Passa al contenuto principale

Come siamo arrivati ​​qui?

Nozioni di base​

  • Intelligenza Artificiale (1956): sviluppo di sistemi in grado di eseguire compiti che normalmente richiedono l'intelligenza umana.

  • ELIZA (1966): Chatbot che simula una conversazione terapeutica utilizzando regole (cerca parole chiave e risponde con frasi predefinite).

  • Deep Blue (1997): Computer che sconfigge Kasparov a scacchi. Strategie programmate e grande capacità di calcolo.

  • Machine Learning o apprendimento automatico (1959): sviluppo di algoritmi e modelli che consentono ai computer di apprendere dai dati.

  • Alberi decisionali (1960), Regressione logistica (1958), K-means (1967), SVM (1995), Random Forest (2001), Gradient Boosting (2001), ecc.

  • Previsioni basate su dati (borsa, meteo, ecc.)

Paradosso di Moravec (1980): È relativamente facile far eseguire ai computer operazioni matematiche e logiche, ma è difficile fargli eseguire compiti semplici che qualsiasi bambino di 4 anni può fare. fare, come riconoscere un oggetto o comprendere il linguaggio naturale.

  • Reti neurali artificiali: imitano il funzionamento dei neuroni nel cervello umano per applicazioni di machine learning.

  • Neurone artificiale (1943)

  • Perceptron (1957)

  • Rete Hopfield (1982)

  • Backpropagazione (1986)

  • LeNet-5 (1998) (riconoscimento cifre)

  • Deep Learning: sottocampo dell'intelligenza artificiale che si concentra sullo sviluppo di reti neurali profonde (reti neurali con molti strati nascosti) e con cui si sviluppa il boom dell'intelligenza artificiale. -AlexNet (2012)

  • Generative AI: campo dell'IA che utilizza il Deep Learning nella creazione di sistemi in grado di generare contenuti nuovi e originali.
  • ChatGPT, Dall-E, Sora, ecc.
  • Quella che oggi è stata chiamata "L'AI" grazie al recente boom dei modelli generativi.

Il boom dell'intelligenza artificiale (da deep learning)​

  • Cause:

  • Aumento della capacità di calcolo (GPU, TPU)

  • Disponibilità di enormi set di dati (Internet, Big Data)

  • Progressi negli algoritmi e nelle architetture di rete

  • Forte aumento dei finanziamenti e degli investimenti industriali

  • Principali tappe fondamentali:

  • 2012: AlexNet riduce l'errore in ImageNet al 15,3% (in precedenza 26%), dimostrando la potenza delle reti neurali convoluzionali e segnando l'inizio del boom.

  • 2014: DeepFace di Facebook raggiunge una precisione quasi umana (97,35%) nel riconoscimento facciale.

  • 2014: le GAN (Generative Adversarial Networks) rivoluzionano la generazione di contenuti.

  • 2016: AlphaGo di DeepMind sconfigge il campione del mondo Lee Sedol.

  • 2017: appare l'architettura Transformer, che trasforma l'elaborazione del linguaggio.

  • 2020: GPT-3 di OpenAI dimostra le capacità emergenti nei modelli linguistici su larga scala.

  • 2021: i modelli di diffusione (DALL-E, GLIDE) iniziano a dominare la generazione di immagini realistiche.

  • 2022: ChatGPT (GPT-3.5) di OpenAI rende popolari gli assistenti conversazionali.

  • 2023: GPT-4 di OpenAI e proliferazione di modelli multimodali (testo, immagine, audio, video).

  • 2024: Primi modelli con capacità di ragionamento avanzate (OpenAI o1).

  • 2025: DeepSeek-R1 (pesi aperti) riduce il costo dei modelli linguistici con prestazioni simili a o1.

Aspettative future:​

Aumento delle capacità umane (Human Augmentation)​

L’intelligenza artificiale sta emergendo come un collaboratore che migliorerà le nostre capacità. Dall’assistenza in compiti complessi e processi decisionali al superamento di limiti fisici o cognitivi, l’intelligenza artificiale agirà come un’estensione delle nostre capacità.

Creazione audiovisiva generativa​

I progressi nei modelli di trasmissione e nella sintesi video e audio generativa stanno trasformando la produzione audiovisiva. Tra le aspettative più rilevanti ci sono:

  • Video generativi ad alta fedeltà: modelli come Sora (OpenAI), Pika o Runway Gen-2 ti permetteranno di creare sequenze cinematografiche complete da semplici descrizioni testuali.
  • Musica e suono: strumenti come Stable Audio, LMusic o Sunshine comporranno colonne sonore ed effetti adattati al contesto in tempo reale.
  • Realtà mista e videogiochi: mondi e personaggi generati dinamicamente, adattandosi allo stile e alle preferenze di ciascun giocatore.
  • Post-produzione automatizzata: processi di editing, correzione del colore, doppiaggio e sottotitolazione guidati dall'intelligenza artificiale, riducendo drasticamente i tempi di produzione.
  • Maggiore accessibilità: generazione automatica di descrizioni audio, traduzioni e linguaggio dei segni, ampliando la portata dei contenuti.

