Un’introduzione all’AI, fenomeno del momento, tra visioni teoriche e primi prototipi.
L’Intelligenza Artificiale è il fenomeno del momento, e lo sarà ancora a lungo. In questo articolo introduttivo, ne esploreremo le origini storiche, le tappe evolutive e le tecnologie che la rendono così rivoluzionaria.
Dalla nascita del termine nel 1956 ai chatbot moderni, fino alla svolta della Generative AI, vedremo come l’IA stia ridefinendo il nostro modo di vivere e pensare. Analizzeremo le differenze con i software tradizionali e le sue capacità di apprendere e dialogare. Un viaggio affascinante, che ci prepara alle prossime puntate di approfondimento.
Se ne parla tanto. E non potrebbe essere altrimenti. L’Intelligenza Artificiale (IA) non è solo il fenomeno del momento: è destinata a plasmare il nostro futuro, prossimo e remoto.
È una creatura giovane —anzi, una fanciulla! — che, pur essendo appena nata, mostra già il potenziale di trasformare radicalmente le nostre vite e il nostro modo di interpretare la realtà.
Cerchiamo allora di fare luce su questo universo dai colori promettenti. A patto, però, di saperlo governare con intelligenza, etica e consapevolezza. Perché è proprio la consapevolezza il vero motore del progresso umano.
Correva l’anno… 1956
L’estate del 1956 segna l’atto di nascita ufficiale dell’Intelligenza Artificiale. Al Dartmouth College di Hanover, nel New Hampshire, l’informatico John McCarthy organizza il celebre Dartmouth Summer Research Project on Artificial Intelligence, insieme a Marvin Minsky, Claude Shannon e Nathaniel Rochester. È qui che nasce il termine “Artificial Intelligence”, scelto per evitare le connotazioni troppo tecniche di “automata theory” o “cybernetics”.
L’obiettivo? Dimostrare che ogni aspetto dell’intelligenza può essere descritto in modo così preciso da poter essere simulato da una macchina. Le quattro capacità fondamentali individuate sono:
- Imparare
- Ragionare
- Pianificare
- Creare
Un programma informatico che possieda queste qualità può essere considerato “intelligente”. Le basi erano state gettate. Il cammino, però, sarebbe stato lungo e tortuoso.
Correva l’anno… 1966
Nel 1966, Joseph Weizenbaum, informatico del MIT, sviluppa Eliza, il primo chatbot della storia (un chatbot è un software che simula una conversazione). Il programma simula una conversazione con uno psicoterapeuta rogersiano, utilizzando semplici regole di sostituzione e riconoscimento di parole chiave. Il nome “Eliza” è un omaggio a Eliza Doolittle, protagonista del Pigmalione di George Bernard Shaw (“rilettura” moderna del Mito di Pigmalione), poi adattato nel musical e nel film My Fair Lady.
La scelta non è casuale: come il Professor Higgins trasforma la fioraia Eliza in una dama, così il software tenta di “trasformare” il linguaggio umano in dialogo artificiale. Un esempio perfetto di come la letteratura anticipi la scienza.
Nonostante il fascino, la potenza di calcolo dell’epoca era insufficiente per rendere questi prototipi realmente funzionali. Eliza fu seguita da altri esperimenti, come Parry nel 1972, ma l’IA rimase per decenni confinata nei laboratori.
Correva l’anno… 2017
Il 2017 segna una svolta. In una serie di partite di scacchi, il programma AlphaZero, sviluppato da DeepMind (Google), affronta Stockfish, uno dei motori scacchistici più potenti al mondo. AlphaZero, grazie al reinforcement learning (acronimo RL: una forma di Machine Learning basato però non su dati ma sull’esperienza), impara il gioco da zero in sole quattro ore e vince con 28 vittorie, 72 pareggi e nessuna sconfitta.
Questa è la dimostrazione concreta del concetto di Machine Learning, coniato da Arthur Samuel nel 1959: la capacità di apprendere senza essere esplicitamente programmati. Nel 2006, Geoffrey Hinton introduce il concetto di Deep Learning, una tecnica che consente alle reti neurali (vedremo nelle prossime puntate di cosa si tratta) di apprendere rappresentazioni complesse dei dati.
L’IA non è più solo programmata: ora può imparare, evolversi, migliorarsi. E questo cambia tutto.
Correva l’anno… 2018
Nel 2018, OpenAI lancia GPT-1, il primo modello della serie Generative Pre-trained Transformer, basato su una nuova architettura che consente di generare testo in modo coerente e contestuale. È l’inizio dell’Intelligenza Artificiale Generativa (GenAI), capace non solo di elaborare, ma di creare contenuti originali.
