Cos'è l'intelligenza artificiale: storia, significato e tipologie

Prende il via una nuova rubrica realizzata in collaborazione con l’Ordine degli Ingegneri della Provincia di Vercelli, presieduto da Franco Barosso. Con cadenza quindicinale, proporrà ai lettori un percorso di approfondimento dedicato ai temi dell’ingegneria e alle sue molteplici ricadute nella vita quotidiana, nell’economia e nella società. L’obiettivo è avvicinare i nostri lettori a una materia spesso percepita come complessa, mostrando come dietro ogni tecnologia, struttura o processo ci sia il lavoro degli ingegneri, la loro competenza e la loro capacità di visione. La prima puntata inaugura un trittico di tre pubblicazioni interamente dedicate all’intelligenza artificiale. Un viaggio per comprendere più da vicino che cos’è davvero l’IA, da dove nasce, come si è evoluta e quali applicazioni sta trovando nei diversi settori. Un percorso che illustrerà le grandi opportunità offerte da questi strumenti, ma anche i possibili rischi, le responsabilità e le sfide etiche che ne accompagnano lo sviluppo. Nelle prossime puntate entreremo gradualmente nel cuore dei meccanismi che regolano l’intelligenza artificiale, affrontando esempi, scenari reali e prospettive future.

L’intelligenza artificiale (IA) è una delle innovazioni più significative del nostro tempo. Si tratta della capacità di macchine e sistemi informatici di simulare funzioni tipiche dell’intelligenza umana, come il ragionamento, l’apprendimento, la percezione e la comprensione del linguaggio naturale.

A differenza dei programmi tradizionali, vincolati a regole rigide, l’IA è in grado di adattarsi e migliorare attraverso l’esperienza. Questa caratteristica la rende rivoluzionaria e, al contempo, complessa da comprendere appieno.

In parole povere l’intelligenza artificiale è un insieme di tecniche e algoritmi che consentono ad una macchina di analizzare le informazioni in ingresso, cercare tra le informazioni a propria disposizione schemi simili e produrre in uscita risposte in modo autonomo. Ciò non significa che l’IA possiede una propria “coscienza” ma che è in grado di simulare comportamenti intelligenti.

L’idea di macchine capaci di pensare affonda le sue radici nell’antichità. Già nella mitologia greca compaiono automi come Talos, il gigante di bronzo guardiano di Creta, non “nato” ma “fatto”, cioè costruito, dal dio Efesto con “tecnè (cioè arte, tecnica ed ingegno): il primo robot. Nel Medioevo, molto tempo dopo, filosofi e inventori immaginavano meccanismi autonomi, precursori della robotica moderna.

Le basi scientifiche si consolidarono nei secoli successivi grazie ai contributi di Cartesio, con le riflessioni sulla differenza tra anima e macchina, Leibniz, con il progetto di un linguaggio universale calcolabile e George Boole, che nell’Ottocento sviluppò l’algebra booleana, fondamento della logica computazionale.

Il matematico britannico Alan Turing è considerato il precursore dell’IA moderna. Nel 1936 elaborò la macchina di Turing, capace di eseguire qualsiasi calcolo matematico. Nel 1950 propose il celebre Test di Turing, ancora oggi un punto di riferimento per stabilire se una macchina possa essere definita “intelligente”.

Il termine “intelligenza artificiale” fu coniato da John McCarthy nel corso della Conferenza di Dartmouth, svoltasi nel 1956 e considerata come l'evento ufficiale che segna la nascita della ricerca. A quell’incontro presero parte studiosi come Marvin Minsky, Claude Shannon e Herbert Simon, pionieri che immaginarono un futuro in cui le macchine avrebbero simulato il pensiero umano.

