Che cos'è l'IA generativa?

Nei corsi precedenti hai imparato che cos'è l'IA e come usarla nella vita quotidiana. Ora ci addentriamo in uno dei settori più entusiasmanti: l'IA generativa, cioè l'intelligenza artificiale che crea nuovi contenuti. Testi, immagini, video, musica, codice, modelli 3D: l'IA generativa può produrre tutto questo, e negli ultimi anni la qualità ha raggiunto un livello che fino a poco tempo fa era impensabile.

Ma che cosa significa esattamente «generativa»? E in che cosa si distingue l'IA generativa da altre forme di intelligenza artificiale? In questa lezione ottieni la panoramica che ti serve per comprendere a fondo le lezioni successive di questo corso.

Che cosa significa «generativa»? La parola «generativa» deriva dal latino «generare»: produrre, creare. Con IA generativa si indicano i sistemi di IA in grado di produrre contenuti nuovi e originali che non esistevano in questa forma nei dati di addestramento. A differenza dell'IA analitica, che classifica dati esistenti o riconosce schemi, l'IA generativa crea qualcosa di nuovo. Quando chiedi a ChatGPT di scrivere una storia o fai generare un'immagine a Midjourney, lavori con l'IA generativa.

Modelli generativi e modelli discriminativi

Per capire davvero l'IA generativa è utile fare una distinzione. Nella ricerca sull'IA si distinguono due tipi fondamentali di modelli:

Modelli discriminativi

Analizzano e classificano dati esistenti. Rispondono alla domanda: «Che cosa è questo?»

Esempi:

Filtro antispam: questa e-mail è spam o no?
Riconoscimento delle immagini: nella foto c'è un gatto o un cane?
Valutazione del credito: questa richiesta è rischiosa?
Diagnostica medica: la scansione mostra un'anomalia?

I modelli discriminativi prendono decisioni su dati esistenti, ma non producono nuovi contenuti.

Modelli generativi

Producono nuovi dati simili ai dati di addestramento. Rispondono alla domanda: «Che cosa potrebbe esistere?»

Esempi:

ChatGPT/Claude: producono nuovi testi che suonano umani
ChatGPT/Midjourney: producono nuove immagini a partire da descrizioni testuali
Veo/Kling: producono nuovi video a partire da prompt
Suno: produce nuovi brani musicali

I modelli generativi imparano la struttura e gli schemi dei dati di addestramento e possono creare da essi qualcosa di nuovo.

Quali contenuti può produrre l'IA generativa?

Oggi la gamma dell'IA generativa è enorme. Ecco i principali tipi di contenuti che i sistemi di IA possono produrre oggi:

Generazione di testo

I large language model (LLM) come ChatGPT, Claude, Gemini o Llama producono testi di ogni tipo: articoli, e-mail, riassunti, traduzioni, scrittura creativa, analisi. Oggi la qualità è così alta che spesso i testi generati dall'IA non si distinguono più da quelli scritti da una persona.

Situazione nel 2026: testi fino a diverse migliaia di parole con qualità costante, supporto per oltre 100 lingue, memoria del contesto nel corso di lunghe conversazioni.

Generazione di immagini

Strumenti come ChatGPT, Midjourney, Nano Banana (Google), Stable Diffusion e FLUX producono immagini fotorealistiche, illustrazioni, opere d'arte e design a partire da descrizioni testuali. Dalle foto di prodotti ai dipinti artistici. Ormai la qualità supera quella di molte foto stock professionali.

Situazione nel 2026: fotorealismo di livello professionale, personaggi coerenti, resa affidabile del testo nelle immagini, risoluzioni fino a 4K e oltre.

Generazione di video

I modelli text-to-video come Veo (Google), Runway, Kling e Pika possono produrre brevi clip video a partire da descrizioni testuali. Lo sviluppo è rapidissimo: ancora nel 2023 i risultati erano poco utilizzabili, nel 2026 sono pronti per la produzione in molti casi d'uso.

Situazione nel 2026: clip per lo più da 5 a 15 secondi in HD, spesso con audio adatto, migliore coerenza fisica, controllo della camera, scene composte da più inquadrature.

Generazione di audio e musica

L'IA può produrre voce, musica ed effetti sonori. I modelli text-to-speech (TTS) come ElevenLabs producono voci dal suono naturale. I generatori di musica come Suno creano canzoni complete con parti cantate in diversi generi.

Situazione nel 2026: TTS quasi indistinguibile da voci reali, cloni vocali personalizzati, canzoni complete con arrangiamenti e parti cantate in qualità da studio.

Generazione di codice

Assistenti IA come GitHub Copilot, Claude Code e Cursor scrivono codice funzionante in decine di linguaggi di programmazione. Possono generare intere funzioni, test, documentazione e perfino piccole applicazioni complete.

