Cos'è l'intelligenza artificiale generativa?

L'IA che hai già usato ordinava le cose. L'IA generativa le crea

Per vent'anni, l'IA nella vita quotidiana è stata invisibile e classificava. Il filtro antispam decideva se era spam o no. L'app foto decideva di chi fosse un volto. La banca decideva se era una frode o no. Il motore di raccomandazione classificava cosa mostrare dopo. Ognuna di queste azioni prende qualcosa che esiste già e gli assegna un'etichetta o un punteggio. Cos'è l'IA copre quella famiglia più ampia.

L'IA generativa inverte la direzione. Invece di prendere un'immagine e restituire "gatto", prende "un gatto su un davanzale al tramonto" e restituisce un'immagine. Invece di valutare un'email, ne scrive una. Il modello ha imparato gli schemi di milioni di esempi abbastanza bene da produrne uno nuovo che li rispetti.

Questa inversione è l'intera ragione per cui la tecnologia ha raggiunto il pubblico. La classificazione è una funzione dentro il prodotto di qualcun altro. La generazione è un prodotto a sé: digiti una richiesta, ricevi una cosa. ChatGPT è stato lanciato il 30 novembre 2022 e ha raggiunto una stima di 100 milioni di utenti attivi mensili a gennaio 2023, due mesi dopo il lancio, secondo un'analisi UBS riportata da Reuters il 1 febbraio 2023, l'applicazione consumer più rapida a raggiungere quel traguardo all'epoca, perché per la prima volta il risultato del modello era il punto centrale.

Quello che è seguito non è stato un flusso costante. La cronologia di rilascio dei modelli traccia 41 lanci principali da quel giorno, e 31 di essi sono arrivati nel 2025 e nel 2026. L'arancione indica un modello di ragionamento o una famiglia che include una modalità di pensiero; il tratto ombreggiato inizia con o1-preview.

Ogni modello generativo impara come appare un esempio plausibile, poi ne crea uno

Ogni modello generativo viene addestrato fondamentalmente allo stesso modo: gli si mostra un numero enorme di esempi e lo si fa imparare come appare un esempio plausibile. Poi, al momento dell'uso, gli si chiede di produrre un nuovo campione che rispetti lo schema e la richiesta.

Per il testo, il modello impara a prevedere il token successivo, e genera una risposta un token alla volta. Cos'è un LLM è la spiegazione completa. Per immagini e video, l'approccio dominante è la diffusione: il modello impara a rimuovere il rumore da un'immagine in piccoli passi, e al momento della generazione parte da rumore puro e lo rimuove passo dopo passo mentre una descrizione testuale guida ciò che emerge. La ricetta usata dalla maggior parte dei modelli di immagini è l'articolo del 2020 sui Denoising Diffusion Probabilistic Models di Ho, Jain e Abbeel; l'approccio che ha soppiantato, le reti generative avversarie, risale a Goodfellow et al. nel 2014. I generatori musicali prendono in prestito soprattutto uno dei due.

La conseguenza da tenere a mente è che tutti producono ciò che si adatta, non ciò che è vero. Un modello di testo produrrà una citazione che ha la forma di una citazione. Un modello di immagini produrrà una mano che rispetta lo schema delle mani, a volte con sei dita. La fluidità e gli errori vengono dallo stesso posto, e cos'è un'allucinazione dell'IA copre nel dettaglio la versione testuale.

Quattro formati, quattro tipi di modello, una sola finestra

Nel 2022 l'IA generativa significava testo e, separatamente, immagini. Nel 2026 un unico prodotto di chat instrada verso quattro tipi di generatore, e il modello dietro ciascuno è diverso.

La decisione di prodotto alla base è che questi vengono misurati in modo diverso perché costano in modo diverso da eseguire. Una risposta testuale è una frazione di centesimo. Un'immagine ha un contatore separato. Video e musica sono le voci più costose e si trovano nel piano più alto.

La generazione di immagini non è inclusa in Starter, è di 100 al mese in Pro e 500 al mese in Powerhouse, e la generazione di video e musica sono funzioni di Powerhouse, secondo come funzionano i crediti Whizi. Il divario tra una risposta testuale e una clip video è il divario tra generare 500 token e generare alcuni secondi di fotogrammi, e il prezzo segue il calcolo.

A cosa serve davvero l'IA generativa, e dove si ferma onestamente

È efficace nelle prime bozze di qualsiasi cosa abbia una forma nota: un'email, un riassunto, una funzione, una foto prodotto, una traccia di sottofondo. È efficace nella trasformazione, prendendo qualcosa che esiste e producendo la stessa cosa in un'altra forma: tradotta, accorciata, riscritta per un altro lettore, restilizzata. Ed è efficace nel volume, producendo venti varianti dove una persona ne produrrebbe due.

È debole, per costruzione, in tre cose. I fatti che non gli sono stati forniti, perché genera ciò che si adatta invece di ciò che è. La precisione nella coda lunga: il sesto dito, il codice che compila ma fa la cosa sbagliata. E il giudizio su se il risultato è buono, che resta a chi ha fatto la richiesta. La guida su come usare l'IA è la versione pratica del lavorare dentro questi limiti.

La regola pratica: l'IA generativa è lo strumento giusto quando riesci a riconoscere un buon risultato più velocemente di quanto tu possa produrne uno. Se non riesci a distinguere un buon risultato da uno scadente, non è ancora lo strumento adatto per quel compito.

L'IA generativa è un ramo del machine learning, che è un ramo dell'IA

Intelligenza artificiale è il termine ombrello: qualsiasi software che fa qualcosa che chiameremmo intelligente se lo facesse una persona. Machine learning è il metodo usato dalla maggior parte dell'IA moderna, che impara regole dai dati invece di essere programmata con esse. IA generativa è il ramo del machine learning il cui risultato è nuovo contenuto. Un modello linguistico di grandi dimensioni è il modello generativo per il testo. Un chatbot è l'app costruita intorno a uno di essi. Ognuno è un sottoinsieme del precedente, e il glossario dell'IA raccoglie l'intero insieme di termini in un unico posto.

La lettura pratica: quando un prodotto dice di "usare l'IA", chiediti di che tipo. Se ordina, classifica o prevede, è il tipo vecchio e probabilmente funziona bene. Se genera, è il tipo nuovo e serve una persona che controlli il risultato.