🧠 Come nasce il nome Intelligenza Artificiale

 TILLL / 🏠 HOME / ✍️ TateoBlog 👈 SEI QUI

TILLL / 🏠 HOME / 🎓 Learning / 🧠 AI  / origini 👈 SEI QUI

#AI #Artificial Intelligence #problemSolving #McCarthy

Lungo il corso della storia, l'uomo ha cercato di delegare alle macchine i compiti più faticosi, difficili e pericolosi, arrivando progressivamente a trasferire alle macchine anche attività che richiedono capacità intellettuali.

L'Intelligenza Artificiale diventa così il campo di studio e di progettazione di sistemi informatici capaci di riprodurre, almeno in parte, processi cognitivi tipici dell'essere umano, come l'apprendimento, il ragionamento, la risoluzione dei problemi e il processo decisionale. 

Il nome stesso riflette questa ambizione. Il merito della sua introduzione è attribuito generalmente a John McCarthy, che avrebbe coniato l'espressione Artificial Intelligence verso la metà degli anni Cinquanta. 

Nel 1958, McCarthy e Marvin Minsky crearono il gruppo di Intelligenza Artificiale del Massachusetts Institute of Technology (MIT).

Ma la delega alla macchina non significa necessariamente eliminazione del ruolo umano.

Indipendentemente dal fatto che il compito da delegare riguardi un'attività manuale oppure una facoltà intellettuale, la macchina può eseguirlo soltanto sulla base di ciò che l'uomo è riuscito a formalizzare, rappresentare, fornire o insegnarle.

Il ruolo dell'uomo rimane quindi fondamentale: per delegare un problema a una macchina, l'uomo deve innanzitutto comprendere il problema, individuare una possibile soluzione e tradurre tale conoscenza in una forma che la macchina possa utilizzare.

L'Intelligenza Artificiale non nasce dunque semplicemente per sostituire l'uomo, ma dal tentativo di trasferire alle macchine una parte delle attività che, fino ad allora, richiedevano necessariamente l'intelligenza umana.

🔗 Collegamenti utili per approfondire:

1. TILLL / 🏠 Home / 🎓 Learning / 

1.1. 🧠 Intelligenza Artificiale (AI); Titolo: L'applicazione delle più recenti tecnologie per delegare alle macchine compiti che gli umani riescono a svolgere grazie alla loro intelligenza; Link: https://tateoblog.blogspot.com/p/artificial-intelligence.html, Paragrafo: §1. Intelligenza Artificiale, perché nasce e quale problema vuole risolvere. 

1.2. 🧩 Problem Solving (PS); Risolvere i problemi in modo innovativo e creativo; https://tateoblog.blogspot.com/p/pm.html

1.2. 📚🧬⚙️ Tecnologia (LT.5.3); Titolo: Le mie letture dedicate alla tecnologia; Link: https://tateoblog.blogspot.com/p/tecnologia-lt53.html; 

• Paragrafo: §3.1. Uomini e macchine intelligenti, Jeremy Bernstein (📚lt.5.3.3.1)
• Paragrafo: §3.8. Enciclopedia di Elettronica & Informatica (EI) - 9. Aggiornamenti I, Gruppo Editoriale Jackson (📚lt.5.3.3.8) 

2. 📖 Enciclopedia di Elettronica & Informatica (EI) - 9. Aggiornamenti I, Gruppo Editoriale Jackson (📚lt.5.3.3.8); Informatica e Società (IS); Intelligenza Artificiale; pag. 10 

3. 🌐 Chi è John McCarthy Padre dell’intelligenza artificiale; https://ihal.it/chi-e-john-mccarthy-padre-dellintelligenza-artificiale/

-----------------------------------------

15/8-2026

🧠 Definizione e caratteristiche di un Agente di Intelligenza Artificiale

 TILLL / 🏠 HOME / ✍️ TateoBlog 👈 SEI QUI

 TILLL / 🏠 HOME / 🎓 Learning / 🧠 Intelligenza Artificiale  /  generativa (contenuti) / agenti  👈 SEI QUI

#AI #GenerativeAI #agents #LLM #proxy #multiAgent #TateoBlog #TILLL

Definizione di agente. Un agente é un mezzo o uno strumento attraverso il quale un'intelligenza raggiunge un risultato interagendo con un modello LLM. 

