L'alba dell'intelligenza artificiale moderna: comprendere GPT
Quando OpenAI introdusse GPT (Generative Pre-trained Transformer) nel 2018, pochi al di fuori della comunità di ricerca sull'intelligenza artificiale avrebbero potuto prevedere quanto radicalmente avrebbe rimodellato il nostro rapporto con la tecnologia. Il modello GPT originale, addestrato su un corpus eterogeneo di testi online, dimostrò sorprendenti capacità nel generare testo coerente e contestualmente rilevante a partire da semplici prompt. Ciò che rese rivoluzionario GPT non furono solo le sue dimensioni (sebbene all'epoca i suoi 117 milioni di parametri sembrassero enormi), ma la sua architettura di base. Il modello del trasformatore, introdotto dai ricercatori di Google nel loro articolo "Attention is All You Need", si dimostrò straordinariamente efficiente nell'elaborazione di dati sequenziali come il testo. A differenza delle precedenti reti neurali ricorrenti che elaboravano i token uno dopo l'altro, i trasformatori potevano analizzare intere sequenze simultaneamente attraverso il loro meccanismo di auto-attenzione. Questa elaborazione parallela non solo accelerò i tempi di addestramento, ma permise al modello di catturare meglio le dipendenze a lungo raggio nel testo. Improvvisamente, l'intelligenza artificiale fu in grado di "ricordare" ciò che era stato menzionato nei paragrafi precedenti e di mantenere la coerenza tematica anche in output più lunghi. Per la prima volta, il testo generato automaticamente ha iniziato ad apparire autenticamente umano.
L'era del ridimensionamento: da GPT-2 a GPT-3
Se GPT è stata una proof of concept, GPT-2 è stato il momento in cui il pubblico ha iniziato a comprendere il potenziale dell'IA. Rilasciato nel 2019 con 1,5 miliardi di parametri, GPT-2 ha generato testo così convincente che OpenAI ne ha inizialmente ritardato il rilascio completo, citando preoccupazioni su un potenziale uso improprio. Il modello era in grado di scrivere articoli di giornale coerenti, elaborare argomentazioni persuasive e persino generare storie di fantasia con personaggi e trame coerenti.
Ma il vero momento di svolta è arrivato con GPT-3 nel 2020. Con 175 miliardi di parametri, oltre 100 volte più di GPT-2, ha rappresentato un salto di qualità in termini di capacità. Il modello ha mostrato quelle che i ricercatori chiamano "abilità emergenti", competenze per le quali non era stato addestrato esplicitamente, ma sviluppate attraverso la scalabilità e l'esposizione a dati diversi.
Forse la cosa più notevole è che GPT-3 ha mostrato rudimentali capacità di "apprendimento a pochi tentativi". Con solo un paio di esempi nel prompt, poteva adattarsi a nuove attività come la traduzione, la sintesi o persino la codifica di base. Il campo dell'intelligenza artificiale ha iniziato a riconoscere che la scalabilità non stava solo migliorando le prestazioni in modo incrementale, ma stava cambiando radicalmente ciò che questi sistemi potevano fare.
Ma il vero momento di svolta è arrivato con GPT-3 nel 2020. Con 175 miliardi di parametri, oltre 100 volte più di GPT-2, ha rappresentato un salto di qualità in termini di capacità. Il modello ha mostrato quelle che i ricercatori chiamano "abilità emergenti", competenze per le quali non era stato addestrato esplicitamente, ma sviluppate attraverso la scalabilità e l'esposizione a dati diversi.
Forse la cosa più notevole è che GPT-3 ha mostrato rudimentali capacità di "apprendimento a pochi tentativi". Con solo un paio di esempi nel prompt, poteva adattarsi a nuove attività come la traduzione, la sintesi o persino la codifica di base. Il campo dell'intelligenza artificiale ha iniziato a riconoscere che la scalabilità non stava solo migliorando le prestazioni in modo incrementale, ma stava cambiando radicalmente ciò che questi sistemi potevano fare.
Oltre le dimensioni: raffinamento attraverso RLHF
Per quanto impressionante fosse GPT-3, produceva comunque testo che poteva essere fattualmente errato, parziale o inappropriato. La svolta successiva non riguardò l'ingrandimento dei modelli, ma il loro allineamento con i valori e le intenzioni umane.
