimmetria della presenza online come dato culturale
Il Cristianesimo ha 17 stazioni e la Fede Bahá’í ne ha una. Questa sproporzione non è il risultato della curatela: è il riflesso fedele della presenza radiofonica online delle diverse tradizioni. L’infrastruttura dello streaming audio è un prodotto dell’Occidente tecnologico, e le tradizioni religiose vi accedono in modo diseguale. Questo squilibrio è un dato di ricerca, non un difetto del catalogo.
2. Il tempo reale come dimensione ermeneutica
SacredTexts AI opera su testi che sono, in senso stretto, senza tempo: la Bhagavad Gítá è la stessa in qualunque momento l’utente la sottoponga all’analisi. SacredSounds introduce una variabile che SacredTexts AI non ha: il tempo. Lo studente che accede a Darbar Sahib alle 4 del mattino (ora indiana) ascolta l’Asa di Var, la preghiera dell’alba. Alle 21 ascolta il Rehras Sahib, la preghiera serale. La radio, a differenza del testo, non è indicizzabile — e questa non-indicizzabilità è un limite tecnico ma anche una qualità epistemologica.
3. La traduzione sonora come problema irrisolto
Le stazioni trasmettono in oltre 20 lingue. Lo studente occidentale che ascolta la recitazione coranica di Sheikh Alafasy non comprende l’arabo: ciò che percepisce è la musicalità, il ritmo, l’ornamentazione vocale — la dimensione estetica della recitazione, privata del significato semantico. La tradizione islamica stessa distingue tra tajwíd (l’arte della corretta recitazione) e tafsír (l’interpretazione): il suono del Corano ha un valore intrinseco che precede la comprensione del significato. Questa tensione tra comprensione semantica e esperienza sonora è una delle questioni centrali per qualsiasi strumento digitale che pretenda di mediare l’incontro tra tradizioni religiose.
L’intelligenza artificiale nell’ascolto comparativo
SacredSounds integra un Comparative Explorer — l’utente seleziona 2-3 tradizioni e un tema (preghiera cantata, musica sacra, meditazione, rituali, testi sacri, feste e calendario), oppure formula una domanda libera, e l’IA produce un’analisi strutturata con connessioni trasversali, differenze significative, una guida all’ascolto e stazioni suggerite.
Il punto chiave: l’IA non produce solo conoscenza proposizionale, ma suggerisce un percorso di ascolto. La risposta a «quali sono le connessioni tra la meditazione buddhista e la preghiera contemplativa cristiana?» non si esaurisce in un testo, ma include «ascolta Buddha FM e poi Ancient Faith Radio per cogliere la differenza tra silenzio meditativo e preghiera cantata».
IV — Il ciclo ermeneutico: testo, grafo, suono
L’uso congiunto delle due applicazioni suggerisce un ciclo ermeneutico che alterna modalità cognitive diverse:
1. Testo → Analisi
Lo studente seleziona un testo sacro in SacredTexts AI (ad esempio la Gayatri Mantra) e ne esplora il grafo di connessioni generate dall’IA.
2. Analisi → Ascolto
Lo stesso studente passa a SacredSounds per ascoltare la recitazione della Gayatri Mantra in diretta su Divyavani Radio o Radio Sai Global Harmony.
3. Ascolto → Comparazione
Navigando tra tradizioni, lo studente scopre paralleli sonori — il canto gregoriano di Concertzender Early Music risuona con i sutra buddhisti di Lam Rim Radio in modi che il testo da solo non può rendere.
4. Comparazione → Ricerca
Tornando a SacredTexts AI, lo studente analizza i testi corrispondenti con l’IA, generando domande di ricerca ricorsive che approfondiscono le connessioni intuite nell’ascolto.
Questo ciclo non era previsto. È emerso dall’uso congiunto dei due strumenti, e credo rappresenti un esempio di ciò che questo seminario intende esplorare: come gli strumenti digitali generano percorsi di ricerca che non erano possibili — o pensabili — prima della loro costruzione.
| Dimensione | SacredTexts AI | SacredSounds |
|---|---|---|
| Oggetto | Testi sacri (48 testi, 8 tradizioni) | Voci vive (73 stazioni radio, 12 tradizioni) |
| Metodo | Analisi IA + visualizzazione a grafo | Ascolto diretto + esplorazione comparativa |
| Temporalità | Testi millenari analizzati oggi | Trasmissioni in tempo reale |
| Interazione | Grafi interattivi, sonificazione generativa | Player audio, mappa mondiale, AI comparativa |
| Approccio | Ermeneutica computazionale | Immersione sonora + curatela critica |
SacredSounds non è un progetto separato da SacredTexts AI. È la sua espansione nel dominio sonoro — il passaggio dal testo alla voce, dall’analisi all’ascolto, dal grafo alla mappa, dalla sonificazione algoritmica al suono reale. L’una senza l’altra sarebbe incompleta: il testo senza il suono è astrazione, il suono senza il testo è opacità.
V — Domande di ricerca che non potevano esistere
Mi rivolgo ora direttamente alla prima domanda che questo seminario pone: quali domande di ricerca possiamo formulare, grazie all’AI, che siano più complesse e articolate di quelle che avevamo prima?
Sulla base della mia esperienza nella costruzione di questi due strumenti, identifico diverse categorie di nuove domande. Sono «nuove» non perché nessuno le abbia pensate prima, ma perché l’AI le rende operativamente trattabili — possono ora essere indagate sistematicamente, su scala, e con metodi riproducibili.
L’epistemologia delle ontologie generate dall’AI
Quando l’AI analizza un passaggio e produce una struttura a grafo, sta costruendo un’ontologia. Ma questa ontologia varia a seconda del modello usato, del design del prompt, dell’impostazione della temperatura. La stessa richiesta può produrre risultati diversi. È una forma di sondaggio ermeneutico sistematico che non ha equivalenti pre-AI.
La cartografia dei bias
I modelli AI sono addestrati su corpora che rappresentano il mondo in modo diseguale. Confrontando sistematicamente le analisi AI tra tradizioni diverse, possiamo iniziare a mappare i bias culturali dei dati di addestramento. Dove l’AI performa meglio? Dove ricade nel vocabolario teologico cristiano quando analizza testi non cristiani?
