Applicazioni Reali dell'Intelligenza Artificiale: 5 Domini
Dai pixel di Instagram ai Transformer di ChatGPT: come riconoscere l'AI nei prodotti che usi ogni giorno, collegare ogni dominio al paradigma ML corretto e capire dove l'AI fallisce ancora.
1. Panoramica: dall'algoritmo al prodotto reale
L'AI non è una tecnologia monolitica: è un insieme di tecniche specializzate, ognuna ottimizzata per un tipo di dato (immagini, testo, segnali) e per un tipo di problema (classificare, generare, controllare).
Finora abbiamo parlato di AI in modo astratto — paradigmi, architetture, gerarchia. In questa lezione facciamo il salto opposto: partiamo dai prodotti che usi ogni giorno e risaliamo al tipo di AI che li alimenta. L'obiettivo non è memorizzare nomi, ma capire che ogni applicazione ha un tipo di dato e una storia di apprendimento diversa.
Io ho pensato di fare così per non farvi impazzire con 50 nomi: vi do 5 scatole colorate e vi chiedo di buttare dentro ogni prodotto che incontrate. Io lo farei così all'orale: se ti chiedo "Cos'è Instagram?", tu non mi rispondi "è un'app". Mi rispondi "è Computer Vision per i filtri + Recommendation per il feed". Vedrete che quando imparate a dire dominio → dato → modello, sembrate subito professionisti.
👁️ Computer Vision
Foto, video, pixel. Input: matrice RGB. Modello: CNN, ViT.
💬 Natural Language
Testo, token, frasi. Modello: Transformer, BERT, GPT.
🎮 Reinforcement RL
Stato → azione → reward. Modello: DQN, PPO, AlphaZero.
🤖 Robotica & Auto
Fusione sensori: camere + LiDAR + radar. Sim-to-real gap.
✨ Generative AI
Genera nuovo contenuto. Modello: GAN, Diffusion, LLM.
2. Computer Vision — insegnare alle macchine a vedere
La Computer Vision (CV) è il campo dell'AI che permette ai computer di interpretare immagini e video. Il dato di input è una matrice di pixel: un'immagine a colori 224×224 è un tensore 224×224×3 (canali RGB). Le reti neurali convoluzionali (CNN) sono l'architettura dominante: rilevano automaticamente bordi, texture, forme e oggetti in modo gerarchico.
Task principali CV
Image Classification
Assegna un'etichetta all'intera immagine. Benchmark: ImageNet 1.000 categorie. Modelli: ResNet, EfficientNet, ViT.
Object Detection
Localizza + classifica più oggetti con bounding box. Algoritmi: YOLO, Faster R-CNN, SSD. Usato in auto autonome.
Semantic Segmentation
Assegna una classe a ogni pixel. Distingue "asfalto", "pedone", "cielo". Usato in diagnostica medica e guida autonoma.
Face Recognition
Embedding facciale in spazio vettoriale + confronto distanza. Usato in sblocco smartphone e app foto.
Google Foto raggruppa automaticamente le immagini per volto e oggetto (classification + face clustering). Tesla Autopilot usa CV per rilevare veicoli, pedoni e segnali stradali in tempo reale (detection + segmentation). Instagram applica filtri AR rilevando il viso (face landmarks + pose estimation). Radiologia AI (DeepMind, Philips) Alcuni sistemi di AI sono stati studiati per supportare l'analisi di immagini radiologiche, con risultati che in specifici compiti possono avvicinarsi a quelli di specialisti. Quando apri la galleria del telefono, stai già usando 3-4 modelli CV.
Io lo farei così per ricordarlo a memoria: CV = immagine → CNN. Se all'interrogazione ti dico "224x224x3" tu rispondi subito "tensore RGB, Computer Vision". È il nostro codice segreto. E ricordate: YOLO non è "you only live once" qui, è "You Only Look Once" — guarda una volta sola e trova tutto. Geniale.
3. Natural Language Processing — insegnare alle macchine a leggere
Il Natural Language Processing (NLP) è il campo che permette alle macchine di comprendere, generare e tradurre il linguaggio umano. Il testo è una sequenza discreta di token (parole o sotto-parole): a differenza delle immagini, non ha struttura spaziale fissa. La svolta moderna è arrivata con l'architettura Transformer (Vaswani et al., 2017, Google), che ha reso possibile modelli come BERT, GPT e T5.
