Prima o poi capita a tutti: si fa una domanda al telefono, arriva in due secondi una risposta scritta meglio di una mail dell’ufficio, e viene il sospetto che là dentro ci sia qualcuno. Come funziona l’intelligenza artificiale, allora? In parole semplici, impara a riconoscere gli schemi che si ripetono dentro enormi quantità di dati, testi o immagini che siano, e poi usa quegli schemi per prevedere la mossa successiva o per generare qualcosa di nuovo.
Nel telefono, quindi, c’è un programma che ha visto più testo di quanto una persona riuscirebbe a leggere in mille vite, e che a forza di esempi ha imparato a indovinare con grande precisione quale parola viene dopo un’altra. Sembra un trucco da poco, eppure da lì escono le traduzioni e i riassunti, e ogni tanto escono anche gli errori più sfacciati. Proviamo a capire come funziona l’intelligenza artificiale smontandola pezzo per pezzo, dalle basi fino a ChatGPT, senza dare niente per scontato.
Intelligenza artificiale: cos’è quella che usiamo ogni giorno
Una definizione asciutta la dà l’Agenzia internazionale dell’energia, che pure di software non si occupa. Per l’agenzia, l’intelligenza artificiale è la scienza che rende le macchine capaci di imparare compiti che di solito richiedono intelligenza umana. La parola chiave sta in quel “imparare”. Un programma tradizionale esegue istruzioni scritte riga per riga da un programmatore. Un sistema di intelligenza artificiale, invece, le istruzioni se le ricava da solo guardando gli esempi.
Quella che incontriamo ogni giorno è un’intelligenza artificiale specializzata (gli addetti ai lavori la chiamano “ristretta”). È lei che sblocca il telefono riconoscendo la nostra faccia e butta nello spam le offerte del principe nigeriano, ed è sempre lei che ci suggerisce la serie da guardare il venerdì sera. Ciascuna sa fare bene una cosa, e fuori da quella cosa è persa. Lo stesso vale per le macchine delle fabbriche cinesi che lavorano al buio: lì si produce senza operai, però sempre e soltanto quel prodotto.
L’altra, l’intelligenza artificiale generale capace di ragionare su qualunque problema come una persona, per ora resta un obiettivo. Le aziende la promettono a scadenze sempre più vicine. Noi abbiamo provato a capire quanto ci siamo davvero vicini: sulle date, gli esperti litigano parecchio.
Passo per passo: come funziona l’intelligenza artificiale
I dati, il materiale da cui impara
Per capire come funziona l’intelligenza artificiale bisogna partire dai dati. Per un modello che scrive sono libri e articoli, pagine web e codice informatico; per uno che disegna sono miliardi di immagini accompagnate da una descrizione. La qualità conta quanto la quantità, e per questo le aziende se li contendono a colpi di accordi milionari con editori e archivi. C’è perfino chi compra libri usati a tonnellate, li digitalizza e poi li manda al macero.
Machine learning: cos’è imparare dagli esempi
Il machine learning (apprendimento automatico) è il metodo con cui la macchina impara da quei dati. Prendiamo il filtro antispam. Scrivere a mano tutte le regole per riconoscere una truffa sarebbe impossibile, perché i truffatori cambiano trucco ogni settimana. Si mostrano allora al sistema milioni di email già etichettate come “buona” o “spazzatura”. Il sistema trova da solo le regolarità che le distinguono, comprese quelle che a noi non sarebbero mai venute in mente.
Reti neurali e deep learning: i neuroni che neuroni non sono
Lo strumento più usato per imparare dagli esempi è la rete neurale artificiale. Ogni “neurone” è un minuscolo calcolo: riceve dei numeri, li moltiplica per un peso, li somma e passa il risultato al livello successivo. I pesi sono le manopole che l’addestramento regola, e un modello grande ne ha centinaia di miliardi. Quando i livelli sono tanti, uno sopra l’altro, si parla di deep learning, cioè apprendimento “profondo”.
