Un’immagine, per un computer, è una griglia di numeri: ogni pixel è un valore di luminosità o di colore. La visione artificiale è l’insieme delle tecniche che trasformano questi numeri in informazioni utili: oggetti, persone, testo, movimenti, profondità. Non vede come noi, ma estrae regolarità dai dati. Capire come lo fa spiega sia la sua efficacia sia i suoi punti deboli.
Dai pixel alle caratteristiche
Nei metodi tradizionali, i programmatori definivano a mano le caratteristiche da cercare: bordi, angoli, zone uniformi, trame. Con il deep learning, la rete neurale impara da sola quali caratteristiche sono utili. Le prime fasi individuano contrasti e linee sottili, quelle successive combinano questi elementi in forme più complesse, come un occhio, una ruota o una lettera, fino a riconoscere l’oggetto intero. Ogni livello costruisce qualcosa di più astratto sul precedente.
Dove si usa
- Riconoscimento facciale per lo sblocco: confronta i tratti del volto con il modello registrato sul dispositivo.
- Lettura delle targhe: nei parcheggi, nei varchi e nelle zone a traffico limitato.
- Controllo qualità in fabbrica: individua difetti su pezzi che scorrono su una linea di produzione.
- Diagnostica per immagini: supporta i medici nell’analisi di radiografie, TAC e risonanze, senza sostituirne il giudizio.
- Veicoli e robot: riconoscono pedoni, segnali e ostacoli.
I limiti
Cambi di luce, controluce, angolazioni insolite, occlusioni parziali e immagini a bassa risoluzione possono ingannare il sistema. Anche un piccolo disturbo, invisibile all’occhio umano, può far sbagliare una classificazione. Le immagini manipolate, i deepfake e le stampe usate per ingannare un sistema di sblocco sono altri casi noti. Un modello addestrato su persone di un certo tipo può funzionare peggio su altre, con errori che colpiscono in modo non uniforme.
Il contesto conta
Un risultato di visione artificiale va sempre valutato in contesto: qual è la probabilità che sia corretto, quali sono le conseguenze di un errore, e se un controllo umano è previsto. Una lettura errata di una targa o un falso positivo nello sblocco hanno costi molto diversi da un errore in una diagnosi, che richiede una verifica clinica.
Privacy e riconoscimento
Il riconoscimento di persone in spazi pubblici solleva questioni di privacy e di diritti. Non tutte le applicazioni sono uguali: lo sblocco del proprio telefono avviene sul dispositivo e riguarda una sola persona che lo autorizza, mentre il riconoscimento su larga scala coinvolge chiunque passi davanti a una telecamera. Questa differenza è decisiva nelle valutazioni giuridiche ed etiche.
La visione artificiale è una tecnologia matura in molti ambiti, ma non infallibile. Capire come trasforma i pixel in informazioni aiuta a fidarsi di lei nei casi giusti e a diffidarne in quelli sbagliati.