Task principali NLP
| Task | Descrizione | Esempio prodotto | Tipo ML |
|---|---|---|---|
| Sentiment Analysis | Classifica emozione testo (positivo/negativo/neutro) | Recensioni Amazon, Twitter monitoring | Supervised |
| Machine Translation | Traduce da una lingua a un'altra | DeepL, Google Translate | Supervised seq2seq |
| Named Entity Recognition | Identifica nomi, luoghi, organizzazioni | Motori di ricerca, sistemi HR | Supervised |
| Question Answering | Risponde a domande su un testo | Google Search, Alexa | Supervised (BERT) |
| Text Generation | Genera testo coerente e contestuale | ChatGPT, Copilot | Self-supervised |
Transformer (2017) = architettura a self-attention che guarda tutte le parole contemporaneamente, non più una alla volta come RNN. È la base di BERT (encoder, capisce) e GPT (decoder, genera).
Confondere NLP classico con LLM. NLP tradizionale classifica testi già esistenti (sentiment, NER). L'LLM invece *genera* nuovo testo predendo il prossimo token. Se ti chiedono "DeepL che paradigma usa?" → supervised seq2seq, non generative puro. Se ti chiedono "ChatGPT?" → self-supervised + RLHF.
4. Reinforcement Learning — imparare giocando
Il Reinforcement Learning non impara da etichette, ma per interazione diretta con l'ambiente: prova azioni, osserva le conseguenze (reward positiva o negativa) e modifica la strategia. È come imparare un videogioco senza manuale.
Deep Q-Network ha imparato a giocare 49 giochi Atari direttamente dai pixel dello schermo, senza conoscere le regole. Input: frame video 84x84. Output: tasto da premere (joystick). Reward: punteggio del gioco. Dopo milioni di partite, batte l'umano in Breakout e Space Invaders scoprendo da solo trucchi come il "tunnel" in Breakout.
RL applicato al controllo del raffreddamento dei data center Google: riduzione del 40% del consumo energetico rispetto ai sistemi automatici precedenti. Il reward è definito come minimo consumo mantenendo le temperature entro soglia di sicurezza. Tradotto: milioni di dollari risparmiati e CO2 evitata — un esempio perfetto di AI utile non-chatting.
Io ho pensato di fare così per farvelo ricordare: RL = cane + biscotto. L'agente è il cane, l'ambiente è la cucina, il reward è il biscotto. Se fa la cosa giusta, biscotto. Se sbaglia, niente biscotto. Dopo 1000 tentativi impara. Io lo farei così all'esame: disegna il loop agente → azione → ambiente → stato + reward → agente. Il disegnino vale più di 1000 parole.
5. Robotica e veicoli autonomi
La robotica moderna combina più sottocampi AI: CV per percepire l'ambiente, RL per pianificare le azioni, e sistemi di controllo per eseguirle. Il problema fondamentale è il sim-to-real gap: un robot addestrato in simulazione deve funzionare nel mondo fisico caotico e imprevedibile.
Bracci Robotici
OpenAI Dactyl addestra mano per cubo di Rubik in simulazione + transfer reale. Amazon Robotics movimenta pacchi con CV + RL.
Guida Autonoma
Tesla FSD, Waymo, Cruise: CV (camere, LiDAR, radar) + fusione sensoriale + predizione traiettoria. Pipeline: percezione → predizione → pianificazione → controllo.
Droni Autonomi
Amazon Prime Air evita ostacoli e identifica zone atterraggio. Tema etico urgente per uso militare (riconoscimento target autonomo).
Un sistema AI in un robot fisico può causare danni reali. Il specification gaming è particolarmente pericoloso: il modello ottimizza la reward senza capire l'intenzione. Esempio: un robot addestrato a "non ferirsi" potrebbe semplicemente evitare di muoversi per sempre. Vince la metrica, fallisce il compito. La verifica formale della sicurezza dei sistemi AI fisici è un campo di ricerca attivo e urgente.