Con i neuroni del nostro cervello, questi hanno in comune poco più del nome. Un neurone vero è una cellula viva che cambia con la chimica e con l’esperienza, e i circa 86 miliardi che abbiamo in testa consumano tutti insieme quanto una lampadina fioca. Quello artificiale è una moltiplicazione che gira su una scheda grafica.
Per misurare quanto sono cresciute queste reti basta il nostro archivio. Il 7 novembre 2019 raccontavamo di GPT-2, il modello che OpenAI aveva tenuto per mesi nel cassetto perché lo riteneva capace di sfornare fake news credibili. Aveva 1,5 miliardi di pesi. Nove mesi dopo arrivava GPT-3, con 175 miliardi. In meno di un anno, la rete “pericolosa” era diventata più di cento volte più piccola della nuova arrivata.
Addestramento e uso: mesi per costruire, secondi per rispondere
Addestrare un modello vuol dire fargli indovinare miliardi di volte un pezzo mancante dei dati, per esempio la parola successiva. Ogni volta si confronta la risposta con quella giusta e si correggono i pesi di un pochino, nella direzione che riduce l’errore. Ci vogliono mesi di calcolo su migliaia di processori, e soldi veri. Secondo l’AI Index dell’Università di Stanford, il calcolo per addestrare GPT-4 è costato circa 72 milioni di euro. Per Gemini Ultra di Google si sale a circa 176 milioni. Il primo modello Transformer, nel 2017, se l’era cavata con circa 830 euro. Facciamo due conti: in sei anni la spesa è salita di oltre 86.000 volte.
Finito l’addestramento, il modello è un file di pesi congelati, e usarlo costa pochissimo: una domanda richiede qualche secondo e una frazione di wattora. È la differenza che passa tra scrivere un dizionario e consultarlo.
ChatGPT e Claude: come funziona un modello linguistico
Token, la frase fatta a pezzi
I modelli linguistici come ChatGPT, Claude o Gemini leggono il testo spezzato in “token”, cioè frammenti di parola. Abbiamo fatto la prova con il tokenizzatore pubblico che OpenAI usa per GPT-4o. La domanda “Come funziona l’intelligenza artificiale?” diventa 10 pezzi, con “intelligenza” tagliata in tre (“int”, “elligen”, “za”), e la stessa domanda in inglese ne richiede appena 6. La pizza margherita, per la cronaca, finisce in “mar”, “gher” e “ita”. L’italiano consuma due terzi di token in più, e chi paga i modelli a consumo se ne accorge in fattura.
Ricevuti i token della domanda, il modello calcola per ogni possibile pezzo successivo una probabilità, ne sceglie uno, lo aggiunge al testo e ricomincia. La risposta nasce così, un frammento alla volta, ed è per questo che la vediamo comparire a scatti sullo schermo. Dopo l’addestramento di base arriva una seconda fase, quella delle buone maniere: persone in carne e ossa valutano migliaia di risposte, e così insegnano al modello quali sono utili ed educate. Chi addestra l’intelligenza artificiale, quindi, sono anche loro.
Dove prende le informazioni ChatGPT
La gran parte di ciò che “sa”, un modello l’ha assorbita durante l’addestramento. Quel sapere ha una data di scadenza, oltre la quale il modello non ha visto nulla. Per colmare il buco, gli assistenti moderni possono fare una ricerca sul web prima di rispondere, oppure leggere i documenti che gli carichiamo noi. In questi casi il modello mette insieme le pagine trovate e le riassume, e sta a noi controllare le fonti che cita. A costruire i modelli più potenti è un pugno di aziende americane e cinesi, che ogni tanto ne tengono qualcuno lontano dal pubblico. È successo con Claude Mythos, il modello di cui non dovevamo sapere nulla.