Entra in scena il Reinforcement Learning from Human Feedback (RLHF). Questa metodologia di training introduce valutatori umani che valutano gli output del modello, creando un ciclo di feedback che aiuta l'IA a capire quali risposte sono utili, veritiere e innocue. I modelli addestrati con RLHF, come ChatGPT e Claude, si sono dimostrati notevolmente più utili per le attività quotidiane, riducendo al contempo gli output dannosi.
L'RLHF ha segnato un cambiamento cruciale nella filosofia di sviluppo dell'IA. La pura potenza predittiva non era più sufficiente: i sistemi dovevano comprendere le sfumature dei valori umani. Questo approccio di training ha aiutato i modelli a rispondere in modo appropriato ad argomenti delicati, a rifiutare richieste inappropriate e a esprimere incertezza anziché affermare falsità con sicurezza.
Entra in scena il Reinforcement Learning from Human Feedback (RLHF). Questa metodologia di training introduce valutatori umani che valutano gli output del modello, creando un ciclo di feedback che aiuta l'IA a capire quali risposte sono utili, veritiere e innocue. I modelli addestrati con RLHF, come ChatGPT e Claude, si sono dimostrati notevolmente più utili per le attività quotidiane, riducendo al contempo gli output dannosi.
L'RLHF ha segnato un cambiamento cruciale nella filosofia di sviluppo dell'IA. La pura potenza predittiva non era più sufficiente: i sistemi dovevano comprendere le sfumature dei valori umani. Questo approccio di training ha aiutato i modelli a rispondere in modo appropriato ad argomenti delicati, a rifiutare richieste inappropriate e a esprimere incertezza anziché affermare falsità con sicurezza.
La rivoluzione multimodale inizia
Mentre i modelli testuali si evolvevano rapidamente, i ricercatori stavano contemporaneamente esplorando come l'intelligenza artificiale potesse comprendere altre modalità: immagini, audio e video. Emersero modelli di visione artificiale come DALL-E, Midjourney e Stable Diffusion, in grado di generare immagini straordinarie a partire da descrizioni testuali.
Questi sistemi funzionavano addestrando modelli di diffusione su vasti set di dati di coppie immagine-testo. Imparando la relazione tra i concetti visivi e le relative descrizioni testuali, potevano trasformare prompt come "un dipinto surrealista di un gatto che gioca a scacchi nello stile di Salvador Dalì" in immagini corrispondenti.
Analogamente, i modelli di riconoscimento vocale divennero sempre più accurati e i sistemi text-to-speech divennero quasi indistinguibili dalle voci umane. La generazione di video, sebbene ancora nelle sue fasi iniziali, iniziò a mostrare risultati promettenti con sistemi come Gen-2 di Runway ML e Lumiere di Google.
Ogni modalità si stava evolvendo rapidamente, ma rimanevano sistemi in gran parte separati. La rivoluzione successiva sarebbe derivata dall'unificazione di queste capacità.
Questi sistemi funzionavano addestrando modelli di diffusione su vasti set di dati di coppie immagine-testo. Imparando la relazione tra i concetti visivi e le relative descrizioni testuali, potevano trasformare prompt come "un dipinto surrealista di un gatto che gioca a scacchi nello stile di Salvador Dalì" in immagini corrispondenti.
Analogamente, i modelli di riconoscimento vocale divennero sempre più accurati e i sistemi text-to-speech divennero quasi indistinguibili dalle voci umane. La generazione di video, sebbene ancora nelle sue fasi iniziali, iniziò a mostrare risultati promettenti con sistemi come Gen-2 di Runway ML e Lumiere di Google.
Ogni modalità si stava evolvendo rapidamente, ma rimanevano sistemi in gran parte separati. La rivoluzione successiva sarebbe derivata dall'unificazione di queste capacità.
La vera intelligenza artificiale multimodale: vedere, sentire e comprendere
La transizione verso un'intelligenza artificiale multimodale autentica è iniziata quando i ricercatori hanno sviluppato sistemi in grado di elaborare simultaneamente più tipi di input e di ragionare attraverso diverse modalità. Modelli come GPT-4 Vision, Claude Sonnet e Gemini possono ora analizzare le immagini insieme al testo, creando un paradigma di interazione molto più naturale.
