Quando senti parlare di "intelligenza artificiale", cosa immagini? Un robot che ragiona come un essere umano? Un computer che prova emozioni? Un'entità che sta per superarci e renderci obsoleti? Se la tua immagine mentale assomiglia più alla fantascienza che alla realtà, non sei solo: è esattamente così che l'AI viene raccontata dalla maggior parte dei media, delle aziende tech e persino di alcuni ricercatori.
La verità è molto più prosaica — e per certi versi più interessante. L'intelligenza artificiale, come esiste oggi, non è "intelligente" nel senso umano del termine. Non pensa, non capisce, non prova emozioni, non ha obiettivi propri. È un insieme di tecniche matematiche e computazionali che permettono ai computer di riconoscere pattern nei dati e produrre output basati su quei pattern. Quando un sistema di AI "riconosce" un volto in una foto, non "vede" la persona: calcola la probabilità che un certo insieme di pixel corrisponda a un pattern che ha incontrato milioni di volte nei dati di addestramento.
Questa distinzione non è pedanteria accademica: ha conseguenze enormi sul modo in cui regoliamo, usiamo e pensiamo a queste tecnologie. Se crediamo che l'AI "pensi", potremmo affidarle decisioni che non dovrebbe prendere — come stabilire se un detenuto merita la libertà condizionale. Se crediamo che l'AI sia "solo matematica", potremmo sottovalutare il suo impatto reale sulla vita delle persone.
La studiosa Kate Crawford usa un'immagine efficace: l'AI non è né intelligente né artificiale. Non è intelligente perché non ha comprensione; non è artificiale perché dipende interamente da risorse materiali (terre rare, energia, acqua) e lavoro umano (data labelers, moderatori, crowd workers). È un sistema socio-tecnico, non un'entità autonoma.
Capire cosa l'AI è davvero è il primo passo per poter parlare in modo sensato del suo impatto sulla società. Non si tratta di essere "pro" o "contro" l'AI — si tratta di avere gli strumenti per distinguere tra ciò che è reale e ciò che è marketing, tra ciò che è possibile e ciò che è desiderabile.
Nel resto di questo modulo esploreremo come funzionano concretamente queste tecnologie — dal machine learning ai Large Language Models — per costruire una comprensione solida su cui basare le conversazioni dei moduli successivi.