Perché l’intelligenza artificiale sbaglia: le allucinazioni
Un modello linguistico produce sempre la continuazione più plausibile, anche quando non conosce la risposta. Ne escono date inventate e citazioni mai pronunciate, a volte perfino libri mai scritti con tanto di autore. Il tono è sicuro come per i fatti veri, e queste invenzioni si chiamano “allucinazioni”. A settembre 2025 un gruppo di ricercatori di OpenAI ha dato una spiegazione molto terrena. I modelli vengono valutati come studenti a un quiz a crocette, dove chi tira a indovinare ogni tanto prende il punto e chi scrive “non lo so” prende zero. Così il modello impara che inventare conviene.
Per fortuna qualcosa si muove: c’è chi ha costruito sistemi che ricontrollano le citazioni da soli. Nel frattempo vale la vecchia regola di casa, quella di fidarsi e di verificare, soprattutto quando di mezzo ci sono nomi e numeri.
Immagini, voce e video: come funziona l’intelligenza artificiale generativa
L’intelligenza artificiale generativa è quella che produce contenuti nuovi: testi e immagini, musica e video. Per le immagini il metodo più diffuso si chiama “diffusione” e ha un che di scultoreo. Durante l’addestramento si prendono milioni di foto e le si sporca di rumore a poco a poco, fino a farle diventare una nebbia di puntini colorati. Alla rete si insegna il percorso al contrario.
Quando chiediamo “un gatto su una Vespa a Posillipo”, il modello parte da una nebbia casuale e la ripulisce passo dopo passo, guidato dalla descrizione. Alla fine dal rumore emerge il gatto, con la Vespa e il golfo (e magari un dito in più sulla zampa). Voce e video seguono la stessa logica, con una difficoltà aggiuntiva: ogni fotogramma deve restare coerente con quello prima. Nel 2023 scrivevamo che dopo l’IA generativa sarebbe arrivata quella interattiva, capace di agire oltre che di scrivere.
Intelligenza artificiale, machine learning e deep learning: le differenze
I tre termini vengono usati come sinonimi, ma stanno uno dentro l’altro come le matrioske. Il deep learning è una forma di machine learning, che a sua volta è uno dei modi di fare intelligenza artificiale.
| Cosa fa | Un esempio | Dove la incontri | |
|---|---|---|---|
| Intelligenza artificiale | Ogni sistema che svolge compiti da persona, con regole scritte o imparate | Il programma che gioca a scacchi | Navigatore, assistente vocale, videogiochi |
| Machine learning | Ricava le regole da sola, guardando molti esempi | Il filtro che riconosce lo spam | Posta elettronica, banche, consigli di acquisto |
| Deep learning | Usa reti neurali con molti livelli per i compiti più difficili | Il riconoscimento del volto | Sblocco del telefono, traduttori, ChatGPT |
Cosa l’intelligenza artificiale non sa fare (e quanto consuma)
Sapere come funziona l’intelligenza artificiale aiuta anche a vederne i confini. Quando un modello scrive “mi dispiace”, lo fa perché ha visto che in quel punto, di solito, le persone scrivono così. Non esiste alcuna prova che i sistemi attuali abbiano una coscienza. C’è perfino chi lega la coscienza a fenomeni quantistici del cervello che una scheda grafica non possiede. Anche sul ragionamento i pareri si dividono. Secondo alcuni ricercatori i modelli linguistici sono un vicolo cieco per arrivare a un’intelligenza davvero generale, secondo altri basta farli crescere ancora.
Più concreto è il conto della bolletta. Tutta questa intelligenza vive in enormi magazzini pieni di server, i data center. Secondo l’Agenzia internazionale dell’energia, nel 2024 quelli di tutto il mondo hanno consumato circa 415 terawattora, l’1,5% dell’elettricità mondiale. Entro il 2030 dovrebbero arrivare a circa 945, più o meno quanto consuma oggi tutto il Giappone. L’acqua serve a raffreddare le macchine, che lavorando giorno e notte scaldano come forni.
