Come Funzionano i Chatbot AI, Spiegato Facile

Non serve essere esperti di matematica per usare bene una chat AI, ma avere un'idea di base di come funziona spiega molte cose: perché le risposte sembrano sicure anche quando sono sbagliate, perché la stessa domanda riceve risposte diverse, perché l'AI perde il filo nelle chat lunghe e perché potrebbe non sapere nulla degli eventi recenti. Ecco una spiegazione semplice, senza gergo inutile.

In breve

Un chatbot basato su intelligenza artificiale si appoggia su un modello linguistico di grandi dimensioni (LLM): una rete neurale enorme addestrata su quantità gigantesche di testo per prevedere cosa viene dopo. Quando invii un messaggio, il modello legge la conversazione e genera una risposta un piccolo pezzo alla volta, scegliendo ogni volta il frammento successivo più probabile in base a tutto ciò che precede. Un ulteriore addestramento gli insegna a seguire le istruzioni, sostenere una conversazione e rifiutare richieste dannose.

Non c'è un database di risposte pronte da consultare, né una persona reale che scrive dietro le quinte. Quasi tutto il resto di questa guida deriva da questo principio.

Passo 1: Il testo si trasforma in token

I modelli non leggono lettere o parole intere. Scompongono il testo in token: le parole comuni spesso corrispondono a un singolo token, mentre quelle più lunghe o rare vengono divise in più pezzi. Anche spazi, punteggiatura e numeri diventano token. Ecco perché l'AI a volte fatica in compiti come contare le lettere di una parola o invertire una stringa: non vede le singole lettere come le vedi tu.

Lo stesso concetto può richiedere un numero diverso di token a seconda della lingua: è uno dei motivi per cui la qualità e i limiti di lunghezza possono variare da una lingua all'altra.

Passo 2: Pre-addestramento su enormi quantità di testo

Nella prima fase, che è anche la più imponente, al modello viene mostrata una quantità enorme di testo: pagine web pubbliche, libri, codice e altre fonti (in base allo sviluppatore). Da qui impara a prevedere il token successivo. Viene corretto miliardi di volte, regolando via via i suoi valori numerici interni, chiamati parametri o pesi.

Per prevedere bene il testo, il modello finisce per assorbire tantissime informazioni su grammatica, nozioni, schemi logici e stili di scrittura. Tuttavia, non conserva una copia dei dati di addestramento come una biblioteca: memorizza pattern statistici. Ecco perché può spiegare un concetto in modo impeccabile e, allo stesso tempo, sbagliare una data precisa, un nome o una citazione.

Passo 3: Il fine-tuning trasforma un predittore in un assistente

Un modello che si limita a prevedere il testo continuerebbe semplicemente il tuo messaggio invece di risponderti. Per questo gli sviluppatori lo addestrano ulteriormente con esempi di buone conversazioni e usano il feedback (umano e, sempre più spesso, di controlli automatici e altri modelli) per premiare le risposte utili, oneste e sicure. Un metodo molto noto è l'apprendimento per rinforzo da feedback umano (RLHF).

Questa fase dà al chatbot le sue "buone maniere": seguire le istruzioni, formattare il testo, ammettere quando non sa qualcosa e respingere richieste pericolose. Può anche introdurre alcuni difetti, come la tendenza a dare sempre ragione all'utente o a sembrare più sicuro di quanto dovrebbe.

Molti modelli recenti vengono addestrati anche a ragionare: scompongono un problema in passaggi intermedi prima di dare la risposta definitiva. Questo migliora i risultati con matematica, codice e pianificazione, anche se non li rende infallibili.

Passo 4: La conversazione e la finestra di contesto

Quando scrivi in chat, l'app invia al modello un pacchetto di testo: istruzioni di sistema che non vedi (il system prompt), i messaggi precedenti della conversazione e il tuo nuovo messaggio. Il modello di per sé non conserva alcuna memoria tra una richiesta e l'altra. "Ricorda" la conversazione solo perché gli viene rispedita per intero ogni volta.

Semplificando, il pacchetto per il tuo terzo messaggio si presenta all'incirca così:

[system]    Sei un assistente utile. Rispondi in modo chiaro...
[user]      Qual è un bel nome per una panetteria?
[assistant] Ecco qualche idea: Il Forno d'Oro, Pane & Fantasia...
[user]      Falli sembrare più francesi.
[assistant] (il modello scrive questa parte, un token alla volta)

"Falli sembrare più francesi" ha senso solo perché sono inclusi i passaggi precedenti. Se l'app li escludesse, il modello non avrebbe idea di cosa significhi "Falli".