Io ho pensato di fare così quando spiego la guida autonoma: vi faccio vedere un video Tesla FSD e vi blocco ogni 5 secondi — "cosa sta facendo ora?". Percezione! Predizione! Pianificazione! Controllo! Se riuscite a nominare i 4 livelli della pipeline guardando un video, avete già capito più del 90% delle persone che ne parlano sui social. Io lo farei così anche per la verifica.
6. Generative AI — macchine che creano
La Generative AI è l'area che più ha catturato l'attenzione pubblica. Invece di classificare o predire, questi modelli generano nuovi contenuti: immagini, testo, audio, video, codice. Esistono tre architetture principali che devi conoscere.
GAN — Generative Adversarial Networks (Goodfellow, 2014)
Il sito storico thispersondoesnotexist.com genera volti umani realistici che non appartengono a nessuno, usando StyleGAN di NVIDIA. Idea: due reti competono, entrambe migliorano.
Diffusion Models (2020–2022)
I diffusion model hanno ottenuto risultati molto competitivi nella generazione di immagini e sono diventati una delle architetture più utilizzate nei moderni sistemi generativi. Il processo ha due fasi: il forward process aggiunge progressivamente rumore gaussiano a un'immagine reale fino a renderla puro rumore; il reverse process addestra una rete a derumorare passo-passo, imparando a ricostruire l'immagine originale. Durante l'inferenza, si parte da rumore casuale e si applica il reverse process guidato da un prompt testuale.
DALL-E 3 (OpenAI), Stable Diffusion (Stability AI, open source), Midjourney e Adobe Firefly. Tutti generano immagini da descrizioni testuali. Adobe ha addestrato Firefly esclusivamente su immagini con licenza per evitare problemi di copyright — tema sempre più critico.
Large Language Models (LLM)
Un LLM è un Transformer addestrato su enormi corpus testuali con l'obiettivo di predire il prossimo token: dato "il gatto è sul" il modello deve prevedere "mat". Questo compito apparentemente banale, ripetuto miliardi di volte, permette al modello di apprendere rappresentazioni statistiche del linguaggio e di sviluppare capacità utili anche per attività come risposta a domande, programmazione e trasformazione del testo.
| Modello | Azienda | Anno | Parametri | Note |
|---|---|---|---|---|
| GPT-4 | OpenAI | 2023 | ~1.8T (stimati) | Multimodale testo+immagini, usato in ChatGPT |
| Gemini Ultra | Google DeepMind | 2024 | N/D | Integrato in Search, Workspace, Android |
| Claude 3 | Anthropic | 2024 | N/D | Focus safety e Constitutional AI |
| LLaMA 3 | Meta | 2024 | 8B / 70B / 405B | Open source, eseguibile in locale |
| Mistral 7B | Mistral AI | 2023 | 7B | Efficiente, open source, consumer HW |
Io ho pensato di fare così per farvi fissare le 3 generative in un minuto: GAN = falsario vs poliziotto (uno crea soldi falsi, l'altro li sgama). Diffusion = foto che si sporca di rumore fino a neve TV, poi impari a pulirla al contrario — e se gli dici "gatto astronauta" pulisce verso quella direzione. LLM = autocomplete super potente che completa "il gatto è sul..." con "tetto" perché l'ha visto un milione di volte. Io lo farei così all'interrogazione: disegno i 3 schemini al volo e faccio bingo.
7. Tabella riassuntiva: dominio → dato → modello → prodotto
Questa è la tabella che dovete saper ricostruire a occhi chiusi. Se vi danno un prodotto, dovete risalire a dato e paradigma. È la domanda jolly della verifica.