Nel 2022, con il rilascio di ChatGPT-3.5 il 30 novembre, l’IA generativa entra ufficialmente nella vita quotidiana. Due mesi dopo, arriva anche sui dispositivi mobili. Da quel momento, il mondo cambia: la creatività, la scrittura, la comunicazione, persino la programmazione, diventano territori condivisi tra uomo e macchina.
Ma cos’ha di così speciale l’Intelligenza Artificiale?
Molto è già stato detto, ma vale la pena soffermarsi su ciò che rende davvero “speciale” l’Intelligenza Artificiale. Per comprenderlo, iniziamo dal confronto con un software tradizionale, anche se evoluto.
I limiti dei software convenzionali
I software “classici” sono progettati per svolgere compiti specifici e limitati. Prendiamo ad esempio un’app per acquistare biglietti ferroviari: funziona perfettamente per il suo scopo, ma non potremmo certo usarla per discutere di Meccanica Quantistica o per analizzare previsioni meteorologiche.
Inoltre, la comunicazione con questi programmi avviene tramite interfacce rigide: menù, pulsanti, o al massimo parole chiave. Anche quando è possibile usare il linguaggio scritto, si tratta di comandi predefiniti, non di dialoghi autentici.
L’Intelligenza Artificiale: un salto di paradigma
L’IA, invece, ha una marcia in più. È progettata per essere generale, cioè capace di affrontare una vasta gamma di compiti, anche molto diversi tra loro. Può:
- Riassumere testi
- Rispondere a domande
- Tradurre lingue
- Progettare contenuti
- Generare immagini, codice, musica…
In altre parole, non è uno strumento “monofunzionale”, ma un vero e proprio compagno digitale che può affiancarci in molte attività quotidiane e professionali.
Il dialogo naturale: la rivoluzione dell’interfaccia
Una delle caratteristiche più sorprendenti dell’IA è la capacità di comunicare in linguaggio naturale. Non servono comandi tecnici o menù complicati: si può parlare con lei come si parlerebbe con una persona.
E non si limita a rispondere: spesso rilancia, propone, stimola nuove domande. Si instaura così un vero dialogo, che rende l’interazione fluida, spontanea e persino creativa. Questo è ciò che trasforma l’IA da semplice strumento a interlocutore attivo.
Le tecnologie che rendono tutto questo possibile
Dietro queste capacità si celano tecnologie avanzate, già accennate in precedenza:
- Machine Learning: è la capacità dell’IA di apprendere dai dati. Attraverso l’addestramento, l’IA migliora le proprie prestazioni senza dover essere riprogrammata per ogni singola operazione.
- Natural Language Processing (NLP): è la branca dell’IA che consente di comprendere, interpretare e generare linguaggio umano. Grazie all’NLP, possiamo comunicare con l’IA in modo naturale, come se stessimo dialogando con una persona.
Conclusione (e apertura verso le prossime parti)
Si chiude così questa prima parte introduttiva sull’Intelligenza Artificiale. Abbiamo esplorato le sue origini, le tappe fondamentali della sua evoluzione e le caratteristiche che la rendono unica.
Nelle prossime puntate ci addentreremo nel suo funzionamento più tecnico, nelle sue applicazioni concrete e nelle implicazioni etiche e sociali che comporta.
Restate in contatto: il viaggio è appena cominciato.
Box di confronto: Machine Learning Vs Reinforcement Learning
Ho parlato della competizione scacchistica tra AlphaZero e Stockfish, e dell’uso, per AlphaZero, del Reinforcement Learning. Di seguito riporto un box comparativo tra queste due metodologie.
| Machine Learning | Reinforcement Learning |
| Impara da dati esistenti (spesso etichettati) | Impara da esperienze dirette con l’ambiente |
| Riceve feedback immediato: “questa è la risposta giusta” | Riceve ricompense o penalità in base alle azioni |
| È usato per classificare, prevedere, riconoscere pattern | È usato per prendere decisioni ottimali nel tempo |
| Esempi: riconoscimento facciale, traduzione automatica, spam filter | Esempi: robotica, videogiochi, guida autonoma, trading algoritmico |
| Apprendimento più “statistico” | Apprendimento più “strategico” e dinamico |
Per saperne di più:
Un viaggio completo dalle origini teoriche con Alan Turing fino alle applicazioni moderne, a cura dell’Osservatorio Artificial Intelligence del Politecnico di Milano.
Una panoramica generale su definizioni, tecnologie, etica e applicazioni dell’IA, con riferimenti storici e tecnici.
Un articolo divulgativo che ripercorre le tappe fondamentali dell’IA, dai primi esperimenti agli sviluppi contemporanei, con riflessioni etiche e sociali.
