Quando si parla di intelligenza artificiale oggi, il pensiero corre subito a ChatGPT, Claude o Gemini. Ed è normale: i modelli di linguaggio (LLM) sono diventati il simbolo di questa rivoluzione tecnologica. Ma l’AI è un universo molto più vasto, popolato da centinaia di tipi diversi di modelli, ognuno specializzato in un compito specifico.
In questo articolo ti porto in un viaggio attraverso le principali famiglie di modelli di intelligenza artificiale, organizzate per “media” o tipo di problema che risolvono. Perché capire cosa esiste là fuori ti aiuta a scegliere lo strumento giusto per il lavoro giusto.
Di cosa parleremo..
Dati tabellari: quando l’AI fa i conti
I modelli su dati tabellari sono i “cavalli di battaglia” dell’AI classica. Funzionano con fogli di calcolo, database, CSV: dati organizzati in righe e colonne.
La regressione lineare è il punto di partenza: traccia una linea retta che meglio descrive la relazione tra i dati. È semplice, veloce, interpretabile. Funziona benissimo quando la relazione tra input e output è lineare.
Poi arrivano gli alberi decisionali, che suddividono i dati con una serie di domande sì/no. Immagina un diagramma a flusso che decide automaticamente partendo dai dati. Ogni nodo è una domanda, ogni ramo è una risposta, e alla fine arrivi a una foglia con la tua previsione. Semplice da capire, facile da spiegare.
La Random Forest va oltre: invece di un singolo albero, ne costruisce centinaia (una “foresta”), ognuno su un sottoinsieme casuale dei dati. Poi fa votare tutti gli alberi e prende la decisione a maggioranza. Questo riduce drasticamente l’errore di overfitting: se un albero sbaglia, gli altri lo correggono.
XGBoost è il re delle competizioni di machine learning su dati tabellari. Funziona costruendo alberi in sequenza, dove ogni nuovo albero cerca di correggere gli errori di quelli precedenti. È veloce, preciso, e si trova dappertutto: nelle banche per valutare il rischio di credito, nell’e-commerce per raccomandare prodotti, nella logistica per prevedere domanda e offerta.
Immagini: come l’AI vede il mondo
Le Convolutional Neural Networks (CNN) sono state per anni lo standard per l’analisi delle immagini. Ispirate al funzionamento della corteccia visiva umana, le CNN applicano dei “filtri” che scansionano l’immagine per rilevare bordi, texture, forme e infine oggetti interi. Ogni strato della rete neurale impara a riconoscere pattern sempre più complessi.
I Vision Transformer (ViT) hanno cambiato le regole del gioco. Invece di scansionare l’immagine con filtri locali, suddividono l’immagine in piccoli “patch” (come tessere di un puzzle) e li processano tutti insieme, esattamente come un modello linguistico processa le parole. Il risultato? Una comprensione globale dell’immagine che spesso supera le CNN, a patto di avere abbastanza dati per l’addestramento.
I modelli di diffusione sono la tecnologia che ha reso possibile Midjourney, DALL-E e Stable Diffusion. Funzionano al contrario: partono da un’immagine completamente casuale (puro rumore) e la “ripuliscono” gradualmente seguendo le indicazioni di un prompt testuale. È un po’ come se uno scultore partisse da un blocco di marmo grezzo e togliesse via via il materiale in eccesso, finché non emerge la figura desiderata.
Testo: dai classificatori ai giganti del linguaggio
Prima che esistessero ChatGPT e company, il mondo dell’elaborazione del testo era molto diverso. Il Naive Bayes era il re dei classificatori: semplice, veloce, basato sul teorema di Bayes, perfetto per capire se una mail è spam o no. Conta le parole chiave, calcola probabilità e decide. Sembra banale, ma funziona ancora oggi.
Le Recurrent Neural Networks (RNN) hanno rappresentato il primo vero salto di qualità nella comprensione del linguaggio. Invece di trattare ogni parola come un elemento isolato, le RNN mantengono una “memoria” interna che si aggiorna a ogni parola letta. Il problema? Più lunga è la frase, più la memoria iniziale svanisce. È il problema del “gradiente che svanisce”, e per anni è stato il limite principale di questi modelli.
