Che cos'è l'intelligenza artificiale e come funziona?

L'intelligenza artificiale (IA) è il campo della scienza e dell'ingegneria che cerca di dare alle macchine capacità che di solito associamo alla mente umana, come il ragionamento, la pianificazione, l'apprendimento e la percezione. La maggior parte dell'IA moderna non viene programmata con regole passo dopo passo. Impara invece schemi da grandi quantità di esempi e li usa per fare previsioni, raccomandazioni, decisioni o creare contenuti nuovi.

Di seguito spieghiamo il significato del termine, come funziona il machine learning sotto il cofano, come i chatbot come ChatGPT generano testo, dove l'IA è già presente nella vita quotidiana e quali limiti è importante tenere a mente.

Che cos'è l'intelligenza artificiale? Una definizione semplice

Il nome risale al Dartmouth Summer Research Project del 1956, proposto nel 1955 da John McCarthy e da alcuni colleghi. Per decenni, l'IA ha significato soprattutto "IA simbolica": esperti scrivevano regole esplicite che il computer seguiva.

Secondo una panoramica accademica, questa visione basata su regole ha dominato fino alla fine degli anni Ottanta. Successivamente hanno guadagnato terreno approcci come le reti neurali, i sistemi fuzzy e il calcolo evolutivo. In sintesi, il campo è passato da regole scritte a mano all'apprendimento dai dati.

Anche i decisori politici usano una cornice simile. La definizione dell'OCSE, rivista nel novembre 2023, descrive un sistema di IA come un sistema basato su macchine che, dagli input ricevuti, deduce come generare output quali previsioni, contenuti, raccomandazioni o decisioni, che possono influenzare ambienti fisici o virtuali. I sistemi variano per grado di autonomia e adattività, e l'AI Act dell'UE utilizza una formulazione molto simile.

Due distinzioni aiutano chi si avvicina per la prima volta all'argomento. Primo, tutto ciò che esiste oggi è IA ristretta, progettata per compiti specifici; l'intelligenza artificiale generale (AGI) resta ipotetica, e persino la sua definizione è contestata. Secondo, i termini sono annidati l'uno nell'altro: l'IA comprende il machine learning, che comprende il deep learning, il quale a sua volta alimenta i modelli linguistici di grandi dimensioni e l'IA generativa.

Come funziona il machine learning?

Il software tradizionale segue regole scritte da un programmatore. Il machine learning ribalta questo approccio: si forniscono al modello esempi, detti dati di addestramento, ed è il modello stesso a individuarne gli schemi.

Esistono tre stili principali. Nell'apprendimento supervisionato, gli esempi sono etichettati, come le email contrassegnate come "spam" o "non spam". Nell'apprendimento non supervisionato non ci sono etichette e il modello trova autonomamente dei raggruppamenti. Nell'apprendimento per rinforzo, il modello impara per tentativi ed errori, attraverso premi e penalità, come hanno fatto i sistemi che giocano, ad esempio AlphaGo.

La maggior parte dei sistemi più potenti oggi usa reti neurali: strati di semplici unità matematiche collegate tra loro da impostazioni numeriche chiamate parametri o pesi. Durante l'addestramento, il modello formula una previsione, la confronta con la risposta corretta e modifica i pesi per ridurre l'errore. I nomi tecnici di questo processo sono backpropagation e discesa del gradiente.

È utile anche distinguere due fasi. L'addestramento è la fase costosa in cui il modello apprende. L'inferenza è il momento in cui il modello completato viene messo al lavoro per rispondere a domande o fare previsioni.

Come funzionano i modelli linguistici di grandi dimensioni come ChatGPT?

I modelli linguistici di grandi dimensioni (LLM) suddividono innanzitutto il testo in token, che sono parole intere o frammenti di parole. Le lingue con molti suffissi, come il turco, possono richiedere più token per la stessa quantità di testo, anche se il rapporto preciso dipende dal modello.

Nella fase di pre-addestramento, il modello esercita un unico compito su una enorme mole di testo: prevedere il token successivo. Questo obiettivo semplice lo costringe ad acquisire grammatica, fatti e molti altri schemi lungo il percorso. L'architettura di base è il Transformer, introdotto dai ricercatori di Google nell'articolo del 2017 "Attention Is All You Need".

