di TOMMASO SASO-
“Dipingi un gatto astronauta che mangia pizza sulla luna in stile Van Gogh”. Se scriviamo questa frase impossibile in uno dei programmi che creano immagini come DALL-IN, in pochi secondi otterremo un’immagine che non è mai esistita prima, creata da zero da un’intelligenza artificiale! È magia? No, è AI generativa, forse la forma più affascinante e anche controversa di intelligenza artificiale, quella che ha imparato non solo a riconoscere e analizzare il mondo esistente, ma a crearne addirittura uno nuovo.
L’AI generativa rappresenta quindi un salto concettuale davvero rivoluzionario. Per decenni, l’intelligenza artificiale si è concentrata su compiti di riconoscimento e classificazione, capace quindi di identificare spam, riconoscere volti, tradurre lingue, giocare a scacchi ecc. Ma l’AI generativa fa l’opposto, crea contenuti originali che prima non esistevano. È la differenza tra essere critici d’arte e essere artisti, tra leggere poesie e scriverle.
Il principio alla base è elegante quanto potente, perché se un’AI può imparare i pattern che caratterizzano immagini, testo, musica, può anche imparare a generare nuovi esempi che seguono gli stessi pattern, praticamente è come imparare lo “stile” della creatività umana e poi usarlo per creare opere inedite.
La storia dell’AI generativa inizia con un’idea controintuitiva e anche divertente a suo modo. Nel 2014, Ian Goodfellow inventò le Generative Adversarial Networks (GAN) , due reti neurali che si sfidano a vicenda. In sintesi la prima chiamata, il “generatore”, cerca di creare immagini false convincenti, mentre l’altra, il “discriminatore”, cerca di distinguere le immagini vere da quelle false. È come un falsario che compete contro un detective e alla fine entrambi migliorano attraverso la competizione.
I primi risultati delle immagini generate erano grotteschi e forse qualcuno di voi li ricorda, come i volti distorti, oggetti irrealistici, artefatti digitali assolutamente riconoscibili. Ma l’idea era rivoluzionaria, per la prima volta, una macchina stava veramente “creando” invece di semplicemente processare informazioni esistenti. Ogni immagine generata era unica, mai vista prima, frutto di immaginazione artificiale.
L’evoluzione fu rapidissima. Nel 2018, StyleGAN produsse volti umani fotorealistici di persone che non esistevano. Nel 2021, DALL-E (nome che combina Salvador Dalí e WALL-E) iniziò a generare immagini da descrizioni testuali. Nel 2022, Stable Diffusion democratizzò l’arte AI rendendola accessibile a tutti. Nel 2023, Midjourney creava opere che vincevano concorsi d’arte.
Ma l’AI generativa va molto oltre le immagini. GPT e i Large Language Models che abbiamo visto nelle scorse settimane, sono fondamentalmente sistemi generativi per il testo. ChatGPT non “cerca” risposte in un database, ma le genera creativamente combinando i percorsi linguistici appresi. Ogni risposta è unica, costruita token per token attraverso processi creativi artificiali.
In musica, AI come AIVA (Artificial Intelligence Virtual Artist) compongono sinfonie originali. Jukebox di OpenAI genera canzoni complete con voci, strumenti, arrangiamenti. Mubert crea soundtrack infinite per video e giochi. È composizione algoritemica che sfida la nozione di creatività come prerogativa esclusivamente umana.
.
Ma l’AI generativa solleva questioni profonde che vanno oltre la tecnologia. Se le macchine possono creare arte indistinguibile da quella umana, cos’è allora l’arte? Se possono scrivere poesie che commuovono, cos’è la creatività? Se possono comporre musica che ispira, qual è il ruolo dell’artista?
Alcune risposte emergono dall’uso pratico. L’AI generativa non sta sostituendo artisti bensì li sta amplificando. I designer usano DALL-E per brainstorming visivo e gli scrittori usano GPT per superare eventuali blocchi creativi, la sindrome della “pagina bianca”, ma anche i musicisti che usano AI per esplorare nuove melodie. E’ corretto parlare allora di collaborazione creativa uomo-macchina, non sostituzione.
