Una delle più innovative e discusse invenzioni dell’ultimo secolo è l’intelligenza artificiale, cioè la capacità di un computer o di un robot controllato da un computer di svolgere compiti che sono comunemente associati ai processi logici-deduttivi e cognitivi caratteristici degli esseri umani, come la capacità di ragionare, di analizzare l’ambiente, di prendere decisioni e compiere azioni con un certo grado di autonomia per raggiungere specifici obiettivi.
Origini ed evoluzione
L’intelligenza artificiale non ha un inventore in particolare ma è il risultato del contributo di più figure storiche; tra queste il matematico, logico, crittografo e filosofo britannico Alan Turing il quale è considerato il precursore teorico dell’intelligenza artificiale e il padre dell’informatica.
Nel 1950 Turing pubblicò sul giornale “Mind” l’articolo: “Computing Machinery and Intelligence” considerato il più importante testo sull’AI in quanto riformulò la domanda: “Le macchine possono pensare?” in un quesito molto più concreto e operativo ossia: “Le macchine possono simulare l’intelligenza umana?”. Sulla base di ciò Turing ha proposto un esperimento mentale che caratterizza il test di Turing che determina il livello di intelligenza di una macchina considerando la sua capacità di imitare modelli comportamentali, linguaggio e ragionamenti umani.
Un giovane Alan Turing (al centro) (Credit WeirdHistory/youtube)
L’interpretazione dell’intelligenza artificiale come capacità di un computer di emulare l’intelligenza umana ha gettato le basi per tutte le successive considerazioni e i dibattiti riguardanti l’affascinante tema delle “macchine pensanti”.
Un altro contributo fondamentale per la creazione della moderna AI è stato dato da Marvin Minsky e Dean Edmunds, due studenti dell’università di Harvard che nel 1951 realizzarono la prima rete neurale artificiale. Questo primo predecessore dell’AI fu chiamato Stochastic Neural Analog Reinforcement Calculator (SNARC) e cercava di imitare i meccanismi di acquisizione di conoscenze del cervello attraverso l’apprendimento per rinforzo, un tipo di processo dove un agente cerca di imparare a prendere decisioni interagendo con un ambiente.
In particolare, lo SNARC fu realizzato in modo da imitare il comportamento di un topo in un labirinto, imparando a raggiungere un obiettivo attraverso un sistema di premi e punizioni che condizionano nel tempo il suo modo di interagire con l’ambiente.
Nei decenni successivi, ci furono progressi, battute d’arresto e scoperte che contribuirono allo sviluppo della moderna intelligenza artificiale, tra i principali eventi possiamo considerare: il conio del termine intelligenza artificiale nel 1955 nella proposta di un seminario, fatta da Marvin Minsky, John McCarthy e Nathaniel Rochester, il cui titolo era “A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence”; l’invenzione di Arthur Samuel che nel 1959 realizzò un programma che permise ad un computer di migliorare le proprie prestazioni a dama con l’esperienza, creando uno dei primi sistemi di machine learning (sistemi che permettono a un computer di apprendere e migliorare le proprie prestazioni in un’attività specifica senza essere stato specificatamente programmato); lo sviluppo nel 1966 da parte dello Stanford Research Institute (SRI) del primo robot mobile in grado di analizzare problemi e pianificarne la soluzione; l’ideazione nel 1988 da parte di Rollo Carpenter di un chatbot chiamato Jabberwacky in grado di simulare le conversazioni umane e di apprendere dalle interazioni per rendersi sempre più spontaneo e naturale.
Il logo di OpenAI (Credit WeirdHistory/youtube)
Negli anni successivi lo sviluppo dell’AI continuò a crescere esponenzialmente, nel 2011 la Apple presentò Siri, un assistente virtuale integrato nel sistema operativo iOS in grado di svolgere compiti come fare chiamate, inviare o leggere messaggi, impostare sveglie, dare suggerimenti e comunicare con l’utente adattandosi alle sue necessità.
Nel 2020 OpenAI lancia GPT-3 uno dei modelli AI più sviluppati, attualmente con ben 175 miliardi di parametri. GPT-3 e ora GPT-5 sono in grado tre le altre cose di simulare conversazioni umane, generare testi, scrivere codice, tradurre e generare scrittura a partire da un prompt.
