Da qualche anno grande protagonista del mondo dell’innovazione tecnologica è l’Intelligenza Artificiale (Artificial Intelligence, AI). Sono sempre più numerose le aziende che decidono di investire in sistemi e soluzioni di Artificial Intelligence, un mercato estremamente pervasivo perché interessa trasversalmente vari settori: dal manifatturiero all’automotive, dal finance all’healthcare, dal retail al digital marketing. Ormai l’Intelligenza Artificiale è diventata parte della vita quotidiana: consente alle macchine di eseguire vari compiti che un tempo erano prerogativa degli umani, dal guidare automobili al fornire assistenza personalizzata. I robot sono già utilizzati in numerose industrie e si prevede che entro pochi anni diventeranno un prodotto di massa.
Il 2025 si profila come un anno cruciale per l’evoluzione dell’Intelligenza Artificiale, con un focus particolare sugli AI agents. Secondo le previsioni di leader tecnologici come Marc Benioff, CEO di Salesforce, stiamo entrando in un’era “agentica”, caratterizzata da lavoratori digitali autonomi capaci di svolgere compiti complessi senza intervento umano. Questa visione prevede un futuro in cui gli AI agents non si limiteranno a rispondere a query, ma saranno in grado di completare attivamente compiti e prendere decisioni in modo autonomo.
Ma vediamo meglio cosa si intende per intelligenza artificiale, come è nata la definizione, cosa sta accadendo e cosa potrebbe accadere nei prossimi anni.
Come è nato il termine “intelligenza artificiale”
Il temine ha radici antiche. Già nel XVII secolo filosofi quali Leibniz, Thomas Hobbes e René Descartes (Cartesio) nei loro studi esplorarono la possibilità che tutto il pensiero razionale potesse essere reso sistematico come l’algebra o la geometria. Ma il “padre” di questo concetto nell’età moderna può essere considerato Alan Turing, geniale matematico e scienziato inglese che dette un preziosissimo contributo alla fine della Seconda Guerra Mondiale decifrando per conto del governo britannico il codice di Enigma, la macchina usata dai tedeschi per inviare messaggi criptati. Nel 1950, a guerra finita, Alan Turing pubblicò “Computing Machinery and Intelligence”, testo in cui propone “il gioco dell’imitazione”, in seguito conosciuto come “Il test di Turing”. Il motto di questo straordinario uomo di scienze è: “Una macchina è intelligente quando è in grado di far credere a un uomo di essere umana”.
Ma il termine “Artificial Intelligence” risale per la precisione al 31 agosto 1955: era il titolo di un workshop organizzato da John McCarthy (Dartmouth College), Marvin Minsky (Harvard University), Nathaniel Rochester (IBM) e Claude Shannon (Bell Telephone Laboratories). Questo seminario, che si sarebbe tenuto l’anno dopo, a luglio e agosto 1956, è considerato generalmente come la data di nascita ufficiale del nuovo campo di studio e di sperimentazione. Inizialmente descritta come una nuova sotto-disciplina dell’informatica, in realtà da allora si sono moltiplicati gli studi e le nuove scoperte sull’Intelligenza Artificiale, che infatti ad oggi include una varietà di tecnologie e strumenti, alcuni già ampiamente sperimentati, altri relativamente recenti.
Che cos’è l’intelligenza artificiale
Nonostante un ampio dibattito in campo scientifico, ancora oggi non esiste una definizione univoca di Artificial Intelligence. Quando si pensa a Intelligenza Artificiale vengono in mente scenari fantascientifici o futuristici, nei quali le macchine diventeranno “intelligenti” come l’uomo e saranno dunque in grado di svolgere i suoi stessi compiti fino a sostituirlo in parte o del tutto. Robot che si confrontano con gli esseri umani, li aiutano, prevedono o prevengono i loro comportamenti e addirittura mostrano empatia nei loro riguardi. Questa la “vulgata”.
Ma vediamo alcune delle definizioni correnti.
Wikipedia definisce l’IA come “la disciplina che studia come realizzare sistemi informatici in grado di simulare il pensiero umano”.
Anche la Treccani parla di sistemi hardware e software, ma lo fa in modo più articolato: “La disciplina che studia i fondamenti teorici, le metodologie e le tecniche che permettono di progettare sistemi hardware e software in grado di fornire prestazioni che, a un osservatore, sembrerebbero appartenere esclusivamente all’intelligenza umana”.
