Nel 1950 Alan Turing pubblicò un articolo destinato a diventare famoso: Computing Machinery and Intelligence. La prima domanda era semplice e vertiginosa: «Can machines think?» — cioè «Le macchine possono pensare?». Turing si accorgeva però che era difficile stabilire che cosa significhi esattamente «pensare». E allora proponeva di cambiare domanda. Non chiediamoci che cosa accade dentro una macchina: osserviamo piuttosto come si comporta. Se, attraverso una conversazione, non siamo in grado di distinguere le risposte di una macchina da quelle di una persona, possiamo dire che la macchina mostra un comportamento intelligente. È l’idea del famoso test di Turing.
Pochi anni dopo, nel 1956, nasce ufficialmente un nuovo campo di ricerca. Durante un seminario estivo al Dartmouth College, negli Stati Uniti, John McCarthy e altri ricercatori usano per la prima volta l'espressione «artificial intelligence» (AI), in italiano intelligenza artificiale (IA). L'idea di fondo è ambiziosa: se l'intelligenza consiste in processi che possono essere descritti con sufficiente precisione, forse una macchina può imparare a riprodurli. Da allora la storia dell'intelligenza artificiale non è stata una marcia trionfale, piuttosto una storia fatta di entusiasmi, delusioni e ripartenze.
Negli anni Cinquanta e Sessanta prevale l'idea che il ragionamento umano possa essere tradotto in regole e procedure. Le macchine imparano a giocare, a dimostrare teoremi, a manipolare simboli, con enormi aspettative. Ma molti problemi che sembravano semplici si rivelano straordinariamente difficili. Negli anni Settanta arriva così il primo «inverno dell'intelligenza artificiale», con una riduzione dei finanziamenti e dell'interesse.

Negli anni Ottanta tornano entusiasmo e investimenti, soprattutto grazie ai cosiddetti sistemi esperti: programmi che cercano di riprodurre il sapere di uno specialista attraverso migliaia di regole. Ma anche questa stagione finisce con nuove delusioni, dato che i sistemi esperti si rivelano fragili quando aumentano le regole, onerosi da aggiornare e difficili da estendere a situazioni nuove. E così, alla fine degli anni Ottanta, arriva un secondo inverno.
Poi qualcosa cambia. A partire dagli anni Novanta, infatti, anziché fornire alla macchina tutte le regole da seguire, si comincia sempre più spesso a chiederle di imparare dai dati. Questo cambio di prospettiva nell’approccio porta, nel 1997, il computer IBM Deep Blue a sconfiggere il campione mondiale di scacchi Garry Kasparov. È un traguardo simbolico enorme, destinato a fissarsi nella memoria collettiva: una macchina batte l'uomo in uno dei giochi considerati per eccellenza una prova di intelligenza. Negli anni successivi i successi sembrano rapidamente accumularsi: prima, nel 2011, IBM Watson sorprende il pubblico americano vincendo il quiz televisivo Jeopardy!; poi l’annno successivo, nel 2012, le reti neurali profonde (o Deep Neural Networks) iniziano ad ottenere risultati straordinari nel riconoscimento delle immagini. Ma è il 2016 l’anno di una nuova svolta simbolica: AlphaGo sconfigge Lee Sedol, uno dei più forti giocatori al mondo di Go, il tradizionale gioco da tavolo cinese. Ed è sorprendente perché rispetto agli scacchi, che possono essere affrontati in gran parte attraverso una ricerca sistematica delle mosse, il Go sembrava molto più difficile da trattare con gli stessi strumenti.
Nel 2017 si compie un secondo salto di paradigma con l'introduzione dell'architettura Transformer, che diventerà uno dei mattoni fondamentali dei moderni modelli linguistici. Segue, infatti, una rapida evoluzione con modelli linguistici sempre più imponenti, come GPT-3 nel 2020, fino all’arrivo, nel novembre 2022, di ChatGPT, che porta per la prima volta l'intelligenza artificiale conversazionale nelle mani di un pubblico enorme. Per la prima volta, la macchina non gioca più soltanto, ma esegue azioni esclusivamente ascrivibili all’uomo: conversa, scrive, traduce, riassume, programma, genera immagini e aiuta a produrre idee.

A causa della presenza pervasiva dell’IA nella vita quotidiana, si rende oggi urgente una perimetrazione concettuale nella quale la teoria si concretizza in una domanda pratica: che cosa chiamiamo, precisamente, «intelligenza artificiale»? Una risposta oggi particolarmente autorevole è quella contenuta nell'AI Act dell'Unione Europea: un sistema di IA è, in sostanza, un sistema basato su una macchina che, con diversi livelli di autonomia, può produrre, a partire dagli input ricevuti, previsioni, contenuti, raccomandazioni o decisioni capaci di influenzare un ambiente fisico o virtuale. La capacità fondamentale della macchina è quindi quella di inferire, cioé partire da dati disponibili, “imparare” un modello della realtà e fare previsioni per analizzare dati nuovi, dati mai visti prima, non limitandosi ad eseguire meccanicamente una regola già scritta.
Seguendo invece una definizione meno tecnica, contenuta nell’Oxford English Dictionary, l’intelligenza artificiale (IA) è la capacità di computer o macchine di mostrare o simulare un comportamento intelligente, cioè, semplicemente, quella di simulare attitudini umane quali il ragionamento, l’apprendimento, la pianificazione e la creatività. Infine, secondo il filosofo Luciano Floridi l’intelligenza artificiale non è tanto una forma di intelligenza, quanto una forma di agency, ovvero la capacità di agire e produrre risultati senza necessariamente comprendere ciò che si sta facendo. È la separazione tra l’agire e il capire. Siamo quindi invitati a chiederci: e se questi sistemi non fossero davvero intelligenti, ma fossero diventati formidabili a fare finta di esserlo?
