Nel 2026 l’intelligenza artificiale (IA) ci circonda. Si è sviluppata così rapidamente negli ultimi cinque anni che l’abbiamo vista entrare nella nostra vita quotidiana quasi senza accorgercene: che si tratti di chiedere a ChatGPT di aiutarci con i compiti (o di farli al posto nostro), di usare il Face ID per sbloccare il telefono o perfino di ascoltare i brani consigliati su Spotify, l’IA si è integrata nelle nostre vite in modo così naturale che pochissime persone si fermano davvero a chiedersi: “Ma da dove viene l’IA?”. Nella nostra società l’IA è sempre stata considerata inevitabile. Quando si chiede a qualcuno di immaginare il mondo del futuro, prima o poi spuntano robot e macchine destinate a sostituire l’uomo; perciò, ora che quel mondo futuro sta lentamente diventando realtà, è importante conoscere la storia dello sviluppo e della nascita dell’IA.
L’idea di “intelligenza” delle macchine nacque nel 1950, quando il matematico britannico Alan Turing formulò il concetto di una macchina in grado di pensare, proponendo un test chiamato “Il gioco dell’imitazione” che stabiliva un criterio di riferimento per l’“intelligenza” di un computer. Il criterio consisteva nel verificare se un computer fosse in grado di sostenere una conversazione simile a quella umana, indistinguibile da quella di una persona reale. Nel test, un interrogatore umano pone domande, da una stanza separata, al Giocatore A (un essere umano) e al Giocatore B (un computer). L’obiettivo del Giocatore B è imitare le risposte di un essere umano, impedendo all’interrogatore di distinguere in modo coerente e corretto l’uomo dalla macchina. Se l’interrogatore viene ingannato dalla macchina un numero sufficiente di volte, al di sopra del puro caso, il computer supera il test e ha raggiunto l’“intelligenza”. Turing previde, in una celebre affermazione, che entro il 2000 i computer avrebbero giocato così bene che un interrogatore medio non avrebbe avuto più del 70% di probabilità di identificarli correttamente dopo cinque minuti di domande. Questo test fece della comunicazione testuale il punto di riferimento per misurare le capacità delle macchine e gettò le basi per i primi chatbot degli anni Sessanta e, infine, per gli LLM (Large Language Model, modelli linguistici di grandi dimensioni) che usiamo oggi, come ChatGPT, Claude e così via.
Negli anni Cinquanta e Sessanta lo sviluppo dell’IA ebbe un’esplosione, e i computer cominciarono a fare cose di cui solo persone eccezionali erano capaci. I primi programmi erano in grado di risolvere complesse equazioni algebriche, dimostrare teoremi avanzati di geometria e imparare a giocare a dama a livello competitivo. Grazie a questo boom iniziale, i governi iniziarono a investire milioni di dollari nello sviluppo dell’IA, e si crearono aspettative irrealistiche. Queste aspettative non furono mai soddisfatte e i governi rimasero delusi. Nel 1973 un noto fisico britannico, Sir James Lighthill, concluse che l’IA non era stata all’altezza delle grandi aspettative. Ciò portò in seguito il governo a ritirare quasi del tutto il proprio sostegno finanziario allo sviluppo dell’IA. Lo stesso accadde negli Stati Uniti. Questo abbandono dell’IA tra il 1974 e il 1980 è noto come il “primo inverno dell’IA”, e l’espressione “intelligenza artificiale” finì per essere associata a un “entusiasmo deluso”. Negli anni Ottanta gli scienziati spostarono la loro attenzione dalla costruzione di un’IA dalla mente simile a quella umana alla soluzione di problemi pratici e molto specifici, il che portò nel 1986 all’adozione dei “sistemi esperti” (programmi di IA autonomi in grado di prendere decisioni). Questi ebbero un enorme successo e vennero adottati da grandi aziende e agenzie governative. L’industria dell’IA era tornata in pieno sviluppo negli Stati Uniti e il Giappone, per non restare indietro, investì 850 milioni nello sviluppo dell’IA, riaccendendo l’interesse internazionale.
