⚠️ Quanto INQUINA l'IA e PERCHÉ uso solo CLAUDE? | Rispondo alle vostre domande pt.1

Immaginate di aver appena visto un video sull'intelligenza artificiale. Avete tante domande, forse troppe. Poi una YouTuber decide di fare un video in cui risponde proprio a quelle domande. Questo è quel video. Ciao a tutti e benvenuti in questo nuovo video in cui finalmente andiamo ad approfondire tutti i dubbi e le domande che sono venuti fuori nei commenti in questa serie dedicata all'intelligenza artificiale. Come nel video della mia auto-intervista, mi sono scritta le domande perché, non so, mi piace averle scritte su carta. Vabbè, partiamo dalla domanda che mi hanno fatto più persone e che in realtà è un pezzo che mi facevo anche io, quindi sono stata molto contenta di approfondire l'argomento: qual è l'impatto dell'IA sull'ambiente? L'intelligenza artificiale, come tutto il mondo dei software, del cloud, e così via impiega principalmente due risorse: l'energia elettrica per tenere accesi tutti i data center e l'acqua per raffreddarli ed evitare surriscaldamenti. Spesso non ci pensiamo, ma quando chiediamo a ChatGPT di generare la nostra immagine come se fossimo un personaggio dei Simpson, non stiamo usando l'elettricità di casa nostra o la capacità computazionale del nostro computer. La nostra richiesta viene elaborata all'interno dei server di OpenAI che sono conservati in data center. I data center sono in pratica dei mega capannoni in cui troviamo file e file di server, di archivi di dati, di apparati di rete. Spesso i data center sono condivisi fra più aziende. Uno dei più noti ad esempio è Stargate, che si trova in Texas, ed è il data center creato da OpenAI con SoftBank, Oracle e credo anche Microsoft. Semplificando al massimo, non me ne vogliano gli esperti, che anzi invito a correggermi se dico delle imprecisioni, quando noi mandiamo una richiesta a ChatGPT, la richiesta arriva al server di OpenAI che la elabora, produce una risposta e poi ce la rimanda indietro. È il motivo banalmente per cui se il nostro Wi-Fi non funziona non possiamo fare richieste a ChatGPT. Non c'è modo che la nostra richiesta arrivi al server e non è un'elaborazione che avviene in locale sul nostro computer. Questi data center per elaborare le nostre richieste hanno bisogno di tantissima energia. Elettrica. Gli esperti, in particolare l'Agenzia Internazionale per l'Energia, stimano che entro il 2030 i consumi raddoppieranno e si passerà dai circa 400 terawattora annuali che abbiamo visto nel 2024 a 950 terawattora annuali. Per capirci, da soli i data center consumeranno l'energia elettrica che consuma in un anno tutto il Giappone. Chiaro che non è che nei data center ci stia solo l'intelligenza artificiale, vengono usati anche per il cloud, altre app, software, streaming e così via. Però sicuramente l'IA ha dato un boost incredibile a questa avanzata nell'uso dell'elettricità. Ogni volta che facciamo una richiesta e questa viene elaborata, inoltre, il server si surriscalda. In alcuni casi, per raffreddarlo ed evitare incendi e cortocircuiti, basta una ventola bella potente. Ma è già da un pezzo che è in uso un altro metodo, quello che si chiama liquid cooling, cioè raffreddamento liquido. In pratica i server vengono raffreddati con l'acqua, che chiaramente evapora col calore, quindi anche rispetto a questa c'è un consumo. Oltretutto l'acqua viene usata anche per produrre energia elettrica per sostenere i data center, per cui è una risorsa molto importante in questo settore. E come sappiamo è una risorsa finita, non abbiamo riserve d'acqua inesauribili. Quindi la domanda che possiamo farci ora è: Ma quanto costa un singolo prompt, una singola richiesta fatta a un'IA? La risposta è: dipende. Ci sono stati vari studi. Per esempio, l'Università della California aveva stimato, nel 2024 mi pare, che un singolo prompt e la relativa risposta da parte dell'intelligenza artificiale consumasse circa una bottiglietta d'acqua, che è tantissimo. Google ha molto ridimensionato questo calcolo ad agosto del 2025, quando ha fatto una prova con Gemini e ha ha dimostrato che un prompt consuma 0,25 millilitri d'acqua. Io faccio schifo con le misure, ma sono abbastanza sicura che una bottiglietta d'acqua sia 500 millilitri, e da 500 millilitri a 0,25 millilitri mi pare ci sia una bella differenza. La risposta probabilmente sta nel mezzo, e in realtà dipende tantissimo anche da dove sono i data center e quanto sono schermati dal calore. Perché se metto un data center all'aperto nel mezzo dei campi Arizona, i server saranno sottoposti di default a una temperatura maggiore, quindi saranno più difficili anche da raffreddare. Se invece metto il data center sottoterra in Norvegia, prima che si surriscaldino i server ce ne vorrà, e di conseguenza consumerò anche meno acqua per raffreddarli. Qui comunque ho parlato di prompt testuali, che sono più facili da generare per un'IA, mentre le immagini possono richiedere un consumo fino a 10 volte quello normale. Oltretutto c'è anche non solo un consumo di risorse, ma una produzione di CO2. Quindi l'IA è anche inquinante, cosa che comunque appunto vale praticamente ormai per qualunque cosa usi elettricità. Quindi l'IA non è da meno. Detto questo, cosa possiamo fare noi per incidere meno sull'ambiente? Fermo restando che penso che siano cose molto al di fuori dal nostro controllo, perché non siamo noi a decidere dove mettere i data center, quanti soldi destinare alla ricerca di metodi alternativi per produrre energia e per raffreddare i server e cose di questo tipo, penso che che se tutti ci limitassimo a usare l'IA solo per le cose più importanti, potremmo dire di aver