Più completa sembra essere la definizione dell’Enciclopedia Britannica, che sottolinea alcune attitudini umane che i sistemi di IA possono imitare: “L’IA è la capacità di un computer di svolgere compiti comunemente associati agli esseri intelligenti, come ilragionamento, la scoperta di significati, la generalizzazione e l’apprendimento dall’esperienza».
Rifacendoci alle teorie di Turing, si può anche dare questa definizione: l’AI è “la scienza di far fare ai computer cose che richiedono intelligenza quando vengono fatte dagli esseri umani”.
John McCarthy, docente del Computer Science Department della Harvard University, la definisce “la scienza di creare ed ingegnerizzare macchine intelligenti e in particolar modo programmi informatici intelligenti”.
Per Techopedia, è un’area delle scienze informatiche incentrata sulla creazione di macchine intelligenti in grado di lavorare e reagire come esseri umani.
Tuttavia molti concordano sul fatto che lo scopo dell’Intelligenza Artificiale non è replicare l’intelligenza umana, bensì riprodurne o emularne solo alcune funzioni. In senso colloquiale si parla di AI quando una macchina imita funzioni cognitive che gli uomini associano alla mente umana come l’apprendimento e la risoluzione dei problemi.
Breve storia dell’intelligenza artificiale
Come detto sopra, le origini dell’intelligenza artificiale come disciplina scientifica autonoma risalgono agli anni ’50 del XX secolo, grazie ai contributi pionieristici di Alan Turing e John McCarthy.
Inizialmente, l’IA era focalizzata sulla risoluzione di problemi logici, con grandi aspettative sostenute dai progressi tecnologici. Tuttavia, si comprese presto che la vera sfida era emulare comportamenti umani complessi, come la percezione e l’interazione con l’ambiente. Un contributo essenziale venne da Frank Rosenblatt, psicologo americano, noto per le sue ricerche sulle reti neurali. Negli anni ’60, Rosenblatt sviluppò l’algoritmo “Perceptron”, ispirato ai principi biologici naturali, per conferire ai computer capacità di apprendimento autonomo.
Negli anni successivi, l’entusiasmo per l’IA diminuì, insieme ai finanziamenti per la ricerca. Tuttavia, negli anni ’80, la ricerca sull’IA riprese slancio, grazie al trasferimento alle grandi aziende informatiche. Nel 1982, la Digital Equipment Corporation lanciò il primo sistema commerciale di IA per la gestione degli ordini. Alla fine degli anni ’80, molte grandi aziende tecnologiche avevano implementato sistemi di IA.
Un momento simbolico fu, nel 1997, la sfida tra Garry Kasparov e il supercomputer IBM “Deep Blue”, che riuscì a sconfiggere il campione di scacchi grazie alle sue capacità avanzate, inclusa quella di apprendere dalle mosse dell’avversario.
Negli anni 2000, emerse un fondamentale progresso nel campo dell’intelligenza artificiale: il machine learning (apprendimento automatico). Questo approccio si fonda sull’idea che i sistemi informatici possano apprendere dai dati e prendere decisioni autonomamente, minimizzando l’intervento umano. In sostanza, una macchina può imparare a svolgere un’azione, anche se non è stata esplicitamente programmata per farlo.
L’evoluzione del machine learning ci porta al presente con il deep learning, una tecnologia ancora più avanzata. In questo caso, il computer non viene semplicemente guidato su come risolvere un problema, ma viene addestrato a farlo autonomamente.
La ricerca sull’IA si divide quindi in due principali direzioni. Il primo filone è l'”IA debole”, associato al machine learning, che simula specifiche funzioni cognitive umane. Il secondo è l'”IA forte”, collegato al deep learning, che punta a sviluppare una capacità cognitiva complessiva simile a quella umana. È evidente che, mentre il machine learning necessita di grandi quantità di dati per operare, il deep learning richiede un volume ancora maggiore di dati, oltre a risorse tecniche ed economiche significative.
Intelligenza artificiale e startup: gli investimenti 10 anni fa
Le startup innovative sono immediatamente diventate una leva di espansione dell’Ai nel mondo.