L’ecologia dell’ascolto religioso nell’era digitale
Come cambia il rapporto con il sacro quando una recitazione coranica, un kirtan sikh e un canto gregoriano sono accessibili dallo stesso dispositivo, a un clic di distanza l’uno dall’altro? La contiguità tecnologica produce contiguità cognitiva?
La performatività del suono sacro fuori contesto
Una stazione radio trasmette per una comunità specifica. Lo studente di scienze religiose che vi accede è, per definizione, fuori dal contesto ricevente previsto. L’ascolto accademico è un’osservazione partecipante? Un atto di appropriazione? Un nuovo tipo di pratica contemplativa?
Il prompt come variabile sperimentale
Se il prompt è un framework ermeneutico, allora possiamo trattarlo come una variabile sperimentale. Lo stesso testo può essere analizzato attraverso prompt diversi — uno che enfatizza il contesto storico, un altro le strutture linguistiche, un terzo le implicazioni etiche — e i grafi risultanti possono essere comparati.
I filtri di sicurezza come sfida di governance dell’AI
I testi religiosi, poiché combinano estrema sensibilità culturale con estrema complessità interpretativa, sono probabilmente il caso più difficile per la moderazione universale dei contenuti. Gli studi religiosi non sono consumatori della ricerca sulla sicurezza dell’AI — ne sono driver.
VI — Trasferibilità: dalla complessità religiosa ad altri domini
Mi rivolgo alla seconda domanda del seminario: come riversare questa complessità nello sviluppo di tecnologie utili anche ad altri domini?
La rappresentazione multimodale della conoscenza
La combinazione di testo, grafo e suono in questi due progetti non è decorativa. Ogni modalità codifica aspetti diversi dell’analisi. Il testo veicola contenuto proposizionale. Il grafo veicola relazioni strutturali. Il suono veicola dimensioni qualitative e percepite dell’esplorazione. Insieme, creano un ambiente epistemico più ricco di qualsiasi singola modalità.
Questo modello di rappresentazione multimodale, sviluppato per i testi sacri, ha applicazioni evidenti in campi che vanno dalla diagnosi medica (dove dati complessi del paziente potrebbero essere visualizzati e sonificati per il rilevamento di pattern) alla pianificazione urbana (dove la topologia delle relazioni sociali, economiche e ambientali potrebbe essere esplorata spazialmente e acusticamente).
Le discipline umanistiche, in questo caso, non stanno prendendo in prestito tecniche di visualizzazione dalla data science. Stanno generando nuovi approcci alla rappresentazione multimodale che la data science può adottare.
Lo strumento come generatore di domande
La caratteristica più trasferibile di entrambi i progetti non è una tecnologia specifica, ma un pattern: lo strumento digitale come generatore di domande di ricerca che non erano formulabili prima della sua costruzione. Questo pattern — costruire per scoprire — è applicabile a qualsiasi dominio in cui la complessità dell’oggetto di studio supera la capacità di un singolo ricercatore di esplorarla manualmente.
VII — Limiti, responsabilità, domande aperte
L’applicazione include un disclaimer: i suoi output non sono stati validati da specialisti in nessuna delle tradizioni che copre. L’AI non «comprende» i testi: genera strutture analitiche plausibili basate su pattern statistici nei suoi dati di addestramento. Lo scarto tra plausibile e corretto è lo spazio in cui la competenza umana resta insostituibile.
La mia mancanza di formazione nelle scienze religiose ha fatto sí che prendessi decisioni progettuali che uno specialista non avrebbe preso — alcune produttive, e alcune certamente ingenue. Lo strumento sarebbe migliore se fosse stato costruito in collaborazione con studiosi di ogni tradizione. Spero che questo seminario possa essere l’inizio di tali collaborazioni.
La democratizzazione dell’analisi comporta rischi. Uno studente che usa questo strumento potrebbe uscirne con l’impressione di «comprendere» la Bhagavad Gítá perché ne ha visto il grafo concettuale e letto il riassunto tematico dell’AI. È un’illusione seducente. Lo strumento deve essere posizionato con attenzione: non come sostituto della lettura, ma come invito a leggere più in profondità, come provocazione che genera domande piuttosto che risposte.
Non so se questi siano strumenti di ricerca o oggetti di ricerca essi stessi. Sospetto che, come per molte delle frontiere che questo seminario si propone di esplorare, la distinzione sia meno netta di quanto sembri — e che questa ambiguità sia esattamente il tipo di terreno fertile da cui possono emergere le domande più interessanti.
Appendici Tecniche
Le sezioni seguenti documentano in dettaglio l’architettura tecnica, le scelte implementative e gli strumenti utilizzati nello sviluppo di SacredTexts AI. Sono pensate per chi desidera approfondire il funzionamento interno dello strumento o riprodurne aspetti specifici.
Appendice A — Selezione e Traduzione dei Testi
Il database di SacredTexts AI contiene 48 testi sacri distribuiti su 8 tradizioni religiose.
Metodologia di Selezione
Selezione dei testi
Criteri: importanza canonica, diversità di generi (poesia, prosa, preghiera, legge, mistica), arco cronologico (dal 1500 a.C. al 1579 d.C.), copertura di 8 tradizioni religiose.
Fonti delle traduzioni italiane
Ogni traduzione italiana cita l'edizione accademica di riferimento con traduttore, editore e anno. Per i testi biblici: La Sacra Bibbia, trad. CEI, Libreria Editrice Vaticana, 2008. Per le altre tradizioni: edizioni critiche riconosciute (Carena/Città Nuova, Vannini/Adelphi, Simonetti/Fondazione Valla, Scazzoso/Rusconi, Piccardo/Newton Compton, Piano/UTET, ecc.).
Testi in lingua originale
I frammenti in lingua originale (ebraico, greco, latino, arabo, persiano, sanscrito, pali, cinese classico, spagnolo, medio alto tedesco, volgare umbro) sono stati estratti da edizioni digitali standard e verificati con le edizioni critiche di riferimento.
