Immersione profonda

Spesso immaginiamo l’IA come nei film di fantascienza: robot coscienti, macchine autonome, intelligenze paragonabili a quelle umane. In realtà, l’IA odierna è molto diversa. Per cominciare distinguiamo tra:

• IA forte: un’ipotesi teorica di macchine capaci di pensare e provare emozioni come gli uomini, che ancora non esiste fuori dalle centinaia di meravigliose opere di fantascienza delle quali è protagonista
• IA debole: sistemi progettati per compiti specifici (tradurre, riconoscere immagini, prevedere un risultato sportivo). È questa l’IA che usiamo ogni giorno

Gli ingredienti fondamentali dell’IA moderna sono:

• Dati. Sono la materia prima dell’IA, senza i quali non c’è apprendimento. Possono essere testi, immagini, video, numeri, movimenti, segnali fisiologici, dati raccolti da un GPS in allenamento (velocità, distanza, frequenza cardiaca) e così via. Più dati ci sono, meglio l’IA può imparare a riconoscere schemi e formulare previsioni
• Algoritmi. Un algoritmo è una sequenza di istruzioni logiche che la macchina segue per risolvere un problema. Nell’IA, gli algoritmi servono per analizzare i dati e trovare modelli nascosti. Un algoritmo, analizzato un numero molto elevato di sedute di allenamento, può individuare le condizioni che favoriscono la performance ottimale. Se i dati sono gli ingredienti, l’algoritmo è la ricetta che spiega come mescolarli
• Machine Learning (apprendimento automatico). È il cuore dell’IA moderna e consente alle macchine di imparare dai dati senza essere programmate in modo rigido. Funziona attraverso modelli matematici che, una volta addestrati, possono fare previsioni. Un sistema può imparare a distinguere gi stili di nuoto analizzando migliaia di video. Più esempi la macchina riceve, più migliora
• Reti neurali artificiali. Ispirate (in modo molto semplificato) al cervello umano, sono costituite da nodi (neuroni artificiali) organizzati in strati (layer) che raccolgono, elaborano e adattano i dati alle richieste. Permettono di riconoscere schemi complessi (immagini, voce, movimenti): una rete neurale può analizzare il gesto tecnico di un nuotatore e valutare se la bracciata è corretta. Sono strumenti estremamente potenti perché riescono a imparare anche da dati disordinati e molto numerosi
• Deep Learning. È una forma avanzata di machine learning che usa reti neurali profonde (con molti strati). Ogni strato riconosce caratteristiche via via più complesse. Ad esempio: il primo strato riconosce linee e colori in una foto; il secondo strato capisce che quelle linee formano una figura (es. una gamba); gli strati successivi riconoscono l’intero movimento (es. nuotata a rana). È il motore di tecnologie come riconoscimento vocale, traduzioni automatiche, auto a guida autonoma
• Potenza di calcolo. Senza computer potenti, le IA non potrebbero funzionare. Le GPU (schede grafiche) e i supercomputer permettono di analizzare milioni di dati in tempi rapidissimi. Questo è il motivo per cui Nvidia, azienda fino a qualche anno fa conosciuta solo a pochi nerd come produttrice di schede grafiche utilizzate prevalentemente nel gaming, lo scorso luglio ha toccato la capitalizzazione record di quattromila miliardi di dollari
• Big Data. L’IA diventa efficace solo se ha a disposizione grandi quantità di dati. Internet, smartphone, sensori e social network hanno reso possibile la raccolta di enormi database, per la maggior parte in maniera fraudolenta e in palese spregio della privacy. Avete presente quelle condizioni di utilizzo che accettate ogni volta che comprate uno smartphone o scaricate una app? Ecco: quelle condizioni consentono al fornitore del servizio di raccontare alle IA come vi muovete, cosa acquistate, di cosa parlate, quali sono i vostri interessi, che persone frequentate. Tutte informazioni che vengono utilizzate nel migliore dei casi per inviarvi offerte commerciali personalizzate (se Facebook vi propone ripetutamente l’acquisto di creme per l’allungamento del pene forse dovreste fare attenzione alla cronologia del vostro browser), nel peggiore per azioni di controllo e repressione. Le implicazioni sociali etiche ed economiche sono enormi: pensate solo alla continua e capillare violazione delle proprietà intellettuali degli artisti sui quali si addestrano le IA text-to-image (da testo a immagine) per consentirvi di creare il vostro avatar in stile Miyazaki. E no, non è sufficiente pubblicare sulla vostra bacheca “Non autorizzo Meta o nessun altro a usare i miei dati personali, le mie informazioni del profilo o le mie foto”. A proposito di privacy: sapete che Facebook Instagram Whatsapp, e conseguentemente tutti i dati che ci riversate, appartengono allo stesso proprietario (Meta Platforms Inc, appunto)?

I Large Language Models (LLM) come ChatGPT, Gemini, DeepSeek, hanno reso l’IA un fenomeno di massa. Sono strumenti capaci di scrivere articoli, rispondere a domande, riassumere documenti, tradurre lingue, creare contenuti personalizzati anche sotto forma di immagini e video. Ma come funzionano?

Ribadiamo un punto fondamentale: un LLM non pensa. Non ha coscienza né comprensione del mondo. È un modello statistico del linguaggio. Addestrato su miliardi di testi, calcola quali parole hanno più probabilità di seguire altre, generando frasi plausibili e coerenti. All’enunciato “Mi preparo una pizza con…” è assai più probabile che segua “prosciutto e funghi” che non “tricloro isocianurato”.