Guardando al passato, secondo Statista, i finanziamenti alle startup focalizzate sull’AI sono quasi raddoppiati dal 2013 al 2015. La maggioranza delle startup attive in questo campo sono focalizzate su applicazioni per il machine learning. Molte altre hanno puntato sul mercato del Natural Language Processing, che comprende il riconoscimento della voce e del parlato, e la predizione dei testi. Tra i grandi player di Internet che hanno fatto a gara per accaparrarsi startup dell’AI c’è stato anche Mark Zuckerberg, che con la sua Chan Zuckerberg Initiative, organizzazione filantropica costituita con la moglie Priscilla Chan, ha acquisito Meta, una startup che fornisce un motore “AI-powered” in grado di aiutare scienziati e ricercatori nelle loro attività.
Tra le startup più finanziate al mondo nell’ambito dell’Intelligenza Artificiale spiccavano la cinese iCarbonX e l’israeliana Law Geex. iCarbonX, con finanziamenti di 199,48 milioni di euro, mira a creare un ecosistema di vita digitale che combina dati biologici, psicologici e IA per analizzare e migliorare le abitudini di vita, con applicazioni nell’healthcare. Law Geex ha sviluppato un software per l’analisi dei contratti che, in 24 ore, rileva clausole problematiche e offre benchmark statistici per facilitare le decisioni, avendo raccolto 2,5 milioni di dollari di finanziamenti.
Startup e AI 2025
Nel 2025, il settore delle startup di intelligenza artificiale (AI) continua a crescere rapidamente, con numerosi investimenti significativi. Ecco alcuni punti salienti:
- OpenAI: (vedi sotto) Open AI continua a essere uno dei leader nel settore, con investimenti importanti da parte di Microsoft, che ha investito circa 13 miliardi di dollari.
- Meta: Ha migliorato i suoi prodotti esistenti, come Facebook e Instagram, utilizzando AI per ottimizzare le raccomandazioni e generare contenuti pubblicitari.
- IT4LIA AI Factory: Un progetto europeo con un investimento totale di 430 milioni di euro, co-finanziato dal Governo italiano e dalla Commissione Europea, che mira a sostenere startup e PMI.
- Fondi e bandi: Ci sono numerose opportunità di finanziamento, come il bando Italia-USA per progetti AI e programmi europei come Cascade Calls – FAIR e Digital Europe Programme
Quali tecnologie per l’AI
L’Intelligenza Artificiale si può applicare a una serie di attività tecnologiche. Eccone 10 secondo una lista elaborata dal “TechRadar report on Artificial Intelligence” di Forrester.
♦Natural Language Processing – È l’elaborazione del linguaggio naturale, ovvero il processo di trattamento automatico mediante un calcolatore elettronico delle informazioni scritte o parlate in una lingua naturale. In sostanza il NLP abilita una macchina a comprendere un testo, ma le garantisce anche capacità di espressione, per esempio la mette in grado di farne un riassunto. IL NLP è usato nel customer care, nei riassunti automatici, nelle analisi dei testi ma anche nelle analisi del ‘sentiment’, per misurare il livello di emotività di un determinato discorso. Alcuni attuali vendor: Attivio, Automated Insights, Cambridge Semantics, Digital Reasoning, Lucidworks, Narrative Science, SAS, Yseop.
♦Speech Recognition: Trascrizione e trasformazione di discorsi di esseri umani per applicazioni informatiche. È attualmente usata nei sistemi di risposta vocale interattivi. Alcuni vendor: NICE, Nuance Communications, OpenText, Verint Systems.
♦Virtual Agents, assistenti virtuali – Si va dai semplici chatbot, in pratica “segretari virtuali” in grado dialogare in automatico in chat con i clienti rispondendo a semplici e comuni domande, a sistemi più avanzati. Questa tecnologia è attualmente usata nel customer service e nella smart home. Alcuni vendor: Amazon, Apple, Artificial Solutions, Assist AI, Creative Virtual, Google, IBM, IPsoft, Microsoft, Satisfi.
♦Piattaforme di machine learning – È un settore dell’informatica che dà ai computer la capacità di imparare senza essere stati esplicitamente programmati. In pratica consiste nella capacità di un algoritmo di apprendere dai dati, ovvero di evitare gli errori commessi in precedenza. Le piattaforme di machine learning sono utilizzate in una vasta gamma di applicazioni per le imprese, principalmente per quanto riguarda previsioni e classificazioni di vario tipo. . Vendor: Amazon, Fractal Analytics, Google, H2O.ai, Microsoft, SAS, Skytree.