Segue la fase di post-addestramento. Il modello viene messo a punto con esempi di istruzioni e modellato tramite feedback, con metodi come l'apprendimento per rinforzo dal feedback umano (RLHF), in modo da comportarsi come un assistente utile. ChatGPT, lanciato da OpenAI il 30 novembre 2022, ha portato questo tipo di assistente a un pubblico di massa; Gemini, Claude, Copilot, Llama, DeepSeek, Mistral e Grok sono altri nomi noti.

La tecnologia continua a evolversi. Tra le tendenze recenti ci sono i modelli di ragionamento, che affrontano i problemi passo dopo passo prima di rispondere, i modelli multimodali, che gestiscono immagini e audio, gli agenti che usano strumenti per completare compiti, e la retrieval-augmented generation (RAG), in cui il modello consulta prima documenti o il web. Le versioni dei modelli cambiano spesso, quindi è meglio consultare le pagine ufficiali dei produttori per sapere cosa è attuale.

A cosa serve l'IA nella vita di tutti i giorni?

Probabilmente usate l'IA molte volte al giorno senza accorgervene. Alimenta le raccomandazioni sui siti di streaming e di shopping, filtra lo spam, prevede il traffico nelle app di navigazione, sblocca i telefoni con il volto, fa funzionare gli assistenti vocali e traduce i testi.

Le banche se ne servono per individuare le frodi, e le app per le foto la usano per la modifica automatica. L'IA generativa ha aggiunto a questo elenco l'assistenza alla scrittura, i riassunti, l'aiuto nella programmazione, la creazione di immagini e il supporto allo studio.

In medicina, gli strumenti di IA aiutano i clinici a leggere le scansioni. In campo scientifico, il suo impatto è stato riconosciuto al massimo livello: una parte del Premio Nobel per la Chimica 2024 è andata a Demis Hassabis e John Jumper per AlphaFold, che prevede la struttura delle proteine, e il Premio Nobel per la Fisica 2024 è andato a John Hopfield e Geoffrey Hinton per il lavoro fondamentale sulle reti neurali.

Quali sono i limiti e i rischi dell'IA?

Il problema più noto è quello delle allucinazioni. Poiché i modelli linguistici producono testi dall'aspetto plausibile anziché fatti verificati, possono affermare con sicurezza cose false. La frequenza di questi errori varia molto a seconda del modello e del test, quindi è bene verificare due volte ciò che è importante.

I modelli hanno anche una data di scadenza della conoscenza: se non sono collegati a un motore di ricerca, non sanno nulla degli eventi successivi alla fine dell'addestramento. Possono inoltre riprodurre i pregiudizi presenti nei dati di addestramento.

La privacy merita attenzione. Riflettete prima di inserire in un chatbot informazioni personali, sanitarie o aziendali sensibili, e controllate le impostazioni di ciascun fornitore per capire se le vostre conversazioni possono essere usate per l'addestramento.

Tra i dibattiti più ampi ci sono le cause per diritto d'autore, il consumo di energia e acqua, i deepfake e la disinformazione, e l'effetto sul lavoro, sul quale le previsioni divergono nettamente. Infine, non si dovrebbe presumere che i sistemi attuali comprendano o siano coscienti in senso umano; la questione resta oggetto di contesa filosofica.

L'intelligenza artificiale è regolamentata?

Sempre più spesso, sì. L'AI Act dell'UE è entrato in vigore il 1° agosto 2024 e i suoi obblighi vengono introdotti gradualmente nell'arco di diversi anni. Alcune scadenze potrebbero cambiare con future proposte dell'UE, quindi conviene verificare le fonti ufficiali dell'UE per il calendario aggiornato.

Altri Paesi stanno costruendo i propri quadri normativi. La Turchia, ad esempio, dispone di una Strategia nazionale per l'IA 2021–2025, preparata dall'Ufficio per la trasformazione digitale della Presidenza e dal Ministero dell'Industria e della Tecnologia. Poiché la politica si muove rapidamente, seguite gli annunci delle autorità competenti per lo stato più recente.