Tuttavia non possiamo trascurar le implicazioni economiche, che possono essere significative. Le Stock photography companies vedono crollare la domanda, perché comprare foto quando puoi generarle? Illustratori freelance competono con AI che producono artwork in secondi. I doppiatori temono la sintesi vocale che replica perfettamente la voce umana
Anche la questione del copyright è particolarmente complessa. Se un’AI genera un’immagine “nello stile di Picasso”, viola diritti intellettuali? Se produce musica simile ai Beatles, chi possiede il risultato? I tribunali stanno ancora definendo frameworks legali per creatività artificiale.
C’è anche il grande problema dell’autenticità nell’era dell’AI generativa. Deepfake video possono far “dire” a chiunque qualsiasi cosa. Synthetic media rendono impossibile distinguere contenuti autentici da quelli artificiali. La nostra capacità di fidarci di evidenze visive e audio potrebbe essere permanentemente compromessa.
L’AI generativa democratizza creatività ma anche disinformazione. Chiunque può ora creare propaganda visiva convincente, fake news con “prove” fotografiche, contenuti diffamatori indistinguibili dalla realtà. È un’arma a doppio taglio che amplifica sia creatività che malintenzionati. Tutti noi, con un po’ di attenzione, possiamo vedere come questo fenomeno sia purtroppo molto diffuso
Le applicazioni commerciali stanno esplodendo in ogni settore. Fashion brands usano AI per design di abbigliamento. Architetti generano progetti edilizi da brief verbali. Game developers creano asset infiniti per mondi virtuali. Le agenzie di pubblicità producono campagne personalizzate su scala industriale.
Netflix sta sperimentando trailer generati da AI. Nike usa AI per design di scarpe. L’Oréal genera pubblicità personalizzate per milioni di utenti. Una personalizzazione creativa di massa che era impensabile prima dell’AI generativa.
Ma forse l’aspetto più intrigante è come l’AI generativa stia ridefinendo la creatività stessa. Tradizionalmente, creatività richiedeva ispirazione, skill tecnica, tempo. L’AI generativa separa ideazione dalla esecuzione, possiamo avere l’idea e poi lasciare che l’AI la realizzi. Sono convinto che questa “democratizzazione” della creatività che potrebbe liberare milioni di persone dal gap tra immaginazione e capacità tecniche.
Emerge anche il concetto di “prompt engineering”, ovvero l’arte di comunicare efficacemente con AI generative. Saper descrivere precisamente quello che vuoi ottenere diventa una skill preziosa.
L’AI generativa sta evolvendo verso multimodalità sempre più sofisticata. GPT5.1 può già “vedere” immagini e descriverle. Presto avremo sistemi che generano contemporaneamente testo, immagini, audio, video in esperienze coerenti. Potremo “sognare” mondi completi e farli diventare realtà digitale.
Il futuro promette AI generative che comprendono contesto, stile, emozioni con precisione umana. Assistenti creativi che collaborano in tempo reale, adattandosi al vostro stile personale.
Ma rimangono domande fondamentali senza risposte facili. Quando un’AI crea un capolavoro, chi è l’artista? Quando genera un’innovazione rivoluzionaria, chi merita il credito? Come preserviamo valore della creatività umana in un mondo dove macchine possono creare infinitamente?
L’AI generativa rappresenta forse il test più profondo per la nostra concezione di unicità umana. Eravamo abituati a pensare che creatività, arte, immaginazione fossero il nostro territorio inviolabile. Ora macchine dipingono, scrivono, compongono, inventano. Non meglio di noi, ma diversamente da noi.
Al prossimo appuntamento esploreremo come tutta questa intelligence artificiale si stia spostando dal cloud ai nostri dispositivi attraverso Cloud AI e Edge AI, la rivoluzione che sta portando superintelligenza nelle nostre tasche!
Professor Tommaso Saso. Professore di Marketing e Organizzazione Aziendale e membro dell’Osservatorio di AI generativa presso l’Università degli Studi G. Marconi. Presidente di Manageritalia Lazio, Abruzzo, Molise, Sardegna ed Umbria.