Inventario Completo dei Testi
Mostra tabella completa (48 testi)
| Testo | Tradizione | Lingua | Datazione | Fonte critica |
|---|---|---|---|---|
| Genesi 1:1-5 | Cristiana | Ebraico | VI-V sec. a.C. | BHS |
| Salmo 23 | Cristiana | Ebraico | X-VI sec. a.C. | BHS |
| Esodo 20:1-17 (Decalogo) | Cristiana | Ebraico | XIII-VII sec. a.C. | BHS |
| Matteo 5:3-12 (Beatitudini) | Cristiana | Greco | I sec. d.C. | Nestle-Aland 28 |
| Matteo 6:9-13 (Padre Nostro) | Cristiana | Greco | I sec. d.C. | Nestle-Aland 28 |
| Luca 1:46-55 (Magnificat) | Cristiana | Greco | I sec. d.C. | Nestle-Aland 28 |
| Luca 10:30-37 (Buon Samaritano) | Cristiana | Greco | I sec. d.C. | Nestle-Aland 28 |
| Luca 15:11-32 (Figlio Prodigo) | Cristiana | Greco | I sec. d.C. | Nestle-Aland 28 |
| Giovanni 1:1-14 (Prologo) | Cristiana | Greco | Fine I sec. d.C. | Nestle-Aland 28 |
| Giovanni 6:35-51 (Pane della Vita) | Cristiana | Greco | Fine I sec. d.C. | Nestle-Aland 28 |
| 1 Corinzi 13 (Inno alla Carità) | Cristiana | Greco | 54-55 d.C. | Nestle-Aland 28 |
| Apocalisse 21:1-7 | Cristiana | Greco | Fine I sec. d.C. | Nestle-Aland 28 |
| Agostino, Confessioni X.27 | Cristiana | Latino | 397-400 d.C. | CSEL 33 |
| Regola di San Benedetto | Cristiana | Latino | 530 d.C. | SC 181-186 |
| Veni Creator Spiritus | Cristiana | Latino | IX sec. d.C. | Analecta Hymnica |
| Tommaso da Kempis, Imitazione | Cristiana | Latino | 1418-1427 | Ed. Pohl (1904) |
| Ignazio di Loyola, Esercizi | Cristiana | Latino/Spagnolo | 1522-1524 | MHSI |
| Francesco, Cantico Creature | Cristiana | Volgare umbro | 1224 | Cod. 338 Assisi |
| Giovanni della Croce, Notte | Cristiana | Spagnolo | 1578-1579 | BAC |
| Teresa d'Avila, Castello | Cristiana | Spagnolo | 1577 | BAC |
| Meister Eckhart, Distacco | Cristiana | Medio alto tedesco | XIV sec. | DW Quint/Steer |
| Padri del Deserto | Cristiana | Greco/Copto | IV-V sec. d.C. | PG 65 / SC 387 |
| Gregorio di Nissa, Vita di Mosè | Cristiana | Greco | 390 d.C. | SC 1bis / PG 44 |
| Pseudo-Dionigi, Teologia Mistica | Cristiana | Greco | V-VI sec. d.C. | PG 3 |
| Shema Israel (Dt 6:4-9) | Ebraica | Ebraico | VII sec. a.C. | BHS |
| Salmo 137 | Ebraica | Ebraico | VI sec. a.C. | BHS |
| Qohelet (Ecclesiaste) 1:1-7; 3:1-8 | Ebraica | Ebraico | III sec. a.C. | BHS |
| Cantico dei Cantici 2:8-16 | Ebraica | Ebraico | IV-III sec. a.C. | BHS |
| Pirke Avot 1-2 (Massime dei Padri) | Ebraica | Ebraico mishnaico | III sec. a.C. - II sec. d.C. | Mishnah (Albeck/Yalon) |
| Al-Fatiha (Corano, Sura 1) | Islamica | Arabo | 610-632 d.C. | Tanzil.net |
| Versetto della Luce (24:35) | Islamica | Arabo | 610-632 d.C. | Tanzil.net |
| Versetto del Trono (2:255) | Islamica | Arabo | 610-632 d.C. | Tanzil.net |
| Sura Al-Ikhlāṣ (112) | Islamica | Arabo | 610-632 d.C. | Tanzil.net |
| Rumi, Masnavi (Prologo) | Sufi | Persiano | 1258-1273 | Ed. Nicholson |
| Rābiʿa al-ʿAdawiyya, Preghiere | Sufi | Arabo | VIII sec. d.C. | ʿAṭṭār, Tadhkirat |
| Ibn ʿArabī, Tarjumān al-Ashwāq XI | Sufi | Arabo | 1215 | Ed. Nicholson (1911) |
| Preghiera di Gesù | Ortodossa | Greco | IV-XIV sec. | Filocalia (1782) |
| Gayatri Mantra (RV III.62.10) | Induista | Sanscrito | 1500-1200 a.C. | SBE (Max Müller) |
| Shanti Mantra | Induista | Sanscrito | 1000-500 a.C. | Taittiriya Up. |
| Bhagavad Gītā 2:47-55 | Induista | Sanscrito | III-II sec. a.C. | Ed. Belvalkar/BORI |
| Īśā Upaniṣad 1-8 | Induista | Sanscrito | VIII-VI sec. a.C. | Ed. Limaye & Vadekar |
| Tao Te Ching, Cap. 1 | Taoista | Cinese classico | VI-IV sec. a.C. | Ed. Wang Bi |
| Tao Te Ching, Cap. 25 | Taoista | Cinese classico | VI-IV sec. a.C. | Ed. Wang Bi |
| Zhuangzi, Il sogno della farfalla | Taoista | Cinese classico | IV-III sec. a.C. | Ed. Guo Qingfan |
| Dhammapada, Cap. 1 | Buddhista | Pali | III sec. a.C. | Pali Text Society |
| Sutra del Cuore (Prajñāpāramitā) | Buddhista | Sanscrito | I-IV sec. d.C. | Ed. Conze/IsMEO |
| Sutra del Diamante (Vajracchedikā) | Buddhista | Sanscrito | II-V sec. d.C. | Ed. Conze/IsMEO |
| Sermone del Fuoco (SN 35.28) | Buddhista | Pali | V-III sec. a.C. | Pali Text Society |
Legenda delle Fonti Critiche
| Sigla | Descrizione |
|---|---|
| BHS | Biblia Hebraica Stuttgartensia — edizione critica standard del testo masoretico dell'Antico Testamento (Deutsche Bibelgesellschaft, 5ª ed. 1997). die-bibel.de |
| Nestle-Aland 28 | Novum Testamentum Graece — edizione critica di riferimento del Nuovo Testamento in greco (Deutsche Bibelgesellschaft, 28ª ed. 2012). die-bibel.de |
| SC | Sources Chrétiennes — collana di edizioni critiche bilingui dei Padri della Chiesa (Les Éditions du Cerf, dal 1942). sourceschretiennes.org |
| PG | Patrologia Graeca — raccolta completa dei Padri greci a cura di J.-P. Migne (161 voll., Parigi, 1857-1866). patristica.net |
| CSEL | Corpus Scriptorum Ecclesiasticorum Latinorum — edizioni critiche dei Padri latini (Österreichische Akademie der Wissenschaften, dal 1866). csel.at |
| BAC | Biblioteca de Autores Cristianos — collana spagnola di testi patristici, mistici e teologici (Editorial Católica, dal 1945). bac-editorial.com |
| MHSI | Monumenta Historica Societatis Iesu — edizioni critiche delle fonti storiche della Compagnia di Gesù (Roma, dal 1894). sjcuria.global |