Questi sistemi possono descrivere ciò che vedono nelle immagini, estrarre testo da documenti, analizzare diagrammi e grafici e persino risolvere enigmi visivi. Un utente può caricare una foto degli ingredienti nel suo frigorifero e chiedere: "Cosa posso cucinare con questi?". L'intelligenza artificiale identifica quindi gli ingredienti e suggerisce ricette appropriate.
Ciò che distingue i veri sistemi multimodali dalla semplice connessione di modelli separati è la loro comprensione unificata. Quando si chiede informazioni su un elemento in un'immagine, il sistema non si limita a eseguire separatamente il riconoscimento dell'immagine e la successiva generazione del testo, ma sviluppa una comprensione integrata attraverso le diverse modalità. Questo consente ragionamenti più sofisticati, come spiegare perché un meme è divertente o identificare incongruenze tra testo e immagini.
Questi sistemi possono descrivere ciò che vedono nelle immagini, estrarre testo da documenti, analizzare diagrammi e grafici e persino risolvere enigmi visivi. Un utente può caricare una foto degli ingredienti nel suo frigorifero e chiedere: "Cosa posso cucinare con questi?". L'intelligenza artificiale identifica quindi gli ingredienti e suggerisce ricette appropriate.
Ciò che distingue i veri sistemi multimodali dalla semplice connessione di modelli separati è la loro comprensione unificata. Quando si chiede informazioni su un elemento in un'immagine, il sistema non si limita a eseguire separatamente il riconoscimento dell'immagine e la successiva generazione del testo, ma sviluppa una comprensione integrata attraverso le diverse modalità. Questo consente ragionamenti più sofisticati, come spiegare perché un meme è divertente o identificare incongruenze tra testo e immagini.
L'architettura alla base dei sistemi multimodali
Creare un'intelligenza artificiale multimodale efficace implica la risoluzione di complesse sfide tecniche. Diversi tipi di dati hanno strutture fondamentalmente diverse: le immagini sono griglie spaziali di pixel, l'audio è costituito da forme d'onda e il testo è costituito da token sequenziali. Come si crea una rappresentazione unificata che catturi il significato attraverso questi formati disparati?
Le moderne architetture multimodali utilizzano codificatori specializzati per ciascuna modalità, che trasformano i dati grezzi in uno spazio di rappresentazione condiviso. Ad esempio, un'immagine potrebbe essere elaborata da un trasformatore visivo (ViT) che la scompone in patch e le converte in incorporamenti, mentre il testo viene tokenizzato e incorporato separatamente. Questi incorporamenti distinti vengono quindi proiettati in uno spazio comune in cui il modello principale può elaborarli insieme.
Questa architettura "a torre e ponte" consente ai modelli di apprendere relazioni intermodali, comprendendo come i concetti del linguaggio corrispondano a caratteristiche visive o pattern audio. Quando GPT-4 Vision riconosce un punto di riferimento in una foto, può collegare quella rappresentazione visiva con la sua conoscenza testuale sulla storia, il significato e il contesto del luogo.
Il processo di addestramento coinvolge in genere enormi set di dati di contenuti abbinati: immagini con didascalie, video con trascrizioni e altri dati multimodali allineati. Apprendendo da questi allineamenti, il modello costruisce una rappresentazione interna in cui i concetti correlati tra le diverse modalità vengono mappati in modo ravvicinato nel suo spazio vettoriale.
Le moderne architetture multimodali utilizzano codificatori specializzati per ciascuna modalità, che trasformano i dati grezzi in uno spazio di rappresentazione condiviso. Ad esempio, un'immagine potrebbe essere elaborata da un trasformatore visivo (ViT) che la scompone in patch e le converte in incorporamenti, mentre il testo viene tokenizzato e incorporato separatamente. Questi incorporamenti distinti vengono quindi proiettati in uno spazio comune in cui il modello principale può elaborarli insieme.
Questa architettura "a torre e ponte" consente ai modelli di apprendere relazioni intermodali, comprendendo come i concetti del linguaggio corrispondano a caratteristiche visive o pattern audio. Quando GPT-4 Vision riconosce un punto di riferimento in una foto, può collegare quella rappresentazione visiva con la sua conoscenza testuale sulla storia, il significato e il contesto del luogo.
Il processo di addestramento coinvolge in genere enormi set di dati di contenuti abbinati: immagini con didascalie, video con trascrizioni e altri dati multimodali allineati. Apprendendo da questi allineamenti, il modello costruisce una rappresentazione interna in cui i concetti correlati tra le diverse modalità vengono mappati in modo ravvicinato nel suo spazio vettoriale.