Si tratta comunque di un salto tecnologico straordinario reso possibile dai Transformer (trasformatori), architetture basate sul meccanismo di self-attention che permette di valutare i rapporti tra tutte le parole di un testo e mantenere la coerenza interna anche in enunciati molto lunghi.

I LLM aprono possibilità enormi: facilitano l’accesso alla conoscenza (spiegazioni, traduzioni, sintesi), supportano lo studio e la ricerca (riassunti di articoli, schede di allenamento, brainstorming), stimolano la creatività (bozze di testi, simulazioni, progetti).

Accanto alle opportunità ci sono ovviamente altrettanti rischi, legati ai limiti strutturali dei modelli:

• Allucinazioni: testi convincenti ma falsi, perché i modelli ottimizzano la plausibilità linguistica, non la verità
• Bias: riproduzione dei pregiudizi presenti nei dati. È di qualche settimana fa la controversia che ha investito Grok: all’IA di Elon Musk sono stati tolti tutti i filtri in nome della lotta al politicamente corretto, e questa nel giro di poche ore ha iniziato a produrre contenuti sessisti, omofobi, antisemiti, evidentemente riflettendo il mood degli utenti sui quali si è addestrata (a proposito: ma che ci fate ancora su X?)
• Dipendenza: rischio di passività e perdita del senso critico. Abbiamo tutti quel collega che senza ChatGPT non è più in grado di dirci neppure che ore sono
• Epistemia: Il termine, coniato dal ricercatore italiano Walter Quattrociocchi, indica una situazione in cui scambiamo la fluidità linguistica per affidabilità. In altre parole, un testo ci sembra vero non perché lo sia, ma perché suona come vero
• Plagi e privacy: i già citati rischi legati all’uso improprio di dati e contenuti.

La vera questione non è quindi se i modelli siano intelligenti, ma quanto gli possiamo delegare. Delegare decisioni richiede affidabilità delle risposte e fiducia nell’uso degli strumenti. Se manca la prima, la seconda diventa un atto di fede. Per questo gli LLM devono essere considerati strumenti di supporto, non sostituti del giudizio umano.

Tutto ciò premesso, il mondo dello sport è uno dei campi più promettenti per l’IA. Atleti, allenatori e preparatori atletici possono oggi contare su strumenti che analizzano dati e suggeriscono soluzioni in tempo reale.

• Raccolta e analisi dei dati: GPS, smartwatch, sensori e fasce cardio raccolgono parametri come velocità, frequenza cardiaca, qualità del sonno. L’IA elabora questi dati per monitorare la performance e prevenire infortuni
• Programmazione e periodizzazione: l’IA può adattare i piani di allenamento in base allo stato reale dell’atleta, suggerendo carichi di lavoro o recuperi personalizzati
• Analisi tecnica: la computer vision consente la videoanalisi automatica di movimenti e schemi di gioco. In sport come il nuoto, sistemi subacquei tracciano bracciate e traiettorie, fornendo dati biomeccanici all’allenatore
• Prevenzione e riabilitazione: l’IA incrocia dati fisiologici e medici per prevenire infortuni e supporta la riabilitazione con esercizi personalizzati e monitorati
• Strategia e scouting: nei giochi di squadra come la pallanuoto viene usata per analizzare gli avversari, individuare talenti e simulare scenari di gara.

L’intelligenza artificiale è il risultato di un lungo percorso, dai sogni di Alan Turing agli strumenti sofisticati di oggi. Non è magia, ma tecnologia statistica e computazionale.

Per tecnici e dirigenti sportivi, l’IA rappresenta una doppia sfida: da un lato, sfruttare le opportunità per migliorare allenamento, performance, prevenzione e ricerca. Dall’altro, sviluppare nuove competenze critiche per distinguere plausibilità da verità, utilità da illusione, supporto da sostituzione.

La partita, in definitiva, non si gioca dentro le macchine, ma dentro di noi: riguarda la nostra capacità di giudicare, verificare e scegliere come usare l’IA.

E se tutto è andato come previsto, siamo arrivati all’ora dell'aperitivo.

So che ve lo state chiedendo. No, questo articolo non è stato scritto dall’IA bensì alla vecchia maniera: leggendo libri, articoli, pagine web, post sui social, trasformando le letture in appunti e gli appunti in un testo che spero sia comprensibile e utile al lettore medio di NPC.

Il chatbot Microsoft Copilot integrato in MS Word e basato sul modello GPT-4 di OpenAI è stato utilizzato per individuare errori ortografici, sintattici e ripetizioni. 

L’immagine di copertina è di Giorgio Scala ©Deepbluemedia . Tutte le altre immagini sono rilasciate sotto licenza Creative Commons dei rispettivi autori.

Mi scuso naturalmente con ingegneri informatici, matematici, statistici, sociologi e filosofi ai quali le numerose semplificazioni avranno fatto sanguinare gli occhi e segnalo come fonti utili per chi volesse approfondire e mantenersi aggiornato sull’argomento:

• Floridi, L. (2022). Etica dell’intelligenza artificiale. Raffaello Cortina
• La pagina dedicata nel sito della Commissione Europea 
• Tutta la bibliografia, gli articoli e gli interventi pubblici del prof. Walter Quattrociocchi dell’Università La Sapienza di Roma 
• Rivista Le Scienze. GEDI Editore 
• Rivista Mind. GEDI Editore