IA sta per intelligenza artificiale, ma questa etichetta comprende strumenti molto diversi che funzionano in modi molto diversi. L'IA che scrive testi, quella che crea immagini e quella che consiglia il prossimo film su Netflix non hanno quasi nulla in comune, tranne il fatto che hanno tutte imparato da grandi quantità di dati.
"IA" è una di quelle parole usate per descrivere tutto, dall'autocorrettore del telefono ai robot di fantascienza. Questa vaghezza rende genuinamente difficile capire di cosa stiano parlando le persone. La verità è che "IA" non è una cosa sola — è una famiglia di strumenti molto diversi che funzionano in modi molto diversi. Questa guida li separa.
I tre tipi di IA che incontrerà più spesso
I chatbot: il tipo che parla
Un chatbot è un'IA con cui si ha una conversazione. Si digita o si pronuncia una domanda, e risponde per scritto. ChatGPT, Gemini di Google e Siri di Apple sono tutti chatbot, anche se funzionano in modo leggermente diverso sotto il cofano.
I chatbot sono stati addestrati su una quantità enorme di testi — più libri, articoli e pagine web di quanti un essere umano potrebbe mai leggere. È così che riescono a rispondere alle domande, spiegare concetti, aiutare a scrivere email, tradurre tra lingue e sostenere una conversazione. Funzionano prevedendo quali parole dovrebbero venire dopo, in base agli schemi appresi durante l'addestramento.
Questo li rende impressionanti ma imperfetti. Per argomenti ben documentati nel loro materiale di addestramento, sono spesso accurati. Per fatti molto specifici, oscuri o recenti, possono sbagliare con piena sicurezza. Capire questo è la chiave per usarli bene.
I generatori di immagini: il tipo visivo
Un generatore di immagini crea immagini a partire da descrizioni testuali. Si digita "un acquerello di un faro al tramonto" e lo strumento crea un'immagine originale — una che non è mai esistita prima. Midjourney, Adobe Firefly e DALL-E sono esempi noti.
Questi strumenti sono stati addestrati osservando milioni di immagini abbinate a didascalie o descrizioni. Non copiano nessuna immagine già vista. Generano qualcosa di nuovo sulla base degli schemi visivi appresi durante l'addestramento.
I generatori di immagini sono potenti per i progetti creativi, ma hanno una stranezza nota: a volte sbagliano i dettagli specifici in modi bizzarri — troppe dita su una mano, testo di sfondo che sembra parole ma non lo è, piccoli dettagli che non reggono a un'osservazione attenta.
I motori di raccomandazione: il tipo invisibile
Questo è il tipo di IA che la maggior parte delle persone usa più spesso senza rendersene conto. Quando Netflix suggerisce una serie che potrebbe piacerle, quando Spotify crea una playlist, quando Amazon mostra "i clienti hanno acquistato anche" — c'è un motore di raccomandazione che lavora silenziosamente in sottofondo.
Questi sistemi analizzano gli schemi di comportamento di grandi numeri di persone — cosa guardano, comprano, cliccano, ascoltano o saltano — e usano quegli schemi per prevedere cosa le piacerà. Non stanno avendo una conversazione con lei. Non capiscono perché le piace qualcosa. Semplicemente notano che le persone con schemi simili ai suoi hanno apprezzato certe cose, e le propongono.
I motori di raccomandazione sono spesso sorprendentemente accurati, ma sono limitati. Ottimizzano per ciò con cui è più probabile che interagisca, il che non è sempre la stessa cosa di ciò che fa meglio per lei.
Cosa hanno in comune tutti e tre
Nonostante le differenze, tutti questi strumenti condividono una caratteristica fondamentale: hanno imparato dai dati. Non sono stati programmati con regole esplicite per ogni situazione. Sono stati invece addestrati — esposti a enormi quantità di esempi — e hanno imparato degli schemi.
Questo è ciò che rende l'IA moderna diversa dal software tradizionale. Il software tradizionale segue regole esatte scritte da un programmatore: "Se A, allora B." L'IA fa previsioni basandosi su schemi. Ecco perché riesce a gestire cose che i programmatori non avevano specificamente anticipato, e anche perché può fallire in modi sorprendenti che il software basato su regole non avrebbe.
Cosa l'IA non sa ancora fare
Nonostante le capacità di questi strumenti, esistono limiti chiari e costanti. L'IA non ha comprensione genuina, emozioni o obiettivi. Non può agire nel mondo fisico da sola. Non è in grado di verificare in modo affidabile i propri fatti — produce output che suonano plausibili senza controllare se sono accurati. E non forma relazioni reali — quando un chatbot sembra caldo o interessato, sta producendo testo che corrisponde allo schema del calore. Non gli importa davvero.
L'IA è anche valida solo quanto i dati su cui è stata addestrata. Se quei dati contenevano errori, pregiudizi o lacune, l'IA li rifletterà.
Nulla di tutto questo rende gli strumenti IA meno utili per le cose in cui sono genuinamente bravi. Rende solo più facile sapere quando fidarsi di loro e quando verificare.
Cosa fare adesso: Se vuole capire perché l'IA a volte suona completamente sicura mentre è completamente sbagliata, Perché l'IA inventa le cose? spiega il meccanismo chiaramente. E se è pronto a provare un chatbot per la prima volta, Cos'è ChatGPT? è un ottimo punto di partenza.
