A grande richiesta, un articolo (la cui lunghezza non ci permette di sintetizzare tutto in un solo post) sull’AI, e sui veri aspetti attraverso i quali si manifesta oggigiorno. Approcciamo il testo lungo i binari di una media sintesi, per poi passare , in un futuro secondo capitolo del tema, ad approfondimenti tecnici probabilmente più difficili da seguire ma non meno affascinanti.
La redazione dell’articolo è un lavoro a più mani con i nostri team di riferimento. La prima parte, che riguarda l’aspetto storico dell’AI, è opera del TEAM-DIGITAL
(clicca QUI per andare alla pagina dedicata sul sito).
Buona lettura!
Photo by Google DeepMind on Pexels.com
PRIMA PARTE Radici Storiche: Dall’Automazione all’AI Generativa
La ricerca sull’intelligenza artificiale ha radici profonde. Già nell’Antichità, miti e leggende narravano di automi e creature artificiali dotate di intelligenza, come il Talos di Creta, un gigante di bronzo creato da Efesto per proteggere l’isola, che si diceva avesse vene di metallo fuso e potesse pensare e reagire alle minacce. Secondo la leggenda, Talos percorreva l’isola tre volte al giorno per scovare invasori, lanciando massi contro le navi nemiche e riscaldandosi fino a diventare rovente per abbracciare e bruciare i suoi avversari. Fu infine sconfitto da Medea, che riuscì ad aprire il suo unico punto debole, una vena sigillata da un perno di bronzo, causando la fuoriuscita del suo fluido vitale e portandolo alla morte.
Photo by antonio filigno on Pexels.com
Un altro mito significativo è quello di Pandora, la prima donna creata dagli dèi per punire l’umanità. Zeus ordinò a Efesto di plasmarla dall’argilla, e Atena le donò intelligenza e abilità manuali. Tuttavia, le fu affidato un vaso contenente tutti i mali del mondo, che, spinta dalla curiosità, aprì, liberando sofferenza e disgrazie nell’umanità. Questo racconto riflette una delle prime rappresentazioni mitiche dell’intelligenza artificiale, dove una creazione artificiale porta conseguenze imprevedibili.
Photo by GEORGE DESIPRIS on Pexels.com
Infine, i servi meccanici di Efesto erano automi d’oro capaci di muoversi e servire i loro padroni, rappresentando uno dei primi esempi di macchine progettate per svolgere compiti umani. Nel mondo islamico medievale, i testi di Al-Jazari descrivono dettagliatamente sofisticati automi meccanici, tra cui musicisti robotici e servitori automatici, concepiti per intrattenere e assistere l’uomo. Nei racconti delle Mille e una notte, si parla di statue animate e figure meccaniche che interagiscono con i protagonisti, anticipando la concezione moderna di intelligenza artificiale e automazione.
Tuttavia, il concetto moderno di AI nasce nel XX secolo:
•1950: Alan Turing pubblica Computing Machinery and Intelligence, introducendo il famoso Test di Turing. In questo articolo, Turing propone il criterio per determinare se una macchina possa essere considerata intelligente. Il test, basato sulla capacità di una macchina di sostenere una conversazione indistinguibile da quella umana, ha influenzato profondamente lo sviluppo dell’AI. Tuttavia, ha ricevuto critiche nel tempo, con alcuni studiosi che sostengono che l’intelligenza non possa essere misurata solo attraverso il linguaggio. Ad esempio, John Searle con il suo Chinese Room Argument (1980) ha contestato l’idea che il semplice manipolare simboli in modo coerente equivalga a comprendere. Oggi, il Test di Turing è ancora usato come riferimento, ma con nuove varianti come il Winograd Schema Challenge, che punta a valutare meglio la comprensione semantica.
£50 banknote featuring Alan Turing by Bank of England is licensed under CC-BY-NC-SA 4.0
1956: La conferenza di Dartmouth segna la nascita ufficiale della disciplina. Organizzata da John McCarthy, Marvin Minsky, Nathaniel Rochester e Claude Shannon, questa conferenza ha riunito i primi pionieri dell’AI. L’obiettivo era sviluppare programmi capaci di simulare l’intelligenza umana. Tra le idee principali discusse vi erano l’elaborazione simbolica e il tentativo di costruire macchine capaci di risolvere problemi e apprendere. Da qui nacque la prima fase dell’AI simbolica, che ha influenzato i decenni successivi.
Anni ‘70-‘80: Il primo inverno dell’AI, a causa della limitata potenza computazionale. Durante questo periodo, l’AI subì una brusca frenata a causa delle difficoltà tecniche e della riduzione dei finanziamenti. I modelli simbolici si rivelarono inefficaci per compiti complessi, mentre i limiti hardware dell’epoca impedivano progressi significativi. Il DARPA e altre istituzioni ridussero drasticamente i finanziamenti alla ricerca, causando un periodo di stagnazione noto come “AI Winter”. Un esempio di fallimento fu il progetto britannico Lighthill Report (1973), che concluse che l’AI non stava producendo risultati concreti, portando al taglio dei finanziamenti.
Photo by ThisIsEngineering on Pexels.com
Anni ‘90-2000: L’AI rinasce grazie al machine learning e all’aumento della potenza di calcolo. L’adozione di nuovi modelli di apprendimento automatico, come le reti neurali e l’apprendimento supervisionato, ha segnato una svolta nella ricerca AI. L’aumento della capacità computazionale, grazie all’evoluzione dell’hardware e delle GPU, ha permesso l’addestramento di modelli più complessi. Tecnologie come i Support Vector Machines (SVM) e gli algoritmi di clustering hanno iniziato a mostrare risultati promettenti. Un caso emblematico è la vittoria del sistema IBM Deep Blue contro il campione di scacchi Garry Kasparov nel 1997, che dimostrò come il calcolo avanzato potesse superare l’intelligenza umana in compiti specifici.
Photo by Pavel Danilyuk on Pexels.com
Anni 2010-2020: L’avvento delle reti neurali profonde (Deep Learning) e dell’AI generativa. Durante questo decennio, le tecniche di apprendimento profondo hanno rivoluzionato il campo dell’intelligenza artificiale, rendendo possibili progressi senza precedenti in molteplici ambiti. Algoritmi come le reti neurali convoluzionali (CNN) hanno migliorato il riconoscimento delle immagini, mentre le reti ricorrenti (RNN) e i trasformatori hanno portato a significativi avanzamenti nella generazione del linguaggio naturale, culminando nello sviluppo di modelli come BERT e GPT-3. Parallelamente, l’AI generativa ha visto la nascita di strumenti capaci di creare immagini e musica con un realismo crescente, come le GAN (Generative Adversarial Networks) e i modelli di diffusione. Questi progressi hanno avuto un impatto profondo su settori come la medicina, l’automazione industriale e l’intrattenimento, aprendo nuove sfide etiche e regolatorie.
Photo by Google DeepMind on Pexels.com
Abbiamo volutamente sintetizzato gli approfondimenti per ogni step storico dell’avanzamento nella costruzione dell’AI come la conosciamo oggi. Ulteriori approfondimenti sugli aspetti tecnici intrinsechi dell’AI a prossimi articoli (scrivici per ogni richiesta o info a riguardo).
Ti diamo l’appuntamento alla seconda parte dell’Articolo che riguarderà l’aspetto giuridico e regolamentare.