Applicazioni pratiche dell'intelligenza artificiale multimodale
Le applicazioni pratiche dell'IA multimodale stanno trasformando i settori in tutti i settori:
In ambito sanitario, i sistemi possono analizzare le immagini mediche insieme alle cartelle cliniche dei pazienti e ai sintomi per facilitare la diagnosi. Un medico può caricare una radiografia e porre domande specifiche su potenziali problemi, ricevendo informazioni che combinano l'analisi visiva con le conoscenze mediche.
Per quanto riguarda l'accessibilità, l'IA multimodale aiuta gli utenti non vedenti a comprendere i contenuti visivi attraverso descrizioni dettagliate e assiste gli utenti sordi fornendo trascrizione e traduzione in tempo reale dei contenuti parlati.
In ambito educativo, questi sistemi creano esperienze di apprendimento interattive in cui gli studenti possono porre domande su diagrammi, foto storiche o equazioni matematiche, ricevendo spiegazioni personalizzate in base al loro stile di apprendimento.
I creatori di contenuti utilizzano l'IA multimodale per generare risorse complementari, scrivendo articoli e creando illustrazioni corrispondenti, oppure producendo video didattici con elementi visivi e narrazione sincronizzati.
Le piattaforme di e-commerce implementano la ricerca visiva, dove i clienti possono caricare l'immagine di un prodotto che apprezzano e trovare articoli simili, mentre l'IA ne descrive le caratteristiche principali.
Forse l'aspetto più significativo è che i sistemi multimodali stanno creando paradigmi di interazione uomo-computer più naturali. Invece di adattare la nostra comunicazione alle rigide interfacce dei computer, possiamo interagire sempre di più con la tecnologia nei modi in cui comunichiamo naturalmente tra di noi: attraverso una combinazione fluida di parole, immagini, suoni e gesti.
In ambito sanitario, i sistemi possono analizzare le immagini mediche insieme alle cartelle cliniche dei pazienti e ai sintomi per facilitare la diagnosi. Un medico può caricare una radiografia e porre domande specifiche su potenziali problemi, ricevendo informazioni che combinano l'analisi visiva con le conoscenze mediche.
Per quanto riguarda l'accessibilità, l'IA multimodale aiuta gli utenti non vedenti a comprendere i contenuti visivi attraverso descrizioni dettagliate e assiste gli utenti sordi fornendo trascrizione e traduzione in tempo reale dei contenuti parlati.
In ambito educativo, questi sistemi creano esperienze di apprendimento interattive in cui gli studenti possono porre domande su diagrammi, foto storiche o equazioni matematiche, ricevendo spiegazioni personalizzate in base al loro stile di apprendimento.
I creatori di contenuti utilizzano l'IA multimodale per generare risorse complementari, scrivendo articoli e creando illustrazioni corrispondenti, oppure producendo video didattici con elementi visivi e narrazione sincronizzati.
Le piattaforme di e-commerce implementano la ricerca visiva, dove i clienti possono caricare l'immagine di un prodotto che apprezzano e trovare articoli simili, mentre l'IA ne descrive le caratteristiche principali.
Forse l'aspetto più significativo è che i sistemi multimodali stanno creando paradigmi di interazione uomo-computer più naturali. Invece di adattare la nostra comunicazione alle rigide interfacce dei computer, possiamo interagire sempre di più con la tecnologia nei modi in cui comunichiamo naturalmente tra di noi: attraverso una combinazione fluida di parole, immagini, suoni e gesti.
Limitazioni e considerazioni etiche
Nonostante le loro impressionanti capacità, gli attuali sistemi di intelligenza artificiale multimodale presentano limiti significativi e sollevano importanti preoccupazioni etiche.
La comprensione visiva rimane superficiale rispetto alla percezione umana. Sebbene l'intelligenza artificiale possa identificare oggetti e descrivere scene, spesso trascura sottili indizi visivi, relazioni spaziali e contesto culturale che gli esseri umani riconoscono immediatamente. Chiedete a un'intelligenza artificiale multimodale di spiegare un diagramma ingegneristico complesso o di interpretare il linguaggio del corpo in una foto, e i suoi limiti diventeranno rapidamente evidenti.