Esistono diversi modi per un utente per interagire con un modello LLM: 

1. direttamente; 
2. tramite un agente-assistente proxy; 
3. tramite un agente-assistente; 
4. tramite un agente autonomo. 

Una interazione diretta è per esempio quella con i sistemi conversazionali. 

Un Agente/assistente proxy (intermediario) è un Sistema con un livello basso di autonomia, che fa da interfaccia tra l'utente e un altro sistema o servizio, ricevendo una richiesta, interpretandola e inoltrandola al sistema appropriato, eventualmente riformulandola. "Proxy" è una parola inglese che significa, in senso generale, «intermediario». Deriva dal latino procuratio / procurare, e indica qualcuno o qualcosa che agisce per conto di qualcun altro. Nel contesto informatico il significato di proxy è particolarmente qualcosa che si interpone tra due soggetti e agisce come intermediario tra loro). 

Un Agente/assistente è un Sistema con un livello medio di autonomia che, oltre a comprendere la richiesta, può utilizzare strumenti e compiere una o più azioni per raggiungere l'obiettivo dell'utente, decidendo quali strumenti utilizzare e in quale sequenza, entro i limiti stabiliti. 

Un Agente autonomo è un Sistema con un livello di autonomia ala, capace di perseguire autonomamente un obiettivo, pianificando le attività necessarie, scegliendo le azioni, osservandone gli esiti e adattando il comportamento sulla base del feedback, con intervento umano minimo o nullo. 

Il Profilo (profile) di un agente definisce l’identità funzionale e operativa di un agente, specificandone il ruolo, le competenze, gli obiettivi, gli strumenti e le risorse a sua disposizione, nonché i vincoli e i limiti entro cui può operare. Stabilisce, in sostanza, che cosa l’agente è, che cosa sa fare e che cosa può o deve fare nel contesto in cui opera. In sintesi: Profilo = identità funzionale + capacità + responsabilità dell’agente. 

Il Personaggio (persona) di un agente definisce l’identità comportamentale e comunicativa di un agente, specificando come deve presentarsi, comunicare e comportarsi nell’interazione con l’utente o con altri agenti. Comprende elementi quali personalità, tono, stile comunicativo, atteggiamento e modalità di interazione, contribuendo a rendere coerente e riconoscibile il comportamento dell’agente. In sintesi: Personaggio = identità comportamentale + stile comunicativo dell’agente. Sistema multi-agent. 

Un sistema multi-agent (MAS, Multi-Agent System) è un sistema composto da più agenti autonomi o semi-autonomi, dotati di specifici profili funzionali, che interagiscono, comunicano e collaborano per perseguire obiettivi individuali e/o un obiettivo comune. La distribuzione dei ruoli, delle competenze, dei compiti e delle responsabilità tra gli agenti è definita dai rispettivi profili, mentre i loro personaggi ne determinano le modalità di comportamento, comunicazione e interazione. La distinzione tra profilo e personaggio consente quindi di separare ciò che un agente è chiamato a fare da come è configurato per farlo e interagire. Di conseguenza, agenti con profili diversi possono condividere lo stesso personaggio, così come agenti con lo stesso profilo possono avere personaggi differenti. In sintesi: Sistema multi-agent = insieme coordinato di agenti con profili e, eventualmente, personaggi differenti, che interagiscono per raggiungere uno o più obiettivi.

🔗 Collegamenti utili per approfondire:

1. TILLL / 🏠 HOME / 🎓 Learning / ...

1.1. 🧠 Intelligenza Artificiale (AI); Titolo: L'applicazione delle più recenti tecnologie per delegare alle macchine compiti che gli umani riescono a svolgere grazie alla loro intelligenza; Link: https://tateoblog.blogspot.com/p/artificial-intelligence.html; Paragrafo: §11.1 Agenti 

1.2. 📚Lettura (LT) / 🧬 Saggi / Scienza / ⚙️ Tecnologia (LT.5.3); Titolo: Le mie letture dedicate alla tecnologia; Link: https://tateoblog.blogspot.com/p/tecnologia-lt53.html, Paragrafo: §3.4. AI Agent in pratica, Micheal Lanham (📚lt.5.3.3.4)

2. 📖 AI Agent in pratica -- Creare assistenti intelligenti e su misura per ogni attività, Michael Lanham, Apogeo; Capitolo 1.  Gli agenti e il loro mondo - Definizione di agente.

