Quando vediamo lavorare l'AI con l'automazione agentica in autonomia che fa cose al posto nostro restiamo affascinati quindi ho scritto questo articolo sull'intelligenza artificiale dalle origini perché penso sia importante sapere da dove siamo partiti per capire dove siamo arrivati e soprattutto dove stiamo andando.
Introduzione
Molte persone utilizzano l'AI per generare video, immagini, audio, testo da condividere sui social senza sapere nulla sull'intelligenza artificiale e nemmeno gli interessa in realtà. Viceversa esistono aziende interessate a integrare strumenti AI nei processi produttivi bisognose di personale preparato sull'argomento capace poi di gestire o supervisionare gli automatismi.
Da dove partire allora con l'AI?
Be senza dubbio per acquisire conoscenza e coscienza sull'intelligenza artificiale e gli strumenti in cui è integrata bisogna partire dalle origini. Sapere chi sono i pionieri che hanno dato inizio a tutto questo è importante! Oltre che dovuto moralmente. Confesso che reperire risorse sull'argomento non è stato semplice non perché non ci fossero anzi al contrario ma perché sono sparse e confusionarie. Bisogna acquisire un minimo di terminologia di base per capire di cosa si sta parlando quando si ha a che fare con modelli di frontiera e acquisire le conoscenze necessarie per una configurazione e orchestrazione agentica.
Le origini
L'intelligenza artificiale è spesso raccontata come una rivoluzione recente, ma in realtà è una storia lunga, fatta di accelerazioni improvvise e battute d'arresto. Alla base di tutto c'è un'idea semplice e radicale cioè quella di costruire macchine capaci di svolgere compiti che richiedono intelligenza.
Già nel 1950, "Alan Turing" pose una domanda destinata a segnare il campo ed era la seguente: ma una macchina può pensare? Quindi, propose un esperimento oggi noto come test di Turing che misura la capacità di un sistema di imitare il comportamento umano. Pochi anni dopo, nel 1956, durante la (Dartmouth Conference), "John McCarthy" e altri ricercatori diedero un nome e una direzione a questa ambizione, fondando ufficialmente l'intelligenza artificiale come disciplina.
I primi approcci basati su regole condizionali
Nelle fasi iniziali, l'IA si sviluppò seguendo un modello simbolico, nel senso che si cercava di tradurre il ragionamento umano in insiemi di regole logiche. Questo portò alla creazione di programmi capaci di risolvere problemi specifici e persino simulare conversazioni, come ELIZA. Tuttavia, questi sistemi funzionavano bene solo in contesti limitati e non riuscivano ad adattarsi a situazioni nuove.
Gli inverni dell'intelligenza artificiale
L'entusiasmo iniziale lasciò presto spazio alla realtà. Tra gli anni '70 e l'inizio degli anni '90, il settore attraversò due periodi di crisi noti come (inverni dell'IA). Le promesse erano state troppo ottimistiche rispetto alle capacità tecnologiche dell'epoca: computer poco potenti, dati limitati e modelli troppo rigidi portarono a risultati deludenti. Di conseguenza, i finanziamenti diminuirono drasticamente e molti progetti furono abbandonati.
Il primi successi dell'AI
Grazie alla resilienza dei ricercatori negli anni '80, prima del secondo inverno, l'IA trovò una prima forma di successo nei sistemi esperti, software progettati per replicare le decisioni di specialisti umani in ambiti ristretti. Anche se utili, questi sistemi si rivelarono costosi da mantenere e difficili da scalare.
Dalle regole agli algoritmi di apprendimento su Dati
La vera trasformazione dell'intelligenza artificiale avvenne quando i ricercatori cambiarono approccio: invece di programmare ogni regola, iniziarono a costruire sistemi capaci di apprendere dai dati. Questo passaggio diede origine al machine learning moderno. Un momento simbolico fu nel 1997, quando Deep Blue sconfisse il campione mondiale Garry Kasparov, dimostrando che le macchine potevano eccellere in compiti complessi.
La svolta del Deep Learning
A partire dagli anni 2010, una combinazione di fattori ha cambiato tutto. Da qui in poi si inizia con enormi quantità di dati, nuovi algoritmi e una potenza di calcolo senza precedenti. Le GPU sviluppate da aziende come NVIDIA hanno reso possibile addestrare reti neurali profonde, dando vita al deep learning. Questi modelli sono in grado di riconoscere immagini, comprendere il linguaggio e individuare schemi con un livello di precisione mai visto prima.
Traguardi recenti dell'AI
Oggi l'intelligenza artificiale non si limita più a classificare o prevedere ma è in grado di creare. Strumenti come:
- ChatGPT
- Gemini
- Anthropic
producono testi, assistono nella scrittura e supportano attività complesse, entrando nella vita quotidiana di milioni di persone. L'interfaccia per interagire con i modelli AI di aziende che si occupano di intelligenza artificiale è molto intuitiva. Sono tutte simile fra loro (Chiedi e ottieni la risposta) e l'accesso avviene tramite browser web o in app con dispositivi mobile Android e iOS.
A che punto siamo oggi con l'intelligenza artificiale?
L'ultima frontiera dell'AI riguarda gli agenti autonomi e orchestratori (uno che gestisce tutti gli altri), in grado di sostituire gli umani. Uno fra i più famosi è OpenClaw. Nel dettaglio si possono assegnare dei tasck che vanno dal creare file, fare riassunti di documenti, ricerche, prenotazioni e addirittura acquisti per conto nostro. Insomma siamo arrivati a un punto dove la realtà supera l'immaginazione, che fantastica avventura l'intelligenza artificiale.