Se negli ultimi anni l'IA ha conquistato organizzazioni e utenti è perché le tecnologie che la abilitano si sono evolute in modo significativo. Esistono diversi approcci per la generazione di contenuti, alcuni di essi presenti sul mercato da più di 10 anni, e ognuno più adatto a una o più tipologie di task generativi.
Bernard Marr, autore per Forbes, individua quattro degli approcci più utilizzati e promettenti oggi, illustrando per cosa vengono usati e in cosa si differenziano dagli altri.
Una delle macro-categorie di tecnologie più note che abilitano l'esecuzione di task generativi sono i Large Language Model (LLM). Questi modelli di grandi dimensioni sono alla base di tool come ChatGPT, Claude e Gemini e sono di fatto reti neurali addestrate su enormi quantità di dati testuali.
L'obiettivo degli LLM è quello di comprendere le relazioni semantiche tra le parole di una frase per essere in grado di generarne di nuove in base al prompt dell'utente. Questa tecnologia è alla base del Natural Language Processing (NLP), ovvero la comprensione del linguaggio naturale per svolgere diversi task, come le traduzioni, la sentiment analysis o la generazione di immagini e audio dal testo.
Gli LLM sono la tecnologia generativa più conosciuta e anche quella che, vista la sua diffusione, solleva i maggiori dubbi sull'eticità dell'IA e sui rischi che derivano da un uso non responsabile dei tool. Non si tratta però dell'unica tecnologia dietro i tool generativi: un'altra soluzione molto usata consiste nei modelli di diffusione, utilizzati principalmente per la generazione di immagini e video.
Tramite un processo conosciuto come "riduzione iterativa del rumore", questi modelli creano un output che viene raffinato in step progressivi per offrire all'utente il risultato che aveva richiesto. I modelli generano un "rumore casuale" e lo perfezionano usando i dati di training per capire quali feature includere nell'immagine (o nel video) finale.
Il vantaggio di questo approccio, al contrario degli LLM, è che il risultato generato non è presente nei dati di training. Tra i modelli di diffusione più noti ci sono Stable Diffusion e Dall-E.
Un altro modo molto efficace per generare contenuti sintetici è l'uso delle Reti Avversarie Generative (Generative Adversarial Networks - GAN). Come suggerisce il nome, questa tecnica addestra in maniera competitiva due algoritmi, uno definito come il generatore e l'altro il discriminatore.
Il primo si occupa di generare nuovi contenuti che siano il più realistici possibile e il secondo deve cercare di discriminare i contenuti generati, estraendone le caratteristiche, da quelli reali, quindi già esistenti. I due algoritmi si "sfidano" continuamente: il generatore ha il compito di generare output sempre più indistinguibili da quelli veri e il discriminatore giudica i contenuti.
Il processo continua finché il discriminatore non ritiene che l'output generato sia soddisfacente, col risultato che il modello genererà risultati realistici. Il GAN è un approccio che esiste dal 2014 ed è stato in parte oscurato dalle tecnologie più recenti, anche se rimane comunque un tool versatile usato ampiamente per i task di NLP e di computer vision.
Infine, la tecnologia generativa più recente è quella dei Neural Radiance Fields (NeRFs), usati nello specifico per le rappresentazioni 3D degli oggetti usando il deep learning.
Queste reti neurali sono in grado di generare scene tridimensionali complesse partendo da un insieme di immagini bidimensionali e vengono utilizzate per lo più per simulazioni, giochi, contenuti multimediali e applicazioni IoT.
I NeRFs cercano di prevedere le proprietà volumetriche degli oggetti e di mapparli su coordinate spaziali tridimensionali, considerando caratteristiche geometriche e proprietà quali la riflessione della luce.
I modelli ibridi
Recentemente molte realtà si sono orientate anche verso lo sviluppo di modelli ibridi, combinando diverse tecniche per creare sistemi generativi del tutto nuovi. Unendo i punti di forza di più approcci, come i GAN e i modelli di diffusione, si è in grado di generare contenuti migliori e più realistici.
Similmente, integrando gli LLM con altre reti neurali, è possibile migliorare la comprensione del contesto e l'adattabilità dei modelli, garantendo risultati più accurati e rilevanti.
Gli approcci ibridi, spiega Marr, creano nuove possibilità per le applicazioni moderne e consentono di rendere i contenuti generati più complessi e diversificati.
Il campo dell'intelligenza artificiale sta vivendo un momento di crescita incredibile ed è probabile che nel prossimo futuro emergano approcci alternativi capaci di trasformare il nostro modo di lavorare e di interagire con la tecnologia.
