AI Quests - a scuola di IA con Google, ma senza IA
Google e Stanford hanno creato un gioco per insegnare l'intelligenza artificiale ai ragazzi, senza un grammo di IA generativa al suo interno. E l'hanno fatto bene.
TL;DR
Tempo di lettura stimato:
8 minuti circa per l’articolo completo.
Leggilo tutto se: insegni e/o hai figli tra gli 11 e i 14 anni, progetti percorsi di AI literacy o ti interessa il punto in cui pedagogia, machine learning e potere culturale convergono.
Se vai di fretta, ecco il succo: Google e lo Stanford Accelerator for Learning hanno portato in Italia AI Quests, un gioco per ragazzi 11-14 anni che insegna l’intelligenza artificiale facendola costruire, raccogliere dati, valutarne la qualità, addestrare un modello, su problemi reali (alluvioni, retinopatia diabetica, connettomica) ricalcati da ricerche vere di Google. Il paradosso: dentro il gioco non c’è IA generativa, niente chatbot. Si sposta il fuoco dall’output al processo e si insegna la lezione che conta, cioè che gli output di un modello dipendono dalla qualità dei dati e dal giudizio umano di chi lo costruisce. È gratis, non profila i minori, ha una pedagogia molto solida alle spalle. Ma c’è anche un rovescio della medaglia: è simultaneamente un’operazione di branding: un catalogo del bene-che-Google-fa somministrato a ragazzini nel formato più memorabile che esista (il gioco), con un assunto incorporato ma non certo, ovvero che il futuro sarà “guidato dall’IA”. È un ottimo strumento da adottare, a parte di porre alla propria classe e/o ai propri figli anche la sola domanda che il gioco non pone: e se quel futuro non fosse l’unico disponibile?
Intro
Google AI Quests è l’iniziativa educativa che Google ha portato nelle scuole italiane a maggio 2026.
Si tratta di un gioco pensato per insegnare l’intelligenza artificiale ai ragazzi tra gli 11 e i 14 anni: un’esperienza di apprendimento basata sul gioco, sviluppata da Google Research e dallo Stanford Accelerator for Learning, con missioni ispirate a progetti reali di IA condotti da Google. Fin qui, potrebbe apparire come una normale operazione di AI literacy.
Il dettaglio davvero curioso si annida tra le FAQ ufficiali: all’interno del gioco non viene usata alcuna IA generativa. Nessun chatbot, nessun prompt da spremere, nessuna allucinazione da debuggare. Una scuola di IA che, sotto il cofano, di IA non ne ha. È una scelta progettuale precisa, e ci torneremo su nel corso dell’articolo: per ora basti notare che Google ha deciso di insegnare come si pensa un sistema di machine learning, non come ci si chiacchiera.
Questo, da solo, distingue AI Quests dal 90% di ciò che oggi passa sotto l’etichetta “educazione all’IA”, che spesso si riduce a: ecco un chatbot, impara a parlargli. Qui il punto è un altro, e lo sintetizza bene Ronit Levavi Morad1, Senior Director di Google Research, nell’intervista che mi ha spinto a questa riflessione: l’obiettivo dichiarato è far passare gli studenti dall’essere “consumatori di IA” a “costruttori con l’IA”.
Da consumatori a costruttori. Per chiunque abbia respirato un po’ di cultura hacker, questa frase suona familiare: è la versione corporate e in cravatta dell’hands-on imperative, l’imperativo del “metterci le mani” che Steven Levy2 codificò come primo comandamento dell’etica hacker. La differenza, naturalmente, è che stavolta a consegnarti il cacciavite è Mountain View. Altro tema su cui torneremo nel corso dell’articolo.
Cos’è Google AI Quests?
