Introduzione all’Intelligenza Artificiale

Che cos’è l’Intelligenza Artificiale?

Non esiste una sola definizione, perché il concetto di “intelligenza” cambia col tempo. Ecco tre modi diversi di vederla, che ci aiutano a capire l’evoluzione di questa tecnologia:

A. La Definizione Storica (L’Origine - 1955)

Nel 1955, il professore John McCarthy coniò il termine. La sua definizione era semplice e ambiziosa:

“L’Intelligenza Artificiale è la scienza e l’ingegneria di creare macchine intelligenti, specialmente programmi per computer intelligenti.”

Concetto chiave: All’epoca si pensava che per fare un’IA bastasse insegnare al computer le regole della logica formale (es. “Se A allora B”).

B. La Definizione Pratica (L’Impatto - Oggi)

Andrew Ng, uno dei padri del Machine Learning moderno (Google Brain, Coursera), usa una metafora potente:

“L’IA è la nuova elettricità. Proprio come l’elettricità ha trasformato quasi tutto 100 anni fa, oggi ho difficoltà a pensare a un settore che l’IA non trasformerà nei prossimi anni.”

Concetto chiave: Non è più una tecnologia di nicchia da laboratorio. È un’infrastruttura invisibile su cui si basa il mondo moderno (dai suggerimenti di Netflix al riconoscimento facciale).

C. La Provocazione (Il Futuro)

Max Tegmark, fisico del MIT:

“L’IA è probabilmente la cosa migliore o la cosa peggiore che possa mai accadere all’umanità.”

Concetto chiave: Un grande potere comporta grandi responsabilità (Etica, Bias, Fake News, Automazione del lavoro).

Una Breve Storia dell’IA

Per capire dove stiamo andando, dobbiamo guardare da dove siamo partiti.

1950: Il Padre Fondatore e il Test di Turing

Prima ancora che esistesse la parola “IA”, Alan Turing (il matematico che decifrò Enigma) pubblicò l’articolo “Computing Machinery and Intelligence” (1950). Iniziava con una domanda provocatoria: “Le macchine possono pensare?”.

Turing propose di sostituire la domanda filosofica con un gioco pratico: Il Gioco dell’Imitazione.

Il Test di Turing: Immaginate tre stanze chiuse:

1. Un Giudice Umano.
2. Un Umano.
3. Un Computer.

Il Giudice chatta (testo) con entrambi. Se alla fine non riesce a distinguere chi è l’umano e chi è la macchina, il computer ha vinto. Oggi, con i modelli come GPT-4, questo test è stato praticamente “rotto”. Le macchine conversano in modo indistinguibile dagli umani.

1997: La Forza Bruta (Deep Blue)

Il computer IBM Deep Blue sconfigge il campione del mondo di scacchi Garry Kasparov. Come ha fatto? Non con “intuizione”, ma con la forza bruta. Calcolava milioni di mosse al secondo in più dell’umano. Era potente, ma non “imparava”.

2012: La Rivoluzione del Deep Learning

Un algoritmo vince la competizione “ImageNet” (riconoscimento immagini) stracciando tutti gli altri. È l’inizio dell’era moderna: le macchine iniziano a vedere e ascoltare meglio degli umani.

2022: L’Era Generativa

Lasciano i laboratori ed entrano nelle nostre case strumenti come ChatGPT e Midjourney. L’IA non si limita più a classificare (dire “questo è un gatto”), ma ora crea (disegna un gatto che non esiste).

Come funziona? (La Scatola Nera)

Perché l’IA di oggi ci riesce e quella di 20 anni fa no? Perché abbiamo cambiato approccio radicalmente.

Programmazione Tradizionale (La Ricetta)

Fino a pochi anni fa, programmavamo dando regole esatte.

• Input: Ingredienti (Farina, Acqua, Pomodoro).
• Programma: La Ricetta esatta (“Mescola per 10 min”, “Inforna a 200°”).
• Output: La Pizza.

Problema: Se vuoi riconoscere un gatto, non puoi scrivere la ricetta. Le orecchie cambiano, la luce cambia, la posizione cambia. Non puoi scrivere milioni di regole IF... THEN.

Machine Learning (L’Apprendimento)

Qui ribaltiamo tutto. Invece di dare le regole, diamo le risposte e lasciamo che il computer trovi le regole.

• Input: 10.000 foto di pizze e 10.000 foto di “non pizze”.
• Output desiderato: Le etichette (“Pizza”, “Non Pizza”).
• Il Computer: Si scrive da solo la ricetta per capire cosa distingue una pizza da un sasso.

L’IA non “sa” cos’è un gatto. Ha visto così tanti esempi che ha imparato a riconoscere i pattern (forme, colori, texture) che statisticamente formano un gatto.

Training vs Inference (Studio vs Esame)

Il funzionamento si divide in due fasi distinte:

1. Training (Allenamento): È la fase faticosa. Il computer guarda milioni di dati per mesi. Richiede computer potentissimi e tantissima energia. È come lo studente che studia per anni sui libri.
2. Inference (Inferenza): È l’utilizzo. Il modello è pronto e risponde alle domande in pochi millisecondi. È come lo studente che risponde alla domanda dell’esame.

Tipi di Intelligenza Artificiale

Spesso si fa confusione. Possiamo dividere l’IA in due grandi categorie basate sulla potenza:

1. ANI (Artificial Narrow Intelligence) - IA Ristretta

È l’unica IA che esiste oggi. È superumana in un singolo compito, ma stupida in tutto il resto.

• Esempio: Deep Blue ti batte a scacchi, ma non sa giocare a dama o prenotare un ristorante.
• Esempio: Google Translate traduce benissimo, ma non “capisce” la poesia.

2. AGI (Artificial General Intelligence) - IA Generale

È il “Santo Graal”. Un’intelligenza capace di imparare qualsiasi compito intellettuale che un essere umano può svolgere. Ragionamento astratto, creatività reale, coscienza di sé.

• Stato: Non ci siamo ancora. Alcuni dicono che manca poco, altri che è impossibile.

Generative AI: Oltre l’Analisi

Fino al 2022, la maggior parte dell’IA era Discriminativa: serviva a classificare o predire.

• È spam o no?
• Aumenteranno le azioni di Apple?
• C’è un pedone sulla strada?

Oggi abbiamo la Generative AI (GenAI). Questi modelli hanno imparato la struttura dei dati (lingua, immagini, suoni) così bene da poterne creare di nuovi. NON stanno facendo “copia-incolla” da Google. Stanno immaginando qualcosa di nuovo basandosi sulle regole statistiche che hanno imparato.

Etica e Futuro: A cosa dobbiamo pensare?

Se l’IA è potente come l’elettricità, dobbiamo maneggiarla con cura.

1. Bias (Pregiudizi): L’IA impara dai dati umani. Se i dati sono razzisti o sessisti, l’IA sarà razzista o sessista. (Es. Assunzioni automatiche che scartano donne per ruoli tecnici perché storicamente erano pochi).
2. Fake News & Deepfakes: Oggi posso creare un video del Presidente che dichiara guerra, o la voce di un parente che chiede soldi. La verità diventa difficile da verificare.
3. Lavoro: L’IA non sostituirà l’uomo, ma l’uomo che usa l’IA sostituirà l’uomo che non la usa. I lavori cambieranno: meno routine, più supervisione e creatività.