Riconoscimento delle allusioni nel discorso diplomatico cinese e russo usando grandi modelli linguistici

Leggere tra le righe

Quando i diplomatici parlano in pubblico, quello che non dicono può contare tanto quanto le parole che scelgono. Questo studio esplora se l’intelligenza artificiale moderna sia in grado di cogliere le sottili allusioni e i messaggi velati nelle conferenze stampa dei ministeri degli esteri cinese e russo—segnali che gli ascoltatori umani spesso perdono, ma che possono influenzare le relazioni internazionali.

Perché le allusioni contano negli affari mondiali

Il linguaggio diplomatico è pensato per essere prudente e cortese. I governi devono tutelare i propri interessi senza provocare apertamente i rivali o allarmare l’opinione pubblica. Perciò, i funzionari fanno spesso ricorso a allusioni—frasi che in superficie suonano neutrali ma criticano, avvertono o segnalano una posizione politica in modo implicito. Interpretare male queste allusioni in passato ha contribuito a crisi e sfiducia tra stati. Comprendere questi messaggi indiretti è particolarmente difficile tra lingue e culture diverse, dove il bagaglio di conoscenze condivise non può essere dato per scontato.

Dalla teoria classica alle macchine intelligenti

Per decenni linguisti e filosofi hanno studiato come i parlanti implicano più di quanto dicano letteralmente. Le prime teorie si concentravano soprattutto sulle intenzioni del parlante e presupponevano che un ascoltatore razionale potesse ricostruire il significato nascosto. Lavori successivi nella “pragmatica cognitiva” hanno sottolineato che comprendere le allusioni dipende anche dai processi mentali dell’ascoltatore, dal contesto culturale e dall’ambiente circostante. Sulla base di queste idee, gli autori descrivono le allusioni come stratificate: la formulazione visibile (livello verbo–semantico), i modi di pensare plasmati culturalmente (livello linguistico–cognitivo) e le motivazioni e strategie del parlante, come critica, avvertimento o salvare la faccia (livello motivazionale–pragmatico).

Come è stato costruito il sistema AI

I ricercatori hanno raccolto quasi 1.400 segmenti domanda–risposta dalle conferenze stampa ufficiali dei ministeri degli esteri cinese e russo tenute nel 2024. Linguisti esperti hanno annotato manualmente 498 casi in cui i portavoce facevano allusioni piuttosto che parlare in modo esplicito. Li hanno raggruppati in tre tipi: “allusioni fisse” con formulazioni stabili e ripetute (per esempio formule diplomatiche standard), “allusioni culturali” il cui significato dipende da conoscenze culturali condivise e metafore, e “allusioni contestuali” che si riconoscono solo esaminando attentamente la situazione immediata e le motivazioni. Questi esempi sono stati usati per costruire una base di conoscenza esterna e per progettare un insieme di regole di ragionamento per un grande modello linguistico.

Insegnare al modello a ragionare per passi

Il team ha combinato due tecniche di AI. La Retrieval-Augmented Generation (RAG) permette al modello di recuperare esempi rilevanti dal database personalizzato di allusioni ogni volta che elabora una nuova risposta di conferenza stampa. Il prompting Chain-of-Thought (CoT) costringe poi il modello a ragionare passo dopo passo: identificare la lingua, dividere la risposta in frasi, verificare la presenza di schemi di allusione noti, decidere se una frase esprima una particolare motivazione (come critica o avvertimento) attraverso una strategia riconosciuta (per esempio affermazione fattuale, contrasto o ironia), e infine etichettarla come allusione fissa, culturale, contestuale o “nessuna allusione.” Il sistema effettua anche un controllo di coerenza per assicurarsi che il significato implicito sia veramente diverso dalla formulazione letterale.

Quanto ha funzionato?

Per testare il sistema, gli autori hanno utilizzato nuovi dati di conferenze stampa del 2025 in entrambe le lingue. Complessivamente, il modello migliorato ha svolto un lavoro credibile nell’individuare i messaggi nascosti: ha catturato la maggior parte delle allusioni autentiche (alta recall) e ha raggiunto un equilibrio rispettabile tra rilevazione e sovrainterpretazione (F1 score 0,83 per il russo e 0,76 per il cinese). È stato particolarmente efficace sulle allusioni fisse in entrambe le lingue, a sostegno dell’idea che i pattern stabili siano più facili da apprendere per le macchine. Tuttavia, ha avuto più difficoltà con le allusioni culturali e contestuali in cinese rispetto a quelle in russo. Gli autori collegano questo divario a differenze di stile: il discorso diplomatico russo spesso utilizza metafore vive e contrasti netti che segnalano critica o avvertimento in modo piuttosto chiaro, mentre il discorso cinese fa maggior uso di formule neutrali, idiomi e cortesia dipendente dal contesto, che sono più difficili da distinguere dalle affermazioni letterali per il modello.

Cosa rivelano gli errori—e come migliorare

Analizzando gli errori, gli autori hanno individuato tre problemi ricorrenti. Talvolta il modello “sovrainterpreta” il testo, inventando significati nascosti dove non ce ne sono. Talvolta rileva un’allusione ma ne assegna il tipo sbagliato, confondendo il confine tra casi fissi e contestuali. E talvolta interpreta semplicemente un’espressione letterale come un’allusione perché sono presenti parole sensibili o schemi familiari. Per affrontare queste debolezze, l’articolo suggerisce di aggiungere molti esempi chiari di frasi diplomatiche “senza allusione” come esempi negativi, costringere il sistema ad ancorare le inferenze più saldamente alla domanda effettiva e al contesto circostante, confrontare le frasi con la base di conoscenza più volte con riscritture, e inserire un filtro preliminare e una fase di autovalutazione che chieda: è già esplicito o veramente implicito?

Perché questo importa per il resto di noi

Per i non specialisti, la conclusione principale è che i grandi modelli linguistici possono già aiutare gli analisti a setacciare grandi volumi di dichiarazioni ufficiali e segnalare i punti in cui i governi potrebbero parlare tra le righe. Allo stesso tempo, lo studio mette in evidenza quanto la diplomazia dipenda da cultura, storia e stile—fattori che restano difficili anche per l’AI avanzata. Unendo la teoria linguistica con strumenti di AI moderni, questo lavoro indica la strada verso sistemi più affidabili per monitorare segnali sottili nella politica globale, pur chiarendo che il giudizio umano e l’esperienza interculturale sono ancora essenziali per interpretare ciò che viene lasciato non detto.

Citazione: Guo, Y., Wang, X. Hint recognition in Chinese and Russian diplomatic discourse using large language models. Sci Rep 16, 5751 (2026). https://doi.org/10.1038/s41598-026-36338-z

Parole chiave: linguaggio diplomatico, significato implicito, grandi modelli linguistici, analisi cross-lingua, generazione aumentata da recupero