AI Quests è una serie di missioni interattive, completamente prive di codice ed è esplicitamente un’esperienza di gioco no-code: non serve saper programmare. Si gioca nel browser, serve una connessione a internet, e i requisiti minimi sono volutamente modesti (un Intel i5 di qualche anno fa, 4 GB di RAM, Chrome aggiornato), perché l’idea è far girare il tutto anche sui computer non esattamente da gaming che popolano le aule scolastiche.
Lo studente non guarda una lezione: veste i panni del ricercatore di Google e affronta sfide reali nei campi del clima, della salute e della scienza, sotto la guida della Professoressa Skye, una mentore virtuale interna al gioco. Il registro è quello dell’avventura ambientata in un mondo fantastico, ma i problemi che si affrontano sono presi di peso dalla ricerca applicata.
Due numeri per inquadrare l’accesso, perché contano: il gioco è gratuito, aperto a tutti e, pur essendo tarato sugli 11-14 anni, gli educatori sono liberi di adattarlo ad altre fasce d’età; c’è chi lo ha usato con adulti. In Italia l’iniziativa è stata integrata nel curriculum di Experience AI, il programma sviluppato da Google DeepMind e Raspberry Pi Foundation, portato nelle scuole italiane grazie al partner locale Fondazione Mondo Digitale.
Le tre missioni (e la ricerca vera su cui si basano)
Qui sta la parte che, da cibernetico, troviamo più onesta: ogni missione è la trasposizione ludica di un progetto di ricerca Google effettivamente esistente e pubblicato. Nessuno scenario inventato per far contenti i ragazzi; problemi reali, semplificati ma non falsificati.
Missione 1 — Fiera Fluviale (Market Marshes), sulla previsione delle inondazioni. Lo studente raccoglie fonti di dati rilevanti (precipitazioni, portata dei fiumi) ne valuta la qualità, poi addestra e testa il proprio modello per aiutare i personaggi del gioco ad anticipare la prossima alluvione. Il riferimento è Flood Hub3, il sistema di previsione di Google che si è esteso a 80 Paesi e fornisce a circa 460 milioni di persone previsioni con un anticipo fino a 7 giorni. La cosa elegante è che la meccanica di gioco ricalca perfettamente l’architettura reale: Flood Hub combina due modelli, uno idrologico (quanta acqua scorre nel fiume) e uno di inondazione (quali aree saranno colpite e quanto in profondità).
Missione 2 — Canyon Crepuscolo (Dusky Dunes), sulla retinopatia diabetica. La missione mostra come l’IA possa aiutare i professionisti medici a diagnosticare malattie dell’occhio. Raccogliendo dati e addestrando un modello, gli studenti rivivono alcune delle decisioni che gli scienziati prendono davvero. Il fondamento è la ricerca Google sulla retinopatia diabetica4, una patologia che, non trattata, può portare alla cecità e anche uno dei campi di ricerca “storici” di Google.
Missione 3 — il caso del nome triplo, sulla connettomica. Qui è difficile essere precisi, perché le fonti Google si contraddicono un po’. Il blog italiano annuncia che nei prossimi mesi arriverà Studio Sbellicoso, ispirata alla ricerca sulla connettomica5 per mappare e comprendere il cervello umano. La pagina inglese per insegnanti, però, la intitola Polar Peaks, descrivendola come una missione su come l’IA possa mappare il cervello. Il file immagine associato si chiama Laughter Lab. Tre nomi per la stessa missione, ancora non rilasciata. Niente di grave: immagino si tratti del normale assestamento di una localizzazione in corsa e rispetto ai cambiamenti in corsa a cui ci sta abituando Google, questo è un’inezia6.
Quanto alla ricerca-madre, è quella di cui Google va giustamente fiera: dieci anni di lavoro del Team Connectomics culminati nella ricostruzione, a risoluzione sinaptica, di un frammento di corteccia cerebrale umana grande come metà chicco di riso, che richiede 1,4 petabyte per essere codificato e contiene circa 16.000 neuroni e 150 milioni di sinapsi.
