Trovato un errore?
Segnalalo ora
È tutto un po' confuso: come Gemini di Google disegna una mappa della Svizzera.
Gemini @blue News
Anche l'intelligenza artificiale sta diventando sempre più brava a creare immagini. Ma raggiunge i suoi limiti quando si tratta di disegni basati su dati. Ecco come nasce questo caos completamente arbitrario
A prima vista, si potrebbe pensare a uno scherzo di cattivo gusto.
Chiunque abbia una minima dimestichezza con la geografia svizzera si renderà subito conto che quasi nulla è al suo posto sulla mappa in apertura dell'articolo.
I contorni della Confederazione elvetica possono ancora essere vagamente corretti, ma i cantoni sono stati spostati in un bizzarro e surreale atto di riorganizzazione. I Grigioni, ad esempio, hanno improvvisamente assorbito il Vallese, che a sua volta è completamente scomparso. Glarona esiste a est e a ovest e Uri è ora anche il nome della Gran Bretagna.
Questa assurda cartografia è stata creata dall'intelligenza artificiale «Gemini» di Google. È un fallimento sintomatico che esemplifica come i modelli generali di IA non riescano a mappare le informazioni concrete.
Mentre la stessa IA è in grado di elencare correttamente i cantoni e le loro capitali in risposta a una richiesta via chat, produce un pasticcio totale quando si tratta di una rappresentazione visiva.
Ma perché c'è questa discrepanza tra testo e immagine?
Il secondo tentativo di creare una mappa della Svizzera è risultato ancora peggiore.
Gemini @blue News
Il fenomeno non è un caso isolato. Anche altri sistemi di intelligenza artificiale mostrano debolezze simili.
Sebbene siano in grado di generare immagini esteticamente gradevoli o ingannevolmente reali di carattere generale, falliscono quando si tratta di rappresentare con precisione dati o fatti.
La spiegazione semplice è che i generatori di immagini sono semplicemente lo strumento sbagliato per questo lavoro.
È come cercare di mettere una vite in una tavola con delle pinze. Non solo è scomodo, ma solo raramente porta a un risultato soddisfacente.
La ragione di questo fallimento risiede nel diverso funzionamento dei modelli di linguaggio e di immagine. Sebbene entrambi rientrino nell'ambito dell'«IA generativa», sono stati sviluppati per scopi specifici.
I modelli linguistici di grandi dimensioni (LLM), come ChatGPT, sono addestrati con enormi quantità di dati testuali e apprendono non solo la sintassi, ma anche una grande quantità di conoscenze.
I generatori di immagini, invece, vengono alimentati con una serie di dati di contenuti visivi, come foto e grafici.
Quando un utente invia una richiesta a un generatore di immagini, l'intelligenza artificiale scompone il testo e lo traduce in una rappresentazione numerica.
Questa «comprensione» viene poi passata a un modello specializzato nella generazione di immagini. Questo modello non accede alla conoscenza basata sul testo, ma piuttosto al suo pool di dati visivi.
L'intelligenza artificiale non ha una comprensione concreta dei confini cantonali, ma lavora con le probabilità nell'ambito del suo materiale di apprendimento costituito da immagini.
Il risultato è una sorta di pittura per numeri, in cui l'IA mette insieme un'immagine a partire da frammenti visivi. Il processo, spesso definito «diffusione», inizia con un'immagine che viene perfezionata passo dopo passo generando nuove aree di pixel.
La qualità del risultato finale dipende in larga misura dalla frequenza con cui alcuni elementi si presentano nel materiale di addestramento. Mentre esistono modelli sufficienti per oggetti quotidiani come montagne o laghi, mappe o ritratti specifici sono più rari.
Questa debolezza è evidente anche nella rappresentazione del testo. Lettere e parole sono solo informazioni visive per l'intelligenza artificiale, che non le riconosce come unità logiche senza un addestramento specifico. Gli errori di ortografia e le lettere distorte sono quindi ancora un problema comune nelle immagini generate dall'IA.
Più grande è il database, migliori sono i risultati. Un confronto tra i generatori di immagini di Google Gemini e QWEN e il modo in cui ritrarrebbero Roger Federer.
Gemini & QWEN @blue News
Le grandi aziende tecnologiche riconoscono questo deficit.
Il futuro dell'IA generativa risiede nella multimodalità, ovvero nella stretta integrazione di diversi sistemi di IA in un «modello complessivo».
Come assistente versatile, questo dovrebbe essere in grado di elaborare senza soluzione di continuità testi, immagini, suoni e video. I primi passi sono già stati fatti: le IA possono arricchire le loro spiegazioni con diagrammi autogenerati o integrare le analisi dei documenti con semplici presentazioni.
Un esperimento condotto a marzo dall'esperto di IA Ethan Mollick dell'Università della Pennsylvania mostra la strada da seguire.
Mentre un generatore di immagini convenzionale risponde alla richiesta «Mostrami una stanza senza un elefante» con un'immagine che include un elefante e un testo distorto, il modello multimodale GPT-4o fornisce una stanza senza l'animale e spiegazioni precise e annotate sul perché non può essercene uno.
Ci sono quindi buone probabilità che non dovremo aspettare ancora a lungo per avere mappe della Svizzera accurate e generate dall'intelligenza artificiale.
E questa è una buona notizia, perché non vogliamo che il Ticino scompaia nel lago di Vaud e che Argovia diventi «Arach».
17.09.2025, 22:34