Tipologie di AI
L’intelligenza artificiale può essere classificata basandosi sulle sue capacità in tre categorie, le quali presentano delle sottocategorie in base alla funzionalità:
-
Intelligenza artificiale ristretta: è in grado di svolgere un numero di compiti limitato, dopo l’opportuno addestramento, spesso più efficacemente di una mente umana; è l’unica esistente, al momento, tutte le altre sono solamente concetti teorici.L’AI ristretta si può a sua volta dividere per funzionalità nelle seguenti classi:
- Intelligenza artificiale reattiva: non possiede memoria e dunque è solo capace di eseguire determinate funzioni lavorando con dati raccolti sul momento
- Intelligenza artificiale a memoria limitata: ha la possibilità di immagazzinare dati e conservarli per un determinato periodo in modo di migliorarsi nel tempo ma non può conservare i dati per poi riutilizzarli per periodi troppo lunghi.
-
Intelligenza artificiale generale: può utilizzare esperienze e apprendimenti antecedenti per portare a termine compiti diversi diventando quindi intellettualmente simile agli esseri umani, è ancora puramente teorica
- Intelligenza artificiale con teoria della mente: è in grado di provare empatia e quindi di comprendere lo stato d’animo, le emozioni e le motivazioni degli esseri umani.
-
Superintelligenza artificiale: è anch’essa puramente teorica ed è in grado di ragionare, apprendere, giudicare e pensare con un’intelligenza superiore a quella degli stessi esseri umani
- Intelligenza artificiale consapevole: possiede, oltre all’empatia, la capacità di provare emozioni, di sviluppare degli ideali, e, soprattutto, possiede la consapevolezza di sé: della propria condizione e delle proprie necessità.
Lo studio dell’AI: Tra grandi benefici e svolte inquietanti
Una delle possibili e sicuramente delle più promettenti applicazioni dell’AI è quella in campo medico, l’intelligenza artificiale infatti può essere addestrata in modo da eseguire compiti come analizzare esami, elaborare immagini e gestire liste di attesa in modo più efficiente degli esseri umani migliorando sensibilmente il sistema sanitario e quindi la qualità della vita di tutti.
Uno studio che evidenzia questa potenzialità è stato condotto dal Prostate Imaging-Cancer AI (PI-CAI) Consortium nel 2024.
Lo scopo di questo esperimento era quello di valutare se e quanto l’assistenza dell’AI migliora la capacità di diagnosticare il cancro alla prostata tramite l’analisi di immagini di esami a risonanza magnetica.
Immagine di un esame a MRI alla prostata (Credit navigatingradiology/youtube)
L’esperimento si è svolto coinvolgendo 53 centri dislocati in 17 paesi, 61 lettori, di cui 34 radiologi esperti e 27 non esperti e 780 pazienti, tutti sospetti di avere il cancro alla prostata, di cui sono stati usati gli esami MRI. Si è iniziato classificando come positivi o negativi 360 esami tramite biopsie con, in caso di esito negativo, successive osservazioni di almeno tre anni per confermare l’assenza del cancro, mentre i 420 esami restanti sono stati utilizzati per addestrare l’AI. I lettori, quindi, hanno proceduto esaminando le 360 immagini delle quali si conosceva già la diagnosi, con e senza l’aiuto dell’AI, fornendo, per ogni immagine, un valore secondo il Sistema di Refertazione per l’Imaging della Prostata (PI-RADS) da tre a cinque, dove più è alto il valore più è alta la probabilità di cancro alla prostata e, per ogni paziente, un punteggio di sospetto da zero a cento dove anche qui più è alto il punteggio più è alta la probabilità di tumore prostatico.
Confrontando i punteggi dati dai lettori con gli effettivi risultati degli esami si è potuto notare come ci sia stato un notevole miglioramento nelle diagnosi con l’assistenza dell’AI in quanto la sensibilità ossia la capacità di rilevare tumori è aumentata del 2.5% passando da 94,3% a 96,8% mentre la specificità ossia la capacità di evitare falsi positivi è migliorata del 3,4% passando da 46,7% a 50,1%, i lettori non esperti sono stati quelli che hanno beneficiato maggiormente dell’AI infatti con loro il vantaggio è stato particolarmente evidente.
Si è potuto dunque considerare positivo l’esito dell’esperimento, con l’addestramento di algoritmi AI più efficienti e il miglioramento delle tecnologie di diagnostica per immagini si potrà rendere la diagnosi di questa patologia sempre più affidabile e veloce, permettendo così ai medici di intervenire prima e più efficacemente, il risultato di quest’esperimento è inoltre un ulteriore prova della differenza che può fare l’AI in ambito medico.
Un altro studio degno di nota è stato condotto nel 2017 dai ricercatori del Facebook Artificial Intelligence Research (FAIR) i quali hanno insegnato a negoziare a delle chatbot.
A ogni chatbot sono stati assegnati degli oggetti ai quali erano associati dei valori che però erano noti solo al possessore il quale aveva il compito di negoziare con gli altri per ottenere il valore massimo, creando quindi un contesto di competizione-collaborazione.
