Come funziona l'intelligenza artificiale generativa, spiegato semplice

Fino a pochi anni fa l'intelligenza artificiale era qualcosa che lavorava dietro le quinte: suggeriva un film, filtrava la posta indesiderata, riconosceva un volto in una foto. Con l'arrivo di strumenti come ChatGPT, Claude e Gemini è diventata qualcosa con cui si parla. Si scrive una domanda in italiano e arriva una risposta articolata, spesso sorprendentemente pertinente. Per usarla bene, però, conviene capire che cosa succede davvero tra la domanda e la risposta.

Questa guida spiega il funzionamento dell'intelligenza artificiale generativa senza formule e senza gergo inutile. Alla fine avrai un'idea chiara di cosa sa fare, perché a volte sbaglia e come sfruttarla al meglio nel lavoro di tutti i giorni.

Che cosa vuol dire "generativa"

Per decenni l'intelligenza artificiale è stata soprattutto classificazione: dato un input, il sistema sceglie tra alcune risposte possibili. Questa email è spam oppure no? In questa radiografia c'è un'anomalia? Questo cliente rischia di disdire l'abbonamento?

L'intelligenza artificiale generativa fa una cosa diversa: produce contenuti nuovi. Un testo, un'immagine, una melodia, una porzione di codice che prima non esistevano. Non li copia da un archivio: li costruisce a partire da ciò che ha imparato osservando enormi quantità di esempi.

La differenza sembra piccola, ma cambia tutto. Un classificatore risponde a una domanda chiusa; un modello generativo può affrontare una richiesta aperta, come "scrivi una risposta cortese a questo cliente arrabbiato" o "riassumi questo contratto in cinque punti".

Il cuore del sistema: il modello linguistico

I chatbot che usiamo ogni giorno si basano su un modello linguistico di grandi dimensioni, in inglese large language model o LLM. Il principio di fondo è sorprendentemente semplice: il modello è addestrato a prevedere il pezzo di testo successivo, data una sequenza di testo precedente.

Se leggi "Il gatto è salito sul", probabilmente pensi a "tetto", "divano" o "albero". Non hai consultato un elenco: la tua esperienza della lingua ti dice quali continuazioni sono plausibili. Un modello linguistico fa qualcosa di simile, ma su scala enorme e con una precisione statistica molto raffinata.

Quando gli chiedi qualcosa, il modello genera la risposta un pezzo alla volta. Sceglie il primo frammento, lo aggiunge al testo, poi sceglie il successivo tenendo conto di tutto ciò che c'è prima, e così via fino alla fine. È per questo che nelle interfacce la risposta compare progressivamente, quasi come se qualcuno stesse scrivendo.

I token: i mattoni del testo

Quel "pezzo di testo" non è esattamente una parola. I modelli lavorano con i token: frammenti che possono essere una parola intera, una parte di parola o un segno di punteggiatura. Una parola comune come "casa" può essere un solo token, mentre una parola lunga o rara viene spezzata in più parti.

I token contano anche nella pratica: i servizi a pagamento calcolano il costo in base ai token elaborati, e ogni modello ha un limite massimo di token che può considerare in una volta sola. Questo limite si chiama finestra di contesto.

La finestra di contesto

La finestra di contesto è la "memoria di lavoro" del modello: comprende le tue istruzioni, gli eventuali documenti che hai allegato e la conversazione fino a quel momento. Tutto ciò che sta dentro la finestra può influenzare la risposta; ciò che resta fuori, per il modello, semplicemente non esiste.

Le finestre dei modelli recenti sono molto ampie e permettono di lavorare su documenti lunghi. Resta però una buona abitudine fornire solo il materiale che serve davvero: un contesto ordinato produce risposte più precise di un contesto enorme e disordinato.

Come impara un modello: le tre fasi dell'addestramento

Un modello linguistico non nasce sapendo rispondere alle domande. Diventa utile attraverso un percorso che, semplificando, si può dividere in tre fasi.

1. Il pre-addestramento

Nella prima fase il modello legge una quantità enorme di testo: pagine web, libri, articoli, codice. Per ogni frammento prova a indovinare il token successivo, confronta la sua previsione con quello vero e corregge leggermente i propri parametri interni. Ripetuta miliardi di volte, questa operazione gli fa assorbire grammatica, vocabolario, fatti, stili di scrittura e perfino schemi di ragionamento.

Alla fine del pre-addestramento il modello è bravissimo a continuare un testo, ma non è ancora un assistente. Se gli scrivi una domanda, potrebbe rispondere con un'altra domanda, perché nei testi che ha letto le domande compaiono spesso in elenco.

2. L'addestramento a seguire istruzioni

Nella seconda fase il modello viene addestrato su esempi di conversazioni: una richiesta e una buona risposta, scritte o selezionate da persone. Impara così il formato del dialogo e il comportamento atteso da un assistente: rispondere alla domanda, seguire le indicazioni, mantenere un tono adeguato.

3. Il perfezionamento con il giudizio umano

Nella terza fase entrano in gioco valutazioni di qualità. Il modello produce più risposte alla stessa richiesta, e un sistema di valutazione, costruito a partire dalle preferenze espresse da persone, indica quali sono migliori. Il modello viene premiato quando produce risposte utili, corrette e sicure. Questa tecnica è nota come reinforcement learning from human feedback e ha un ruolo importante nel rendere gli assistenti più affidabili e meno inclini a contenuti dannosi.

