ComunicazioniPubblicato il 10 marzo 2026

Che cos’è l’IA? – Pietre miliari dell’intelligenza artificiale

«Le macchine sono in grado pensare?» – È la domanda che già all'inizio degli anni '50 si poneva il matematico britannico Alan Turing. Ad oggi non esiste una definizione universalmente valida di intelligenza artificiale. Tuttavia, l'IA è generalmente intesa come un tentativo di riprodurre l'intelligenza umana, ad esempio elaborando grandi quantità di dati, riconoscendo modelli o apprendendo in modo adattivo. Scoprite in questo rapporto come si è evoluta l'IA da allora.

Dott. Michael Rüeggsegger, responsabile del Centro di competenza per l’intelligenza artificiale e la simulazione del boom dell’IA generativa — © DDPS

Che cos’è l’IA?

«Le macchine sono in grado pensare?» – Con questa domanda Alan Turing, matematico britannico e pioniere nel campo dell’informatica, già nei primi anni Cinquanta coniò il termine «intelligenza artificiale». Tuttavia, fino a oggi non si è affermata una definizione universalmente valida. Intorno al concetto di intelligenza artificiale (IA) esistono numerose tipologie e definizioni. In quelle più comuni più comuni l’IA viene descritta come un tentativo di replicare l’intelligenza umana. L’IA elabora, quindi, grandi quantità di informazioni per svolgere compiti specifici. Tra le sue funzioni rientrano, tra l’altro, l’elaborazione del linguaggio naturale, il riconoscimento di schemi, l’apprendimento adattivo e lo sviluppo di strategie. A questo scopo, l’IA si avvale di idee e metodi provenienti da diverse discipline, come la matematica, le neuroscienze, la linguistica o la psicologia.

In generale si distinguono tre livelli di IA: la cosiddetta IA debole (Artificial Narrow Intelligence), specializzata nell’eseguire un singolo compito, come ad esempio un chatbot su un sito web. La cosiddetta IA generale o forte (Artificial General Intelligence), invece, si concentra sulla replicazione dell’intelligenza umana. L’IA forte possiede la capacità di acquisire un ampio bagaglio di conoscenze per svolgere compiti diversi. Il terzo livello indica, infine, l’intelligenza artificiale superintelligente (Artificial Super Intelligence), le cui capacità superano quelle dell’intelligenza umana. Rispetto alle funzioni cognitive umane, le capacità intellettuali di questa superintelligenza sono altamente sviluppate e molto avanzate.

Le ricerche e le tecnologie attuali in materia di IA si concentrano in particolare nel settore dell’IA debole. Ne emerge con chiarezza che le applicazioni di intelligenza artificiale non raggiungono le capacità umane nel loro complesso. Solo in ambiti specifici e altamente specializzati alcune tecnologie di IA sono riuscite a superare determinate abilità umane.

Pietre miliari raggiunte dall’IA

1943 – McColloch-Pitts-Neuron

Già nei primi anni Quaranta Warren McCulloch e Walter Pitts presentarono un primo modello di neurone. Questo modello, basato su un approccio binario, considera i neuroni come elementi inattivi o attivi ai quali viene assegnato rispettivamente il valore 0 oppure 1. Ancora oggi questo modello è considerato il primo lavoro nel campo di ricerca dell’intelligenza artificiale.

1950 – Alan Turing

Fotoritratto di Alan Turing — © Godrey Argent Studio, tramite The Royal Society / The New York Times

Il rinomato matematico britannico Alan Turing elaborò nel 1950 il test di Turing, tuttora utilizzato. Il test rappresenta un criterio riconosciuto per valutare la capacità di calcolo autonoma, ovvero l’intelligenza delle macchine. Esso si considera superato – ed è noto anche come Imitation Game – quando un essere umano non è più in grado di distinguere se l’interazione in corso avvenga con un altro essere umano o con una macchina.

1956 – Dartmouth College Conference

Foto di gruppo della Conferenza di Darmouth del 1956 — © IEEE Spectrum / The Minsky Family

Nell’estate del 1956, presso il Dartmouth College nello Stato americano del New Hampshire, alcuni dei principali informatici, matematici e linguisti si riunirono per un workshop dedicato al tema dell’intelligenza artificiale. Questo evento segna formalmente la nascita del termine «intelligenza artificiale». Già durante l’incontro fu sviluppato il primo programma di IA, noto come Logic Theorist.

1970-1990 – L’inverno dell’IA

Nonostante alcuni traguardi intermedi nella storia dell’intelligenza artificiale, come la rete neurale primitiva Perceptron sviluppata da Frank Rosenblatt nel 1958 o il sistema di dialogo psicoterapeutico ELIZA del 1966, tali risultati rimasero di gran lunga al di sotto delle aspettative. Con l’espressione inverno dell’IA si indicano in particolare gli anni tra il 1970 e il 1990 che evidenziarono i limiti dell’intelligenza artificiale in quel periodo. La scarsità di dati disponibili, la mancanza di conoscenze specialistiche consolidate e le carenze nelle competenze di riconoscimento e interpretazione del linguaggio causarono una drastica riduzione dei finanziamenti. Di conseguenza, le attività nel campo dell’intelligenza artificiale diminuirono in misura considerevole.