| SBE | Sacred Books of the East — collana di traduzioni dei testi sacri orientali a cura di F. Max Müller (50 voll., Oxford, 1879-1910). archive.org |
| Analecta Hymnica | Analecta Hymnica Medii Aevi — raccolta critica degli inni latini medievali, a cura di G.M. Dreves e C. Blume (55 voll., Leipzig, 1886-1922). |
| Ed. Pohl | Edizione critica dell'Imitatio Christi a cura di Michael Joseph Pohl (Friburgo, 1904). |
| Cod. 338 Assisi | Codice 338 della Biblioteca del Sacro Convento di Assisi — il più antico manoscritto completo del Cantico delle Creature di Francesco d'Assisi. |
| DW Quint/Steer | Die deutschen Werke — edizione critica delle opere in tedesco di Meister Eckhart, a cura di J. Quint e G. Steer (Kohlhammer, dal 1936). |
| Tanzil.net | Tanzil — testo coranico verificato con riscontro su edizioni a stampa approvate (testo Uthmani, trascrizione digitale). tanzil.net |
| Ed. Nicholson | Edizione critica del Masnavi-i Ma'navi di Rumi a cura di R.A. Nicholson (Gibb Memorial Trust, Leiden/London, 1925-1940). |
| Filocalia | Philokalia — antologia di testi sulla preghiera esicasta, compilata da Nicodemo l'Agiorita e Macario di Corinto (Venezia, 1782). philokalia.com |
| Taittiriya Up. | Taittiriya Upanishad — testo upanishadico del Krishna Yajurveda (trad. SBE, Max Müller; ed. critica in Anandasrama Sanskrit Series). |
| Ed. Wang Bi | Commentario di Wang Bi (226-249 d.C.) al Tao Te Ching — edizione di riferimento per il testo classico del Laozi. ctext.org |
| Pali Text Society | Pali Text Society — edizioni critiche del Canone Pali buddhista (PTS, London, dal 1881). palitextsociety.org |
Avvertenza
I testi sono forniti a scopo didattico e divulgativo. Per uso accademico rigoroso, verificare sempre con le edizioni critiche di riferimento. Le traduzioni italiane provengono da fonti pubbliche consolidate ma non costituiscono edizioni critiche.
Appendice B — Il Prompt di Analisi AI
L'analisi dei testi sacri è realizzata tramite l'API di Google Gemini con un system prompt accuratamente ingegnerizzato. Il prompt definisce il ruolo dell'AI, le regole di output, lo schema JSON richiesto e i parametri del contesto storico.
Il Prompt Completo (SYSTEM_PROMPT_V2)
Anatomia del Prompt
Ruolo assegnato
L'AI riceve tre ruoli simultanei: analista di testi sacri (competenza testuale), storico delle religioni (contestualizzazione) e information architect (strutturazione dei dati per la visualizzazione a grafo).
Obiettivo di fedeltà
Il prompt impone fedeltà al testo originale: nessun concetto inventato, nessuna interpolazione. Solo ciò che è realmente presente nel passo analizzato.
Regole di output
JSON puro (niente markdown), ID stabili e prevedibili (src, t1, t1c1...), divieto di concetti generici, citazioni limitate a 10 parole, parafrasi esplicitamente marcate.
Schema gerarchico
Struttura a 3 livelli: centralNode (il testo), clusters (raggruppamenti tematici) e children (concetti specifici). I crossReferences collegano nodi figli di cluster diversi.
Categorie tematiche (teologia, etica, mistica, pratica)
Ogni cluster tematico riceve una categoria tra quattro valori ammessi:
teologia (dottrina, natura del divino, dogma),
etica (morale, condotta, precetti),
mistica (esperienza interiore, contemplazione, unione col divino) e
pratica (rituale, liturgia, osservanza).
L'attribuzione è effettuata interamente dall'AI (Gemini) sulla base della sua comprensione semantica del testo:
non esiste un classificatore locale né un dizionario di parole chiave nel codice.
Il prompt vincola l'AI a scegliere una di queste quattro categorie; se Gemini restituisce
un valore non previsto, la funzione normalizeCategory() lo normalizza a pratica
come fallback. Queste categorie determinano il colore dei nodi nel grafo e lo shift di ottava
nell'audio generativo, creando una corrispondenza sinestesica tra struttura concettuale,
visualizzazione e sonificazione.
Contesto storico in 9 campi
Periodo, ambiente socio-culturale, autore, destinatari, genere letterario, significato nella tradizione, influenze ricevute, impatto culturale/teologico, correnti interpretative. Ogni campo richiede analisi dettagliata, non generica.
Piste di Ricerca AI (Research Gaps)
Il campo research_gaps dello schema JSON V2 genera automaticamente
3 domande epistemologiche basate su tensioni, paradossi e connessioni
inter-tradizione individuate nel testo. Le domande coprono: (1) tensioni o paradossi nel testo,
(2) influenze storiche non chiarite o connessioni inter-tradizione,
(3) implicazioni metodologiche o interpretative aperte. Massimo 5 domande,
validate in validateAndNormalizeV2().
AI Confidence
Ogni cluster e child riceve un campo confidence (float 0.0–1.0)
con calibrazione nel prompt: 0.9+ per concetti esplicitamente presenti nel testo,
0.5–0.7 per inferenze ragionevoli, sotto 0.5 per interpretazioni speculative.
Default: 0.75 quando l'AI non fornisce il valore.
Configurazione API
Scelta del modello: gemini-2.5-flash-lite
Il modello predefinito è gemini-2.5-flash-lite, scelto per il miglior equilibrio tra profondità analitica, velocità di risposta e aderenza allo schema JSON. È un modello leggero della famiglia 2.5, con tempi di risposta contenuti e quota generosa, adatto a chiamate frequenti; per analisi più profonde si può passare a modelli più capaci dalle impostazioni.