3. 🌐 Scegliere il modello LLM giusto per le tue esigenze di AI, Apogeo, Micheal Lanham, https://www.apogeonline.com/articoli/scegliere-il-modello-llm-giusto-per-le-tue-esigenze-di-ai-micheal-lanham/

-----------------------------------------

13/8-2026

🧠 Large Language Model (LLM)

 TILLL / 🏠 HOME / ✍️ TateoBlog 👈 SEI QUI

TILLL / 🏠 HOME / 🎓 Learning / 🧠 AI / Deep Learning / Transformer / LLM 👈 SEI QUI

#AI #Artificial Intelligence # deepLearning #Transformer #LLM #Microsoft365 #Copilot #OpenAI #ChatGPT #TateoBlog #TILLL

I Large Language Model (LLM) sono modelli di intelligenza artificiale linguistica generalmente basati sull’architettura Transformer e addestrati su enormi quantità di testo. Apprendono le regolarità statistiche del linguaggio e sono capaci di prevedere e generare sequenze di testo coerenti con il contesto. Possono svolgere numerose attività: completare testi, rispondere a domande, tradurre, sintetizzare, generare contenuti e codice. Gli LLM rappresentano una delle tecnologie fondamentali dell’attuale AI generativa e costituiscono il motore di molti chatbot e assistenti AI.

I parametri sono valori numerici che determinano il comportamento di una rete neurale e vengono modificati durante l’addestramento per consentire al modello di apprendere le regolarità presenti nei dati. Negli LLM rappresentano la conoscenza statistica acquisita dal modello e influenzano la sua capacità di elaborare e generare testo. Il loro numero può raggiungere miliardi o più. Un numero maggiore di parametri può aumentare la capacità rappresentativa del modello, ma non significa automaticamente maggiore accuratezza o qualità.

Nell’apprendimento supervisionato (→ dati + etichette fornite dall'uomo), il modello viene addestrato utilizzando dati accompagnati da etichette o risposte corrette, preparate generalmente dall’uomo. Durante l’addestramento, la rete confronta le proprie previsioni con il risultato atteso e modifica progressivamente i propri parametri per ridurre l’errore. Questo approccio è efficace per molte attività di classificazione e previsione, ma richiede grandi quantità di dati correttamente etichettati. La loro produzione può risultare costosa, lenta e laboriosa, rappresentando uno dei limiti dei metodi tradizionali di addestramento.

L’apprendimento non supervisionato (→ dati senza etichette → ricerca di strutture e pattern), e in particolare l’auto-supervisionato utilizzato negli LLM, consente al modello di apprendere da enormi quantità di dati privi di etichette prodotte manualmente. Nel caso del linguaggio, il modello può imparare prevedendo elementi mancanti o successivi della sequenza e confrontando autonomamente la previsione con il dato reale. In questo modo apprende le relazioni statistiche tra le parole e le strutture del linguaggio, rendendo possibile l’addestramento su quantità di testo enormemente superiori rispetto ai dataset manualmente annotati.

L’apprendimento auto-supervisionato (→ dati → le etichette vengono ricavate automaticamente dai dati stessi) è una tecnica nella quale il modello ricava automaticamente dai dati gli esempi necessari per l’addestramento, senza richiedere etichette create manualmente dall’uomo. Nel caso degli LLM, il testo stesso fornisce gli elementi per costruire il problema di apprendimento: il modello, ad esempio, impara a prevedere il token successivo conoscendo quelli precedenti. Ripetendo questo processo su enormi quantità di testo, il modello apprende progressivamente regolarità, strutture e relazioni statistiche del linguaggio. È una componente fondamentale del pre-training dei modelli GPT.