Spiegare la connettomica a un tredicenne tramite un videogioco è un atto di ottimismo pedagogico che, lo ammetto, mi commuove un po’. Sheldon Cooper sarebbe stato disposto a commettere ogni possibile nefandezza per avere in anteprima Studio Sbellicoso.
A latere, per le aule con poca connettività o per le supplenze improvvisate, esistono anche versioni “flessibili” e mini-attività video su temi affini, edifici mappati dal satellite, scie di condensazione degli aerei, copertura arborea urbana, incendi, alcune delle quali sfociano in esercizi pratici con Teachable Machine7. Tutte le risorse per gli insegnanti includono guide, piani di lezione, slide e note di riflessione per gli studenti.
La pedagogia migliore: imparare sbagliando davvero
Qui Stanford fa la sua parte, e si vede. La pedagogia di AI Quests poggia su tre pilastri dichiarati: apprendimento contestuale8, pratica autentica che rispecchia il vero lavoro su IA e dati, e apprendimento basato sul gioco per massimizzare la motivazione. Il gioco è costruito per far sperimentare, sbagliare, riflettere sulle proprie scelte e correggersi. Il productive failure, l’errore produttivo9, è il vero dispositivo di apprendimento.
E qui torna il paradosso dell’apertura, ora però come scelta sensata. Eliminare l’IA generativa dal gioco significa spostare il fuoco dall’output al processo. La lezione centrale, ripetuta in tutte le missioni, è una sola e per noi è la più importante: gli studenti imparano come il giudizio umano e la qualità dei dati influenzino gli output e l’impatto dell’IA.
Detto in linguaggio da addetti ai lavori: AI Quests non insegna a usare un modello, insegna l’epistemologia del garbage in, garbage out. Insegna che un sistema di machine learning non è un oracolo ma un artefatto socio-tecnico, le cui decisioni sono ereditate dai dati che gli dai in pasto e dalle scelte di chi lo costruisce. Per una volta, la AI literacy non è “ecco come parlare al robottino” ma “ecco perché il robottino sbaglia, e di chi è la colpa”. Cibernetica allo stato puro: il sistema è il suo feedback, e il feedback dipende da te.
Privacy e accesso: il dettaglio che non ti aspetti
Una nota che merita risalto, perché va controcorrente rispetto al sospetto automatico verso i prodotti Big Tech per minori. AI Quests non raccoglie alcuna informazione personale identificabile: non chiede nome, login, email o altro per giocare. Vengono raccolte solo metriche di gioco anonime e aggregate, come il tempo medio per completare una missione. Per uno strumento destinato a bambini in contesto scolastico, è una scelta architetturale corretta e, va detto, non scontata.
Who Watches the Watchmen?
Se seguite il blog, sapete che la domanda “Chi sorveglia i sorveglianti?” me la pongo spesso10. In questo caso, forse, sarebbe più corretto chiedersi: chi scrive la narrazione?
AI Quests è un ottimo prodotto educativo e, contemporaneamente, un’operazione culturale ed economica. Le due cose convivono, e fingere che la seconda non esista sarebbe ingenuo.
La domanda scomoda l’ha posta il Sole 24 Ore a Ronit Levavi Morad, Senior Director di Google Research: AI Quests non è anche un tentativo di Google di plasmare una nuova narrazione culturale sull’IA nella scuola? La risposta è stata che l’obiettivo non è imporre una singola narrazione, ma dare ai giovani gli strumenti per essere artefici del proprio futuro guidato dall’IA e che i ricercatori Google sono “ottimi modelli” in questo senso.
Risposta elegante e intelligente che nega di voler imporre una narrazione mentre ne propone una: che il futuro sarà “guidato dall’IA” (probabilissimo, ma ancora non certo), e che il modello di riferimento è il ricercatore di Google. Le missioni, ricordiamolo, sono trasposizioni di progetti di Google. Tutto vero, pubblicato ed encomiabile e tutto, simultaneamente, un catalogo del bene che Google fa al mondo, somministrato a undicenni nel formato più memorabile che esista, il gioco.