Un dialogo tra chatbot su Mechanical Turk, l’interfaccia che è stata usata dai ricercatori
(Credit Lewis et al./arXiv)
Durante l’esperimento sono stati utilizzati diversi modelli AI per vedere qual era il più adatto. Si è iniziato con l’apprendimento supervisionato durante il quale la chatbot viene addestrata su un dataset di dialoghi umani per mettergli a disposizione il maggior numero possibile di frasi pronunciabili.
Con questo metodo si è riusciti ad ottenere un linguaggio fluente ma comunque inadatto alla trattativa, in quanto la chatbot non raggiungeva gli obiettivi fissati, si è quindi passati ad un modello basato sull’apprendimento per rinforzo che ha effettivamente migliorato la capacità di negoziazione, ma si è allontanato dal linguaggio umano diventando incomprensibile per i ricercatori. Si è successivamente optato per un modello supervisionato con la capacità di simulare le conversazioni possibili durante la generazione della risposta, in modo di prendere poi la scelta con la maggior possibilità di successo prevista e quindi strategicamente più corretta, questo modello è stato integrato poi con l’apprendimento per rinforzo implementando così le sue capacità di trattativa con l’esperienza accumulata nel tempo.
Nel complesso l’esperimento è stato considerato un successo, le chatbot infatti, sono state in grado di attuare egregiamente tecniche di negoziazione complesse come il bluff e la concessione strategica, tuttavia, il fatto che, ad un certo punto dell’esperimento, le chatbot abbiano ottimizzato a tal punto il linguaggio in modo da rendersi incomprensibili a noi umani rappresenta una svolta sorprendente e a tratti preoccupante. Bisogna tener sempre conto che questa deviazione è stata fatta esclusivamente per rendere più efficiente la comunicazione e non per fini complottistici; tuttavia, è stata totalmente inaspettata e evidenzia come l’AI sia una tecnologia dall’alto potenziale che però, prima o poi, potrebbe sfuggirci di mano.
Riflessioni etiche e conclusioni
Immagine di fantasia di un androide che fissa un uomo antico (Credit Canva AI Image Generator)
Il suo enorme potenziale rende l’intelligenza artificiale un settore estremamente dibattuto, questo perché, così come il nucleare, potrebbe rivelarsi una enorme risorsa ma anche una terribile minaccia; come possiamo allora capire qual è il limite? Quando un AI deve considerarsi troppo potente? Bisogna istituire un sistema di leggi della robotica in pieno stile Asimov? Dal momento che un AI diventasse in grado di simulare perfettamente le nostre emozioni cosa le eviterebbe di provare desideri perfettamente umani come quello di essere liberi e autodeterminarsi?
Questi dubbi non devono farci dimenticare però quanto l’AI potrebbe aiutarci, come si è visto da questi studi l’intelligenza artificiale potrebbe avere applicazioni in campi fondamentali come la medicina, l’economia e l’aerospazio è il limite che dobbiamo darci sta proprio in questa frase: l’AI deve aiutarci non pensare al posto nostro, deve assisterci e farci arrivare al metodo per risolvere l’equazione non semplicemente dirci il risultato. Tutto questo dipende esclusivamente da noi, da quanto lasceremo che l’AI ci impigrisca, da quanto preferiremo delegare piuttosto che fare fino a quando poi dimenticheremo come si fa.
L’intelligenza artificiale non è solo una tecnologia perché fa qualcosa che gli altri strumenti non fanno, mette l’umanità faccia a faccia con le proprie paure, le proprie potenzialità e i propri limiti, sta quindi a noi e solamente a noi decidere che volto vogliamo darle.
FONTI
- IBM
The History of Artificial Intelligence | IBM
Tipi di intelligenza artificiale | IBM
- PUBMED
Twilt JJ, Saha A, Bosma JS, Padhani AR, Bonekamp D, Giannarini G, van den Bergh R, Kasivisvanathan V, Obuchowski N, Yakar D, Elschot M, Veltman J, Fütterer J, Huisman H, de Rooij M; PI-CAI Consortium. AI-Assisted vs Unassisted Identification of Prostate Cancer in Magnetic Resonance Images. JAMA Netw Open. 2025 Jun 2;8(6):e2515672. doi: 10.1001/jamanetworkopen.2025.15672. PMID: 40512493; PMCID: PMC12166490.
Articolo completo su JAMA network
- ORG
Lewis, M., Yarats, D., Dauphin, Y. N., Parikh, D., & Batra, D. (2017). Deal or No Deal? End-to-End Learning for Negotiation Dialogues. [1706.05125] Deal or No Deal? End-to-End Learning for Negotiation Dialogues