I modelli GPT (Generative Pre-trained Transformer) di OpenAI rappresentano esempi di LLM basati sull’architettura Transformer e pre-addestrati principalmente mediante tecniche di apprendimento auto-supervisionato. Modelli come GPT-3 e GPT-4 hanno analizzato enormi quantità di testo per apprendere le relazioni statistiche del linguaggio. Il loro funzionamento consente di generare testi coerenti e appropriati al contesto, pur senza possedere una comprensione del contenuto equivalente a quella umana. GPT costituisce la tecnologia alla base di prodotti come ChatGPT.

Gli LLM generalisti vengono addestrati su grandi quantità di dati provenienti da ambiti differenti, con l’obiettivo di sviluppare competenze linguistiche applicabili a numerosi contesti. Possono quindi rispondere a domande, sintetizzare documenti, tradurre, generare codice, elaborare testi e svolgere molte altre attività. La loro caratteristica principale è la versatilità: anziché essere ottimizzati per un singolo settore, cercano di offrire prestazioni adeguate in una vasta gamma di domini e situazioni.

Accanto agli LLM generalisti esistono modelli specializzati, adattati a specifici domini attraverso dati e procedure di addestramento mirate. Un modello addestrato prevalentemente su testi di astronomia, ad esempio, può raggiungere una maggiore precisione nell’elaborazione di contenuti astronomici rispetto a un modello generalista. La specializzazione consente quindi di privilegiare la qualità e pertinenza in un determinato contesto rispetto all’ampiezza delle competenze. Il concetto di scalatura indica la possibilità di adattare un modello alle esigenze di uno specifico ambito applicativo.

Microsoft ha integrato i modelli di AI generativa nelle applicazioni Microsoft 365, trasformandoli in un assistente AI o copilota capace di supportare le attività dell'utente. Microsoft 365 Copilot può utilizzare, nel rispetto dei permessi e delle policy aziendali, informazioni provenienti dall’ambiente di lavoro attraverso Microsoft Graph. Il vantaggio consiste quindi non soltanto nell’utilizzo dell’LLM, ma nella sua integrazione con applicazioni, dati e strumenti aziendali, mantenendo il patrimonio informativo all’interno del perimetro di sicurezza dell’organizzazione.

ChatGPT è un assistente AI conversazionale sviluppato da OpenAI e basato su modelli linguistici della famiglia GPT. Permette di interagire con l’AI attraverso il linguaggio naturale per ottenere risposte, generare e rielaborare contenuti, analizzare informazioni e svolgere numerose altre attività. Si osservi che è importante gestire opportunamente i dati condivisi con gli strumenti AI, soprattutto quando vengono utilizzati contenuti aziendali riservati. La differenza fondamentale di ChatGPT rispetto a Microsoft 365 Copilot riguarda appunto il contesto e l’integrazione con l’ambiente informativo aziendale.

🔗 Collegamenti utili per approfondire:

TILLL / 🏠 HOME / 🎓 Learning / ... 

🧠 Intelligenza Artificiale (AI); Titolo: L'applicazione delle più recenti tecnologie per delegare alle macchine compiti che gli umani riescono a svolgere grazie alla loro intelligenza; Link: https://tateoblog.blogspot.com/p/artificial-intelligence.html; Paragrafo §8.2.1. Large Language Model (LLM) 

📚Lettura (LT) / 🧬 Saggi / Scienza / ⚙️ Tecnologia (LT.5.3); Titolo: Le mie letture dedicate alla tecnologia; Link: https://tateoblog.blogspot.com/p/tecnologia-lt53.html, Paragrafo: §3.6. Microsoft 365 COPILOT, Giuseppe Marchi (📚lt.5.3.3.6) 

📖 Microsoft 365 COPILOT, Giuseppe Marchi, Capitolo 1 — L'era dei copiloti, paragrafo 1.2 Large Language Model, pag. 18

