Aggiornato settembre 2026

Intelligenza artificiale

Con «intelligenza artificiale» si indica l’insieme delle tecniche che permettono a una macchina di ricavare dagli ingressi che riceve il modo di produrre un’uscita — una previsione, un contenuto, una raccomandazione, una decisione — invece di eseguire una regola scritta interamente da una persona. La formula copre un campo di ricerca nato negli anni Cinquanta, una famiglia di prodotti industriali e, dal 2024, una classe di oggetti giuridici.

§ 1Due definizioni, non una

La definizione tecnica più diffusa è quella dei manuali: l’intelligenza artificiale è lo studio degli agenti che percepiscono un ambiente e agiscono per raggiungere un obiettivo, misurati sul risultato ottenuto e non sulla somiglianza al pensiero umano[2]. È una definizione per funzione: non dice di che cosa sia fatto il sistema, dice che cosa deve saper fare.

La definizione giuridica europea è più stretta e ha effetti diversi. L’articolo 3, punto 1, del regolamento (UE) 2024/1689 àncora gli obblighi a un sistema di intelligenza artificiale: un sistema che funziona su macchina, opera con un margine variabile di indipendenza dall’intervento umano e ricava dagli ingressi il modo di produrre uscite capaci di incidere su ambienti fisici o digitali[1]. La qualifica non dipende dalla tecnica adoperata né dalla complessità del prodotto, ma dalla capacità di inferire: resta fuori il programma che si limiti a eseguire regole definite unicamente da persone[8].

La distinzione conta. Un foglio di calcolo con formule scritte a mano non è un sistema di IA ai sensi del regolamento, per quanto sofisticato. Un classificatore addestrato su dati lo è, per quanto banale. Chi scrive un contratto usando la prima definizione e credendo di applicare la seconda sbaglia bersaglio.

Il regolamento distingue inoltre il sistema dal modello: il modello è il componente addestrato che produce le uscite, il sistema è il prodotto che lo incorpora insieme a interfacce, dati e regole d’uso. Gli obblighi sui due oggetti sono diversi e ricadono su soggetti diversi.

§ 2Le discipline

Il campo si articola in aree che hanno storie e metodi propri.

L’apprendimento automatico è l’area in cui un sistema ricava da un insieme di esempi i parametri con cui tratterà casi nuovi. Comprende l’apprendimento supervisionato, in cui gli esempi portano la risposta attesa, quello non supervisionato, che cerca struttura in dati non etichettati, e quello per rinforzo, in cui il sistema impara da un segnale di ricompensa.

L’apprendimento profondo è il sottoinsieme che adopera reti neurali a molti strati, in cui le rappresentazioni utili non vengono progettate ma emergono dall’addestramento. È la tecnica che dal 2012 domina la visione artificiale e dal 2018 il linguaggio.

L’elaborazione del linguaggio naturale si occupa di testo e parlato; la visione artificiale di immagini e video; la robotica del controllo di corpi fisici in ambienti non strutturati. I sistemi simbolici, fondati su logica e regole esplicite, restano in uso dove la spiegabilità conta più dell’accuratezza, e tornano in combinazione con i modelli statistici nei sistemi cosiddetti ibridi.

§ 3Modelli linguistici di grandi dimensioni

Un modello linguistico di grandi dimensioni è una rete neurale addestrata a prevedere la continuazione di una sequenza di testo, su una quantità di testo tale da rendere possibili compiti per cui non è stata addestrata esplicitamente[4]. L’architettura dominante è il trasformatore, introdotto nel 2017, la cui novità è il meccanismo di attenzione: ogni elemento della sequenza viene messo in relazione con tutti gli altri in parallelo, invece che scorrendo la sequenza in ordine[5].

Il testo viene spezzato in unità chiamate token, che non coincidono con le parole. Durante l’inferenza il modello calcola, per ogni posizione, una distribuzione di probabilità sul token successivo e ne estrae uno. Non consulta un archivio e non verifica nulla: produce la continuazione più probabile secondo i parametri appresi.

Questo spiega tanto le capacità quanto i difetti. Un sistema che modella la forma del linguaggio riesce a riassumere, tradurre, riformulare e scrivere codice; lo stesso sistema produce un’affermazione falsa con lo stesso meccanismo con cui produce quelle vere.

