Academy · Approfondimenti
Intelligenza artificiale spiegata semplice: cos'è, come funziona ed esempi
La usiamo ogni giorno, spesso senza accorgercene: quando il telefono riconosce il nostro volto, quando una piattaforma ci consiglia un film o quando chiediamo qualcosa a ChatGPT. Ma che cos'è davvero l'intelligenza artificiale, e come fa una macchina a "imparare"? Proviamo a spiegarlo senza formule.
Aggiornato al 17 novembre 2026 · A cura di Visionari
In breve
- L'intelligenza artificiale (AI o IA) è un insieme di tecniche che permettono ai computer di svolgere compiti che di solito richiedono intelligenza umana: riconoscere immagini, capire il linguaggio, fare previsioni, prendere decisioni.
- Oggi quasi tutta l'AI si basa sul machine learning: invece di scrivere le regole a mano, si mostrano al computer tanti esempi e lui impara da solo a riconoscere gli schemi.
- Il deep learning è il machine learning fatto con grandi "reti neurali" artificiali: è la tecnica dietro il riconoscimento vocale, le traduzioni automatiche e ChatGPT.
- L'AI generativa crea contenuti nuovi, come testi, immagini, musica e video, a partire da una richiesta scritta (il prompt).
- Non pensa come noi: calcola probabilità. Per questo può sbagliare con grande sicurezza, e va sempre controllata.
Che cos'è l'intelligenza artificiale
Non esiste un'unica definizione, ma l'idea di fondo è semplice: un sistema di intelligenza artificiale è un programma che, a partire dai dati che riceve, produce previsioni, contenuti, raccomandazioni o decisioni, e lo fa con un certo grado di autonomia. È, in sostanza, anche la definizione usata dalla legge europea sull'AI, l'AI Act.
La differenza rispetto a un programma tradizionale sta nel modo in cui funziona. Un programma tradizionale segue istruzioni scritte da una persona, passo per passo: "se succede questo, fai quello". Un sistema di AI, invece, impara dagli esempi: nessuno gli scrive tutte le regole, le ricava lui dai dati.
Un po' di storia, in sei tappe
- 1950 Il matematico Alan Turing si chiede se una macchina possa pensare e propone un test per scoprirlo, oggi noto come "test di Turing".
- 1956 A un convegno al Dartmouth College, negli Stati Uniti, nasce ufficialmente l'espressione "intelligenza artificiale".
- 1997 Il computer Deep Blue di IBM batte a scacchi il campione del mondo Garry Kasparov.
- 2012 Una rete neurale profonda vince nettamente una gara di riconoscimento delle immagini: inizia l'era del deep learning.
- 2017 Un gruppo di ricercatori di Google presenta il "transformer", l'architettura su cui si basano i grandi modelli linguistici di oggi.
- 2022 Esce ChatGPT: per la prima volta milioni di persone parlano con un'AI in linguaggio naturale.
Come fa una macchina a imparare: il machine learning
Prendiamo un esempio concreto: il filtro antispam della posta. Scrivere a mano tutte le regole per riconoscere lo spam è impossibile, perché chi lo invia cambia continuamente trucchi. Con il machine learning (apprendimento automatico) si fa diversamente:
- Si raccolgono tanti esempi: migliaia di email già etichettate come "spam" o "non spam".
- Il programma li analizza e cerca da solo gli indizi che distinguono le une dalle altre: certe parole, certi mittenti, certi link.
- Si ottiene un "modello": una specie di ricetta, fatta di numeri, che riassume ciò che il programma ha imparato.
- Il modello si usa su email nuove, mai viste prima, e decide se sono spam. Più esempi ha visto, e più sono vari, più è preciso.
Lo stesso principio vale per tantissime applicazioni: prevedere quanti prodotti si venderanno il mese prossimo, riconoscere una transazione sospetta con la carta di credito, suggerire la canzone successiva.
Reti neurali e deep learning
Per i compiti più difficili, come riconoscere un volto in una foto o capire una frase, si usano le reti neurali artificiali. Il nome viene da una lontana ispirazione al cervello: sono fatte di tanti piccoli elementi di calcolo, i "neuroni", collegati tra loro e organizzati in strati.
Ogni strato trasforma l'informazione e la passa al successivo. In una rete che riconosce le immagini, per esempio, i primi strati imparano a riconoscere linee e contorni, quelli intermedi forme come occhi o ruote, gli ultimi oggetti interi come un gatto o un'automobile. Quando gli strati sono molti si parla di deep learning, "apprendimento profondo".
Durante l'addestramento la rete fa una previsione, la confronta con la risposta giusta e corregge leggermente i propri collegamenti. Ripetendo questo processo milioni di volte, diventa sempre più brava. Servono però tantissimi dati e una grande potenza di calcolo: è il motivo per cui il deep learning è esploso solo negli ultimi quindici anni.
L'AI generativa e i modelli linguistici come ChatGPT
L'AI generativa non si limita a riconoscere o classificare: crea contenuti nuovi. Ci sono sistemi che generano testi (ChatGPT, Gemini, Claude, Copilot), immagini, musica, voci e video.
Quelli che scrivono testi si chiamano modelli linguistici di grandi dimensioni, in inglese Large Language Models o LLM. Sono stati addestrati su enormi quantità di testi e hanno imparato una cosa sola, ma in modo straordinariamente raffinato: prevedere la parola successiva. Quando scriviamo una domanda, il modello calcola qual è la continuazione più probabile, parola dopo parola, e così compone la risposta.