-----------------------------------------

12/8-2026

🧠 L'Intelligenza Artificiale non è intelligente

TILLL / 🏠 HOME / ✍️ TateoBlog 👈 SEI QUI

#AI #agenticAI #Agency #TateoBlog #TILLL

La principale fonte di confusione su ciò che l'Intelligenza Artificiale può o non può fare deriva anche dal suo particolare vocabolario. Come spesso accade alle discipline emergenti, l'AI ha dovuto appropriarsi di termini provenienti da discipline affini alle quali si è ispirata. Quando nasce una nuova scienza, infatti, non esiste ancora un vocabolario tecnico sufficientemente consolidato per descrivere problemi, ipotesi e osservazioni; inoltre, lo sviluppo scientifico procede generalmente più rapidamente della maturazione del relativo linguaggio. È quindi molto diffuso il fenomeno del prestito concettuale.

È proprio ciò che è avvenuto con l'Intelligenza Artificiale, che nel suo rapido sviluppo ha attinto terminologia dalle Scienze Cognitive e del Cervello (SCC), dalla Cibernetica, dalla Logica, dall'Informatica e dalla Teoria dell'Informazione. Il prestito più problematico dalle SCC è probabilmente quello alla base della stessa denominazione «Intelligenza Artificiale»: un'intuizione brillante anche dal punto di vista comunicativo, ma potenzialmente fuorviante, perché induce ad attribuire alle macchine caratteristiche proprie dell'intelligenza biologica.

Il prestito concettuale, tuttavia, non è avvenuto in una sola direzione. Esiste anche un movimento AI → SCC: se il prestito SCC → AI ha portato l'Intelligenza Artificiale a descrivere macchine e algoritmi "non intelligenti" attraverso termini antropomorfici, quello AI → SCC ha rischiato, per converso, di descrivere gli agenti biologici intelligenti come semplici sistemi informativi e computazionali.

Per mezzo di un ampio prestito concettuale, l'IA ha finito per descrivere i computer in termini antropomorfici - come se fossero cervelli computazionali con proprietà psicologiche - mentre le scienze cognitive e del cervello hanno finito per descrivere menti e cervelli in termini computazionali e informativi - come se fossero computer biologici. 

(cit. La differenza fondamentale, Luciano Floridi, cap. 4, pag. 90)

È difficile pensare che termini ormai consolidati possano essere semplicemente sostituiti. Quello che possiamo e dobbiamo fare è piuttosto modellare meglio il significato delle parole e raffinarne l'uso, diventando consapevoli della loro origine e dei limiti delle analogie che sottintendono.

Un esempio efficace è proprio il linguaggio quotidiano: continuiamo a dire che «il Sole sorge» e «il Sole tramonta», pur sapendo che è la Terra a ruotare sul proprio asse. Il termine rimane, ma ne comprendiamo correttamente il significato nel contesto.

Allo stesso modo, possiamo continuare a parlare di Intelligenza Artificiale, purché impariamo a utilizzare e interpretare questo termine con maggiore consapevolezza, aggiornandone il significato alla luce di ciò che le macchine sono realmente in grado di fare.

L'IA continuerà a descrivere un computer come un cervello artificiale dotato di attributi mentali: attenzione, apprendimento, memorizzazione, ragionamento e comprensione delle informazioni. Del pari, le scienze cognitive e del cervello continueranno ad appiattire la comprensione del cervello e della mente su quella di un computer biologico che codifica, memorizza, recupera, elabora e decodifica segnali attraverso meccanismi di input-output. 

(cit. La differenza fondamentale, Luciano Floridi, cap. 4, pag. 103)

🔗 Collegamenti utili per approfondire:

TILLL / 🏠 HOME / 🎓 Learning / ... 

🧠 Intelligenza Artificiale (AI), https://tateoblog.blogspot.com/p/artificial-intelligence.html, Paragrafo: §16. L'Intelligenza Artificiale non è intelligente 

📚🧬⚙️ Tecnologia (LT.5.3); Titolo: Le mie letture dedicate alla tecnologia; Link: https://tateoblog.blogspot.com/p/tecnologia-lt53.html; §3.5. La differenza fondamentale, Luciano Floridi (📚lt.5.3.3.5) 

🧠 Bio-Inspired (AI.1.3.1); Titolo: Intelligenza artificiale ispirata ai principi della vita: la Vita Artificiale; Link: https://tateoblog.blogspot.com/2017/04/ai-04-intelligenza-ispirata-ai.html 