Il prompt include un'indicazione esplicita di profondità analitica: «genera almeno 4–6 cluster con 3–5 children ciascuno, mira a 20–25 nodi totali, distingui sotto-temi, sfumature concettuali e livelli interpretativi diversi». Questa guida nel prompt consente di ottenere grafi ricchi e dettagliati.
L'architettura supporta il cambio di modello in qualsiasi momento tramite le impostazioni dell'applicazione: è possibile passare a gemini-2.5-flash (gratuito) o, abilitando la fatturazione, a modelli più capaci come gemini-2.5-pro, a seconda delle esigenze di profondità analitica o di velocità di risposta.
Parametri di generazione
La temperatura 0.7 bilancia creatività e fedeltà: abbastanza alta per cogliere sfumature interpretative, abbastanza bassa per restare aderente al testo. Il limite di 8192 token consente analisi dettagliate anche di passi lunghi.
Trasparenza IA (art. 50 AI Act)
Questa applicazione integra funzioni di intelligenza artificiale basate su Google Gemini (analisi dei testi sacri e chatbot integrato). Le funzioni IA utilizzano un servizio cloud di terze parti (Google Gemini); le richieste transitano dai server di Google secondo le relative condizioni d'uso. I contenuti generati dall'IA sono contrassegnati come tali e possono contenere errori. Informativa resa ai sensi dell'art. 50 del Regolamento (UE) 2024/1689.
Pipeline di Post-Processing
La risposta dell'AI passa attraverso 3 stadi di validazione: estrazione del blocco JSON (rimuovendo eventuale markdown), parsing e verifica dello schema V2, normalizzazione degli ID e generazione automatica di cross-reference mancanti. Se il parsing fallisce, un meccanismo di fallback genera una struttura minima valida.
🔍 Approfondimento — I 3 stadi di validazione
Stadio 1: Estrazione del JSON — extractJsonBlock()
Gemini restituisce testo libero, spesso racchiuso in blocchi markdown (```json ... ```).
Questa funzione pulisce la risposta grezza:
- Rimuove i code fence — Elimina i delimitatori
```jsone``` - Rimuove caratteri invisibili — BOM (
\uFEFF), zero-width spaces (\u200B–\u200D) - Trova i limiti del JSON — Cerca il primo
{e l'ultimo}, ignorando prefazioni e commenti dell'AI - Ripara errori comuni — Rimuove virgole finali (
,}→}), quota chiavi non quotate (key:→"key":)
Stadio 2: Parsing e validazione schema — parseAndValidateV2()
Dopo il JSON.parse(), la funzione verifica la conformità allo schema V2 e normalizza ogni campo:
| Campo | Regola di validazione | Default se mancante |
|---|---|---|
centralNode.id |
Deve esistere | 'src' |
cluster.id |
Generato se assente | t1, t2, t3... |
cluster.category |
Deve essere in [teologia, etica, mistica, pratica] |
'pratica' |
confidence |
Float 0.0–1.0 | 0.75 |
child.id |
Gerarchico, generato se assente | t1c1, t1c2, t2c1... |
crossReferences |
from e to devono puntare a ID figli esistenti |
Scartati se orfani |
Se lo schema è V1 (versione precedente), viene convertito automaticamente a V2. Se lo schema non è riconosciuto, si attiva il fallback.
Stadio 3: Auto-generazione cross-references — generateAutoCrossReferences()
Se l'AI ha prodotto meno di 4 cross-reference e il grafo contiene almeno 2 cluster,
il sistema ne genera automaticamente collegando il primo figlio di ogni coppia di cluster adiacenti.
I tipi di relazione ciclano tra supports, contrasts e analogous,
fino a un massimo di 6 riferimenti. Le duplicazioni vengono prevenute confrontando ogni coppia di ID.
Fallback — generateFallbackV2()
Se il parsing fallisce completamente (JSON invalido, risposta vuota, timeout),
viene generata una struttura minima ma valida per il visualizzatore:
un centralNode con il titolo estratto dalla prima riga del testo,
un singolo cluster “Analisi incompleta” con un figlio “Riprova l'analisi”,
e cross-reference vuote. Il fallback è trasparente: non inventa dati finti,
ma mostra esplicitamente che l'analisi non è riuscita.
Appendice C — Come Funziona il Grafo
La visualizzazione a grafo è realizzata con p5.js e un motore fisico interattivo personalizzato. Ogni analisi genera una struttura gerarchica a 3 livelli che viene animata in tempo reale.
I Tre Livelli di Nodi
Nodo Centrale (Source)
Rappresenta il testo analizzato. Raggio 50px, colore oro, pulsazione animata.
Posizionato al centro del canvas. ID: src
Cluster Tematici
Raggruppamenti di concetti. Raggio 35px, colorati per categoria.
Orbitano intorno al nodo centrale. ID: t1, t2, tN
Nodi Figli (Children)
Concetti specifici estratti dal testo. Raggio 20px, ereditano il colore del cluster padre.
ID: t1c1, t1c2, tNcM
Codifica Colori per Categoria
#4682E6
#2ECC71
#9B59B6
#E67E22
#D4AF37
Nota sulla scelta cromatica
I colori non rappresentano le singole tradizioni religiose, ma le categorie concettuali trasversali a tutte le tradizioni. Un concetto teologico cristiano e uno islamico condividono lo stesso blu, perché il colore codifica la natura del concetto, non la sua provenienza.
La palette segue una logica sinestesica che connette il registro visivo a quello sonoro (nell'audio generativo, ogni categoria determina lo shift di ottava):
- Blu (teologia) — astrazione, cielo, trascendenza
- Verde (etica) — equilibrio, vita, crescita
- Viola (mistica) — interiorità, sacralità, rarità
- Arancione (pratica) — calore, terra, azione concreta
- Oro (generale) — il testo sacro come sorgente centrale
Questa scelta garantisce neutralità inter-religiosa: nessuna tradizione riceve un colore proprio, evitando gerarchie visive o associazioni culturalmente connotate.
X-Ray Mode (AI Confidence)
La modalità X-Ray (icona occhio nella toolbar del grafo) visualizza il livello di certezza (confidence) del modello AI per ogni nodo.