Questi sistemi ereditano e talvolta amplificano i bias presenti nei loro dati di addestramento. I componenti del riconoscimento facciale potrebbero funzionare peggio su determinati gruppi demografici, oppure il ragionamento visivo potrebbe riflettere bias culturali nell'interpretazione delle immagini.
Le preoccupazioni relative alla privacy sono accentuate nei sistemi multimodali, poiché elaborano dati visivi e audio potenzialmente sensibili. Un utente potrebbe condividere un'immagine senza rendersi conto che contiene informazioni personali sullo sfondo che l'intelligenza artificiale può riconoscere e potenzialmente incorporare nelle sue risposte.
Forse il problema più urgente è la potenzialità dell'intelligenza artificiale multimodale di creare media sintetici convincenti: deepfake che combinano immagini, video e audio realistici per creare contenuti persuasivi ma fabbricati. Man mano che queste tecnologie diventano più accessibili, la società si trova ad affrontare urgenti interrogativi sull'autenticità dei media e sull'alfabetizzazione digitale.
La comprensione visiva rimane superficiale rispetto alla percezione umana. Sebbene l'intelligenza artificiale possa identificare oggetti e descrivere scene, spesso trascura sottili indizi visivi, relazioni spaziali e contesto culturale che gli esseri umani riconoscono immediatamente. Chiedete a un'intelligenza artificiale multimodale di spiegare un diagramma ingegneristico complesso o di interpretare il linguaggio del corpo in una foto, e i suoi limiti diventeranno rapidamente evidenti.
Questi sistemi ereditano e talvolta amplificano i bias presenti nei loro dati di addestramento. I componenti del riconoscimento facciale potrebbero funzionare peggio su determinati gruppi demografici, oppure il ragionamento visivo potrebbe riflettere bias culturali nell'interpretazione delle immagini.
Le preoccupazioni relative alla privacy sono accentuate nei sistemi multimodali, poiché elaborano dati visivi e audio potenzialmente sensibili. Un utente potrebbe condividere un'immagine senza rendersi conto che contiene informazioni personali sullo sfondo che l'intelligenza artificiale può riconoscere e potenzialmente incorporare nelle sue risposte.
Forse il problema più urgente è la potenzialità dell'intelligenza artificiale multimodale di creare media sintetici convincenti: deepfake che combinano immagini, video e audio realistici per creare contenuti persuasivi ma fabbricati. Man mano che queste tecnologie diventano più accessibili, la società si trova ad affrontare urgenti interrogativi sull'autenticità dei media e sull'alfabetizzazione digitale.
Il futuro: dall'intelligenza artificiale multimodale a quella multisensoriale
Guardando al futuro, l'evoluzione delle capacità dell'IA non mostra segni di rallentamento. La prossima frontiera potrebbe essere rappresentata da sistemi realmente multisensoriali che integrino non solo vista e udito, ma anche tatto, olfatto e gusto attraverso l'integrazione di sensori e la simulazione avanzata.
La ricerca emergente sta esplorando l'IA incarnata: sistemi connessi a piattaforme robotiche in grado di interagire fisicamente con il mondo, combinando percezione e azione. Un robot dotato di IA multimodale potrebbe riconoscere visivamente gli oggetti, comprendere istruzioni verbali e manipolare l'ambiente circostante di conseguenza.
Stiamo anche assistendo a primi lavori su sistemi di IA in grado di mantenere una memoria persistente e costruire una comprensione contestuale durante interazioni prolungate. Anziché trattare ogni conversazione come isolata, questi sistemi svilupperebbero una relazione continua con gli utenti, ricordando le interazioni passate e imparando le preferenze nel tempo.
Forse lo sviluppo più trasformativo sarà rappresentato dai sistemi di IA in grado di eseguire complesse catene di ragionamento attraverso diverse modalità: vedere un problema meccanico, ragionare sui principi della fisica e suggerire soluzioni che integrino la comprensione visiva, testuale e spaziale.
Con il continuo sviluppo di queste tecnologie, i confini tra strumenti specializzati e assistenti generici diventeranno sempre più sfumati, dando potenzialmente vita a sistemi di intelligenza artificiale in grado di affrontare in modo flessibile quasi ogni compito di elaborazione delle informazioni che un essere umano possa descrivere.
La ricerca emergente sta esplorando l'IA incarnata: sistemi connessi a piattaforme robotiche in grado di interagire fisicamente con il mondo, combinando percezione e azione. Un robot dotato di IA multimodale potrebbe riconoscere visivamente gli oggetti, comprendere istruzioni verbali e manipolare l'ambiente circostante di conseguenza.
