Nel 1956, un piccolo gruppo di scienziati si riunì al Dartmouth College con un’affermazione audace: “ogni aspetto dell’apprendimento” poteva, in linea di principio, essere simulato da una macchina. Non avevano computer abbastanza potenti da dimostrarlo, né dati con cui alimentare le proprie idee, né una vera idea di quanta strada restasse da percorrere. Oggi, quel sogno scrive e-mail, diagnostica malattie, guida automobili e, di tanto in tanto, discute con noi del meteo. Come siamo passati da un pugno di accademici ottimisti a sistemi che sembrano sostenere conversazioni vere e proprie? E, soprattutto, dovremmo preoccuparci di ciò che verrà dopo?
Che cosa intendiamo davvero per “intelligenza artificiale”?
Il termine suona futuristico, ma in fondo significa semplicemente far compiere a un computer attività che normalmente richiedono intelligenza umana: riconoscere un volto, tradurre una frase o prevedere quale film ti piacerà. Non tutte le IA sono uguali, però. Gran parte di ciò che esiste oggi si chiama “IA ristretta” — sistemi progettati per svolgere un compito specifico in modo estremamente efficace, come giocare a scacchi o filtrare lo spam. Il tipo di IA capace di ragionare, imparare e adattarsi a situazioni completamente diverse, come fa un essere umano, si chiama “IA generale”, e non esiste ancora, nonostante quanto suggeriscono a volte i titoli dei giornali.
Questa distinzione conta più di quanto sembri a prima vista. Un motore scacchistico capace di battere qualsiasi umano sul pianeta non ha la minima idea di cosa sia una tazza di caffè, e un sistema che scrive saggi con scioltezza può fallire in un compito che un bambino di cinque anni risolve senza sforzo, come capire che la fotografia di una ciotola di cereali non è in realtà la colazione. Il divario tra intelligenza ristretta e generale è esattamente il punto in cui si annida gran parte della confusione — e anche buona parte del clamore mediatico.
Dai simboli ai neuroni: una breve storia
I primi ricercatori di IA cercarono di insegnare ai computer usando logica e regole, un approccio noto come “IA simbolica”. I programmatori scrivevano istruzioni esplicite: se questa condizione è vera, fai questo. Per un certo periodo, l’approccio sembrò promettente. I sistemi costruiti così riuscivano a risolvere problemi di algebra, dimostrare teoremi matematici e persino fornire diagnosi mediche di base seguendo lunghe catene di regole scritte da esperti umani. Ma questo approccio crollò di fronte al disordine tipico della vita reale. Il linguaggio, le immagini e il comportamento umano sono pieni di eccezioni, contraddizioni e sfumature di contesto che nessun insieme di regole potrebbe mai catturare del tutto. I ricercatori trascorsero gli anni Settanta e Ottanta a sbattere ripetutamente contro lo stesso muro, e i finanziamenti alla ricerca sull’IA si prosciugarono così drasticamente che gli storici chiamano questo periodo “l’inverno dell’IA”.
La svolta decisiva arrivò da un’idea completamente diversa, ispirata in modo — solo — approssimativo al cervello umano: le reti neurali. Invece di ricevere regole esatte, questi sistemi imparano schemi esaminando enormi quantità di esempi. Mostra a una rete neurale milioni di fotografie etichettate “gatto” o “non gatto”, e questa si adatterà gradualmente fino a riconoscere gatti che non ha mai visto prima. Il concetto in sé risale agli anni Cinquanta, ma richiedeva tre ingredienti che semplicemente non esistevano ancora: dati digitali sufficienti da cui imparare, potenza di calcolo sufficiente per elaborarli e tecniche matematiche di addestramento migliori. I tre elementi conversero finalmente negli anni 2010, e progressi che per sessant’anni erano avanzati a rilento accelerarono improvvisamente a un ritmo che nessuno aveva del tutto previsto.
Come funziona davvero?
A un livello di base, una rete neurale è composta da strati di “neuroni” artificiali, semplici unità matematiche collegate tra loro. Le informazioni attraversano questi strati, e ogni connessione ha un “peso” che determina quanta influenza esercita sul risultato finale. Addestrare la rete significa alimentarla con dati, verificare se la sua risposta è corretta e regolare leggermente i pesi ogni volta che sbaglia. Ripeti questo processo miliardi di volte, usando enormi quantità di dati e chip informatici potenti, e la rete diventa gradualmente straordinariamente brava nel suo compito — senza che nessuno abbia mai scritto una regola esplicita su come farlo.
I grandi modelli linguistici, la tecnologia dietro i moderni chatbot, funzionano secondo un principio simile, ma sono addestrati specificamente a prevedere la parola successiva in una frase. Digerendo enormi quantità di testo tratte da libri, siti web e articoli, imparano la grammatica, i fatti e persino schemi di ragionamento — non perché qualcuno glieli abbia insegnati esplicitamente, ma perché prevedere il linguaggio con precisione richiede, almeno a livello statistico, di comprenderlo. Chiedi a uno di questi sistemi di spiegare una barzelletta, riassumere un contratto o scrivere una poesia in uno stile particolare, e attingerà a schemi assorbiti da una quantità quasi inimmaginabile di scrittura umana.
