Intelligenza artificiale: che cos'è e le nuove regole del 2 agosto 2026

Dal 2 agosto 2026 in Europa le regole dell'AI Act diventano realtà per i sistemi di intelligenza artificiale a elevata trasparenza. Secondo Euronews, entrano in vigore gli obblighi di trasparenza dell'articolo 50, che impongono ai fornitori di chatbot e agenti IA che interagiscono con le persone di informare gli utenti che stanno parlando con una macchina. Non è più solo una buona pratica: DDay.it precisa che anche chi usa professionalmente sistemi generativi deve etichettare i deepfake e i testi di interesse pubblico realizzati con l'IA, mentre i provider devono apporre marcature tecniche leggibili dalle macchine, come le filigrane digitali SynthID sviluppate da Google. Le linee guida distinguono tra un assistente alla programmazione destinato a professionisti, la cui natura artificiale è evidente, e un chatbot nel servizio clienti, dove l'utente potrebbe non rendersene conto. La novità riguarda quindi sia chi sviluppa i sistemi sia chi li impiega per pubblicare contenuti.

Dietro queste regole c'è la diffusione massiccia dei modelli di linguaggio di grandi dimensioni, i cosiddetti LLM. Il cuore tecnico di questi sistemi è l'architettura Transformer, presentata nel 2017 da un gruppo di ricercatori di Google nell'articolo Attention Is All You Need, come spiega una guida pubblicata da Pantarei News. Il Transformer usa il meccanismo dell'attenzione per valutare quanto ogni parola sia rilevante rispetto alle altre, anche a distanza, permettendo al modello di collegare pronomi e nomi lontani nella frase.

Prima di essere elaborato, il testo viene spezzato in token: frammenti di parola, parole intere o segni di punteggiatura. Ogni token diventa un embedding, una rappresentazione numerica che colloca parole con significati simili in regioni vicine di uno spazio matematico. L'addestramento si divide in due fasi: nel pre-training il modello legge enormi quantità di testo e impara semplicemente a prevedere il token successivo; nel fine-tuning viene adattato con esempi mirati per rispondere a domande e seguire istruzioni. Una tappa cruciale del fine-tuning è l'RLHF, il Reinforcement Learning from Human Feedback, in cui valutatori umani confrontano coppie di risposte e indicano quale preferiscono, addestrando un modello di ricompensa che guida il miglioramento finale. OpenAI ha descritto questo metodo nel paper Training language models to follow instructions with human feedback.

L'allineamento non passa solo dal giudizio umano. Anthropic, per esempio, utilizza il Constitutional AI: invece di affidarsi solo a valutatori, guida il modello con una 'costituzione' di principi e con il feedback di un altro modello IA addestrato a giudicare le risposte. La prima versione della costituzione di Claude è stata pubblicata nel 2023, e Pantarei News segnala un aggiornamento ampliato a gennaio 2026.

Restano però difetti strutturali. Uno studio di OpenAI del settembre 2025, intitolato Why Language Models Hallucinate, sostiene che le allucinazioni non sono un mistero, ma una conseguenza diretta delle procedure di addestramento e valutazione: i modelli vengono premiati per il tentativo di risposta piuttosto che per l'ammissione onesta dell'incertezza. Per questo, nella modalità base, un LLM non consulta fonti esterne in tempo reale: risponde sulla base di ciò che ha appreso durante l'addestramento, con il rischio di informazioni obsolete o inventate. Questo genera anche la cosiddetta 'catena di errori', per cui il modello mantiene coerenza con quanto ha già scritto anche quando il punto di partenza era sbagliato. La ricerca consiglia di chiedere fonti specifiche, diffidare di numeri troppo precisi senza verifica e usare strumenti con ricerca web attiva per argomenti recenti.