Alta Confidence (≥ 70%)
Opacità piena, badge verde. Il modello è ragionevolmente certo dell'identificazione tematica.
Media Confidence (50-69%)
Opacità ridotta, badge giallo. L'interpretazione è plausibile ma meno sicura.
Bassa Confidence (< 50%)
Opacità bassa, bordo tratteggiato, badge rosso. Il nodo potrebbe richiedere verifica umana.
Il rendering usa drawingContext.globalAlpha e setLineDash() in p5.js.
Diagramma della Struttura
Le linee tratteggiate tra nodi figli di cluster diversi rappresentano le cross-references
Pipeline Visuale
Input del testo
L'utente seleziona o incolla un testo sacro nel pannello di input.
Analisi Gemini
Il testo viene inviato all'API Gemini con il SYSTEM_PROMPT_V2. La risposta JSON viene validata e normalizzata.
Costruzione del grafo
loadV2Data() crea oggetti GraphNode per ogni nodo e li posiziona inizialmente su una disposizione circolare (cluster a 180px dal centro, figli a 70px dal cluster padre).
Simulazione fisica
updatePhysics() esegue ad ogni frame: forze di repulsione tra nodi, attrazione lungo gli edge, smorzamento e collision avoidance. Il grafo si "rilassa" verso un layout ottimale.
Rendering e interazione
p5.js disegna nodi, edge, label e bolle di citazione a 60fps. L'utente può cliccare, trascinare, zoomare e riavviare la costruzione cinematica del grafo.
Audio Generativo Sincronizzato al Grafo
🎵 GenerativeAudioEngine v4.0.0
A partire dalla versione 2.13.0, l'audio è gestito da un unico motore generativo
(generative-audio.js) sincronizzato al grafo: i nodi attivano note in base a
posizione, categoria e tipo. L'audio è disattivato per default:
l'utente lo attiva manualmente tramite il bottone nella toolbar.
L'applicazione utilizza un singolo GenerativeAudioEngine che genera audio
in tempo reale sincronizzato alla visualizzazione del grafo:
🎼 Architettura Generativa (GenerativeAudioEngine)
Motore audio puramente generativo: nessun campione viene caricato o riprodotto. Ogni nota è sintetizzata in tempo reale tramite Tone.js PolySynth, con parametri modulati dalla posizione dei nodi, dalla tradizione religiosa selezionata e dal preset attivo.
5 Preset Audio
| Preset | Caratteristiche |
|---|---|
| 1 | Pad lento, riverbero ampio, drone FM, note lunghe — atmosfera meditativa |
| 2 | FMSynth brillante, attack rapido, delay pronunciato, timbro cristallino |
| 3 | FMSynth profondo, registro basso, drone FM prominente, sapore modale antico |
| 4 | FMSynth caldo con vibrato, registro medio, drone grave, filtro scuro |
| 5 | PolySynth percussivo, tempo più veloce, probabilità multi-nota alta, pattern pulsanti |
Ogni tradizione ha un preset preferito assegnato per affinità culturale-sonora (es. Cristianesimo → 1, Buddhismo → 2, Islam → 4). L'utente può sovrascrivere la selezione automatica dal controllo preset nella toolbar.
Modificatori per Tradizione (traditionParams)
Ogni tradizione applica modificatori specifici ai parametri del preset attivo:
registerShift— trasposizione in semitoni del registrotempoMul— moltiplicatore del tempo basedroneMod— modifica al livello del drone FMmultiProbAdd— incremento probabilità multi-notareverbWetAdd— incremento wet del riverberofilterAdd— offset della frequenza di taglio del filtro
Catena Audio — Generativa
PolySynth → Filter (lowpass) → Filter (highpass) → FeedbackDelay → Reverb → Panner → Volume → destination
Drone opzionale: FMSynth → catena effetti condivisa
L'audio è disattivato per default. L'utente lo attiva manualmente dal bottone nella toolbar. La tradizione viene rilevata dal menu a tendina; se su “Tutte”, viene aggiornata dall'analisi Gemini. Al cambio tradizione, scala, frammenti melodici, modificatori e preset vengono aggiornati automaticamente. Una barra informativa nell'UI mostra preset, scala e tradizione attiva.
Selezione Automatica Preset per Tradizione
Il sistema seleziona automaticamente il preset più affine alla tradizione attiva (sovrascrivibile dall'utente):
| Tradizione | Preset Auto | Affinità |
|---|---|---|
| Cristianesimo | 1 | Canto gregoriano, atmosfera monastica |
| Ebraismo | 3 | Sonorità modali antiche, cantillazione |
| Islam | 4 | Maqam, intervalli caratteristici Hijaz |
| Induismo | 3 | Drone tanpura, Raga Bhairav, texture sospesa |
| Buddhismo | 2 | Singing bowl, purezza timbrica, meditazione |
| Taoismo | 1 | Pentatonica cinese, contemplazione naturale |
7 Scale Musicali per Tradizione
| Tradizione | Scala | Note |
|---|---|---|
| Cristianesimo | Ionian | C D E F G A B |
| Ebraismo | Ahava Rabbah | C Db E F G Ab B |
| Islam | Maqam Hijaz | C Db E F G Ab Bb |
| Induismo | Raga Bhairav | C Db E F# G Ab B |
| Buddhismo | Pentatonic | C D F G A |
| Taoismo | Chinese Gong | C D E G A |
| Default | Natural Minor | C D Eb F G Ab Bb |
La scala viene selezionata automaticamente in base alla tradizione del testo analizzato. I frammenti melodici sono composti sugli intervalli caratteristici di ciascuna scala, garantendo autenticità culturale nella generazione sonora.
🎲 Audio Generativo Sincronizzato al Grafo v4.0 (GenerativeAudioEngine)
Generatore algoritmico sincronizzato al grafo: i nodi attivano note nella scala della tradizione corrente in base alla loro posizione (X → panning, Y → registro), categoria e tipo. Ogni ascolto è unico grazie alla combinazione di preset, scala, frammenti e parametri randomizzati.
Appendice D — Confronto tra Modelli AI
Durante lo sviluppo di SacredTexts AI, diversi modelli di intelligenza artificiale sono stati valutati per l'analisi dei testi sacri. La scelta è ricaduta su Google Gemini 2.5 Flash-Lite per ragioni di costo, velocità, aderenza allo schema e buona comprensione semantica con tempi di risposta contenuti.