Negli anni ‘60 e ‘70 si svilupparono i primi programmi in grado di risolvere problemi matematici o di giocare a scacchi e fecero la loro comparsa i sistemi esperti, capaci di replicare le decisioni di specialisti in campi come la medicina o l’ingegneria.
Tra il 1970 e il 1990 la ricerca subì forti battute d’arresto, note come “inverni dell’IA”; ci fu infatti una diminuzione degli investimenti, della fiducia e dell'interesse verso l'intelligenza artificiale, dovuta a promesse non mantenute, mancanza di potenza di calcolo e di dati disponibili, limitazioni tecnologiche ed all'eccesso di aspettative rispetto alle capacità reali dei computer del tempo.

La svolta avvenne tra la fine degli anni ’90 ed i primi anni 2000. L’aumento delle prestazioni dei computer, la diffusione delle GPU (Graphics Processing Unit: processore specializzato per l’elaborazione grafica che accelera la creazione di immagini e video) e di chip specializzati, insieme alla disponibilità di grandi quantità di dati, rese possibile addestrare modelli sempre più complessi.

Concetti rimasti a lungo prevalentemente teorici, come il cloud computing, le reti neurali, il machine learning, trovarono finalmente applicazione concreta. L’intelligenza artificiale uscì dai laboratori ed iniziò ad influenzare la vita quotidiana.
Il machine learning consente ai sistemi di migliorare analizzando dati ed esperienze, anche a seguito delle risposte degli utenti. Il deep learning, basato su reti neurali multilivello, ha reso possibili progressi straordinari nel riconoscimento vocale, nella traduzione automatica e nell’elaborazione di immagini.

Le reti neurali artificiali si ispirano al cervello umano. Sono costituite da una serie di nodi interconnessi che trasmettono informazioni tra loro. Ogni nodo elabora una parte del problema e contribuisce al risultato finale. Con l’uso di grandi quantità di dati la rete “impara” a riconoscere schemi ed a migliorare progressivamente. In sintesi, sono come un piccolo cervello artificiale progettato per apprendere dall’esperienza.

Il cloud computing consiste nella fornitura on-demand di risorse informatiche (come server, storage, database, software ed analisi), tramite Internet, con un modello di pagamento in base al consumo. Elimina la necessità per individui ed aziende di possedere e gestire la propria infrastruttura IT fisica, offrendo flessibilità, scalabilità ed economie di scala.

Negli ultimi anni si è affermata l’IA generativa, capace di creare testi, immagini, musica e persino codice informatico. Strumenti come ChatGPT, DALL·E e MidJourney hanno reso l’IA accessibile al grande pubblico, trasformando radicalmente il modo di comunicare, lavorare e produrre contenuti.

Gli algoritmi evolutivi si basano sui principi della selezione naturale. Generano diverse soluzioni a un problema, scelgono le migliori, le combinano e ripetono il processo fino ad ottenere un risultato ottimale. In sintesi sono programmi che migliorano “per tentativi ed errori”, imitando i meccanismi dell’evoluzione biologica.

Oggi distinguiamo tra IA debole ed IA forte. La IA debole (o ristretta) non ha lo scopo di possedere abilità cognitive generali ma piuttosto di essere in grado di risolvere esattamente un singolo problema, come tradurre testi o riconoscere immagini. L’Intelligenza Artificiale forte (o generale, in sigla AGI dall'inglese artificial general intelligence) è un concetto ancora teorico con cui si intende la capacità di un agente intelligente di apprendere e capire un qualsiasi compito intellettuale che può imparare un essere umano.

In conclusione possiamo dire che l’intelligenza artificiale non è più un concetto teorico confinato nei laboratori di ricerca. È una realtà che ha già trasformato settori cruciali della società e che continuerà a farlo nei prossimi anni.
Comprendere le sue origini, le tappe fondamentali e le diverse tipologie è essenziale per affrontare con consapevolezza le opportunità e le sfide di una tecnologia destinata a ridefinire il nostro futuro.
Questo articolo ha offerto una panoramica generale. Nelle prossime uscite approfondiremo temi specifici legati all’IA, come le sue implicazioni etiche, le applicazioni concrete nei vari settori ed il dibattito sulla regolamentazione a livello europeo e globale.