Chiedere a un chatbot di scrivere una mail, generare un'immagine o riassumere un documento è ormai un gesto quotidiano, come controllare le previsioni del tempo. Eppure, quando si incontrano espressioni come modelli linguistici di grandi dimensioni, reti neurali o token, in molti fingono di capire o chiudono la pagina. Non servono competenze da ingegnere per orientarsi: bastano definizioni chiare e qualche esempio pratico.
Dal modello linguistico all'AI generativa
Il modello linguistico di grandi dimensioni è il motore dei chatbot più diffusi. "Grandi dimensioni" indica la mole enorme di testo usata per l'addestramento: libri, articoli, siti, miliardi di parole in decine di lingue. Non è un archivio che pesca risposte preconfezionate, ma un sistema che ha interiorizzato le strutture della lingua e genera testi nuovi ogni volta. Da qui si arriva all'intelligenza artificiale generativa, il ramo che produce contenuti originali: testo, immagini, audio, video e codice. A differenza dei motori di ricerca tradizionali, non recupera materiale esistente ma lo crea a partire dalle istruzioni ricevute.
Alla base di tutto c'è l'apprendimento automatico, il metodo con cui i computer imparano a riconoscere schemi dai dati osservati. Il paragone più immediato è con Netflix o Prime Video: analizzano cosa guardiamo e affinano i suggerimenti. Lo stesso principio guida il riconoscimento vocale, i filtri antispam e il completamento automatico delle frasi. Nessuno programma a mano ogni regola: è il sistema che impara e migliora con l'uso.
Reti neurali, allucinazioni e token
La rete neurale è un sistema informatico vagamente ispirato al cervello umano, composto da strati di nodi interconnessi. Ogni strato estrae caratteristiche sempre più complesse: dai contorni di un'immagine alle forme, fino agli oggetti interi. Quando un'AI riconosce un gatto in una foto, non sa cosa sia un gatto come un essere umano: sa che certi schemi visivi ricorrono ogni volta che l'etichetta dice "gatto". È una conoscenza statistica, ma funziona anche con volti, lingue, lastre mediche e frodi bancarie.
Il termine più importante da conoscere è però allucinazione: accade quando un chatbot fornisce con sicurezza un'informazione sbagliata o inventata, come una statistica inesistente o una fonte mai pubblicata. Il sistema non mente, genera semplicemente la sequenza di parole più probabile. Il problema è che le allucinazioni sembrano identiche alle risposte corrette: per questo è sempre necessario verificare dati numerici, riferimenti scientifici e consigli medici, finanziari o legali.
Infine il prompt, l'arte di scrivere istruzioni efficaci: la differenza tra "dammi idee per cena" e una richiesta dettagliata su tempo, budget e ingredienti è la differenza tra un risultato vago e uno utilizzabile. E poi i token, le unità minime di testo che il modello elabora: una parola breve è un token, una lunga ne occupa due o tre, e anche la punteggiatura conta. Sono la misura su cui si basano i piani di abbonamento dei chatbot.