Poi nel 2017 arrivò il paper “Attention Is All You Need” e con esso il Transformer. La rivoluzione fu semplice ma potente: invece di elaborare le parole una dopo l’altra, il Transformer le guarda tutte contemporaneamente e usa il meccanismo di “attenzione” per capire quali parole sono importanti in relazione alle altre. Risultato? Elaborazione parallela, memoria lunghissima, e la base su cui si fondano tutti i moderni LLM.
Oggi i grandi modelli di linguaggio come GPT-4, Claude o Gemini sono essenzialmente Transformer enormi, addestrati su quantità di testo paragonabili a intere biblioteche. Ma la differenza fondamentale tra un piccolo Transformer e un LLM è la scala: miliardi di parametri, dati di training immensi, e la capacità di generalizzare su qualsiasi task testuale.
Audio: quando l’AI ascolta
Anche l’audio ha i suoi modelli specializzati. Le reti convoluzionali (stessa famiglia di quelle per le immagini) si applicano allo spettrogramma del suono, cioè la rappresentazione visiva delle frequenze audio nel tempo. Funzionano benissimo per il riconoscimento di suoni brevi, comandi vocali, classificazione musicale.
Poi ci sono i Transformer applicati all’audio, che processano segmenti di waveform o spettrogrammi con lo stesso meccanismo di attenzione dei modelli linguistici. Modelli come Whisper di OpenAI hanno dimostrato che i Transformer possono fare trascrizione con una precisione mai vista prima.
I modelli speech moderni (come quelli che alimentano assistenti vocali o sintesi vocale) combinano diverse architetture: encoder per capire il parlato, decoder per generare risposte, e spesso modelli separati per gestire tono, emozione e ritmo.
Sequenze temporali: prevedere il futuro
Quando i dati sono una serie di misure nel tempo (temperature, prezzi azionari, traffico di rete), servono modelli specifici.
ARIMA è il classico dei classici: un modello statistico che scompone una serie temporale in trend, stagionalità e rumore. Niente reti neurali, solo statistica pura. Sorprendentemente efficace per previsioni a breve termine su dati con pattern regolari.
Le LSTM (Long Short-Term Memory) sono un’evoluzione delle RNN, progettate apposta per risolvere il problema del gradiente svanente. Hanno una “memoria a lungo termine” che può conservare informazioni per migliaia di passi temporali. Per anni sono state lo stato dell’arte per previsioni finanziarie, meteorologiche e di consumo energetico.
Anche qui, i Transformer sono entrati in scena. I modelli basati su attenzione processano l’intera sequenza temporale in parallelo, catturando dipendenze a lungo termine in modo molto più efficiente delle LSTM. Modelli come il Temporal Fusion Transformer sono oggi lo standard per molti problemi di forecasting.
Relazioni e reti: l’AI che capisce le connessioni
Le Graph Neural Networks (GNN) sono una categoria a parte. Mentre la maggior parte dei modelli lavora su dati “piatti” (immagini griglia, testo in sequenza), le GNN operano su grafi: nodi collegati da archi, come una rete sociale, una mappa di molecole, o le connessioni del tuo cervello.
Una GNN impara a rappresentare ogni nodo del grafo scambiandosi informazioni con i suoi vicini. Ogni nodo “parla” con i nodi adiacenti, aggrega le loro caratteristiche e aggiorna la propria rappresentazione. Dopo qualche ciclo di questo scambio, ogni nodo contiene informazioni sulla sua posizione e sul contesto all’interno dell’intera rete.
Le applicazioni? Raccomandazioni social (“le persone che seguono X seguono anche Y”), scoperta di farmaci (le molecole sono grafi), analisi delle frodi (le transazioni finanziarie formano reti), e perfino la fisica delle particelle.
Generazione: creare cose nuove
La generazione è forse il campo più noto dell’AI moderna. Ma anche qui, non esiste solo il modello linguistico.
I Generative Adversarial Networks (GAN) hanno dominato la scena della generazione di immagini per anni. Funzionano con due reti neurali in competizione: un “generatore” che crea immagini false e un “discriminatore” che cerca di capire se sono vere o false. Più competono, più entrambi migliorano. È come un falsario e un detective che si sfidano fino a quando il falsario diventa imbattibile.
I Variational Autoencoders (VAE) sono un altro approccio alla generazione. Imparano a comprimere i dati in uno spazio latente (una rappresentazione compatta) e poi a ricostruirli. La parte interessante è che possono generare nuovi dati campionando dallo spazio latente: immagini mai viste prima, ma con lo stesso stile di quelle su cui si sono addestrati.
