Salta ai contenuti
AIWiki

Parte I — Storia dell'AI

Tre secoli di storia dell’intelligenza artificiale, da Leibniz e Babbage fino ai modelli thinking del 2025-2026, in trenta capitoli. Non una cronologia neutra: ogni capitolo spiega perché un’idea è arrivata in quel momento, cosa l’ha resa possibile, e cosa ne è rimasto oggi. I due inverni dell’AI, la rinascita statistica degli anni ‘90, il salto del 2012 con AlexNet, il transformer del 2017, l’era ChatGPT e quella degli agenti. Registro storiografico: nel corpo principale i temi vivono nel loro contesto, i ponti al presente stanno nelle sezioni dedicate.

Stato della Parte: 30 di 30 capitoli scritti.

Indice

Sezione intitolata “Indice”
  1. Preistoria dell’intelligenza artificiale — preistoria-intelligenza
  2. La macchina di Turing e “Computing Machinery and Intelligence” — turing-macchina-mente
  3. Dartmouth Workshop e la nascita del campo — dartmouth-1956
  4. AI simbolica anni Sessanta: Logic Theorist, GPS, microworlds, SHRDLU — ai-simbolica-anni-60
  5. Il primo inverno dell’AI: ALPAC, Perceptrons, Lighthill — primo-inverno-ai
  6. Sistemi esperti: MYCIN, XCON e l’era d’oro dell’AI commerciale — sistemi-esperti
  7. Il secondo inverno dell’AI: costi, hype, crollo — secondo-inverno-ai
  8. Rinascita statistica anni 90: dalla logica alle probabilita, HMM, ML statistico — rinascita-statistica-90
  9. Reti neurali 1982-2010: backprop riscoperto, stallo per mancanza di dati e compute — reti-neurali-80-90
  10. TD-Gammon: la rete neurale che imparò il backgammon giocando contro sé stessa — td-gammon-1992
  11. SVM, kernel methods, feature engineering: l’era dominante 1995-2010 — svm-era-2000
  12. Deep Blue batte Kasparov: il paradigma simbolico in vetrina pubblica — deep-blue-1997
  13. ImageNet e AlexNet 2012: il momento deep learning — imagenet-alexnet-2012
  14. Word2vec 2013: parole come vettori — word2vec-2013
  15. DQN su Atari (2013-2015): il deep reinforcement learning impara dai pixel — dqn-atari-2013
  16. Sequence to Sequence 2014: una sequenza dentro, una sequenza fuori — seq2seq-2014
  17. Attention 2014: il decoder smette di guardare un solo vettore — attention-bahdanau-2014
  18. ResNet 2015: residual learning, reti profonde addestrabili — resnet-2015
  19. AlphaGo 2016: deep RL e Monte Carlo Tree Search al vertice del Go — alphago-2016
  20. Transformer 2017: “Attention Is All You Need” — transformer-2017
  21. BERT e GPT 2018-2019: pre-training a due facce — bert-gpt-2018-2019
  22. GPT-3 2020: scaling laws e few-shot learning — gpt3-2020
  23. ChatGPT 2022: il momento pubblico — chatgpt-2022
  24. Scaling era 2023: GPT-4, Claude, Gemini e la corsa ai parametri — scaling-era-2023
  25. Instruction tuning e RLHF come standard — instruction-rlhf-era
  26. Open weights 2023-2024: Llama, Mistral e il ritorno dell’open — open-weights-2023-2024
  27. L’era degli agenti 2024: tool use maturo, MCP, Claude Code, Cursor — era-agenti-2024
  28. Ragionamento 2024-2026: o1, o3, DeepSeek-R1 e i modelli “thinking” — ragionamento-2024-2026
  29. Mondo post-2026: stato dell’arte al momento di scrittura — mondo-post-2026
  30. Cosa verrà: speculazioni informate su direzioni future — cosa-verra

← Torna all’indice generale