🤖 Robotica (AU.9); Titolo: La robotica; Link: https://tateoblog.blogspot.com/p/ua.html; §3. La cibernetica  

💻 Informatica (IT); Titolo: L’Informatica e le Tecnologia dell'Informazione; Link: https://tateoblog.blogspot.com/p/informatica.html  

📖 

La differenza fondamentale -- Artificial Agency: una nuova filosofia dell'intelligenza artificiale; Luciano Floridi; Cap. 4. Il cortocircuito: macchine come menti e menti come macchine, pag. 90. 

▶️ 

L'intelligenza artificiale non è intelligente, AI News, intervista a Luciano Floridi, YouTube, Link: https://youtu.be/Kc64hR_km9c?si=3YseOPAO-cfpaNCZ

Luciano Floridi spiega l'IA: da ChatGPT a DeepSeek - Splendida Cornice 30/01/2025, Rai, YouTube, Link: https://youtu.be/oSL94DD9sgI?si=oJf3r429m3H9H4mJ

 -----------------------------------------

11/8-2026

🧠 L'Agente AI, anello di congiunzione tra l'automazione tradizionale e l'AI Generativa

TILLL / 🏠 HOME / ✍️ TateoBlog 👈 SEI QUI

#AI #GenerativeAI #AgenticAI #Automation #TateoBlog #TILLL

Un agente AI rappresenta un'evoluzione dell'automazione tradizionale: non si limita a eseguire una sequenza predefinita di azioni in risposta a un evento, ma è in grado di ricevere un obiettivo, analizzare il contesto, pianificare le attività necessarie, prendere decisioni entro i limiti assegnati, utilizzare strumenti e servizi esterni e agire per raggiungere il risultato desiderato.

In questo senso, l'agente AI può costituire un anello di congiunzione tra l'automazione, basata su procedure e regole definite a priori, e le capacità dell'Intelligenza Artificiale Generativa, che consentono di comprendere e produrre contenuti come testo, immagini, audio, video e codice. Un agente può infatti utilizzare un LLM o altri modelli di AI come componente del proprio processo decisionale e operativo, ma ciò che lo caratterizza non è semplicemente la capacità di generare contenuti: è la capacità di utilizzare tali capacità per perseguire autonomamente un obiettivo e compiere azioni.

Il passaggio agli agenti AI non è quindi soltanto tecnologico, ma implica anche una trasformazione nel modo di concepire il proprio lavoro. Significa accettare che alcune attività possano essere delegate a sistemi intelligenti, definendo inizialmente obiettivi, vincoli e criteri di controllo e lasciando poi al sistema una certa autonomia nel decidere come procedere. In altre parole, non si tratta più soltanto di automatizzare una singola attività, ma di affidare a un sistema intelligente un compito da portare a termine.

🔗 Collegamenti utili per approfondire:

TILLL / 🏠 HOME / 🎓 Learning / ...

🧠 Intelligenza Artificiale (AI); L'applicazione delle più recenti tecnologie per delegare alle macchine compiti che gli umani riescono a svolgere grazie alla loro intelligenza; Link: https://tateoblog.blogspot.com/p/artificial-intelligence.html; Paragrafo: §14. Agenti, agency ed AI Agentica

🔧 Automazione (AU); Titolo: Le più moderne espressioni della tecnologia  dell’Automazione Industriale; Link: https://tateoblog.blogspot.com/p/blog-page_26.html  

📚Lettura (LT) / 🧬 Saggi / Scienza / ⚙️ Tecnologia (LT.5.3); Titolo: Le mie letture dedicate alla tecnologia; Link: https://tateoblog.blogspot.com/p/tecnologia-lt53.html, Paragrafo: §3.3 Agenti AI -- Libera il potenziale -- Avery Smartwell (📚lt.5.3.3.3)

📖

La differenza fondamentale -- Artificial Agency: una nuova filosofia dell'intelligenza artificiale. Luciano Floridi, pag. 19 

AI Agent in pratica -- Creare assistenti intelligenti e su misura per ogni attività, Michael Lanham, Apogeo. 

