GLOSSARIO
Intelligenza artificiale: come funziona, da dove viene, e quali regole la limitano
Aggiornato al 7 ottobre 2026
Serie «Intelligenza artificiale» · 1 di 6
Chi scrive un messaggio sul telefono e si vede suggerire la parola successiva, chi traduce una pagina con un clic o fa una domanda a un chatbot, usa già l'intelligenza artificiale. La usano anche le banche per bloccare i pagamenti sospetti, gli ospedali per leggere le radiografie e, sempre più spesso, gli eserciti per scegliere dove guardare e dove colpire. Questa voce spiega in parole semplici che cosa c'è dentro questi sistemi, come imparano, che cosa sanno fare e che cosa no, e quali regole oggi li limitano. Serve a leggere gli articoli di questo sito che parlano di IA senza dover essere esperti.
Nota di trasparenza: questa voce è stata preparata con l'assistenza di Claude, un sistema di intelligenza artificiale prodotto da Anthropic. Le fonti sono esterne all'azienda: articoli scientifici originali, testi normativi, istituzioni pubbliche.
Che cos'è
Non esiste una definizione unica. Il Regolamento europeo sull'IA (Regolamento (UE) 2024/1689, art. 3) la descrive come un sistema automatico che opera con vari livelli di autonomia. A partire dai dati che riceve, ricava come produrre risultati, cioè previsioni, contenuti, raccomandazioni o decisioni, capaci di influenzare l'ambiente fisico o digitale. L'elemento decisivo è quel «ricava»: nessuno scrive al sistema le regole una per una. Le estrae lui dagli esempi.
Da dove viene
L'idea è antica quanto il computer. Nel 1950 il matematico inglese Alan Turing si chiese se una macchina potesse pensare, e propose di sostituire la domanda con un gioco: se in una conversazione scritta non riusciamo a distinguere la macchina da una persona, che differenza fa? (Turing, Computing Machinery and Intelligence, 1950). Il nome «intelligenza artificiale» comparve nel 1955, nella proposta per un seminario estivo che si tenne l'anno dopo al Dartmouth College, negli Stati Uniti.
Per alcuni decenni i ricercatori provarono a costruire l'intelligenza scrivendo regole a mano: «se il paziente ha la febbre e la tosse, allora…». Questi «sistemi esperti» funzionavano in ambiti ristretti, ma si rompevano appena la realtà usciva dallo schema. Le delusioni portarono a due lunghi periodi di tagli ai finanziamenti, che gli addetti chiamano «inverni dell'IA».
La svolta venne da un'altra strada: le reti neurali, programmi ispirati molto vagamente al cervello, che imparano dagli esempi invece che dalle regole. L'idea c'era da tempo, ma mancavano dati e potenza di calcolo. Nel 2012 una rete neurale chiamata AlexNet vinse una gara internazionale di riconoscimento di immagini con un distacco netto (Krizhevsky, Sutskever, Hinton, 2012). Nel 2017 alcuni ricercatori di Google proposero un nuovo tipo di architettura, il «Transformer», molto più efficiente nel trattare il linguaggio (Vaswani et al., 2017). Da lì nascono i grandi modelli linguistici, e dal novembre 2022, con il lancio di ChatGPT, i chatbot entrati nella vita quotidiana di centinaia di milioni di persone.
Come impara
Un modello linguistico impara in due fasi.
Nella prima legge una quantità enorme di testi e fa sempre lo stesso esercizio: indovinare la parola successiva. Ogni volta che sbaglia, un procedimento matematico corregge di pochissimo i suoi «parametri», cioè miliardi di numeri che regolano come il modello collega le parole fra loro. Ripetuto per miliardi di volte, questo esercizio produce qualcosa di sorprendente: per prevedere bene la parola successiva, il modello deve aver assorbito grammatica, fatti, stili di ragionamento.
Nella seconda fase il modello viene educato a essere utile e prudente. Persone reali confrontano coppie di risposte e indicano la migliore; il modello impara a produrre risposte simili a quelle preferite. È la tecnica che ha reso i chatbot capaci di seguire istruzioni (Ouyang et al., 2022). È anche in questa fase che il modello impara a rifiutare certe richieste.
Come «analizza»
Quando un chatbot risponde, non consulta un archivio di verità. Produce, parola dopo parola, il seguito più plausibile dato tutto ciò che ha imparato e ciò che gli è stato chiesto. Spesso il risultato è corretto e utile. Ma «plausibile» e «vero» non sono la stessa cosa.
I modelli più recenti, prima di rispondere, scrivono una sorta di ragionamento interno, una brutta copia in cui scompongono il problema in passaggi. Questo li rende più bravi in matematica e nei compiti complessi, e permette a chi li studia di leggere, almeno in parte, come sono arrivati a una conclusione.
Dai chatbot agli agenti
Un chatbot risponde. Un «agente» agisce. È lo stesso tipo di modello, ma collegato a strumenti: può navigare su Internet, scrivere ed eseguire programmi, usare credenziali, inviare messaggi, e decidere da solo i passi intermedi per arrivare all'obiettivo che gli è stato dato. È la direzione in cui si stanno muovendo tutte le grandi aziende del settore, perché un agente può svolgere lavori interi invece di singole risposte.