E la singola domanda? Google ha misurato che la richiesta di testo mediana fatta a Gemini consuma 0,24 wattora e 0,26 millilitri d’acqua, circa cinque gocce. Sam Altman, capo di OpenAI, ha dichiarato 0,34 wattora per una domanda media a ChatGPT. Con 0,24 wattora una lampadina LED da 10 watt resta accesa circa un minuto e mezzo. I conti però li fanno le aziende stesse, e alcuni ricercatori contestano che il dato di Google lascia fuori l’acqua usata dalle centrali che producono l’elettricità. Moltiplicato per miliardi di domande al giorno, il minuto e mezzo di lampadina diventa una questione di centrali elettriche. E c’è un costo che nessun contatore misura: le stesse domande, prima, le facevamo a un collega, e gli effetti sul lavoro cominciano già a vedersi.
Breve storia dell’intelligenza artificiale in 7 date
- 1950: Alan Turing si chiede se una macchina possa pensare e propone il “gioco dell’imitazione”, quello che oggi chiamiamo test di Turing (e che GPT-4 ha passato nel 2024, con qualche asterisco).
- 1956: al seminario estivo di Dartmouth John McCarthy e colleghi battezzano la disciplina con il nome di intelligenza artificiale.
- 1966: al MIT Joseph Weizenbaum crea ELIZA, il primo chatbot, che imitava uno psicoterapeuta ripetendo le frasi dell’utente in forma di domanda.
- 1997: il computer Deep Blue di IBM batte a scacchi il campione del mondo Garry Kasparov.
- 2012: la rete neurale AlexNet stravince una gara di riconoscimento delle immagini e fa partire la stagione del deep learning.
- 2017: un gruppo di Google pubblica Attention Is All You Need, l’articolo che introduce l’architettura Transformer, la “T” di GPT.
- 2022: il 30 novembre esce ChatGPT, e in pochi giorni l’intelligenza artificiale entra nelle conversazioni di tutti.
Le domande più cercate, in breve
L’intelligenza artificiale ha una coscienza?
No, o almeno nessuno ne ha trovato la minima prova. I modelli attuali imitano il modo in cui le persone parlano di emozioni e pensieri perché ne hanno letti miliardi di esempi. Dietro però ci sono calcoli statistici, senza un’esperienza da vivere né un corpo da proteggere.
Chi controlla l’intelligenza artificiale?
I modelli li controllano le aziende che li costruiscono, che decidono come addestrarli e cosa possono rispondere. In Europa valgono regole comuni. L’AI Act è entrato in vigore nell’agosto 2024 e si applica a scaglioni, con obblighi più severi per gli usi ad alto rischio, come la selezione del personale o la sanità.
Come fa l’intelligenza artificiale a creare immagini?
Parte da un’immagine fatta solo di rumore, come la neve dei vecchi televisori, e la ripulisce un passo alla volta seguendo la descrizione scritta. Ha imparato a farlo guardando milioni di foto che venivano sporcate di rumore, e allenandosi a ripercorrere la strada all’indietro fino all’immagine pulita.
Quando è nata l’intelligenza artificiale?
Il nome nasce nel 1956, al seminario estivo di Dartmouth, negli Stati Uniti. L’idea però circolava già da qualche anno, e nel 1950 Alan Turing si chiedeva se le macchine potessero pensare. La versione che usiamo oggi prende forma con il deep learning dopo il 2012, e arriva al grande pubblico con ChatGPT nel 2022.
L’intelligenza artificiale funziona senza internet?
Sì, se il modello è installato sul dispositivo. Molte funzioni dei telefoni recenti girano già in locale. I modelli aperti, come quelli della famiglia cinese Qwen che hanno messo in difficoltà i colossi americani, si scaricano e girano anche su un computer di casa, purché robusto. Come funziona l’intelligenza artificiale senza rete? Esattamente come con la rete, solo con un modello più piccolo e un po’ meno colto.