![\"\"](\"https:\/\/cdn.shopify.com\/s\/files\/1\/1022\/5870\/4729\/articles\/immagine-premium-ai-navy-arancione_c4dfe97e-03d0-4708-bb59-78a6a7cf9bf1.png?v=1790607844\")
<\/p>\n<\/p>\n
Il termine “Intelligenza Artificiale” viene usato ormai per tutto, dai filtri antispam ai chatbot capaci di scrivere poesie. Ma cos’\u00e8 davvero, da dove viene e cosa pu\u00f2 fare oggi? Proviamo a fare chiarezza, senza mitologia n\u00e9 allarmismo.<\/p>\n
L’AI non nasce con ChatGPT. Nel 1950 Alan Turing si chiedeva se una macchina potesse “pensare”, proponendo il celebre test che porta il suo nome: se una persona non riesce a distinguere le risposte di una macchina da quelle di un umano, la macchina supera il test. Da l\u00ec \u00e8 iniziato un percorso lungo e discontinuo.<\/p>\n
Negli anni ’50 e ’60 si \u00e8 lavorato sui “sistemi simbolici”, programmi basati su regole logiche scritte a mano. Negli anni ’80 sono arrivati i sistemi esperti, pensati per replicare il ragionamento di uno specialista in un campo ristretto. Poi due “inverni dell’AI”, periodi di forte disillusione in cui i finanziamenti si sono prosciugati perch\u00e9 i risultati non reggevano le promesse.<\/p>\n
La svolta vera arriva con le reti neurali e il deep learning, a partire dagli anni 2010, rese possibili da tre fattori che finalmente convergono: enormi quantit\u00e0 di dati digitali, potenza di calcolo a basso costo (in particolare le GPU) e algoritmi di addestramento pi\u00f9 efficaci. Nel 2017 nasce l’architettura Transformer, il mattone su cui sono costruiti i modelli linguistici moderni. Da l\u00ec ai modelli generativi che conosciamo oggi il passo, anche se tecnicamente enorme, \u00e8 stato rapido.<\/p>\n
I modelli generativi attuali sono sistemi statistici addestrati su quantit\u00e0 immense di testo, immagini o codice. In sostanza, imparano a prevedere quale sia il “pezzo successivo” pi\u00f9 plausibile, dato tutto quello che hanno visto prima. Da questo meccanismo, applicato a scala enorme, emergono capacit\u00e0 sorprendenti:<\/p>\n
Sono strumenti utili, spesso impressionanti nella resa. Ma restano strumenti statistici, non entit\u00e0 che “comprendono” nel senso in cui lo fa una persona.<\/p>\n
Attorno all’AI generativa si sono costruiti diversi miti che vale la pena smontare.<\/p>\n
“L’AI capisce quello che dice.”<\/strong> No: un modello linguistico non ha una comprensione del mondo come la intendiamo noi. Produce sequenze di parole statisticamente plausibili sulla base di ci\u00f2 che ha visto durante l’addestramento. Il risultato pu\u00f2 sembrare comprensione, ma \u00e8 un effetto della scala, non del ragionamento consapevole.<\/p>\n “L’AI \u00e8 sempre affidabile.”<\/strong> No: questi sistemi possono generare informazioni false con la stessa sicurezza con cui generano informazioni corrette, un fenomeno noto come “allucinazione”. Non hanno un meccanismo interno che distingue in automatico il vero dal falso.<\/p>\n “L’AI \u00e8 neutra.”<\/strong> No: riflette i dati su cui \u00e8 stata addestrata, con tutti i bias, gli squilibri e i vuoti che quei dati contengono.<\/p>\n “L’AI \u00e8 vicina all’intelligenza umana generale.”<\/strong> Non ancora, e non \u00e8 chiaro se lo strato attuale di tecnologia sia sufficiente ad arrivarci. Quella che abbiamo oggi \u00e8 AI “ristretta”: eccellente su compiti specifici, priva di autonomia, obiettivi propri o comprensione del contesto reale in cui opera.<\/p>\n Le capacit\u00e0 reali sono concrete e gi\u00e0 oggi cambiano il modo di lavorare: automazione di compiti ripetitivi, prima bozza di contenuti, ricerca assistita, generazione di codice, analisi di grandi quantit\u00e0 di testo. Sono guadagni di produttivit\u00e0 misurabili, non fantascienza.<\/p>\n L’hype comincia dove si parla di “macchine che pensano”, di coscienza artificiale imminente o di sistemi che sostituiranno interi settori senza supervisione umana. Anche gli addetti ai lavori sono divisi su quanto siamo lontani da una vera intelligenza artificiale generale, e chi lavora ogni giorno con questi sistemi tende a essere pi\u00f9 cauto di chi li osserva da fuori attraverso titoli e demo.<\/p>\n La chiave, come spesso accade con le tecnologie dirompenti, \u00e8 la stessa che guida chi lavora con sistemi decentralizzati e open source come Bitcoin e BTCPay Server: capire davvero come funziona uno strumento, prima di affidargli decisioni importanti. Verificare, non fidarsi ciecamente. Vale per il codice che gestisce i propri pagamenti, e vale anche per l’output di un modello linguistico.<\/p>\n","protected":false},"excerpt":{"rendered":" Dall’idea di Turing ai modelli generativi: una breve storia dell’Intelligenza Artificiale, cosa sanno fare davvero questi sistemi oggi, quali miti \u00e8 il caso di sfatare e dove finiscono le capacit\u00e0 reali per lasciare spazio all’hype.<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[12],"tags":[413,455,408,456],"class_list":["post-1006007550297","post","type-post","status-publish","format-standard","hentry","category-blog-btcpay-server-italia","tag-ai","tag-divulgazione","tag-intelligenza-artificiale","tag-tecnologia"],"_links":{"self":[{"href":"https:\/\/www.bitcoinservice.it\/rivista\/wp-json\/wp\/v2\/posts\/1006007550297","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.bitcoinservice.it\/rivista\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.bitcoinservice.it\/rivista\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.bitcoinservice.it\/rivista\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.bitcoinservice.it\/rivista\/wp-json\/wp\/v2\/comments?post=1006007550297"}],"version-history":[{"count":0,"href":"https:\/\/www.bitcoinservice.it\/rivista\/wp-json\/wp\/v2\/posts\/1006007550297\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.bitcoinservice.it\/rivista\/wp-json\/wp\/v2\/media?parent=1006007550297"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.bitcoinservice.it\/rivista\/wp-json\/wp\/v2\/categories?post=1006007550297"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.bitcoinservice.it\/rivista\/wp-json\/wp\/v2\/tags?post=1006007550297"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}Dove finiscono le capacit\u00e0 reali e dove inizia l’hype<\/h2>\n