I modelli di diffusione, come accennato prima, hanno soppiantato le GAN nella generazione di immagini. Il motivo? Sono più stabili da addestrare, producono immagini di qualità superiore, e gestiscono meglio la varietà. Sono la tecnologia dietro Midjourney, DALL-E 3, Stable Diffusion.
E naturalmente gli LLM generano testo, ma fanno anche molto di più: scrivono codice, compongono musica in notazione, disegnano diagrammi Mermaid, scrivono poesie. La generazione testuale è solo la punta dell’iceberg delle loro capacità.
Decisioni e azioni: l’AI che impara giocando
Il Reinforcement Learning (RL) è un paradigma completamente diverso. Qui non ci sono dati etichettati, non c’è un testo da completare. C’è un agente che interagisce con un ambiente, prende azioni e riceve ricompense. Obiettivo? Massimizzare la ricompensa cumulativa nel tempo.
Immagina di insegnare a un cane un nuovo trucco. Non gli mostri un manuale di istruzioni (supervised learning), lo premi con un biscottino quando fa qualcosa di giusto. Il cane prova, sbaglia, riprova, e gradualmente impara. Il RL funziona esattamente così.
Le applicazioni sono spettacolari: AlphaGo ha battuto il campione mondiale di Go, i robot imparano a camminare da soli, i sistemi di trading finanziario ottimizzano le strategie in tempo reale, e le auto a guida autonoma prendono decisioni di guida complesse.
Perché questa mappa è importante
Oggi l’hype intorno agli LLM rischia di farci dimenticare che l’intelligenza artificiale è un ecosistema ricco e diversificato. Per molti problemi reali, un albero decisionale o una Random Forest sono la scelta migliore: più veloci, più interpretabili, più economici. Per altri, una GNN o una LSTM fanno la differenza.
Conoscere questa mappa ti aiuta a fare domande migliori e a scegliere gli strumenti giusti. La prossima volta che qualcuno ti parla di AI, ricordati: c’è molto più di un semplice chatbot là fuori.
Domande frequenti
Qual è la differenza tra un LLM e un modello Transformer?
Il Transformer è l’architettura, il “motore”. Un LLM è un Transformer molto grande addestrato su tantissimo testo. Tutti gli LLM moderni sono basati su Transformer, ma non tutti i Transformer sono LLM: ce ne sono di piccolissimi, specializzati per compiti specifici.
Posso usare una Random Forest per le immagini?
Tecnicamente sì, ma sarebbe come usare un martello per avvitare una vite. Le CNN e i Vision Transformer sono progettati apposta per le immagini e funzionano molto meglio. La Random Forest è superba sui dati tabellari, ma non cattura la struttura spaziale delle immagini.
Cosa significa “modello di diffusione” in termini semplici?
Immagina di avere una fotografia sfocatissima, quasi irriconoscibile. Un modello di diffusione impara a “ripulirla” progressivamente, passo dopo passo, fino a ottenere un’immagine nitida. Per generare immagini nuove, parte dal rumore puro (come la foto più sfocata possibile) e la ripulisce seguendo le indicazioni di un prompt.
Che differenza c’è tra supervised, unsupervised e reinforcement learning?
Supervised (supervisionato) impara da esempi etichettati: “questa è una foto di un gatto”. Unsupervised (non supervisionato) cerca pattern nei dati senza etichette: “queste foto sono simili tra loro”. Reinforcement learning impara provando e sbagliando, con ricompense e punizioni: “hai fatto centro, +10 punti”. Sono tre modi diversi di imparare.
I GAN si usano ancora oggi?
Sì, ma meno di prima. I modelli di diffusione li hanno superati nella generazione di immagini perché sono più stabili e versatili. I GAN rimangono però molto validi per applicazioni specifiche come la generazione di texture, il super-ridimensionamento (upscaling) e alcune applicazioni in tempo reale.
Quali modelli dovrei studiare per primo?
Dipende dal tuo obiettivo. Se lavori con dati aziendali (fogli Excel, database), inizia da Random Forest e XGBoost. Se ti interessa la computer vision, parti dalle CNN. Se vuoi capire l’AI generativa, studia i Transformer. La cosa importante è capire che non esiste un modello “migliore” in assoluto: esiste il modello giusto per il problema giusto.