♦AI-optimized Hardware – Unità di elaborazione grafica (Gpu) e dispositivi specificamente disegnati e costruiti per eseguire in modo efficiente lavori di computazione. Vendor: Alluviate, Cray, Google, IBM, Intel, Nvidia.
♦Decision Management – Motori che inseriscono ruoli e logica all’interno di sistemi di Intelligenza Artificiale e sono usati per setup iniziali, training, manutenzione e calibratura. È una tecnologia matura, usata in una vasta gamma di applicazioni imprenditoriali per assistere o realizzare processi decisionali in automatico. Vendor: Advanced Systems Concepts, Informatica, Maana, Pegasystems, UiPath.
♦Deep Learning Platform – Uno special tipo di machine learning che consiste in una rete neurale artificiale, usato attualmente soprattutto nella pattern recognition (per esempio il riconoscimento di sagome o volti da parte di apparecchi di sorveglianza). Vendor: Deep Instinct, Ersatz Labs, Fluid AI, MathWorks, Peltarion, Saffron Technology, Sentient Technologies.
♦Biometrica: Rende possibili interazioni più naturali tra esseri umani e machine, compresi immagini, touch recognition, parole e linguaggio del corpo. È usata principalmente nelle ricerche di mercato. Vendor: 3VR, Affectiva, Agnitio, FaceFirst, Sensory, Synqera, Tahzoo.
♦Robotic Process Automation – Utilizzo di testi o altri metodi per automatizzare l’azione umana in modo da supportare processi imprenditoriali efficienti. È utilizzata laddove è troppo costoso o scarsamente efficiente far eseguire determinati compiti agli esseri umani. Vendor: Advanced Systems Concepts, Automation Anywhere, Blue Prism, UiPath, WorkFusion.
♦Text Analytics e NLP: Il Natural language processing (NLP) usa e supporta il text analytics facilitando la comprensione di strutture e significato delle frasi, ma anche del loro ‘sentimento’ e del loro intento attraverso metodi statistici e di machine learning. Sono usati nell’individuazione delle frodi e nella security. Vendor: Basis Technology, Coveo, Expert System, Indico, Knime, Lexalytics, Linguamatics, Mindbreeze, Sinequa, Stratifyd, Synapsify.
Dove si studia l’intelligenza artificiale in Italia
Per affrontare e gestire l’enorme cambiamento portato dall’intelligenza artificiale nel mondo, è importante studiarla. Chi ha studiato, sta studiando e studierà l’AI avrà sicuramente migliori possibilità di occupazione. Ma a chi si possono rivolgere gli aspiranti esperti di Artificial Intelligence? Quali corsi esistono in Italia? A questo articolo una breve lista.
Il boom dell’intelligenza artificiale generativa
Nell’ambito del vasto panorama dell’intelligenza artificiale, l’AI generativa ha iniziato a guadagnare visibilità nel panorama tecnologico con l’introduzione del modello GPT-2 di OpenAI nel febbraio 2019. Questo modello di intelligenza artificiale, basato su una rete neurale di trasformatori, ha mostrato notevoli capacità nella generazione di testo coerente e creativo, sorprendendo molti esperti per la sua abilità di completare frasi e rispondere a domande con un livello di comprensione del contesto senza precedenti.
L’emergere di GPT-3 nel 2020 ha ulteriormente consolidato la posizione di OpenAI come leader nel campo dell’AI generativa, grazie alla sua vasta capacità di calcolo e alla sua abilità di simulare conversazioni umane in modo estremamente realistico. Questi sviluppi hanno spinto molte aziende tecnologiche a esplorare applicazioni commerciali basate sull’intelligenza artificiale, rivoluzionando settori come il marketing, l’assistenza clienti e la creazione di contenuti digitali. L’evoluzione continua di questi modelli, culminata con il rilascio di GPT-4, ha aperto la strada a nuove innovazioni, trasformando il modo in cui interagiamo con la tecnologia.
A maggio 2024 erano circa 350 le startup attive nell’ambito dell’intelligenza artificiale generativa nel mondo.
(Questo articolo è stato aggiornato al 17/02/2025)