Ok… non correte a fasciarvi la testa di stagnola. Non è un complotto: è solo branding fatto molto, molto bene, dove il prodotto è la cornice mentale con cui una generazione imparerà a pensare la parola “IA”.
Chi controlla l’infrastruttura dell’alfabetizzazione, controlla i presupposti di ciò che si potrà pensare dopo. È la lezione di base della cibernetica intesa come scienza del controllo: il punto di leva non è la singola scelta, è l’insieme delle opzioni che vengono rese pensabili. In parole più semplici: se hai solo un martello, tutto ti sembra un chiodo.
La conclusione equilibrata, quindi, è doppia. Da un lato: AI Quests è probabilmente uno dei migliori strumenti di AI literacy in circolazione, perché insegna il processo invece del trucco, l’errore invece dell’output, e lo fa gratis, senza profilare i minori e con una pedagogia serissima alle spalle. Dall’altro: è gratis perché conviene che lo sia, e l’insegnante che lo adotta dovrebbe affiancarlo, non sostituirlo, affiancarlo!, con la domanda che il gioco, comprensibilmente, non si pone: e se il futuro guidato dall’IA non fosse l’unico futuro disponibile?
Quella domanda, in classe, la deve portare un umano. Ancora per un po’, almeno.
Sitografia di riferimento
Google – Team Google Italia, AI Quests: imparare l’AI in classe, blog.google
Google Research, AI Quests – About, research.google
Google Research, AI Quests – FAQ, research.google
Google Research, AI Quests – Home / Gioca, research.google
Google Research, AI Quests – Teacher Resources, research.google
Jain, Viren (Google Research), Ten years of neuroscience at Google yields maps of human brain, research.google
Matias, Yossi (Google), Aiutiamo più persone a stare al sicuro con le previsioni delle inondazioni, blog.google
Il Sole 24 Ore, Morad (Google Research): con AI Quests gli studenti imparano come funziona l’intelligenza artificiale
Ronit Levavi Morad — Senior Director presso Google Research, citata come voce istituzionale del progetto AI Quests nell’intervista al Sole 24 Ore che ha originato questo articolo.
Steven Levy — giornalista tecnologico statunitense, autore di Hackers: Heroes of the Computer Revolution (1984), il volume che ha codificato l’”etica hacker” e il principio dell’hands-on imperative: si capisce un sistema solo smontandolo e rimontandolo con le proprie mani. Riferimento citato qui come parallelo culturale, non come fonte Google.
Flood Hub — piattaforma di Google Research per la previsione delle inondazioni basata su IA; combina un modello idrologico e uno di inondazione a partire da dati pubblici (meteo, immagini satellitari).
Retinopatia diabetica — complicanza del diabete che danneggia i vasi sanguigni della retina e può condurre alla cecità; è uno dei filoni storici della ricerca medica di Google sull’imaging diagnostico.
Connettomica (connectomics) — disciplina che mira a mappare in modo esaustivo le connessioni tra le cellule nervose (”connettoma”). Il Team Connectomics di Google ha sviluppato algoritmi di machine learning, tra cui le flood-filling networks, per ricostruire automaticamente i neuroni a partire da immagini al microscopio elettronico.
Vedi, tra l’altro,
Teachable Machine — strumento web di Google che permette di addestrare semplici modelli di classificazione (immagini, suoni, pose) senza scrivere codice; usato in alcune attività complementari di AI Quests.
Apprendimento situato (situated learning) — teoria secondo cui la conoscenza si acquisisce meglio nel contesto autentico in cui verrà usata, anziché in forma astratta e decontestualizzata.
Errore produttivo (productive failure) — approccio pedagogico in cui agli studenti viene chiesto di affrontare un problema prima di possedere il metodo per risolverlo: l’insuccesso iniziale, se seguito da riflessione guidata, produce un apprendimento più robusto.
Vedi, tra l’altro,