L’espressione “Intelligenza Artificiale” è spesso usata come un contenitore vuoto, riempito di volta in volta da significati diversi. Per capire davvero di cosa stiamo parlando, è fondamentale operare delle distinzioni. Le due classificazioni più diffuse nel mondo accademico e industriale si basano sulla capacità del sistema e sulla sua funzionalità.

1. Classificazione basata sulla Capacità

Questa distinzione guarda a “quanto” è intelligente una macchina rispetto all’uomo. È la scala più citata quando si parla del futuro dell’AI.

  • ANI (Artificial Narrow Intelligence): È l’AI “Stretta” o “Debole”. Rappresenta lo stato dell’arte attuale. Questi sistemi sono progettati per svolgere un compito specifico con grande abilità (giocare a scacchi, riconoscere volti, guidare un’auto), ma non possiedono coscienza o capacità di ragionamento generale. Sono estremamente competenti nel loro dominio, ma inutili fuori da esso.
  • AGI (Artificial General Intelligence): È l’AI “Forte” o “Generale”. È l’obiettivo teorico di molti ricercatori: una macchina capace di apprendere, comprendere e applicare l’intelligenza a qualsiasi compito intellettuale, proprio come un essere umano. Un’AGI potrebbe trasferire le conoscenze acquisite in un campo (es. la medicina) per risolvere problemi in un altro (es. l’ingegneria).
  • ASI (Artificial Super Intelligence): Rappresenta uno scenario futuribile e speculativo in cui l’intelligenza della macchina supera quella umana in tutti gli aspetti, dalla creatività alla saggezza, fino alle capacità di problem-solving.

2. Classificazione basata sulla Funzionalità

Un approccio più tecnico classifica l’AI in base a “come” elabora le informazioni e quanto è avanzata la sua interazione con il mondo. Questa classificazione ci aiuta a capire i limiti attuali.

  • Macchine Reattive: La forma più basilare (es. Deep Blue di IBM). Non hanno memoria né capacità di apprendere dal passato; si limitano a reagire allo scenario presente. Analizzano la scacchiera e fanno la mossa migliore, senza ricordare le mosse precedenti.
  • Memoria Limitata: Questi sistemi possono osservare il passato recente per prendere decisioni. Gli assistenti virtuali e le auto a guida autonoma utilizzano questo tipo: monitorano il traffico o la conversazione immediata per agire. Tuttavia, la memoria è transitoria e non forma un’esperienza di vita permanente.
  • Teoria della Mente: Un livello ancora in fase di ricerca. Si riferisce a macchine capaci di comprendere che gli esseri umani e altri agenti hanno pensieri, emozioni e aspettative proprie. È il prerequisite fondamentale per una vera interazione sociale.
  • Autocoscienza: L’ultimo gradino. Macchine che hanno coscienza di sé, dei propri stati interni e che sanno di esistere. Attualmente, rimane confinata alla fantascienza.

Il paradosso attuale: Nonostante i recenti progressi strepitosi dei modelli generativi (come GPT-4), siamo ancora fermi alla fase della Memoria Limitata all’interno dell’AI Stretta (ANI). La loro “intelligenza” è statistica e probabilistica, non cosciente.

3. AI Generativa vs AI Discriminativa

Un’ultima distinzione utile per orientarsi oggi riguarda l’output prodotto.

  • AI Discriminativa: Classifica i dati esistenti. Decide se un’email è spam o no, o se in un’immagine c’è un gatto. È l’AI della categorizzazione.
  • AI Generativa: Crea nuovi dati simili a quelli su cui è stata adderata. Scrive testi, genera immagini, compone musica. È la forma di AI che sta ridefinendo il rapporto tra uomo e macchina nella creatività.