Stiamo anche assistendo a primi lavori su sistemi di IA in grado di mantenere una memoria persistente e costruire una comprensione contestuale durante interazioni prolungate. Anziché trattare ogni conversazione come isolata, questi sistemi svilupperebbero una relazione continua con gli utenti, ricordando le interazioni passate e imparando le preferenze nel tempo.
Forse lo sviluppo più trasformativo sarà rappresentato dai sistemi di IA in grado di eseguire complesse catene di ragionamento attraverso diverse modalità: vedere un problema meccanico, ragionare sui principi della fisica e suggerire soluzioni che integrino la comprensione visiva, testuale e spaziale.
Con il continuo sviluppo di queste tecnologie, i confini tra strumenti specializzati e assistenti generici diventeranno sempre più sfumati, dando potenzialmente vita a sistemi di intelligenza artificiale in grado di affrontare in modo flessibile quasi ogni compito di elaborazione delle informazioni che un essere umano possa descrivere.
Conclusione: navigare nel futuro multimodale
Il passaggio dai modelli GPT basati solo su testo agli odierni sofisticati sistemi multimodali rappresenta una delle evoluzioni tecnologiche più rapide nella storia dell'umanità. In soli cinque anni, l'IA si è trasformata da strumenti di ricerca specializzati a sistemi ampiamente accessibili con cui milioni di persone interagiscono quotidianamente.
Questa accelerazione non accenna a rallentare e probabilmente siamo ancora ai primi capitoli della storia dell'IA. Con la continua evoluzione di questi sistemi, rimodelleranno il nostro modo di lavorare, imparare, creare e comunicare.
Per gli sviluppatori, il paradigma multimodale apre nuove possibilità per la creazione di interfacce più intuitive e accessibili. Per le aziende, queste tecnologie offrono opportunità per automatizzare flussi di lavoro complessi e migliorare l'esperienza dei clienti. Per gli individui, l'IA multimodale offre potenti strumenti per la creatività, la produttività e l'accesso alle informazioni.
Tuttavia, navigare in questo futuro richiede un'attenta valutazione sia delle capacità che dei limiti. Le applicazioni più efficaci saranno quelle che sfrutteranno i punti di forza dell'IA tenendo conto dei suoi punti deboli, creando collaborazioni uomo-IA che amplificano le nostre capacità collettive.
L'evoluzione da GPT all'IA multimodale non è solo una conquista tecnica, ma un cambiamento fondamentale nel nostro rapporto con la tecnologia. Stiamo passando da computer che eseguono comandi ad assistenti che comprendono il contesto, interpretano il significato attraverso le diverse modalità e interagiscono con la ricchezza e l'ambiguità della comunicazione umana. Questa transizione continuerà a manifestarsi in modi sorprendenti e trasformativi negli anni a venire.
Questa accelerazione non accenna a rallentare e probabilmente siamo ancora ai primi capitoli della storia dell'IA. Con la continua evoluzione di questi sistemi, rimodelleranno il nostro modo di lavorare, imparare, creare e comunicare.
Per gli sviluppatori, il paradigma multimodale apre nuove possibilità per la creazione di interfacce più intuitive e accessibili. Per le aziende, queste tecnologie offrono opportunità per automatizzare flussi di lavoro complessi e migliorare l'esperienza dei clienti. Per gli individui, l'IA multimodale offre potenti strumenti per la creatività, la produttività e l'accesso alle informazioni.
Tuttavia, navigare in questo futuro richiede un'attenta valutazione sia delle capacità che dei limiti. Le applicazioni più efficaci saranno quelle che sfrutteranno i punti di forza dell'IA tenendo conto dei suoi punti deboli, creando collaborazioni uomo-IA che amplificano le nostre capacità collettive.
L'evoluzione da GPT all'IA multimodale non è solo una conquista tecnica, ma un cambiamento fondamentale nel nostro rapporto con la tecnologia. Stiamo passando da computer che eseguono comandi ad assistenti che comprendono il contesto, interpretano il significato attraverso le diverse modalità e interagiscono con la ricchezza e l'ambiguità della comunicazione umana. Questa transizione continuerà a manifestarsi in modi sorprendenti e trasformativi negli anni a venire.