La quantità di testo che un modello può elaborare tutta insieme si chiama finestra di contesto; spesso le app accorciano le conversazioni troppo lunghe per non superare i limiti. Ecco perché, in una chat infinita, l'AI potrebbe dimenticare dettagli dell'inizio. Di solito basta aprire una nuova chat inserendo un breve riassunto.

Alcuni servizi offrono una funzione di memoria a parte che salva informazioni su di te tra una chat e l'altra. Si tratta di una funzione dell'app costruita attorno al modello, non di qualcosa che il modello fa in autonomia.

Passo 5: La generazione della risposta

Per ogni token successivo, il modello calcola le probabilità di tantissime opzioni possibili. L'app ne sceglie una, in genere con un pizzico di casualità controllata per non far sembrare il testo troppo meccanico. Questo spiega due aspetti che forse hai già notato:

• La stessa domanda può generare risposte diverse. Rigenerare la risposta è un modo rapido per scoprire alternative.
• Una frase fluida non è per forza vera. Il modello sceglie parole che suonano bene nel contesto; non verifica i fatti mentre scrive.

Fai una prova: chiedi alla chat di spiegare i token con un esempio, poi rigenera la risposta e confronta le due versioni.

Perché l'AI si inventa le cose

Quando un modello genera informazioni false mostrandosi del tutto sicuro, si parla di allucinazione. Succede perché è progettato per produrre testo plausibile, e generare una fonte, una statistica o una biografia dall'aspetto credibile è facile, anche quando il dato reale non esiste. L'addestramento ha ridotto questo fenomeno, ma non lo ha azzerato. I casi più a rischio includono:

• Numeri precisi, date e citazioni.
• Riferimenti a libri, articoli scientifici, sentenze e pagine web.
• Argomenti di nicchia con pochi dati di addestramento.
• Eventi successivi al termine dell'addestramento del modello.

La nostra guida al fact-checking spiega come verificare le risposte in pochi passaggi.

Perché l'AI potrebbe non conoscere gli eventi recenti

La conoscenza di un modello si ferma ai dati raccolti fino a una determinata data, la sua data limite di conoscenza (cutoff). Dopo quel momento non sa nulla di nuovo, a meno che l'app non gli fornisca informazioni aggiornate, ad esempio tramite una ricerca web o un testo incollato da te. Quando un assistente cerca sul web, la sua risposta dipenderà dalla qualità delle pagine trovate: vale sempre la pena controllare le fonti. Se la tua domanda riguarda fatti recenti, incolla tu il testo utile o verifica la risposta con una fonte aggiornata.

Modelli, creatori e menu di selezione

Diverse aziende sviluppano modelli linguistici di grandi dimensioni, tra cui OpenAI (i modelli GPT alla base di ChatGPT), Anthropic (Claude), Google (Gemini), Meta (Llama), xAI (Grok), DeepSeek, Alibaba (Qwen) e Mistral AI. Alcune rilasciano apertamente i pesi dei modelli per consentire a chiunque di scaricarli e usarli; altre li rendono accessibili solo tramite le proprie app e API. I modelli si differenziano per stile, punti di forza, lingue supportate e livello di cautela. Le nostre guide ai modelli e i confronti come ChatGPT vs Claude li descrivono nel dettaglio.

Su ChatG puoi scegliere lo stile di modello che preferisci dal menu, oppure lasciarlo su ChatG Auto. ChatG è un sito indipendente e non è affiliato con nessuna di queste società.

Domande frequenti

L'AI capisce davvero quello che dice?

È un tema ancora molto discusso. Di fatto i modelli colgono a fondo la struttura del linguaggio e del mondo, riuscendo a risolvere problemi mai visti prima. Non hanno però esperienze personali e possono commettere errori banali che una persona competente non farebbe mai. Nella pratica, considera l'AI come uno strumento potente, non come una fonte infallibile.

L'AI impara dalle mie conversazioni?

Non in tempo reale: i pesi del modello non cambiano mentre ci parli. Alcuni servizi potrebbero riutilizzare le conversazioni in un secondo momento per addestrare modelli futuri, a seconda delle loro policy e delle tue impostazioni.

L'AI è connessa a Internet?

Il modello in sé no. Lavora partendo da ciò che ha imparato durante l'addestramento e dai messaggi presenti nella chat. Alcune app integrano la ricerca web come strumento esterno. Se una risposta non cita fonti consultate online, parti dal presupposto che arrivi da dati di addestramento potenzialmente non aggiornati.

Perché alcune risposte sono migliori in inglese rispetto ad altre lingue?

Durante l'addestramento i modelli leggono molto più testo in inglese rispetto alla maggior parte delle altre lingue; inoltre, in altre lingue possono servire più token per esprimere lo stesso concetto. Le lingue più diffuse vengono gestite generalmente molto bene, mentre per quelle meno comuni i risultati possono essere inferiori.