IA: l’era del Machine Learning

Secondo articolo dedicato all’intelligenza artificiale e alla sua applicazione al marketing delle imprese.

Riprendiamo in questo numero un tema a mio avviso particolarmente affascinante: l’intelligenza artificiale.

Si tratta di una tecnologia utile, accessibile, che trova applicazioni in diversi ambiti della comunicazione digitale e del marketing e che possiamo utilizzare anche per la promozione della nostra azienda nel settore funerario. Ma facciamo un passo indietro e vediamo come si è sviluppata ed evoluta nel tempo la tecnologia che ha portato alla moderna intelligenza artificiale.

Nel primo articolo dedicato all’IA e pubblicato su questa rivista (Oltre Magazine maggio/giugno 2025) abbiamo introdotto alcuni concetti funzionali a descrivere l’obiettivo principale della intelligenza artificiale, ovvero la riproduzione di intelligenze di tipo umano all’interno di macchine di vario tipo.
Abbiamo ripercorso i punti salienti della storia delle IA e ci siamo lasciati con Eliza la “psicologa”: un chat bot capace di simulare il dialogo con gli esseri umani, in grado di fornire risposte plausibili, basate su pattern di parole collegate a risposte specifiche. Il limite di questo sistema è risultato facilmente intuibile: Eliza non possedeva intelligenza, selezionava piuttosto in modo deterministico, parole che potevano essere riferibili a risposte. Tutto era contenuto in un data set che un programmatore riusciva a descrivere ad un calcolatore.

Dopo questo esperimento, c’è stato un cambio di paradigma, che ha portato il mondo delle IA a compiere un salto verso le applicazioni di intelligenza artificiale così come le conosciamo oggi, ovvero nel momento in cui si è giunti alla possibilità di non dover dire ai sistemi come comportarsi, ma offrire loro la possibilità di osservare degli esempi di comportamento e dunque apprendere, sempre sulla base di un set di dati.
Il concetto di apprendimento è centrale in questo contesto, è ciò che ha portato ai sistemi che conosciamo oggi. Siamo arrivati agli anni Duemila e al Machine Learning.

Intelligenza deterministica e Machine Learning

Ricapitolando il percorso compiuto dalle IA, la seconda parte del Novecento si è dedicata a un tipo di intelligenza detta “deterministica” poiché basata sull’immissione, all’interno del calcolatore, di conoscenza e regole per collegare determinati concetti. Il funzionamento di questo tipo di intelligenza artificiale è basato su schemi tecnici e immissione di dati inseriti nei calcolatori in modo che essi possano attingerne per dare delle possibili risposte a ipotetiche domande. C’è dunque un data set e abbiamo degli input, ai quali corrispondono determinati output.
Parole e frasi vengono collegate attraverso regole probabilistiche e logiche e sono “spiegate” alla macchina dal programmatore. A osservarlo bene però un sistema di questo tipo ha ben poco di intelligente: non è in grado di affrontare concetti che vadano fuori dal data set importato al suo interno.
Una delle peculiarità della conoscenza umana è invece rappresentata dalla capacità di muoversi ed esibire comportamenti in un contesto caratterizzato dall’incertezza. I sistemi basati sull’intelligenza deterministica hanno quindi portato alla nascita di supporti esperti, applicati a settori molto specifici, ma non sono mai riusciti a simulare un tipo di interazione ed elaborazione autonoma che potesse simulare l’intelligenza umana.

Per una reale simulazione dobbiamo attendere la convergenza di tre fattori:

potenza di calcolo aumentata,
strumenti matematici e algoritmi più evoluti,
la possibilità di attingere a una quantità enorme di dati.

Ciò avviene nei primi anni Duemila, creando il contesto che ha spianato la strada al Machine Learning. Da questo momento il paradigma cambia: si rinuncia alla possibilità di replicare la conoscenza e inserirla in un calcolatore e si pensa piuttosto alla simulazione, attraverso software sviluppati studiando e replicando l’elemento che caratterizza il funzionamento del cervello umano: il neurone. Si studiano e si realizzano “reti neurali” non biologiche, composte da nodi che simulano, utilizzando nuovi software, il comportamento basilare di un neurone vero e proprio.
Parliamo di un sistema in grado di attingere a dati complessi, capace di restituire relazioni altrettanto complesse tra questi dati tramite l’apprendimento. Si smette di inserire regole e pattern - quindi conoscenza - nel software e si spinge piuttosto l’acceleratore sull’addestramento: si individuano un gruppo di parametri che rappresentano la base dei nodi della rete neurale, capaci di generare altri collegamenti a valle, fino a creare un numero esagerato di collegamenti, complessi. Il sistema dunque apprende da una enorme quantità di esempi e poi passa alla produzione di output.

Nell’ambito del Machine Learning la tipologia più nota di modelli è denominata Deep Learning: tale forma di apprendimento automatico si basa sulle reti neurali di cui parlavamo nel paragrafo precedente ed è una tecnologia che segna un cambiamento profondo rispetto a quella usata per IA deterministica poiché contiene molti strati interni di nodi della rete neurale. Nonostante il cambio di passo però, che porta ad affinare in modo strabiliante le IA, anche in questo caso ci troviamo di fronte ad una tipologia di intelligenza che differisce in modo sostanziale dal cervello umano: i nostri neuroni infatti apprendono e producono connessioni ininterrottamente.
Ciò vuol dire che impariamo costantemente e parallelamente, applicando inoltre anche ad altri contesti ciò che stiamo imparando, 24 ore su 24. Il Machine Learning invece apprende, si ferma e restituisce output. Le connessioni prodotte, per quanto più complesse rispetto ai tentativi precedenti, sono diverse da quelle caratterizzate da un cervello umano.

Nelle prossime pubblicazioni approfondiremo come questa tecnologia trovi applicazione in vari ambiti, soprattutto quello della comunicazione e del marketing digitale e, nel nostro caso, marketing digitale applicato al settore funerario.

Serena Spitaleri