La storia dell'IA

Dalla visione alla realtà

La storia dell'intelligenza artificiale è un viaggio affascinante, pieno di svolte, battute d'arresto e colpi di scena. Ciò che un tempo era fantascienza oggi fa parte della nostra vita quotidiana. Per capire a che punto siamo, vale la pena guardare indietro alle tappe più importanti.

Il test di Turing (1950): nel 1950 il matematico britannico Alan Turing pubblicò il suo celebre saggio «Computing Machinery and Intelligence». In esso poneva una domanda provocatoria: «Le macchine possono pensare?» Propose un esperimento, oggi noto come test di Turing, in cui una persona comunica tramite messaggi di testo con una macchina e con un altro essere umano. Se chi pone le domande non riesce a distinguere chi è l'essere umano e chi la macchina, la macchina ha superato il test. Questo test influenza la ricerca sull'IA ancora oggi.

Il termine «Artificial Intelligence» fu coniato ufficialmente nel 1956 alla conferenza di Dartmouth. Ricercatori come John McCarthy, Marvin Minsky e Claude Shannon erano convinti che le macchine avrebbero raggiunto l'intelligenza umana nell'arco di una generazione. Questo entusiasmo portò ai primi programmi in grado di giocare a scacchi, dimostrare teoremi matematici o simulare semplici conversazioni.

Alti e bassi della ricerca sull'IA

L'epoca dei pionieri e il primo inverno dell'IA

Negli anni Cinquanta e Sessanta regnava una grande euforia. Programmi come ELIZA (1966) simulavano semplici colloqui terapeutici e la ricerca faceva rapidi progressi nella risoluzione di problemi logici. Ma le promesse iniziali erano troppo ambiziose. Quando fu chiaro che la vera intelligenza umana è molto più complessa del previsto, governi e aziende tagliarono drasticamente i finanziamenti. Era iniziato il primo inverno dell'IA (circa 1974–1980), una fase di disillusione e di ricerca ridotta.

I sistemi esperti e il secondo inverno dell'IA

Negli anni Ottanta l'IA tornò alla ribalta grazie ai sistemi esperti. Questi programmi codificavano sotto forma di regole il sapere di esperti umani («Se sintomo X e Y, allora diagnosi Z»). Le aziende investirono miliardi. Ma i sistemi esperti erano costosi da mantenere, fragili di fronte a input imprevisti e difficili da aggiornare. Seguì il secondo inverno dell'IA (circa 1987–1993). Un momento culminante degli anni Novanta: nel 1997 Deep Blue di IBM sconfisse il campione del mondo di scacchi in carica Garri Kasparov, una tappa simbolica, anche se Deep Blue si basava più sulla pura potenza di calcolo che sull'«intelligenza».

Big data e deep learning

Con Internet la quantità di dati disponibili esplose. Nel 2012 arrivò la svolta: la rete neurale AlexNet vinse la competizione ImageNet con un distacco che sbalordì gli esperti. Il deep learning, cioè l'addestramento di reti neurali profonde, divenne improvvisamente praticabile, grazie a GPU potenti e a enormi set di dati. Nel 2016 AlphaGo di Google sconfisse Lee Sedol, più volte campione del mondo di go. Il go era considerato troppo complesso per i computer. Questa vittoria fu uno shock. Nel 2017 alcuni ricercatori di Google pubblicarono l'articolo «Attention Is All You Need» e presentarono l'architettura Transformer, la base di tutto ciò che è venuto dopo.

La rivoluzione dei Transformer e l'IA generativa

Dal 2018 modelli linguistici come BERT e GPT hanno cambiato radicalmente il panorama. Secondo una stima di UBS, ChatGPT (novembre 2022) ha raggiunto circa 100 milioni di utenti attivi in soli due mesi, diventando una delle applicazioni con la crescita più rapida di sempre. All'improvviso chiunque poteva «parlare» con l'IA. Da allora il ritmo è ulteriormente accelerato: i modelli multimodali comprendono contemporaneamente testo, immagini, audio e video. Gli agenti IA possono svolgere compiti in modo autonomo e usare strumenti, e i modelli di reasoning (ragionamento) «riflettono» passo dopo passo prima di rispondere. Oggi (nel 2026) l'IA è arrivata in quasi tutti i settori professionali, dalla medicina al diritto fino allo sviluppo di software. Nel 2024 due premi Nobel sono andati addirittura alla ricerca sull'IA: quello per la fisica a John Hopfield e Geoffrey Hinton per le basi delle reti neurali, quello per la chimica, tra gli altri, a Demis Hassabis e John Jumper per la previsione delle strutture proteiche con AlphaFold.

Che cosa ci insegna la storia

La storia dell'IA mostra uno schema ricorrente: a fasi di aspettative esagerate seguono fasi di disillusione. Oggi ci troviamo in una fase in cui l'IA mantiene davvero ciò che promette, ma è importante conservare aspettative realistiche. L'IA è uno strumento potente, non un'intelligenza onnisciente.

Hype e realtà: anche oggi attorno all'IA c'è molto hype. Non tutto ciò che viene commercializzato come «basato sull'IA» mantiene ciò che promette. Una sana dose di pensiero critico ti aiuta a distinguere la vera innovazione dalle parole d'ordine del marketing. In passato le aspettative eccessive hanno portato agli inverni dell'IA. Il boom attuale dell'IA però è fondamentalmente diverso: la tecnologia offre già vantaggi misurabili nella pratica e lo sviluppo continua ad accelerare.

Quale evento del 2012 è considerato la svolta per il deep learning?

Esatto! La netta vittoria di AlexNet alla competizione ImageNet del 2012 ha mostrato al mondo che le reti neurali profonde sono utilizzabili nella pratica e ha dato il via alla rivoluzione del deep learning.

Non proprio. Deep Blue vinse nel 1997, l'architettura Transformer arrivò nel 2017. La svolta del 2012 fu la vittoria di AlexNet alla competizione ImageNet, che dimostrò in modo convincente le capacità del deep learning.

Punti chiave:

La ricerca sull'IA iniziò negli anni Cinquanta con le idee visionarie di Alan Turing e la conferenza di Dartmouth.
Due «inverni dell'IA» (1974–1980, 1987–1993) nacquero da aspettative eccessive e speranze deluse.
La svolta di ImageNet nel 2012 e l'architettura Transformer nel 2017 hanno gettato le basi dell'attuale rivoluzione dell'IA.
ChatGPT (2022) ha reso l'IA accessibile al grande pubblico e ha accelerato enormemente lo sviluppo.
La storia ci insegna che il pensiero critico e le aspettative realistiche sono importanti anche oggi.

Questa lezione fa parte di un corso con esame finale e certificato. Vedi il corso «Fondamenti dell'IA»

Avanti →