1990-2010 – Rinascita dell’intelligenza artificiale

All’inizio degli anni Novanta, l’introduzione di Internet accessibile al pubblico rappresentò un progresso fondamentale per il campo di ricerca dell’intelligenza artificiale. La rapida diffusione della rete, la globalizzazione e la crescente digitalizzazione ravvivarono l’interesse verso le tecnologie di IA. In particolare, l’aumento vertiginoso dei dati liberamente disponibili favorì direttamente uno sviluppo esponenziale dei sistemi di intelligenza artificiale. Questa tendenza positiva fu ulteriormente stimolata dall’incremento continuo delle capacità di calcolo dei computer e dal perfezionamento dei metodi nel settore dell’IA. Verso la fine degli anni Novanta, l’intelligenza artificiale tornò alla ribalta mediatica grazie ad alcune vittorie promettenti contro avversari umani nel campo degli scacchi e dei giochi al computer. Negli anni Duemila anche le imprese private, come Amazon, Google e IBM, iniziarono a finanziare propri progetti di intelligenza artificiale. Ne emerse con chiarezza un fatto: l’IA era ormai diventata un elemento consolidato nei modelli di business di alcune aziende private.

2020 – Prime linee guida dell’Amministrazione federale sull’IA

Anche le attività e i compiti dell’Amministrazione federale sono sempre più influenzati dalla crescente digitalizzazione e, di conseguenza, dall’intelligenza artificiale. Già da tempo l’IA rappresenta in molti ambiti un elemento tecnologico fondamentale all’interno dell’amministrazione. In risposta agli effetti sempre più rilevanti dell’intelligenza artificiale e alle sfide a essa connesse, il Consiglio federale ha adottato, nel novembre 2020, le prime linee guida relative all’uso dell’IA nell’Amministrazione federale. Queste linee guida offrivano principalmente un quadro di riferimento per tutti gli organi dell’Amministrazione federale. L’obiettivo era raggiungere una comprensione comune dell’intelligenza artificiale e, di conseguenza, adottare una politica uniforme nel suo utilizzo.

Dal 2021 – Boom dell’IA generativa

A partire dagli anni 2020, l’IA generativa ha portato grandi balzi evolutivi nel campo dell’intelligenza artificiale. Questa tecnologia si basa su grandi modelli linguistici, i cosiddetti Large Language Models (LLM) che consentono diverse funzioni, come l’elaborazione e la modifica di testi, la creazione di contenuti e la traduzione tra lingue diverse. Il termine divenne noto a un pubblico più ampio grazie alla pubblicazione dello strumento ChatGPT, sviluppato dall’azienda statunitense OpenAI nel 2022. ChatGPT fu il primo servizio di questo tipo e fu reso disponibile gratuitamente agli utenti. Solo poco dopo l’ingresso sul mercato di OpenAI, numerosi altri servizi analoghi furono lanciati da diverse aziende.

2022 – Istituzione della Rete di competenze per l’intelligenza artificiale (CNAI)

Nel 2022 il Consiglio federale ha incaricato l’Ufficio federale di statistica (UST) di istituire una Rete di competenze per l’intelligenza artificiale (CNAI). Tra i suoi compiti rientrano, per esempio, il supporto allo scambio di conoscenze e la creazione di reti nel campo dell’intelligenza artificiale, sia all’interno dell’Amministrazione federale sia oltre il suo raggio d’azione.

2024 - Istituzione del Centro di competenza per l’intelligenza artificiale e la simulazione (IASI)

All’inizio del 2024 armasuisse S+T è stata incaricata di elaborare un piano di sviluppo, denominato armasuisse 4.0, per il Centro di competenza per l’intelligenza artificiale e la simulazione (IASI). L’obiettivo del centro IASI è sviluppare e trasferire soluzioni innovative per le istituzioni della sicurezza statale. A tal fine, gli esperti del settore collaborano strettamente con gli utenti finali di tutti gli uffici federali all’interno del Dipartimento federale della difesa, della protezione della popolazione e dello sport (DDPS).

Uno dei principali servizi del centro consiste nello sviluppo di dimostratori, da testare sia in esperimenti sia insieme agli utenti finali. Inoltre, il centro IASI funge da punto di riferimento centrale all’interno del DDPS. In concreto, guida e coordina tutte le attività pratiche nel campo dell’intelligenza artificiale e della simulazione per applicazioni di sicurezza. Tali attività comprendono, ad esempio, la consulenza tecnica all’esercito nell’avvio di nuovi progetti o la trasmissione di know-how a partner e industria, al fine di trasformare i dimostratori in prodotti pienamente sviluppati. Grazie all’elevato grado di specializzazione dei diversi settori di armasuisse S+T, il centro IASI può contare, nello svolgimento delle proprie attività, sul supporto interno di numerosi esperti. Inoltre, il Centro gestisce un monitoraggio tecnologico e di mercato, volto a identificare precocemente le nuove evoluzioni e a integrarle tempestivamente nei progetti.

2025 – Punti di forza del Centro di competenza IASI

Attualmente il Centro IASI si occupa di colmare le lacune più significative in termini di capacità della Difesa. Per le capacità operative, quali comprensione della situazione integrata, condotta integrata ed elaborazione dei dati robusta e sicura, il Centro sviluppa e testa insieme alle truppe i primi dimostratori direttamente nello spazio d’impiego. In questo contesto, oltre all’IA generativa, viene utilizzato anche il metodo di apprendimento Reinforcement Learning (RL).

2025+ – Neuromorphic Computing

Immmagine simbolica Neuromorphic Computing — © DDPS

Sebbene le origini del Neuromorphic Computing risalgano agli anni Ottanta, l’importanza attuale di questa tecnologia è in costante crescita. Questo approccio informatico si basa sulla simulazione del funzionamento del cervello umano, con l’obiettivo di sviluppare sistemi di calcolo efficienti e adattivi. La tecnologia si concentra in particolare sulle strutture neurologiche e biologiche del cervello. Il calcolo neuromorfico è considerato una futura tecnologia chiave per ottimizzare l’efficienza energetica delle attività di intelligenza artificiale ad alto consumo di risorse.