Cos'è l'intelligenza artificiale

Dalla storia sai quale idea ha vinto: non programmare la conoscenza, insegna dagli esempi. Vediamo cosa significa in pratica — è la base di tutto il corso.

Un programma tradizionale: un mondo di regole rigide

Un programma classico è un insieme di istruzioni scritte da una persona: «se il pulsante è premuto, apri la finestra», «se il totale supera 1000, chiedi conferma». Un programma non farà mai nulla che non sia nelle sue regole. Questa è la sua forza (prevedibilità) e il suo limite: prova a scrivere regole che distinguano un gatto da un cane in una foto. Forma delle orecchie? Varia per razza. Baffi? Non sempre visibili. Le persone ci hanno provato per 30 anni senza successo.

AI: un mondo di esempi

Il machine learning ha ribaltato l'approccio: invece di mille regole per «come appare un gatto», mostri al modello un milione di foto con le risposte — gatto / non gatto — e lui trova i modelli da solo: combinazioni di forme, texture e proporzioni che una persona non riuscirebbe nemmeno a esprimere a parole. Questo è il machine learning — la base di tutta l'AI moderna.

Usi l'AI da anni — ma non te ne sei accorto

• 📱 Sblocco facciale — una rete neurale ti riconosce anche se ogni giorno hai un aspetto leggermente diverso.
• 🎵 Consigli di musica e video — un modello che ha imparato i tuoi gusti dalla tua cronologia di ascolto.
• 📧 La cartella spam — AI addestrata su miliardi di email: le regole non possono catturare lo spam, muta.
• 🗺️ Il traffico nella tua app di mappe — una previsione costruita dai dati di migliaia di auto.
• 📷 La fotocamera del tuo telefono — la modalità notte e lo sfocato ritratto sono anch'esse reti neurali.

Nota cosa hanno in comune: ognuna è un'attività in cui non puoi scrivere le regole, ma raccogliere esempi è facile.

Scacchi contro Go: i due approcci, a confronto

Nel 1997 il computer Deep Blue batté il campione mondiale di scacchi Garry Kasparov — e quello fu un trionfo del vecchio approccio: un esercito di programmatori e grandi maestri caricò manualmente la conoscenza degli scacchi nella macchina, e da lì vinse elaborando milioni di posizioni al secondo. Il trucco non funzionò per il Go: ha più posizioni di quanti atomi ci siano nell'universo, la forza bruta è inutile, e nessun maestro riusciva a esprimere a parole «le regole di una buona mossa».

Così il Go rimase imbattuto per vent'anni — finché AlphaGo non lo imparò da milioni di partite e giocando contro se stesso. Una frontiera cadde sotto le regole, l'altra solo all'apprendimento. Tieni a mente questa coppia: ti dice immediatamente quale approccio si adatta dove.

Tre tipi di AI che incontrerai

• Riconoscere: guarda i dati e dice «cos'è questo» — un volto in una foto, spam in un'email, un difetto su una linea di produzione.
• Prevedere: stima «cosa succederà» — il traffico tra un'ora, un cliente in procinto di andarsene, la prossima parola suggerita dalla tua tastiera.
• Generativa: crea qualcosa di nuovo — testo, immagini, musica, codice. Questa è quella che è esplosa nel 2022, e la maggior parte di questo corso riguarda proprio questa.

Miti comuni (chiariamoli subito)

• «AI significa robot.» Un robot è un corpo, l'AI è il «cervello». Quasi tutta l'AI moderna vive senza corpo: nel tuo telefono, nel tuo browser, su un server.
• «L'AI pensa come un umano.» Non lo fa: trova schemi statistici. A volte il risultato è indistinguibile dal pensiero, ma il meccanismo è diverso — e approfondiremo le differenze (le allucinazioni, per esempio).
• «L'AI ha obiettivi e desideri.» Un modello ha un obiettivo matematico che le persone gli hanno dato. Le preoccupazioni sull'AI meritano di essere prese sul serio, ma parti dai fatti, non dalle trame dei film.

La formula chiave di questo corso

Impara un contrasto — spiega la maggior parte di come si comporta l'AI:

Un programma tradizionale: una persona scrive le regole → la macchina le segue → prevedibile, ma limitato a ciò che è stato scritto.
AI: una persona fornisce esempi → la macchina elabora le regole da sola → gestisce compiti che non hanno regole, ma le sue conclusioni sono statistiche, non una garanzia.

Entrambi i lati della medaglia derivano da questo. Il superpotere: l'AI risolve problemi che nessuno potrebbe programmare (linguaggio, visione, traduzione, conversazione). La debolezza: può sbagliare con sicurezza e senza preavviso — le sue «regole» sono state estratte dagli esempi, e in casi rari o nuovi le statistiche la deludono.

Fallo ora: il tuo primo vero risultato in un minuto

Basta teoria — mettiamo le mani sull'AI. Non devi andare da nessuna parte: c'è un pulsante Run sotto il prompt e una vera AI risponde proprio qui. Cambia una parola sulla prima riga — il tuo lavoro — e avvialo:

You are an experienced assistant. I'm a marketer.
(sostituisci con il tuo: commercialista, insegnante, chef, autista — qualsiasi cosa)

Do three things:
1. Name 5 typical work tasks of mine where you could help.
2. For the most common one, show a finished example: a short text or plan you'd produce.
3. Ask me 2 clarifying questions to make the result more accurate.

In meno di un minuto avrai una risposta personalizzata per il tuo lavoro — questo è il primo vero risultato a cui mira tutto il corso. Non ti piace la risposta? Aggiungi «rendilo più breve» o «dammi un esempio diverso» e invia di nuovo — l'AI lo rifarà volentieri. Hai appena applicato tutto ciò di cui abbiamo parlato: hai dato al modello esempi a cui mirare (un ruolo e un compito), e lui ha elaborato le regole della risposta da solo.

Non vedi il pulsante? Non hai ancora effettuato l'accesso — registrarsi è gratuito e richiede un clic. E nel modulo tre ti configureremo il tuo accesso AI al di fuori del corso, passo dopo passo.