Vale la pena ricordare, tuttavia, che questi sistemi non “comprendono” il linguaggio come fanno gli esseri umani. Non hanno mai assaggiato un caffè, provato stanchezza né si sono mai preoccupati di pagare l’affitto. Ciò che sembra comprensione è, a rigor di termini, una forma straordinariamente sofisticata di riconoscimento di schemi — così efficace che, in pratica, la differenza spesso smette di contare, anche se in linea di principio conta moltissimo.
Dove l’IA plasma già la tua vita
Molto prima che i chatbot diventassero argomento di conversazione a cena, l’IA si era già insediata silenziosamente nelle abitudini quotidiane. Le piattaforme di streaming la usano per prevedere cosa vorrai guardare in seguito. Le banche la impiegano per individuare transazioni sospette in pochi millisecondi. Gli ospedali si affidano sempre più a essa per individuare segni precoci di tumore nelle immagini mediche, cogliendo talvolta dettagli che un radiologo umano stanco potrebbe non notare durante un turno notturno. Gli agricoltori usano droni guidati dall’IA per monitorare la salute delle colture su campi enormi. Nulla di tutto questo implica qualcosa che assomigli a una macchina cosciente: si tratta di IA ristretta, che svolge compiti ristretti, quasi sempre in modo invisibile.
Questa versione discreta e pratica dell’IA è probabilmente molto più significativa delle conversazioni più eclatanti sui chatbot che dominano i titoli, proprio perché opera su una scala e a una velocità che nessun gruppo di esseri umani potrebbe eguagliare, plasmando decisioni su salute, denaro e sicurezza molto prima che la maggior parte delle persone se ne accorgesse.
I rischi che nessuno può ignorare
Man mano che i sistemi di IA diventano più capaci, crescono anche le preoccupazioni che li circondano. Una preoccupazione immediata riguarda i pregiudizi: poiché questi sistemi imparano da dati del mondo reale, possono assorbire e amplificare pregiudizi già esistenti, sia nelle decisioni di assunzione, sia nell’approvazione dei prestiti, sia nel riconoscimento facciale. Un sistema addestrato principalmente su dati storici può finire per ripetere l’ingiustizia storica con una sicurezza matematica che suona molto più oggettiva di quanto non sia in realtà.
Un’altra preoccupazione crescente è la disinformazione. L’IA può ormai generare immagini, video e clip audio falsi estremamente convincenti, rendendo più difficile che mai distinguere il vero dal falso. Un video fabbricato in cui un leader politico dice qualcosa che non ha mai detto può diffondersi in rete molto prima che qualcuno riesca a smentirlo, e la tecnologia per creare questo tipo di contenuti diventa sempre più economica e accessibile.
Esistono anche preoccupazioni economiche. L’automazione ha sempre trasformato il mercato del lavoro, ma l’IA sta ora avanzando in aree un tempo considerate relativamente al riparo dalle macchine, tra cui la scrittura, l’illustrazione e l’analisi finanziaria o legale di base. Se ciò finirà per creare nuovi tipi di lavoro o semplicemente per eliminare quelli vecchi senza un’adeguata sostituzione resta oggetto di un dibattito acceso tra gli economisti, e la risposta onesta è che, per ora, nessuno lo sa con certezza.
Più avanti si profila un rischio più astratto ma non meno serio, a volte chiamato “problema dell’allineamento”: cosa succede se costruiamo un sistema i cui obiettivi smettono di coincidere con il benessere umano, e perdiamo la capacità pratica di correggerlo o spegnerlo? Sembra fantascienza, e per ora, in gran parte, lo è. Ma un numero sorprendente di ricercatori che lavorano davvero su questa tecnologia la prende molto sul serio, proprio perché i sistemi avanzano più velocemente dei nostri strumenti per comprenderli o controllarli.
Il vero pericolo potrebbe non essere una macchina che improvvisamente si rivolta contro di noi, ma una che semplicemente persegue l’obiettivo sbagliato con troppa competenza e troppo poco controllo.
Convivere con un nuovo tipo di intelligenza
Forse il modo più onesto di pensare all’intelligenza artificiale non è considerarla un’invenzione isolata, ma un esperimento continuo a cui tutti partecipiamo, che lo abbiamo scelto o meno. Ha già trasformato il modo in cui cerchiamo informazioni, comunichiamo, lavoriamo e persino creiamo arte, e non esiste una versione realistica del futuro in cui semplicemente scompaia di nuovo. I ricercatori di Dartmouth nel 1956 difficilmente avrebbero potuto immaginare macchine che scrivono poesie o sostengono conversazioni, eppure eccoci qui, decenni avanti rispetto alle loro previsioni più ottimistiche sotto certi aspetti, e ancora molto indietro sotto altri.
Ciò che resta incerto non è se l’IA continuerà a cambiare il nostro mondo — lo farà, e in un certo senso lo ha già fatto — ma se riusciremo a guidare questo cambiamento con saggezza, con regole chiare, una comprensione pubblica onesta e un’attenzione costante a chi ne trae beneficio e chi no. Oppure se ci lasceremo semplicemente trascinare da esso, scoprendo le conseguenze solo dopo che si saranno già verificate.