L'intelligenza artificiale (AI) è un insieme di tecnologie che consentono ai computer di apprendere, ragionare ed eseguire una serie di attività avanzate in modi che prima richiedevano l'intelligenza umana, come comprendere il linguaggio, analizzare i dati e persino fornire suggerimenti utili. Si tratta di una tecnologia rivoluzionaria che può portare con sé cambiamenti positivi di notevole portata in tutto il mondo, sia a livello individuale che sociale.

Comprende molte discipline diverse, tra cui informatica, analisi dei dati e statistiche, ingegneria hardware e software, linguistica, neuroscienze e persino filosofia e psicologia. 

L'AI consiste nell'insegnare ai computer a fare le cose straordinarie che il nostro cervello è in grado di fare, dalla comprensione del mondo circostante all'apprendimento di cose nuove e persino alla generazione di idee originali. Ad esempio, l'AI viene utilizzata nel riconoscimento ottico dei caratteri (OCR) per estrarre testo e dati da varie immagini e documenti. Questo processo trasforma contenuti non strutturati in dati strutturati pronti per l'uso aziendale, aiutando a scoprire insight preziosi.

Le tecniche di intelligenza artificiale, sebbene diverse, si basano tutte fondamentalmente su dati, algoritmi e potenza di calcolo. I sistemi di AI apprendono e migliorano grazie all'esposizione a grandi quantità di dati, identificando modelli e relazioni che potrebbero sfuggire agli esseri umani. Questi dati fungono da materiale di addestramento, la cui qualità e quantità sono fondamentali per le prestazioni dell'AI.

Come accennato in precedenza, l'AI non è una singola tecnologia, ma un ampio campo che comprende diverse aree chiave:

• Machine learning (ML): è un tipo di AI in cui i sistemi apprendono dai dati per identificare pattern ed effettuare previsioni o prendere decisioni senza una programmazione diretta. Immagina di insegnare a un computer a riconoscere un uccello mostrandogli migliaia di immagini di uccelli: imparerà da solo come appare un uccello.
• Deep learning (DL): un sottocampo dell'ML, il deep learning utilizza reti neurali artificiali con molti strati (da cui "deep") per apprendere dai dati. Queste reti si ispirano alla struttura del cervello umano e sono particolarmente adatte a compiti complessi come il riconoscimento di immagini e vocale.
• Elaborazione del linguaggio naturale (NLP): l'NLP consente ai computer di comprendere, interpretare e generare il linguaggio umano. È ciò che alimenta gli assistenti vocali come Siri e Alexa, i servizi di traduzione e i chatbot.
• Visione artificiale: consente ai computer di "vedere" e interpretare le informazioni visive del mondo, come immagini e video. Viene utilizzata in ogni ambito, dal riconoscimento facciale alle automobile a guida automatica.

Vuoi sapere come iniziare con l'AI? Segui l'introduzione gratuita per principianti all'AI generativa.

L'intelligenza artificiale può essere organizzata in diversi modi, a seconda delle fasi di sviluppo o delle azioni in esecuzione. 

Questa classificazione definisce i modelli di AI in base al loro livello di intelligenza e alle loro capacità di risoluzione dei problemi.

• Intelligenza artificiale ristretta (ANI, Artificial Narrow Intelligence): è l'unica forma di AI attualmente esistente. I modelli ANI sono progettati per eseguire una singola attività specifica, come l'identificazione di immagini, l'avvio di una chat o il filtraggio di email. Ne sono esempi gli assistenti vocali, la tecnologia di riconoscimento facciale e i modelli di AI generativa come Gemini e altri modelli linguistici di grandi dimensioni (LLM). Nonostante il nome, l'ANI non possiede capacità di ragionamento o autoconsapevolezza; combina invece i dati con un algoritmo per fare previsioni all'interno di parametri predefiniti. Sebbene l'ANI offra molti vantaggi, comporta anche dei rischi, in quanto dati di addestramento di scarsa qualità possono portare a risultati parziali o imprecisi, che possono essere critici in applicazioni come l'approvazione di prestiti, le decisioni di assunzione e la prevenzione del crimine basata sull'analisi predittiva. I criminali informatici possono anche sfruttare l'ANI per creare truffe sofisticate basate sull'AI. 
• Intelligenza artificiale generale (AGI, Artificial General Intelligence): si tratta di una proposta per un futuro passo avanti nella tecnologia dell'AI. In teoria, l'AGI sarebbe in grado di svolgere un'ampia gamma di attività e utilizzerebbe un ragionamento simile a quello umano per apprendere, adattarsi e migliorare. L'AGI non esiste ancora. A differenza dell'ANI, l'AGI dovrebbe essere adattiva, autonoma e in grado di apprendere dalle proprie azioni. Esempi di robot immaginari sono i droidi di Star Wars. Tuttavia, l'AGI potrebbe sollevare notevoli preoccupazioni etiche e di sicurezza, poiché i malintenzionati potrebbero programmarla con intenti dannosi, portando a capacità distruttive potenzialmente illimitate se non regolamentata.
• Superintelligenza artificiale (ASI, Artificial Superintelligence): è la forma teorica più avanzata di AI. L'ASI sarebbe un'entità autocosciente che opera al di là del controllo umano, superando significativamente l'intelligenza umana nel ragionamento, nella creatività e persino nell'intelligenza emotiva. Come altre forme di AI, si teme che l'ASI possa rappresentare una minaccia esistenziale per l'umanità; alcuni ricercatori nel campo dell'AI che suggeriscono una possibilità non trascurabile di esiti estremamente negativi, tra cui l'estinzione umana.