Modelli a confronto
Google Gemini 2.5 Flash-Lite
Punti di forza: Veloce, buona aderenza allo schema JSON, API gratuita lato client, gestione sicura dei contenuti religiosi, quota generosa adatta a chiamate frequenti.
Limiti: Analisi teologica meno profonda dei modelli premium, occasionale genericità nei concetti.
Costo: Gratuito (free tier)
Google Gemini Pro / 1.5
Punti di forza: Analisi più ricca e sfumata, contesto storico dettagliato, output strutturato eccellente.
Limiti: Più lento, costo maggiore, a volte eccessivamente verbose.
Costo: Basso (pay-per-use)
OpenAI GPT-4 / GPT-4o
Punti di forza: Eccellente sfumatura teologica, ottimo supporto multilingue, analisi approfondita delle correnti interpretative.
Limiti: Costo elevato, aderenza allo schema JSON variabile, nessun free tier per uso intensivo.
Costo: Medio-alto
Anthropic Claude (Sonnet/Opus)
Punti di forza: Ragionamento eccellente su concetti teologici complessi, forte analisi etica, ottimo italiano.
Limiti: Struttura API diversa, nessun free tier, a volte troppo prudente sui contenuti religiosi.
Costo: Medio
Scelta del modello: Gemini 2.5 Flash-Lite
Gemini 2.5 Flash-Lite è il modello attualmente in uso. La scelta è motivata dal miglior equilibrio per una PWA client-side: (1) API chiamabile direttamente dal browser senza backend, (2) tier gratuito sufficiente per uso didattico, (3) buona aderenza allo schema JSON strutturato, (4) velocità di risposta ottimale per l'interattività, (5) quota generosa adatta a chiamate frequenti. Per un uso accademico avanzato, abilitando la fatturazione il codice supporta lo switch a modelli più capaci come Gemini 2.5 Pro.
Appendice E — Strumenti e Tecnologie
Stack Tecnologico
p5.js v1.9.0
Libreria di creative coding per la visualizzazione a grafo interattivo. Scelta per l'API dichiarativa di disegno e la facilità di embedding in una PWA.
Tone.js v14.8.49
Framework Web Audio per l'audio generativo sincronizzato al grafo. PolySynth, FMSynth (drone), effetti (Filter, FeedbackDelay, Reverb, Panner) e 7 scale per tradizione.
Google Gemini API
Motore di analisi AI. Endpoint REST chiamato direttamente dal client. 2 modelli selezionabili (default: gemini-2.5-flash-lite). Pool di 8 chiavi API con rotazione round-robin.
IndexedDB
Storage locale nel browser per la cronologia delle analisi. Nessun server richiesto, dati completamente privati.
Service Worker
Supporto offline con caching stale-while-revalidate.
Auto-update ogni 60 secondi con banner dorato non bloccante,
SKIP_WAITING e protezione da ricaricamenti multipli.
JSON-LD / RDF
Export in formati semantici con vocabolari Schema.org, Dublin Core e SKOS per interoperabilità accademica.
Timeline di Sviluppo
Architettura Core
Struttura HTML/CSS/JS modulare, dark theme con accenti dorati, layout responsive a 3 pannelli.
Integrazione Gemini
Prompt engineering iterativo, schema V1, primi test di analisi su testi biblici.
Visualizzazione a Grafo
Implementazione del motore fisico interattivo con p5.js. Calibrazione dei parametri di repulsione/attrazione.
Schema V2
Evoluzione allo schema gerarchico denso: centralNode + clusters + children + crossReferences. Backward compatibility con V1.
Motore Audio
Sonificazione con Tone.js: scale per tradizione religiosa, audio spaziale, interazione nodi-audio.
Export Semantico
JSON-LD con contesto Schema.org, RDF/Turtle con vocabolario SKOS e Dublin Core per interoperabilità.
UX Avanzata
Split View sincronizzata, replay costruzione cinematica, Node Detail Sidebar, cronologia con IndexedDB.
Dietro le Quinte
Questa pagina: trasparenza metodologica, metadati sui testi, confronti AI, playground interattivo.
Trasparenza Scientifica e Accessibilità
Piste di Ricerca AI, AI Confidence (X-Ray Mode), header fonte dinamico, gestione cache avanzata.
Audio Generativo e Stabilità
GenerativeAudioEngine con sincronizzazione grafo-audio, adozione di Gemini 2.5 Flash-Lite come modello predefinito, fix retry 429, welcome splash versione.
Audio Generativo v4.0 e Animazioni Immersive
GenerativeAudioEngine v4.0.0 in generative-audio.js: audio puramente sintetizzato, sincronizzato al grafo.
5 preset (1-5), 7 scale per tradizione, 35 frammenti melodici autentici,
selezione automatica preset per affinità culturale, modificatori per tradizione.
I campioni audio legacy (~32 MB) restano in assets/audio/ ma non vengono più caricati.
Fisica del grafo ricalibrata per movimenti lenti e fluidi,
transizioni camera 1800ms con easing ease-in-out-quart.
Strumenti AI nello Sviluppo
Trasparenza sull'uso dell'AI nel processo di sviluppo
Google Gemini — Motore di analisi dei testi sacri integrato nell'app.
Testato anche per generazione di codice (prompt V1 → V2 evolution).
ChatGPT (OpenAI) — Utilizzato per confronti comparativi sulla qualità dell'analisi
teologica e per il raffinamento dei prompt.
Architettura del Progetto
Appendice F — Playground dei Prompt
Esplora come diverse variazioni del prompt influenzano l'analisi di un testo sacro. Seleziona una delle tre varianti per confrontare prompt e risultato.
Testo di test: Genesi 1:1-5 — "In principio Dio creò il cielo e la terra..."
Prompt
Risultato
Osservazioni
Il prompt minimale genera un output piatto: solo temi e keywords, senza struttura gerarchica, senza contesto storico, senza citazioni. Utile per un'indicizzazione rapida, insufficiente per la visualizzazione a grafo.
Crediti e Metodologia
Autore
Francesco Mariano — Multimedia Artist & Docente
Artista multimediale e docente, esplora le intersezioni tra arte, tecnologia e didattica.
Contesto: il Superseminar RESILIENCE
Questa pagina e l’intero approfondimento “Dietro le Quinte” sono in fase di sviluppo come parte della preparazione al Superseminar organizzato da RESILIENCE (European Research Infrastructure on Religious Studies) e dall’Università di Modena e Reggio Emilia (UNIMORE), con il supporto di FSCIRE (Fondazione per le scienze religiose), ITSERR e il finanziamento dell’Unione Europea (NextGenerationEU).