Questi progressi, sebbene focalizzati sulla creatività, condividono con l’automazione la capacità di accelerare i flussi di lavoro e abbattere le barriere tecniche, motivo per cui meritano una sezione a parte.

Agenti autonomi​

Rappresentano la naturale evoluzione dei chatbot verso sistemi realmente proattivi e indipendenti.

Che cos'è un agente AI? Differenze principali:

  • Chatbot tradizionale: "Come posso aiutarti?" → Rispondi a ogni singola domanda.
  • Agente autonomo: "Organizza il mio viaggio a Roma" → Pianifica, cerca opzioni, confronta i prezzi, effettua prenotazioni, gestisci imprevisti e ti informa sul risultato finale.

Caratteristiche fondamentali degli agenti: Sono definiti dalla loro autonomia per agire a lungo termine, proattività per prendere l'iniziativa, reattività per adattarsi all'ambiente, capacità sociale di interagire e uso di strumenti (API, Internet, ecc.).

Esempi e applicazioni in primo piano:

  • Gestione personale: pianificazione automatica dei viaggi (Kayak), gestione finanziaria o coordinamento delle attività domestiche.
  • Ambito professionale:
  • Programmazione: sviluppo software con Devin AI o GitHub Copilot Workspace.
  • Ricerca e legale: analisi delle informazioni con Perplexity Pro o revisione dei contratti con Harvey AI.
  • Settori di impatto: già utilizzato nel servizio clienti (Zendesk), nella logistica e nel trading algoritmico.

L'intelligenza artificiale nell'istruzione​

L’intelligenza artificiale trasformerà il panorama educativo, creando un ambiente di apprendimento più personalizzato, efficiente e accessibile.

  • Tutoraggio personalizzato e intelligente: i sistemi di intelligenza artificiale fungeranno da tutor individuali per ogni studente, adattando il contenuto e il ritmo dell'apprendimento alle sue esigenze specifiche. Forniranno feedback istantanei, risolveranno dubbi e offriranno rinforzo nelle aree in cui lo studente presenta difficoltà.
  • Creazione di contenuti didattici dinamici: gli insegnanti potranno utilizzare gli strumenti di intelligenza artificiale per generare materiali didattici personalizzati, come programmi di lezioni, esercizi, rubriche di valutazione, presentazioni interattive e simulazioni. Ciò consentirà un insegnamento più ricco e diversificato con meno sforzo.
  • Automazione delle attività amministrative: l'intelligenza artificiale libererà gli insegnanti da compiti ripetitivi come la correzione degli esami, la gestione degli orari o la comunicazione di routine, consentendo loro di concentrarsi sull'interazione diretta con gli studenti e sulla progettazione di esperienze di apprendimento significative.
  • Accessibilità e inclusione: le tecnologie di intelligenza artificiale elimineranno le barriere per gli studenti con bisogni speciali. Strumenti come la trascrizione in tempo reale, la traduzione simultanea o lettori di schermo avanzati garantiranno che tutti gli studenti abbiano le stesse opportunità di accesso alle informazioni.
  • Analisi dell'apprendimento e rilevamento precoce: l'intelligenza artificiale analizzerà i modelli di rendimento degli studenti per identificare in modo proattivo potenziali difficoltà di apprendimento. Ciò consentirà agli educatori di intervenire tempestivamente e di offrire il supporto necessario prima che i problemi si aggravino.
  • Sviluppo professionale per gli insegnanti: l'intelligenza artificiale sarà anche in grado di assistere gli stessi insegnanti, offrendo analisi dei loro metodi di insegnamento, suggerendo nuove strategie pedagogiche e facilitando l'accesso alle risorse di formazione continua.

Intelligenza Generale Artificiale (AGI)​

Cos'è esattamente l'AGI?

  • Definizione ampia: un sistema in grado di eseguire qualsiasi compito cognitivo che un essere umano può svolgere.
  • Definizione rigorosa: un sistema che non solo eguaglia ma supera significativamente gli esseri umani nei compiti economicamente più importanti.
  • Il problema: non esiste consenso scientifico su cosa costituisca esattamente l'"intelligenza generale" o su come misurarla oggettivamente. Ricercatori come Yann LeCun (Meta) sostengono che il termine AGI stesso è impreciso e che l’intelligenza è uno spettro multidimensionale ottenibile solo attraverso progressi graduali.

Traguardi previsti verso l'AGI:

  • Prossimi 2-5 anni: modelli che superano gli esseri umani nella maggior parte dei compiti cognitivi individuali (scrittura, programmazione, analisi, ecc.).
  • 5-10 anni: Sistemi in grado di combinare più competenze in modo coerente e mantenere il contesto a lungo termine.
  • 10-20 anni: possibile comparsa di sistemi che dimostrino ragionamento astratto, creatività genuina e apprendimento autonomo paragonabili o superiori a quelli umani.