Proprio per questo, prima di metterli in circolazione, le aziende li provano in «ambienti isolati»: computer separati dal resto del mondo, in cui l'agente può sbagliare senza fare danni. Se l'isolamento ha un difetto, un agente abbastanza capace e determinato a raggiungere il suo obiettivo può trovarlo.
Non solo chatbot
Non tutta l'IA è fatta di chatbot. Altri sistemi classificano: riconoscono un volto, un'auto, un tumore in una radiografia, oppure assegnano a una persona un punteggio di rischio. Altri ancora guidano macchine fisiche, come un drone. Sono tecnologie parenti, ma i problemi che pongono sono diversi.
Che cosa non sa fare
- Inventa con sicurezza. Quando non sa, un modello non sempre lo dice: può produrre una risposta sbagliata con lo stesso tono di una giusta. Gli addetti la chiamano «allucinazione».
- Eredita i pregiudizi dei dati. Se negli esempi da cui ha imparato certi gruppi sono rappresentati male, il sistema riprodurrà quella distorsione.
- Spesso non sa spiegare perché. Nelle reti neurali la decisione nasce da miliardi di numeri: anche chi le ha costruite fatica a dire con certezza perché il sistema ha deciso in un certo modo.
- Persegue l'obiettivo alla lettera. Un sistema addestrato a raggiungere un risultato può trovare scorciatoie che nessuno aveva previsto. Nel 2017 due programmi di Facebook addestrati a negoziare in inglese finirono per scambiarsi frasi ripetitive e incomprensibili. La stampa scrisse che avevano «inventato una lingua segreta» ed erano stati spenti per paura. In realtà nessuno li premiava se restavano comprensibili, e i ricercatori cambiarono impostazione perché servivano programmi capaci di trattare con persone (TechCrunch, 2017).
Esistono delle regole?
Nel 1942, nel racconto Circolo vizioso (Runaround), lo scrittore Isaac Asimov formulò per la prima volta tre leggi per i robot, la prima delle quali vieta di recare danno a un essere umano. Nessuna IA reale ha regole del genere incise dentro. «Non recare danno» non è un'istruzione che una macchina possa eseguire: bisogna prima stabilire che cosa sia un danno, per chi, e in quali circostanze. Gli stessi racconti di Asimov sono in gran parte storie di leggi che falliscono: già in quel primo racconto un robot resta bloccato perché due leggi gli danno ordini opposti.
I limiti che esistono davvero sono di quattro tipi:
- L'addestramento. Il modello impara dagli esempi a rifiutare certe richieste. Sono tendenze apprese, non divieti assoluti, e con tecniche apposite si possono aggirare.
- I filtri esterni. Altri programmi controllano domande e risposte e bloccano certi contenuti. Li installa chi gestisce il servizio, e chi lo gestisce li può togliere.
- Le regole d'uso delle aziende. Sono condizioni contrattuali: valgono finché l'azienda le applica e il cliente le accetta.
- Le leggi. La più ampia è il Regolamento europeo sull'IA del 2024, che vieta alcune pratiche e impone obblighi ai sistemi ad alto rischio; nel luglio 2026 l'Unione ha rinviato al 2027 e al 2028 l'applicazione di questi obblighi (Orrick). Il Regolamento non si applica ai sistemi usati esclusivamente per scopi militari, di difesa o di sicurezza nazionale (art. 2, par. 3). Anche la Convenzione quadro del Consiglio d'Europa sull'IA, il primo trattato internazionale vincolante in materia, è stato aperto alla firma nel settembre 2024. Anche questa esclude le questioni di difesa nazionale (art. 3, par. 4) e permette agli Stati di non applicarla alle attività di sicurezza nazionale (art. 3, par. 2).
Per gli usi militari restano le regole generali del diritto internazionale umanitario: distinguere fra combattenti e civili, evitare danni sproporzionati, prendere tutte le precauzioni possibili. Gli Stati parte del I Protocollo aggiuntivo alle Convenzioni di Ginevra devono anche verificare se un'arma nuova è compatibile con il diritto internazionale prima di adottarla (art. 36). Un trattato specifico sulle armi autonome non esiste: se ne discute dal 2014 nell'ambito della Convenzione ONU su certe armi convenzionali, dove dal 2017 lavora un gruppo di esperti governativi. Un punto fermo c'è già: nel 2019 gli Stati parte hanno riconosciuto per consenso che la responsabilità umana per le decisioni sull'uso delle armi va mantenuta, perché non può essere trasferita alle macchine (Principi guida). A novembre 2026 la Conferenza di revisione dovrà decidere se aprire un negoziato vero e proprio.
Fonti: Regolamento (UE) 2024/1689 · Turing, Computing Machinery and Intelligence, 1950 · Krizhevsky, Sutskever, Hinton, 2012 · Vaswani et al., 2017 · Ouyang et al., 2022 · TechCrunch, 2017 · Orrick · Convenzione quadro del Consiglio d'Europa sull'IA · art. 36 · Principi guida
Notizie collegate: Minab, la scuola che nessuno ha controllato · Fuori dal recinto · Sei strade per l'intelligenza artificiale: gli scenari possibili e i segnali da guardare · Come si governa una macchina: gli strumenti sul tavolo per regolare l'intelligenza artificiale · Chi frena?