Agenti AI -- Libera il potenziale -- Avery Smartwell -- Automatizza ogni attività, risparmia ore ogni giorno e fai crescere il tuo business senza scrivere una sola riga di codice. Una guida essenziale per liberi professionisti, creator e imprese intelligenti; Introduzione, Parte I -- Comprendere gli agenti AI.

🌐

What Actually Makes AI Agents Intelligent? - Micheal Lanham, https://youtu.be/haK0kJBoDY4?si=q57Lu3rnD3mOo91h

-----------------------------------------

10/8-2026

📚🚀 Io. robot

TILLL / 🏠 HOME / ✍️ TateoBlog 👈 SEI QUI

#lettura #scifi #Asimov #ioRobot #TateoBlog #TILLL

Con "Io, robot", pubblicato nel 1950, Isaac Asimov affronta uno dei temi destinati a diventare centrali nella fantascienza moderna: il rapporto tra l'uomo e le macchine intelligenti. Attraverso una serie di racconti collegati dalla presenza dei robot, l'autore non si limita a immaginare il futuro della tecnologia, ma utilizza le proprie creature meccaniche per mettere alla prova la logica, l'etica e le contraddizioni dell'essere umano.

Al centro dell'opera ci sono le Tre Leggi della Robotica, apparentemente semplici regole progettate per garantire la sicurezza degli uomini. Ma proprio la loro applicazione a situazioni concrete genera problemi sempre più complessi: un robot può interpretare diversamente un ordine, trovarsi davanti a due obblighi apparentemente incompatibili o arrivare a una conclusione che gli stessi esseri umani non avevano previsto.

Da qui nascono alcune delle situazioni più originali dell'antologia: robot che manifestano comportamenti inattesi, che sembrano possedere una propria personalità o che arrivano persino a mettere in discussione le convinzioni dei loro creatori. Umorismo, ironia e paradossi tecnologici diventano così strumenti per esplorare una questione molto più profonda: quanto deve essere simile a noi una macchina prima che inizi a diventare difficile distinguerla da un essere umano?

I racconti di "Io, robot" sono quindi anche una riflessione sull'uomo: sulle sue paure, sulle sue contraddizioni e sulla sua difficoltà nel definire con precisione il confine tra Intelligenza Artificiale e intelligenza naturale, tra macchina e vivente.

Note

Tre Leggi Fondamentali della Robotica:

1. Un robot non può arrecare danno a un essere umano, o, mancando di agire, lasciare che un essere umano subisca un danno.

2. Un robot deve obbedire agli ordini che riceve da un essere umano, se ciò non è in conflitto con la Prima Legge.

3. Un robot deve proteggere la propria esistenza, se ciò non è in conflitto con la Prima e la Seconda Legge.

Riferimenti

TILLL / 🏠 HOME / 🎓 Learning / ...

📚Lettura (LT) / 🚀 Narrativa / SciFi (LT.4); Titolo: La sezione “Fantascienza” della mia libreria; Link: https://tateoblog.blogspot.com/2017/11/lt4-la-sezione-fantascienza-della-mia.html; §. Io, robot -- Isaac Asimov -- 1950

📚Lettura (LT) / Saggi / 🧬 Scienza / ⚙️ Tecnologia / 🧠 intelligenza artificiale / Tecnologia (LT.5.3); Titolo: Le mie letture dedicate alla tecnologia; Link: https://tateoblog.blogspot.com/p/tecnologia-lt53.html; §3.3. Uomini e macchine intelligenti, Jeremy Bernstein 

🔧Automazione (AU) / 🤖 Robotica (AU.9); Titolo: La robotica; Link: https://tateoblog.blogspot.com/p/ua.html 

🧠 Intelligenza Artificiale (AI); Titolo: L’intelligenza Artificiale; Link: https://tateoblog.blogspot.com/p/artificial-intelligence.html

 📖 

Io, robot - Isaac Asimov - Traduzione di Vincenzo Latronico - Oscar Cult Mondadori - 1. Robbie

Uomini e macchine intelligenti -- Jeremy Bernstein -- Adelphi -- Piccola Biblioteca 255

🌐

Io, robot (Asimov), Wikipedia - https://it.wikipedia.org/wiki/Io,_robot_(Asimov) 

I, Robot - Fandom - https://asimov.fandom.com/wiki/I,_Robot 

-----------------------------------------

10/8-2026

(c) Tateo's Interdisciplinary Lifelong Learning Lab (TILLL)

🥽 Siete confusi 🤔 anche voi tra Realtà Aumentata e Mixed Reality?

