Oggi l’IA è ovunque, dai telegiornali ai social, dalle notizie di finanza alle pubblicità di prodotti elettronici. A giudicare dal clamore mediatico, sembrerebbe che l’IA sia un fenomeno ultramoderno, nato improvvisamente con il rilascio al pubblico di ChatGPT alla fine del 2022. In realtà, quello è stato solo il momento in cui il grande pubblico ha scoperto una tecnologia potente, misteriosa e a volte inquietante, che però esisteva e lavorava dietro le quinte da molto tempo.
Infatti, il concetto di Intelligenza Artificiale nasce ufficialmente negli anni 50, anche se le basi teoriche risalgono al lavoro di pionieri come Alan Turing già nel decennio precedente.
Ma cos’è, in pratica?
L’obiettivo che i primi ricercatori si proposero era ambizioso: “far simulare a una macchina l’intelligenza umana”.
Come ragiona la macchina: Programmazione vs Apprendimento
Per capire la rivoluzione attuale, dobbiamo distinguere i metodi di lavoro.
Nella programmazione classica, è l’essere umano a scrivere regole rigide: “Se l’utente preme il tasto A, fai l’azione B”. Noi sappiamo esattamente perché il software si comporta in un certo modo, perché ne abbiamo scritto ogni singola riga di codice.
Con l’IA moderna il paradigma si ribalta grazie all’Apprendimento Automatico (o Machine Learning). Non diamo più alla macchina le regole (“come fare”), ma le forniamo enormi quantità di dati e l’obiettivo finale. È la macchina stessa, attraverso calcoli complessi, a ricavare le connessioni necessarie per ottenere il risultato.
Tuttavia, il vero salto di qualità che vediamo oggi è dovuto a uno specifico sottoinsieme del Machine Learning: il Deep Learning (Apprendimento Profondo). Mentre gli algoritmi di apprendimento classico spesso richiedevano un aiuto umano per l’addestramento, con il Deep Learning, è l’algoritmo stesso a comprendere quali caratteristiche dei dati deve utilizzare per apprendere.
Le applicazioni quotidiane.
Questi algoritmi vengono applicati in contesti molto diversi tra loro. Le aree di impiego principali sono:
1. Computer Vision: l’IA analizza, classifica ed elabora immagini e video (es. sblocco facciale, diagnostica medica).
2. Analisi Dati: l’IA individua correlazioni invisibili agli umani per fare predizioni (es. andamento di borsa, meteo).
3. Generazione di contenuti: il regno della Generative AI e dei Large Language Model (LLM) come Gemini e ChatGPT, capaci di produrre testo coerente.
Fatte queste precisazioni, cerchiamo di capire perché proprio in questi anni assistiamo all’esplosione di questa tecnologia.
L’IA era già qui (ma non la vedevamo).
In realtà, l’IA è entrata nelle nostre vite ben prima dell’ultimo biennio, operando silenziosamente dietro le quinte. Ci siamo imbattuti nei suoi algoritmi ogni volta che abbiamo scorso il feed di un social network o ricevuto un consiglio d’acquisto mirato su un e-commerce.
Col passare degli anni, la convergenza di due fattori decisivi, l’accumulo di enormi moli di dati e una potenza di calcolo sempre maggiore a costi accessibili, ha spianato la strada a investimenti massicci e a uno sviluppo accelerato.
Tuttavia, il vero clamore mediatico è esploso solo alla fine del 2022 con il rilascio di ChatGPT. Per la prima volta, chiunque, non solo gli esperti, ha potuto interagire con una tecnologia capace di discorrere su qualsiasi argomento, simulando in modo sorprendente un’interazione umana.
Il segreto della fluidità: i Transformer
Questa capacità di gestire il linguaggio non è frutto del caso, ma dell’architettura Transformer, introdotta dai ricercatori di Google nel 2017. Perché questa tecnologia è così importante? A differenza dei modelli precedenti che leggevano “parola per parola”, i Transformer analizzano l’intera frase simultaneamente. Grazie a un meccanismo chiamato “attenzione”, la macchina capisce le connessioni tra le parole (il contesto), anche se molto distanti tra loro.
Non è magia, è statistica. Ma come avviene la creazione del testo? È cruciale chiarire un equivoco diffuso: l’IA non ha una coscienza, non “pensa” e non prova emozioni. Quello che fa è pura matematica. Una volta compreso il contesto grazie ai Transformer, il modello calcola semplicemente la probabilità statistica della parola successiva che meglio si adatta alla frase. Immaginatelo come un “completamento automatico” del cellulare, ma infinitamente più potente e addestrato su sterminate quantità di testi. Quando l’IA scrive una poesia o risponde a una domanda, non sta esprimendo un’idea; sta prevedendo, calcolo dopo calcolo, una delle parole che ha la percentuale più alta di essere corretta in quella sequenza.
Creazione Video con l’AI?