AI generativa e algoritmi di raccomandazione
una breve storia, limiti e implicazioni per arte e immagini
Negli ultimi anni l’intelligenza artificiale è entrata nel linguaggio quotidiano, ma quello che vediamo oggi è il risultato di passaggi precisi. Capire come funzionano l’AI generativa e gli algoritmi di raccomandazione è fondamentale per comprendere come vengono create e diffuse le immagini contemporanee.
Storia dell’AI generativa: cosa è cambiato dal 2022
Prima del 2022 l’intelligenza artificiale esisteva già ed era utilizzata in ambito tecnico, scientifico e artistico sperimentale. Si lavorava con computer vision, modelli image-to-image e reti neurali avanzate, ma servivano competenze specifiche e non era uno strumento accessibile a tutti.
Il passaggio avviene nel 2022, con l’arrivo di piattaforme come DALL·E 2, Midjourney e Stable Diffusion, che permettono per la prima volta di generare immagini a partire da testo senza programmare. Nel 2023 questo processo diventa di massa e l’AI generativa entra nei social, nei flussi visivi e nel lavoro creativo.
Come funziona l’AI generativa
Le piattaforme di generazione immagini funzionano attraverso modelli addestrati su enormi dataset visivi. Questi modelli apprendono relazioni tra parole e immagini e costruiscono nuove immagini pixel per pixel.
È importante chiarire un punto: l’AI non sceglie come un essere umano, ma genera ogni elemento sulla base della probabilità. In altre parole, ogni immagine è costruita attraverso una sequenza di previsioni su ciò che è più coerente rispetto ai dati su cui il modello è stato addestrato.
Algoritmi di raccomandazione: il livello invisibile
Le immagini generate dall’AI non esistono isolate, ma vivono dentro piattaforme digitali che funzionano attraverso algoritmi di raccomandazione. Questi algoritmi selezionano cosa vediamo, ordinano i contenuti e amplificano ciò che genera maggiore attenzione.
Qui è importante distinguere due livelli.
Da una parte esiste una raccomandazione esterna, quella dei social, che costruisce il campo visivo rendendo alcune immagini più frequenti e familiari di altre.
Dall’altra, all’interno dei modelli generativi, esiste una forma diversa di selezione: durante la generazione l’AI valuta continuamente più possibilità e sceglie quella più probabile. In questo senso, pur non essendo un sistema di raccomandazione classico, il processo funziona come una forma di raccomandazione interna, perché il modello seleziona passo dopo passo la soluzione più plausibile.
Il ciclo tra AI, algoritmi e utenti
Il punto centrale non è solo tecnico, ma culturale. L’AI non copia automaticamente le immagini che circolano online, perché i modelli non si aggiornano in tempo reale. Tuttavia, si crea un ciclo mediato dagli utenti.
L’AI genera immagini, gli algoritmi di raccomandazione rendono visibili alcune di queste immagini, le persone iniziano a riconoscere e interiorizzare quei pattern visivi e, di conseguenza, li richiedono nuovamente. A quel punto l’AI produce immagini coerenti con questa domanda.
Si crea così una convergenza visiva, non automatica ma culturale, in cui modelli, piattaforme e utenti contribuiscono insieme alla ripetizione di certe estetiche.
 |
| Immagine generata con CHAT GPT da Vanessa Rusci |
I limiti dell’AI generativa
Molte immagini generate dall’AI presentano caratteristiche ricorrenti: composizioni leggibili, forte impatto visivo, stile riconoscibile e una tendenza alla spettacolarizzazione. Questo non è un errore, ma il risultato di dataset, probabilità e sistemi di visibilità.
Un altro limite fondamentale riguarda i dati. L’AI non osserva il mondo in tempo reale, ma lavora su un dataset, cioè su un insieme finito di immagini selezionate. Non aggiorna continuamente la propria esperienza come fanno gli esseri umani.
Questo significa che parte già da una visione parziale e che la probabilità restringe ulteriormente il campo delle possibilità. Alcune immagini emergono facilmente e si rafforzano, mentre altre restano marginali o difficili da generare.
Differenza tra intelligenza artificiale e percezione umana
Gli esseri umani incontrano ogni giorno immagini nuove, cambiano riferimenti e si espongono a eccezioni. L’AI, invece, rielabora ciò che ha già visto.
Per questo motivo la generazione visiva dell’AI è potente ma non neutra: è sempre vincolata ai dati e alle probabilità.
Conclusione: cosa significa davvero usare l’AI
L’AI generativa non crea nel vuoto, ma lavora su ciò che ha visto e produce ciò che è più probabile, mentre gli algoritmi di raccomandazione rendono visibile ciò che funziona meglio.
Questo significa che non vediamo tutto ciò che è possibile, ma ciò che è più probabile e più visibile.
Prima di unire arte e intelligenza artificiale, è importante comprendere questi meccanismi: come vengono generate le immagini, da dove arrivano e cosa resta invisibile.
Solo a partire da questa consapevolezza diventa possibile usare l’AI non come scorciatoia, ma come strumento.
La prossima volta parliamo di allucinazioni e poi dei creativi e delle lotte sui copyright.
Vanessa
Commenti