| Dominio | Tipo di dato | Paradigma ML | Architettura tipica | Esempio prodotto |
|---|---|---|---|---|
| Computer Vision | Immagini, video | Supervised | CNN, ViT | Google Foto, Tesla FSD, RX AI |
| NLP — Comprensione | Testo | Supervised (fine-tuning) | Transformer (BERT) | Google Search, Alexa, Grammarly |
| NLP — Generazione | Testo | Self-supervised | Transformer decoder (GPT) | ChatGPT, Claude, Copilot |
| Traduzione | Testo parallelo | Supervised (seq2seq) | Encoder-Decoder Transformer | DeepL, Google Translate |
| Giochi e controllo | Stato ambiente | Reinforcement Learning | DQN, PPO, AlphaZero | AlphaGo, AI datacenter cooling |
| Guida autonoma | Camere, LiDAR, radar | Supervised + RL | CNN + fusione sensoriale | Tesla Autopilot, Waymo |
| Generazione immagini | Immagini + testo | Self-supervised / generativo | GAN, Diffusion Model | DALL-E, Midjourney, Firefly |
| Speech Recognition | Audio (segnale) | Supervised | Transformer (Whisper) | Siri, Google Assistant, Whisper |
| Recommendation | Interazioni utente | Supervised + Unsupervised | Collaborative filtering, DNN | Netflix, Spotify, TikTok |
8. Limiti reali: quello che l'AI non sa fare (ancora)
Fin qui abbiamo celebrato l'AI. Ora facciamo i guastafeste, che per un tecnico è più importante: conoscere i limiti è parte essenziale della formazione.
Bias nei dati
Modello addestrato su dati storici impara i bias storici. COMPAS mostrava bias razziali. Dataset CV poco diversi → face recognition peggiore per certi gruppi.
Mancanza di causalità
I modelli trovano correlazioni, non cause. Predire influenza da vendite paracetamolo = correlazione spuria. Pericoloso in medicina e finanza.
Consumo energetico
L'addestramento e l'utilizzo di grandi modelli richiedono risorse computazionali ed energetiche significative. LLM moderni costano centinaia di milioni in compute. Sostenibilità tema aperto.
Allucinazioni LLM
Generano testo plausibile ma falso. Inventano riferimenti bibliografici, date, fatti. Non hanno verifica interna di verità, solo probabilità token.
Dire "l'AI è oggettiva perché è matematica". No. L'AI è matematica applicata a dati umani → se i dati sono distorti, il modello è distorto. E dire "più parametri = più intelligente". No. Più parametri = più capacità di memorizzare pattern, ma anche più costo, più energia, più rischio allucinazioni. La vera intelligenza è saper scegliere il modello giusto per il dato giusto.
Io ho pensato di fare così quando parliamo di etica: vi metto davanti COMPAS e vi chiedo "lo usereste per decidere se una persona va in carcere?". Silenzio. Poi vi dico: è stato usato davvero. Io lo farei così in classe: non voglio moralismi, voglio checklist tecnica. Per ogni progetto AI dovete rispondere a 4 domande: dati bilanciati? correlazione vs causa? costo energetico giustificato? cosa succede se allucina? Se manca una risposta, progetto bocciato.
9. Verifica / Esercizio in classe
🔬 Attività — Classifica 10 prodotti AI reali
Obiettivo: applicare schema dominio → tipo di dato → paradigma ML → architettura → prodotto. Lavora a coppie, 20 minuti.
- Prendi questi prodotti: Instagram filtri, DeepL, AlphaGo, Siri, Netflix, Tesla FSD, ChatGPT, Google Foto, DALL-E, Amazon magazzino robot.
- Per ognuno compila la riga: Dominio / Dato / Paradigma / Architettura / Rischio principale
- Scegli un prodotto e spiega: se il dataset fosse sbilanciato, che errore farebbe? (es. face recognition)
- Bonus: prova a descrivere a grandi linee come funziona una GAN usando disegno generatore vs discriminatore
Instagram filtri: CV + Face Landmarks → dato immagine → supervised → CNN leggera mobile → rischio privacy/biometria.
DeepL: NLP Traduzione → dato testo parallelo → supervised seq2seq → Transformer Encoder-Decoder → rischio traduzione errata in contesto medico.
AlphaGo: Giochi → dato stato scacchiera → RL → MCTS + Deep Net → rischio nessuno fisico, ma reward hacking.
ChatGPT: Generazione testo → dato testo web-scale → self-supervised + RLHF → Transformer decoder → rischio allucinazione.
Se riesci a fare questo per tutti e 10 senza guardare la tabella, hai appreso la lezione al 100%.
10. Riepilogo e concetti chiave
📚 Prossimo passo — Panoramica degli Strumenti AI
Nella prossima lezione apriamo la cassetta degli attrezzi: Python, Jupyter, Hugging Face, dataset e le librerie con cui inizierai a sperimentare concretamente. Porta il portatile carico — si passa dal guardare al fare.