§ 4Agenti

Un agente è un’entità che percepisce il proprio ambiente, sceglie come agire e agisce per perseguire un obiettivo, con un margine di iniziativa fra la ricezione dell’obiettivo e il risultato[8]. Il termine è antico nella letteratura tecnica e non presuppone modelli generativi.

Dal 2024 l’espressione indica nell’uso corrente un sistema in cui un modello, ricevuto un obiettivo, sceglie la sequenza delle operazioni, invoca strumenti esterni e ripete il ciclo finché ritiene raggiunto il risultato. La differenza rispetto a una catena di chiamate fissata in fase di progetto sta in chi sceglie il passo successivo: nel primo caso il sistema, nel secondo chi lo ha configurato. È la distinzione su cui si misurano l’autonomia e le misure di sorveglianza umana, e quella che le offerte commerciali oscurano più spesso.

§ 5Limiti

Allucinazioni. L’allucinazione è l’esito che si presenta come informazione di fatto e non trova riscontro nella realtà né nelle fonti da cui il modello dovrebbe attingere. Non è un guasto occasionale: è un esito ordinario della generazione[8]. Le contromisure — recupero da fonti, verifica incrociata, vincoli sull’uscita — riducono la frequenza e non eliminano il fenomeno.

Distorsioni. Un sistema addestrato su dati che riflettono una distribuzione sbilanciata riproduce quello sbilanciamento in modo sistematico, e non casuale. Il regolamento europeo affronta il problema dal lato dei dati, imponendo requisiti di qualità ai sistemi ad alto rischio addestrati con dati[1].

Costo energetico. L’edizione 2026 dell’AI Index stima la capacità elettrica installata dei data center dedicati all’intelligenza artificiale in 29,6 gigawatt, e le emissioni stimate per l’addestramento di un singolo modello di frontiera del 2025 in 72.816 tonnellate di anidride carbonica equivalente[6]. L’Agenzia internazionale per l’energia colloca il consumo elettrico complessivo dei data center a 485 terawattora nel 2025 e ne proietta il raddoppio a circa 950 nel 2030, intorno al 3% della domanda elettrica mondiale[7].

Valutazione. Le prestazioni dichiarate dipendono dall’insieme di prova su cui sono calcolate. Una soglia fissata senza indicare l’insieme, la metrica e la distribuzione dei casi produce collaudi non comparabili fra loro.

§ 6La regolazione nel mondo

Unione europea. Il regolamento (UE) 2024/1689 è entrato in vigore il 1º agosto 2024 e si applica per gradi. Dal 2 febbraio 2025 valgono il divieto delle pratiche vietate e l’obbligo di alfabetizzazione in materia di IA; dal 2 agosto 2025 gli obblighi sui modelli per finalità generali e l’assetto di governance[1]. Gli obblighi sui sistemi ad alto rischio sono stati riprogrammati dal regolamento (UE) 2026/1744, pubblicato il 24 luglio 2026: dal 2 dicembre 2027 per i sistemi elencati nell’allegato III e dal 2 agosto 2028 per quelli che sono componenti di sicurezza di prodotti già soggetti alla normativa di armonizzazione.

Stati Uniti. L’impianto federale è fatto di ordini esecutivi e di orientamenti delle agenzie, non di una legge generale. Il quadro di riferimento tecnico più adoperato è il framework per la gestione del rischio pubblicato dal National Institute of Standards and Technology, che è volontario. La regolazione vincolante si concentra negli Stati, con leggi settoriali fra loro non uniformi.

Cina. L’approccio è per interventi successivi su oggetti determinati — sistemi di raccomandazione, sintesi profonda, servizi generativi — con obblighi di registrazione dei servizi e di marcatura dei contenuti generati.

Sedi multilaterali. L’OCSE mantiene un osservatorio che censisce le politiche pubbliche nazionali[9]; l’UNESCO ha adottato nel 2021 una raccomandazione sull’etica dell’intelligenza artificiale; dal 2023 una serie di vertici intergovernativi riunisce governi e laboratori.

§ 7Lessico minimo

Otto termini bastano per leggere quasi ogni documento tecnico o contrattuale su questa materia. Le definizioni stanno nell’indice alfabetico del sito e provengono dal volume citato alla fonte 8[8].

• sistema di intelligenza artificiale
• modello di intelligenza artificiale
• apprendimento automatico
• apprendimento profondo
• inferenza
• agente
• allucinazione
• sistema di IA ad alto rischio