Il seminario a porte chiuse, in programma dal 9 all’11 Marzo 2026 a Reggio Emilia (Hotel Posta), riunirà ricercatori, esperti di AI, giuristi, data scientist e umanisti digitali attorno a quattro assi tematici: Machine Learning, Supercomplexity, Visuality e Data.
Il principio ispiratore del seminario — che le domande di ricerca umanistica siano così complesse da poter diventare driver di innovazione tecnologica, anziché essere meri utilizzatori dell’AI — è al cuore dello sviluppo di SacredTexts AI: un tentativo di dimostrare come la complessità epistemologica degli studi religiosi possa guidare la progettazione di strumenti digitali innovativi.
Partecipanti e relatori previsti da: EUI (European University Institute), SOAS University of London, Hebrew University of Jerusalem, University of Hong Kong, Universitat Pompeu Fabra Barcelona, Louvre Abu Dhabi, CNR, European Commission (DG Research & Innovation), Ministero della Cultura, LEPIDA, Università di Bologna, Università di Torino, Accademia di Belle Arti di Macerata.
Etica e Limiti dell'AI
Dichiarazione sui limiti
L'analisi AI dei testi sacri presenta limiti intrinseci che l'utente deve conoscere:
- I modelli linguistici possono riflettere bias culturali presenti nei dati di addestramento
- L'interpretazione di testi sacri richiede competenze che vanno oltre le capacità attuali dell'AI
- I risultati non sostituiscono l'analisi di studiosi qualificati in scienze religiose
- La categorizzazione (teologia/etica/mistica/pratica) è una semplificazione per la visualizzazione
- Le cross-references possono generare associazioni non intenzionali dall'autore originale
Crediti Audio — Campioni per Tradizione (legacy)
Nota: A partire dalla versione 2.13.0, l'audio è generato interamente in tempo reale
dal GenerativeAudioEngine v4.0.0. I campioni audio elencati di seguito non vengono più
caricati né riprodotti, ma i file restano nella directory assets/audio/ per compatibilità.
I crediti sono mantenuti per trasparenza e rispetto delle licenze originali.
I campioni audio originariamente utilizzati in SacredTexts AI provenivano da Freesound.org (licenze Creative Commons) e da Internet Archive (canti gregoriani, salmi ebraici, canti buddhisti e taoisti). Questa applicazione è un progetto non commerciale a scopo didattico e di ricerca.
| Tradizione | Campione | Autore | Licenza |
|---|---|---|---|
| Cristianesimo | gregorian_loop.mp3 |
klankbeeld / Jovica | CC-BY 4.0 |
| Ebraismo | hebrew_chant.mp3 |
Freesound.org | CC (vedi Freesound) |
psalm23_hebrew.mp3 |
Internet Archive Psalms of David in Hebrew |
Public Domain (dominio pubblico) | |
psalm121_hebrew.mp3 |
|||
kabbalat_shabbat.mp3 |
|||
hallel.mp3 |
|||
| Islam | sufi_ney.mp3 |
Freesound.org | CC (vedi Freesound) |
quran_fatihah.mp3 |
Internet Archive Mahmoud Khalil al-Husari — Recitazione murattal, qiraat Hafs an Asim |
Nessuna licenza esplicita. Uso didattico non commerciale. | |
quran_anaam.mp3 |
|||
quran_rahman.mp3 |
|||
quran_yasin.mp3 |
|||
sufi_dhikr.mp3 |
Internet Archive Dhikr sufi egiziano — cassetta digitalizzata (primi 90s) |
Nessuna licenza esplicita. Uso didattico. | |
oud_taqasim.mp3 |
Internet Archive Taqasim Oud (Abou Chakra) — LP digitalizzato (primi 90s) |
Nessuna licenza esplicita. Uso didattico. | |
adhan_fes.mp3 |
Internet Archive / radio aporee Adhan, Fes el Bali, Marocco (Nikolaj de Haan, 2012) |
CC BY-NC-SA 3.0 | |
| Induismo | om_chant.mp3 |
Freesound.org | CC (vedi Freesound) |
| Buddhismo | singing_bowl.mp3 |
the_very_Real_Horst | CC-BY 4.0 |
| Buddhismo | monks_chant.mp3 |
djgriffin | CC-BY-NC 4.0 |
| Buddhismo | zen_monk_chant.mp3 |
Internet Archive Zen Buddhist Monk Peace Chant (primi 90s) |
Nessuna licenza esplicita. Uso didattico. |
| Taoismo | wudang_chanting.mp3 |
Internet Archive Liturgia mattutina, Tempio Wudang Shan (primi 90s) |
Nessuna licenza esplicita. Uso didattico non commerciale. |
chinese_meditation.mp3 |
Internet Archive Musica meditativa cinese tradizionale (primi 90s) |
||
mountain_stream.mp3 |
Internet Archive Famous Ancient Chinese Tunes — Mountain Stream, guqin (primi 90s) |
||
| Cristianesimo (Epifania) |
epiphany_introit.mp3 |
Internet Archive Canto gregoriano, rito romano tradizionale in latino |
Nessuna licenza esplicita dichiarata. Repertorio liturgico medievale (dominio pubblico). Uso didattico non commerciale. |
epiphany_gradual.mp3 |
|||
epiphany_alleluia.mp3 |
|||
epiphany_offertory.mp3 |
|||
epiphany_communion.mp3 |
|||
epiphany_vespers_hymn.mp3 |
CC-BY 4.0: attribuzione richiesta, uso commerciale consentito. CC-BY-NC 4.0: attribuzione richiesta, solo uso non commerciale. I campioni Freesound sono utilizzati in conformità con le rispettive licenze Creative Commons indicate dagli autori su Freesound.org. I canti dell'Epifania, le recitazioni coraniche di al-Husari, il dhikr sufi, l'oud taqasim, il canto zen buddhista e i campioni taoisti provengono da Internet Archive senza licenza esplicita dichiarata (uso didattico non commerciale). I Salmi di Davide in ebraico sono dichiarati Public Domain (dominio pubblico). L'adhan da Fes è sotto licenza CC BY-NC-SA 3.0 (Nikolaj de Haan, radio aporee).