Questa classificazione suddivide l'AI in categorie in base al modo in cui opera e interagisce in contesti specifici.

1. Macchine reattive: AI limitata che reagisce solo a diversi tipi di stimoli in base a regole preprogrammate. Non ha memoria e quindi non può apprendere da nuovi dati. Un esempio notevole è Deep Blue di IBM, che nel 1997 ha sconfitto il campione di scacchi Garry Kasparov.
2. Memoria limitata: la maggior parte dell'AI moderna è a memoria limitata. Può utilizzare la memoria per migliorare nel tempo grazie all'addestramento basato sui nuovi dati, solitamente attraverso una rete neurale artificiale o un altro modello di addestramento. Questa memoria è a breve termine; una volta terminata una sessione, la memoria spesso si resetta. Ad esempio, le auto a guida autonoma che osservano altri veicoli e i chatbot come Gemini che ricordano i messaggi precedenti in una conversazione.
3. Teoria della mente: l'AI con teoria della mente non esiste al momento (ancora), ma sono in corso ricerche sulle sue possibilità. Descrive l'AI in grado di emulare la mente umana e ha capacità decisionali pari a quelle di una persona, ad esempio sa riconoscere e ricordare emozioni e sa reagire in situazioni sociali come farebbe una persona.

L'influenza dell'AI è vasta e in crescita e tocca quasi ogni aspetto delle nostre vite e dei nostri settori. Ecco dove puoi vedere la differenza:

• Nella vita di tutti i giorni: l'assistente virtuale dello smartphone, i consigli personalizzati sui servizi di streaming, i filtri antispam nella posta elettronica e le app di navigazione come Google Maps si basano tutti sull'AI per funzionare.
• Sanità: l'AI sta rivoluzionando la medicina aiutando i medici a diagnosticare le malattie in fase iniziale attraverso l'analisi di immagini mediche, personalizzando i piani di trattamento e accelerando notevolmente la scoperta di farmaci.
• Trasporti: i veicoli autonomi utilizzano l'AI per la navigazione, il rilevamento di oggetti e il processo decisionale in tempo reale per guidare in sicurezza.
• Operazioni aziendali: le aziende utilizzano l'AI per qualsiasi cosa, dai chatbot di assistenza clienti e il rilevamento delle frodi in finanza all'ottimizzazione delle catene di fornitura e alla personalizzazione delle campagne di marketing.
• Intrattenimento: nei videogiochi, l'AI crea personaggi più realistici e impegnativi. Nella creazione di contenuti, l'AI generativa può ora comporre musica, scrivere sceneggiature e creare opere d'arte visiva straordinarie.

Vuoi vedere altri casi d'uso per l'AI? Trova oltre 1000 casi d'uso reali dell'AI generativa sul blog di Google Cloud.

L'idea di macchine in grado di pensare da sole non è nuova. Il concetto di esseri artificiali dotati di intelligenza risale a decenni fa, tuttavia, il campo moderno dell'AI ha iniziato a prendere forma a metà del XX secolo. Diamo un'occhiata alla storia dell'AI come la conosciamo:

• Le origini dell'AI (anni '40-'50): l'invenzione dei computer programmabili negli anni '40 ha acceso l'immaginazione. Nel 1950, Alan Turing propose il "test di Turing", un modo per valutare se una macchina potesse mostrare un comportamento intelligente indistinguibile da quello di un essere umano. Si trattava di un passo filosofico e scientifico fondamentale.
• La nascita di un campo (1956): il Dartmouth Summer Research Project, organizzato da pionieri come John McCarthy, è ampiamente considerato la nascita ufficiale dell'AI come disciplina accademica. È qui che è stato coniato il termine "intelligenza artificiale".
• Primi successi e sfide (anni '60-'70): i ricercatori hanno sviluppato i primi programmi di AI, come ELIZA, un chatbot in grado di simulare conversazioni, e Shakey the Robot, uno dei primi robot in grado di ragionare sul proprio ambiente. Tuttavia, la complessità della creazione di una vera intelligenza ha portato a periodi di riduzione dei finanziamenti e dei progressi, spesso chiamati "inverni dell'AI".
• Rinascita e crescita (anni '80-2000): lo sviluppo di sistemi esperti e, in seguito, l'ascesa del machine learning hanno dato nuova vita alla ricerca sull'AI. Pietre miliari come la vittoria di Deep Blue di IBM su un gran maestro di scacchi nel 1997 hanno dimostrato le crescenti capacità dell'AI.
• Il boom dell'AI moderna (2010-oggi): i progressi nella potenza di calcolo, la disponibilità di set di dati massicci e le scoperte nel deep learning, in particolare con le reti neurali, hanno alimentato l'attuale rivoluzione dell'AI. In quest'era sono emersi strumenti potenti che stanno trasformando i settori.