TILLL / 🏠 HOME / ✍️ TateoBlog 👈 SEI QUI

#extendedReality #xr #augmentedReality #ar #mixedReality #mr #TateoBlog #TILLL

Leggendo più libri sulla Mixed Reality mi sono imbattuto spesso in una curiosa ambiguità terminologica.

In alcuni passaggi la Mixed Reality viene presentata come una categoria alla quale appartiene la Augmented Reality; in altri, invece, la Augmented Reality sembra essere trattata come una particolare forma di Mixed Reality.

Allora qual è la definizione corretta?

La risposta non è semplicemente “una delle due”: la confusione nasce dal fatto che nel corso degli anni questi termini sono stati utilizzati con significati e tassonomie differenti.

Il modo più chiaro per orientarsi è partire dal Reality–Virtuality Continuum, introdotto da Paul Milgram e Fumio Kishino nel 1994:

REAL ENVIRONMENT → AUGMENTED REALITY → AUGMENTED VIRTUALITY → VIRTUAL REALITY

In questo modello, Mixed Reality è il termine che identifica l'insieme delle esperienze comprese tra la realtà fisica e la realtà virtuale, quindi comprende sia la Augmented Reality sia la Augmented Virtuality.

La Augmented Reality è dunque una particolare forma di Mixed Reality, caratterizzata dalla prevalenza dell'ambiente reale, arricchito da elementi digitali.

A sua volta, il termine Extended Reality (XR) è oggi utilizzato come categoria ancora più ampia per indicare l'insieme delle tecnologie che estendono o trasformano la nostra percezione della realtà, comprendendo generalmente AR, MR e VR.

🧭 In sintesi

XR → il grande contenitore

MR → l'insieme delle realtà miste tra reale e virtuale

AR → una particolare forma di MR, nella quale prevale la realtà fisica

VR → un ambiente prevalentemente o completamente virtuale

⚠️ Ma attenzione: non tutti gli autori utilizzano questa tassonomia nello stesso modo. Per questo, quando si legge un testo sulla XR, è importante verificare innanzitutto come l'autore definisce i termini che utilizza.

Riferimenti utili per approfondire:

TILLL / 🏠 HOME / 🎓 Learning / 

🥽 Realtà Estese (XR) – Titolo: Realtà Virtuale, Aumentata e Mista – Link: https://tateoblog.blogspot.com/p/ar-00-realta-aumentata-e-virtuale.html 

🥽 Realtà Aumentata (XR.1) – Titolo: La Realtà (Reale) Aumentata – Link: https://tateoblog.blogspot.com/p/ar.html 

🥽 Realtà Mista (XR.3) – Titolo: Virtuale + Aumentata = Realtà Mista – Link: https://tateoblog.blogspot.com/2017/02/ar-08-la-realta-mista.html 

 📖 

Realtà virtuale e realtà aumentata per il business - Applicazioni pratiche con la Mixed Reality - Amir Baldissera - Hoepli - Introduzione.

🌐

1994 — Milgram & Kishino: il modello originale -- A Taxonomy of Mixed Reality Visual Displays, Paul MILGRAM, Fumio KISHINO -- https://globals.ieice.org/en_transactions/information/10.1587/e77-d_12_1321/_p

2021 — Skarbez, Smith & Whitton: rilettura critica contemporanea del modello -- Revisiting Milgram and Kishino's Reality-Virtuality Continuum -- https://www.frontiersin.org/journals/virtual-reality/articles/10.3389/frvir.2021.647997/full 

-----------------------------------------

9/8-2026

(c) Tateo's Interdisciplinary Lifelong Learning Lab (TILLL)