Perché sembra che capisca

Se il modello "si limita" a prevedere il testo successivo, come fa a risolvere un problema di logica o a scrivere un programma funzionante? La risposta è che, per prevedere bene un testo complesso, deve aver costruito al suo interno rappresentazioni molto ricche della lingua e del mondo descritto dalla lingua.

Per completare correttamente la frase "La capitale del paese che confina a nord con l'Italia e ha come lingue ufficiali tedesco, francese, italiano e romancio è", il modello deve collegare più informazioni. Non c'è un archivio di risposte pronte: c'è una rete di associazioni che, nel suo insieme, produce un comportamento che a noi appare come comprensione.

Se questa sia vera comprensione è una domanda aperta e dibattuta. Per chi usa questi strumenti è più utile una conclusione pratica: il modello è molto bravo a produrre testo plausibile e spesso corretto, ma plausibile e corretto non sono la stessa cosa.

I modelli che "ragionano"

Negli ultimi anni si sono diffusi modelli progettati per dedicare più tempo a un problema prima di rispondere. Invece di produrre subito la risposta, elaborano una sequenza di passaggi intermedi, scompongono il problema e verificano i risultati parziali. Questo approccio migliora soprattutto matematica, programmazione e compiti con molti vincoli, al prezzo di risposte più lente e di un costo maggiore.

Non solo testo: immagini, audio e video

La stessa idea generale vale anche per altri tipi di contenuto, con tecniche diverse. Molti generatori di immagini usano i cosiddetti modelli di diffusione: partono da un'immagine fatta solo di rumore casuale e la ripuliscono passo dopo passo, guidati dalla descrizione testuale, finché non emerge una figura coerente con la richiesta.

Esistono poi modelli multimodali, capaci di ricevere e produrre più tipi di contenuto nella stessa conversazione: puoi mostrare la foto di un grafico e chiedere di commentarlo, oppure parlare a voce e ricevere una risposta parlata. Per l'utente il confine tra "chatbot", "generatore di immagini" e "assistente vocale" diventa sempre più sottile.

I limiti da conoscere

Capire come funziona un modello generativo aiuta soprattutto a prevederne gli errori. Ecco i limiti principali da tenere a mente.

• Le conoscenze hanno una data di scadenza. Il modello conosce ciò che era presente nei dati di addestramento. Gli eventi successivi non li conosce, a meno che lo strumento non faccia una ricerca sul web o tu non gli fornisca le informazioni.
• Può inventare con sicurezza. Quando non ha un'informazione, il modello può produrre comunque una risposta plausibile ma falsa: una citazione mai esistita, un numero sbagliato, una fonte inventata. Questo fenomeno si chiama allucinazione.
• Non è una calcolatrice. I modelli recenti sbagliano molto meno i calcoli, ma per conti precisi è sempre meglio uno strumento di calcolo o un foglio elettronico, che molti assistenti oggi sanno usare da soli.
• Riflette i dati da cui ha imparato. Pregiudizi e squilibri presenti nei testi di addestramento possono riaffiorare nelle risposte.
• Non ricorda tra una conversazione e l'altra, salvo che lo strumento offra una funzione di memoria esplicita. Ogni nuova chat riparte da zero.

Nessuno di questi limiti rende lo strumento inutile. Indicano piuttosto dove serve il controllo umano: nei fatti verificabili, nei numeri, nelle decisioni con conseguenze importanti.

Come usare al meglio l'intelligenza artificiale generativa

Tradotto in abitudini pratiche, quanto visto finora porta ad alcune regole semplici.

1. Dai contesto. Il modello vede solo ciò che gli scrivi. Spiega chi sei, a chi è destinato il risultato e che cosa ti serve esattamente.
2. Fornisci le fonti. Se la risposta deve basarsi su un documento, allegalo o incollalo. Il modello lavora molto meglio su informazioni che ha davanti che su ciò che ricorda.
3. Chiedi un formato preciso. Un elenco puntato, una tabella, un'email di dieci righe: indicarlo evita molti giri di correzione.
4. Procedi per passi. Un compito grande diviso in parti dà risultati migliori di un'unica richiesta che chiede tutto insieme.
5. Verifica ciò che conta. Nomi, date, cifre, riferimenti normativi e citazioni vanno sempre controllati su una fonte affidabile.

Se vuoi approfondire il punto più pratico di tutti, cioè come formulare le richieste, abbiamo dedicato una guida specifica a come scrivere un prompt efficace.

In sintesi

L'intelligenza artificiale generativa si basa su un'idea semplice, prevedere il pezzo di contenuto successivo, portata a una scala enorme e affinata con il contributo umano. Il risultato è uno strumento capace di scrivere, riassumere, tradurre, programmare e creare immagini con una qualità che fino a pochi anni fa sembrava fantascienza.

Proprio perché funziona per probabilità e non per certezze, dà il meglio quando è affiancata da una persona che sa cosa chiedere e sa riconoscere quando la risposta non torna. Chi ne conosce i meccanismi la usa meglio, si fida nel modo giusto e ne ricava un vantaggio concreto.