Sentiamo questi tre termini quasi sempre insieme, come se fossero sinonimi, ma non indicano la stessa cosa. Sono cerchi concentrici: il più grande è l’intelligenza artificiale, al centro c’è il machine learning e, dentro di lui, il deep learning. Capire questa gerarchia aiuta a leggere le notizie con più precisione e a non confondere ambizioni, metodi e strumenti.
Intelligenza artificiale
È il campo più ampio: qualsiasi sistema che svolge un compito che, in genere, richiederebbe intelligenza umana, come riconoscere una lingua, giocare a scacchi o pianificare un percorso. Non tutta l’IA è moderna. Esistono sistemi basati su regole scritte a mano, come un programma per giocare a dama che segue istruzioni precise, o sistemi esperti degli anni Ottanta che applicavano le conoscenze di un medico o di un tecnico. Il termine indica l’obiettivo, non la tecnica usata per raggiungerlo.
Machine learning
È un sottoinsieme dell’intelligenza artificiale in cui il sistema impara dai dati invece di seguire regole scritte a mano. Mostrandogli migliaia di esempi di email, per esempio, può imparare a riconoscere lo spam senza che qualcuno elenchi a mano tutte le parole sospette. Il sistema costruisce un modello statistico a partire dagli esempi, e lo usa per fare previsioni su dati nuovi. La qualità dei dati conta quanto la quantità: esempi sbagliati o sbilanciati producono un modello sbagliato.
Deep learning
È una famiglia di tecniche di machine learning basate su reti neurali con molti strati, ispirate in modo semplificato al funzionamento dei neuroni. Ogni strato trasforma l’informazione ricevuta dal precedente, e così il sistema impara a cogliere dettagli sempre più complessi, come i contorni di un oggetto in un’immagine o il significato di una frase. È alla base del riconoscimento vocale, della visione artificiale e dei modelli linguistici di oggi. Richiede grandi quantità di dati e una notevole potenza di calcolo.
Un esempio per capire
Immagina un sistema che riconosce i gatti nelle foto. Con regole scritte a mano dovresti descrivere ogni tratto del gatto: orecchie, baffi, coda. Con il machine learning gli mostri migliaia di foto etichettate e lascia che trovi da solo le caratteristiche utili. Con il deep learning il sistema impara anche gerarchie di caratteristiche, dai bordi fino alla forma complessiva dell’animale.
Perché la distinzione conta
Quando si parla di IA nelle notizie, spesso si intende in realtà deep learning, cioè i modelli che generano testi, immagini o risposte. Sapere di cosa si sta parlando aiuta a valutare le promesse e i limiti: un sistema basato su regole è prevedibile ma rigido, un modello di machine learning dipende dai dati, un deep learning può essere potente ma difficile da interpretare.