Questo spiega sia la loro forza sia il loro limite principale. Sono bravissimi a scrivere testi fluenti, riassumere, tradurre e riformulare. Ma non "sanno" se una cosa è vera: producono ciò che suona plausibile. A volte inventano fatti, citazioni o riferimenti con grande sicurezza: questi errori si chiamano allucinazioni.
Esempi di intelligenza artificiale nella vita di tutti i giorni
- Lo smartphone che si sblocca riconoscendo il volto, migliora le foto scattate al buio o trascrive i messaggi vocali.
- I consigli di Netflix, Spotify, YouTube e dei negozi online, basati su ciò che abbiamo già guardato o comprato.
- I navigatori che prevedono il traffico e suggeriscono il percorso più veloce.
- Le traduzioni automatiche e i sottotitoli generati in tempo reale.
- Gli assistenti vocali come Alexa, Siri e Google Assistant.
- La banca che blocca un pagamento sospetto con la carta.
- La medicina, dove l'AI aiuta i medici a individuare anomalie nelle radiografie e nelle risonanze.
- Il lavoro d'ufficio, dove ChatGPT e Copilot aiutano a scrivere email, riassumere documenti e preparare presentazioni.
Cosa sa fare e cosa non sa fare
L'AI di oggi è molto potente in compiti specifici, ma non ha una comprensione del mondo come la nostra. Alcuni limiti da tenere a mente:
- Può sbagliare con sicurezza. Le risposte vanno verificate, soprattutto su numeri, norme, nomi e fonti.
- Riflette i dati da cui ha imparato. Se i dati contengono pregiudizi, per esempio verso un genere o un'età, l'AI rischia di ripeterli.
- Non è sempre aggiornata. Un modello conosce il mondo fino al momento del suo addestramento, a meno che non possa cercare sul web.
- Non sa spiegare sempre perché. Con le reti neurali più grandi è difficile capire esattamente come si arriva a una risposta.
- Attenzione ai dati personali. Ciò che scriviamo in un servizio di AI può essere conservato o usato per addestrarlo: meglio non inserire informazioni riservate.
Per questo l'Unione europea ha approvato l'AI Act, la prima legge al mondo che regola l'intelligenza artificiale in base ai rischi. Se la usi in azienda, trovi tutto nelle nostre guide pratiche sull'AI Act.
Piccolo glossario
- Algoritmo
- Una sequenza di istruzioni per risolvere un problema, come una ricetta.
- Dati di addestramento
- Gli esempi da cui un sistema di AI impara.
- Modello
- Il risultato dell'addestramento: ciò che il sistema ha imparato, sotto forma di numeri, e che usa per rispondere.
- Machine learning
- La famiglia di tecniche che permette ai computer di imparare dagli esempi invece di seguire regole scritte a mano.
- Rete neurale
- Un modello fatto di tanti piccoli elementi di calcolo collegati tra loro, organizzati in strati.
- Deep learning
- Il machine learning fatto con reti neurali con molti strati.
- AI generativa
- L'AI che crea contenuti nuovi: testi, immagini, audio, video.
- LLM
- Large Language Model, modello linguistico di grandi dimensioni: l'AI che capisce e scrive testi, come ChatGPT.
- Prompt
- La richiesta che scriviamo a un'AI generativa. Più è chiara e precisa, migliore è il risultato.
- Allucinazione
- Una risposta inventata o sbagliata che l'AI presenta come vera.
Domande frequenti
Intelligenza artificiale e ChatGPT sono la stessa cosa?
No. ChatGPT è uno dei tanti strumenti di intelligenza artificiale, in particolare di AI generativa. L'intelligenza artificiale è molto più ampia: comprende anche i sistemi che riconoscono le immagini, prevedono il traffico o consigliano prodotti.
L'intelligenza artificiale pensa?
Non nel senso umano. Elabora dati e calcola probabilità con una velocità e su una scala enormi, ma non ha coscienza, intenzioni o esperienza del mondo. Quella che sembra comprensione è il risultato di schemi statistici molto sofisticati.
L'intelligenza artificiale toglierà lavoro?
Cambierà molti lavori, automatizzando alcune attività ripetitive e creandone di nuove. Chi impara a usarla bene, come strumento, avrà un vantaggio: per questo la formazione è la scelta più utile che si possa fare oggi.
Da dove posso iniziare per imparare a usarla?
Il modo migliore è provarla su compiti concreti del proprio lavoro o della vita quotidiana, con spirito critico. Per un percorso più strutturato, l'Academy di Visionari mette a disposizione dei soci oltre 320 ore di videolezioni registrate.
Ti piace capire come funzionano le tecnologie?
In Visionari ci incontriamo proprio per questo: persone curiose di scienza e tecnologia che vogliono capirle, usarle e migliorarsi, nel lavoro e nella propria azienda. I soci accedono alle videolezioni registrate dell'Academy, oltre 320 ore su intelligenza artificiale, coding, cloud, cybersecurity e imprenditorialità, e a una community con cui confrontarsi.
Entra in VisionariVisionari è un'associazione non profit (ETS-APS) attiva dal 2018. Leggi gli altri approfondimenti.