Situazione nel 2026: generazione affidabile di funzioni e classi, suggerimenti che tengono conto del contesto, correzione automatica degli errori, sviluppo di intere funzionalità basato su agenti.

Generazione 3D

I modelli più recenti possono generare oggetti e scene 3D a partire da testo o immagini. Per lo sviluppo di videogiochi, l'architettura e il design di prodotto è una svolta. Esempi: Meshy, Tripo, Luma AI.

Situazione nel 2026: modelli 3D utilizzabili a partire da singole immagini o descrizioni testuali, texturing automatico, primi progressi nei personaggi 3D animati.

Come funziona la generazione? (in parole semplici)

Senza entrare troppo nella matematica: durante l'addestramento i modelli generativi imparano la struttura statistica dei loro dati di addestramento. Costruiscono un modello interno, un cosiddetto latent space (spazio latente), che rappresenta in forma compressa le caratteristiche e le relazioni essenziali dei dati.

Quando poi inserisci un prompt, il modello si muove in questo spazio latente e campiona (seleziona) nuovi punti dati che corrispondono alla tua richiesta. Nei modelli linguistici questo significa che, token dopo token, viene scelto il token successivo, di solito uno dei più probabili. Nei modelli per le immagini, un'immagine viene costruita passo dopo passo a partire dal rumore. Il risultato è ogni volta un po' diverso. Per questo, con gli stessi prompt, ottieni risultati diversi.

Le tappe fondamentali dell'IA generativa

Lo sviluppo è stato di una rapidità esponenziale. Ecco le tappe più importanti:

2020: GPT-3. OpenAI pubblica GPT-3 con 175 miliardi di parametri. Per la prima volta le macchine possono generare testi coerenti e convincenti. Il mondo si stupisce, ma l'accesso è limitato.
2021: DALL-E e Codex. Per la prima volta l'IA genera immagini utilizzabili a partire da un testo. Codex (alla base di GitHub Copilot) mostra che l'IA sa anche programmare.
2022: l'anno della svolta. Stable Diffusion rende open source la generazione di immagini. Midjourney fornisce immagini artistiche. DALL-E 2 diventa pubblico. E nel novembre 2022 arriva ChatGPT, che cambia tutto. Si stimano 100 milioni di utenti in 2 mesi.
2023: GPT-4 e multimodalità. GPT-4 mostra capacità nettamente migliorate. Arrivano Claude 2 e Gemini. I modelli diventano multimodali (testo + immagine).
2024: video e audio. Viene annunciato Sora, generatori di musica come Suno diventano popolari. I modelli aperti (Llama, Mixtral) si avvicinano ai modelli di punta.
2025–2026: agenti e integrazione. Gli agenti IA possono svolgere in autonomia compiti in più fasi. L'IA generativa viene integrata nei sistemi operativi, nelle suite per ufficio e nei software di settore. I modelli video producono direttamente anche l'audio adatto (per esempio Google Veo, 2025), e modelli aperti come DeepSeek R1 mostrano che prestazioni di punta sono possibili anche a costi minori.

Importanza economica

L'IA generativa non è un giocattolo: trasforma interi settori. Nel 2023 McKinsey ha stimato il possibile valore economico aggiunto dell'IA generativa tra 2,6 e 4,4 mila miliardi di USD all'anno. I settori più coinvolti: marketing e industria creativa, sviluppo software, servizio clienti, istruzione, sanità e consulenza legale. Le aziende che usano l'IA generativa presto e con intelligenza ottengono un vantaggio competitivo misurabile.

Dato verificato: secondo il CEO di OpenAI Sam Altman, ChatGPT ha raggiunto un milione di utenti dopo circa cinque giorni (dicembre 2022).

Qual è la differenza fondamentale tra i modelli di IA generativi e quelli discriminativi?

Esatto! I modelli generativi producono nuovi dati (testi, immagini, video), mentre i modelli discriminativi analizzano e classificano dati esistenti (per esempio riconoscono lo spam o classificano le immagini).

Non proprio. La differenza fondamentale sta nella funzione: i modelli generativi creano nuovi contenuti (testi, immagini, video), mentre i modelli discriminativi analizzano dati esistenti e li assegnano a categorie. Entrambi possono usare il deep learning ed esistere in dimensioni diverse.

Punti chiave:

L'IA generativa produce contenuti nuovi e originali: testi, immagini, video, audio, codice e modelli 3D.
A differenza dei modelli discriminativi (che classificano i dati), i modelli generativi creano qualcosa di nuovo a partire dagli schemi appresi.
La generazione avviene attraverso uno spazio latente, in cui il modello campiona nuovi punti dati che corrispondono al tuo prompt.
Lo sviluppo è stato esplosivo: da GPT-3 (2020) a ChatGPT (2022) fino agli agenti IA e all'integrazione nei software di uso quotidiano (2026).
L'impatto economico è enorme: l'IA generativa trasforma radicalmente settori come marketing, software, istruzione e sanità.

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

Avanti →