Che cos’è l’intelligenza artificiale

1. Che cosa chiamiamo IA

“Intelligenza artificiale” non indica una sola tecnologia. È un’etichetta che comprende sistemi capaci di svolgere compiti come riconoscere schemi, classificare informazioni, fare previsioni, prendere decisioni entro un obiettivo o generare nuovi contenuti.

Idea chiaveNon serve immaginare una macchina che “pensa come noi”. È più utile chiedersi: quale compito svolge, su quali dati lavora, come produce il risultato e con quale margine di errore?

Tre famiglie da distinguere

IA basata su regole

Il comportamento deriva soprattutto da regole e procedure definite in anticipo.

Machine learning

Il sistema apprende regolarità dai dati e usa un modello per classificare o prevedere.

Deep learning

Usa reti neurali con molti livelli, efficaci su immagini, voce e linguaggio.

IA generativa

Produce nuovi testi, immagini, audio, video o codice a partire da modelli appresi.

2. Una storia molto più lunga di ChatGPT

Il percorso dell’IA nasce da una lunga storia di automazione e calcolo: dalle macchine programmabili immaginate nell’Ottocento, passando per Turing e la nascita dell’informatica moderna, fino al machine learning contemporaneo.

BabbageAda LovelaceAlan TuringDartmouth 1956Machine learningReti neuraliIA generativa

Un modo utile di raccontarla ai docenti è osservare l’alternanza tra periodi di entusiasmo e periodi di rallentamento: le cosiddette “estati” e “inverni” dell’IA. Le aspettative sono spesso cresciute più velocemente delle capacità tecniche disponibili.

3. Come “impara” una macchina

Nel machine learning non si programma ogni risposta possibile. Si forniscono dati, esempi e un obiettivo; il sistema costruisce un modello che cerca regolarità utili per affrontare nuovi casi.

Esempio scolastico semplificatoPer distinguere immagini di cani e gatti, non scriviamo una regola per ogni forma possibile. Mostriamo molti esempi etichettati e lasciamo che il modello trovi caratteristiche statisticamente utili.

Attenzione“Apprendere” è una metafora comoda, ma non implica comprensione umana. Il modello ottimizza parametri per raggiungere un obiettivo definito.

4. Che cosa cambia con l’IA generativa

Un sistema generativo non si limita a scegliere una categoria: costruisce un nuovo output. Nei modelli linguistici, il testo viene scomposto in unità e il modello stima, passo dopo passo, quali continuazioni siano più plausibili nel contesto.

Conseguenza praticaUna risposta molto fluida non è automaticamente una risposta vera. La capacità di generare linguaggio plausibile e la capacità di verificare un fatto sono due cose diverse.

5. Attività: riconosci il tipo di IA

Prova pratica

Classifica questi esempi: filtro antispam, suggerimenti di Netflix, ChatGPT, riconoscimento facciale, navigatore, generatore di immagini. Per ciascuno chiediti: che input riceve? che output produce? impara dai dati? genera qualcosa di nuovo?

Autovalutazione

Un chatbot generativo “cerca” sempre la risposta in un archivio?

No. Può generare una risposta sulla base del modello appreso; alcuni sistemi possono anche collegarsi a fonti o strumenti di ricerca, ma è un meccanismo distinto.

Machine learning e IA sono sinonimi?

No. Il machine learning è una delle famiglie di tecniche usate nell’IA.

← Torna al corso Modulo successivo →