L’accelerazione dello sviluppo dell’IA proseguì e nel 1986 Geoffrey Hinton scoprì e rese popolare la “retropropagazione” (backpropagation: l’IA individua un errore e risale a ritroso per capire dove è stato commesso, in modo da ridurre gli errori futuri). Questo diede il via allo sviluppo dell’autonomia dei computer e, sfruttandola, nel 1997 Hochreiter e Schmidhuber progettarono le LSTM (long short-term memory, memoria a lungo-breve termine), che introdussero la memoria nei computer. Le LSTM permisero lo sviluppo dei chatbot e dimostrarono che le reti neurali artificiali potevano cogliere la complessità del linguaggio umano. Gettarono così le prime basi per il testo predittivo che abbiamo oggi sui nostri telefoni.
Negli anni Dieci del Duemila l’IA cominciò a raggiungere prestazioni di livello umano, e persino sovrumano, in diversi campi. Nel 2012 AlexNet e ResNet (reti neurali) permisero all’IA di riconoscere gli oggetti e, in un test di accuratezza, il loro tasso di errore scese sotto il 3,6%, superando la persona media nella classificazione delle immagini. L’IA aveva ufficialmente superato la vista umana. Nel 2016 AlphaGo di Google DeepMind sconfisse Lee Sedol (campione del mondo) a Go, un gioco ritenuto immune al calcolo dei computer perché si diceva richiedesse “istinto” e “intuizione”. L’IA aveva superato l’intuizione umana. Nel 2011 Apple lanciò Siri, poi arrivò Alexa nel 2014 e Google Assistant nel 2016. Tutto ciò dimostra uno spostamento dello sviluppo dell’IA verso il dialogo parlato e, nel 2017, l’IA acquisì la capacità di comprendere lo slang e le espressioni idiomatiche grazie ai modelli Transformer, in grado di elaborare tutte le informazioni contemporaneamente (usati in modelli come ChatGPT e Claude). Queste prestazioni costantemente sovrumane avvicinano sempre di più quel futuro immaginato in cui robot destinati a sostituire l’uomo vivono in mezzo a noi; per ora, però, l’IA lavora a nostro vantaggio. Grazie alla sua capacità di classificare le immagini, l’IA viene usata per esaminare migliaia di esami diagnostici molto complessi, individuando anomalie in pochi minuti. Grazie alla sua capacità di trascrizione vocale, viene usata anche per convertire l’audio parlato in testo in tempo reale in oltre cento lingue.
Arriviamo infine all’era generativa, in cui vediamo l’IA diventare accessibile a tutti. Dopo l’enorme crescita di scala di GPT-3 (un modello Transformer rilasciato nel 2020), alimentato con centinaia di miliardi di parole e informazioni provenienti da tutta internet, l’IA era in grado di scrivere saggi, tradurre testi e generare immagini. Questa crescita portò in seguito alla nascita di ChatGPT nel 2022. Entro il 2024 sia Midjourney sia DALL-E (i programmi di IA più popolari al mondo) avevano reso la generazione di immagini fotorealistiche a partire da testo accessibile a tutti, gratuitamente o in abbonamento. Restava da creare e rendere accessibile soltanto la generazione di video. A fine 2024 OpenAI rese disponibile al pubblico Sora. Fu un enorme successo e la domanda di strumenti di IA crebbe moltissimo, spostando l’attenzione dei principali scienziati dell’IA dalla ricerca al business: costruire prodotti per milioni di persone e venderli in abbonamento. Gran parte dell’integrazione dell’IA nella nostra società è dovuta alla sua nuova accessibilità, che è stata commercializzata con milioni di utenti che pagano un canone mensile per un’assistenza avanzata basata sull’IA.
In sintesi, l’IA si è sviluppata attraverso decenni di scoperte, battute d’arresto e aspettative in continuo cambiamento. Dalle prime idee di Turing agli strumenti generativi di oggi, è passata da teoria scientifica a qualcosa di radicato nella vita di tutti i giorni. La sua storia mostra che il progresso raramente è prevedibile, ed è per questo che comprendere il passato dell’IA è importante mentre decidiamo in che modo dovrà plasmare il nostro futuro.
Questo contributo è stato scritto da Alex Gundle, che nell’estate del 2026 ha svolto un tirocinio di due settimane presso INAF Osservatorio di Astrofisica e Scienza dello Spazio di Bologna sotto la supervisione di Andrea Bulgarelli e Maura Sandri. Qui la versione originale, in inglese.