fatto la nostra parte. Io la uso molto, quindi mi colpevolizzo per prima. D'altra parte, se stiamo andando verso quella direzione, mi sembra un po' assurdo che la soluzione sia che smettiamo tutti di usare l'intelligenza artificiale. Certo, magari possiamo usarla un po' meno per cose più sciocche, tipo per fare calcoli che potremmo fare con la calcolatrice, o per cercare risposte che potremmo trovare normalmente su Google, ma penso che passo più importante debbano farlo aziende e governi che hanno in mano concretamente la situazione. Comunque su questo sono molto curiosa di sentire la vostra opinione, quindi se vi va scrivete nei commenti cosa ne pensate. Passiamo alla seconda domanda che è: puoi parlare delle intelligenze artificiali che flirtano? Allora, questo è un tema davvero molto interessante perché ci sono stati già diversi casi di sistemi di IA creati per flirtare o comunque per entrare in relazione con l'utente, comportarsi come come lui desidera, che hanno portato gli utenti ad affezionarsi o addirittura a innamorarsi, con conseguenze anche molto gravi. Partiamo dal presupposto che ci sono persone particolarmente sole o vulnerabili e che sono queste che tendono ad affezionarsi ai chatbot. Adesso che ChatGPT ha abbandonato il modello 4o, per esempio, è partita una campagna su Twitter, anzi su X visto che adesso si chiama così, per riportarlo sul mercato. E non perché fosse un modello particolarmente performante o veloce o incredibile, incredibile, ma perché la gente si era affezionata. Ci sono foto di persone che piangono con l'hashtag #Keep4o perché si sentono in lutto adesso che questo modello è stato sostituito. È chiaro che se le persone riescono a legarsi così tanto a un modello da piangere quando viene sostituito con un modello migliore, la nascita di chatbot della categoria AI companion, cioè quelli nati proprio per flirtare o comunque per entrare in relazione con l'utente, diventare amici, insomma creare un qualche tipo di rapporto, può essere molto pericolosa. Ed è un fenomeno assolutamente in crescita. Il mercato dei chatbot come Replica, Character AI e così via, nel 2025 valeva complessivamente circa 35 miliardi di dollari. La cosa è stata anche parzialmente regolata, perché ad esempio alla società Replica è stato imposto di eliminare la parte romantica etica delle chat. Quindi, ok, un personaggio IA che ci tiene compagnia e con cui siamo amici, ma il chatbot non può più spingersi a instaurare una relazione amorosa con l'utente. E se quest'ultimo ci prova, l'IA deve respingerlo con tatto. Negli Stati Uniti sono arrivate anche varie regolamentazioni, soprattutto per tutelare i minori, che sono i più soggetti al rischio di affezionarsi eccessivamente e a perdere di vista il fatto che dall'altra parte c'è un computer non una persona. Il problema è anche psicologico, perché tutti noi abbiamo problemi con la solitudine che normalmente potrebbero risolversi trovando persone simili a noi, con i nostri interessi, e creando quindi rapporti con queste persone. Gli umani però hanno un lavoro, hanno una vita, non sono sempre disponibili. Un'IA sì, e per molti è una cura migliore contro la solitudine rispetto al farsi degli amici reali. Risponde sempre, dice quello che vogliamo sentirci dire, ci fa sentire speciali, e la frittata è fatta. Se l'azienda che crea il chatbot chiude, non c'è un modo per elaborare il lutto. Cioè, non è che si possa andare al funerale di un chatbot. Quindi forse mancano proprio gli strumenti che ci servono per tenere a bada questa cosa. Detto questo, io non sono una psicologa, non ho le competenze per parlare di questo, quindi a parte un breve accenno penso sia meglio che del tema se ne occupino persone più competenti di me. Se vi interessa approfondire però c'è un ottimo video di Elisa True Crime che con l'aiuto di uno psicologo esperto di A e di un'avvocata, ha trattato il tema della morte di Siwell, un ragazzo di 14 anni che dopo essersi affezionato tantissimo a un chatbot ha deciso di togliersi la vita. È un video fatto veramente molto bene, molto approfondito, tanto che dura un'ora e 50, se non sbaglio, ma appunto approfondisce il tema sotto tutti i punti di vista. Passiamo alla terza domanda: puoi spiegare meglio come funziona Deep Blue? Di Deep Blue ho parlato nel primissimo video di questa serie, ed è una cosa che ha attirato l'attenzione soprattutto di chi mi ha chiesto: ma era già un sistema di intelligenza artificiale o era un software con i muscoli? Per chi si fosse perso questa storia, per farla breve, Deep Blue era un computer che nel 1997 ha battuto il campione mondiale di scacchi Kasparov. Anche se è considerato uno dei primi esempi di intelligenza artificiale, direi che è più corretto definirlo un algoritmo super avanzato, perché di fatto aveva solo una grande capacità computazionale e un enorme database mosse possibili. Non imparava sulla base di chi aveva davanti, non adattava il gioco in base all'avversario. Semplicemente visualizzava la scacchiera, creava nel giro di pochi secondi un insieme con tutti gli scenari possibili in base alla mossa che poteva fare e alle possibili contromosse dello sfidante, e sceglieva di conseguenza la mossa migliore sulla base di criteri prestabiliti. Chiaramente per l'epoca era una cosa incredibile, non dobbiamo fare l'errore di sottovalutarlo, però in effetti non era una rete neurale come la consideriamo noi oggi. Non c'era apprendimento continuo basato sull'interazione. Fra l'altro, il match del 1997 deve essere stato bellissimo da vedere per gli appassionati. Si è svolto in 6 partite. La prima l'ha vinta Kasparov e tutti hanno pensato subito: eh, ok, vedete che i computer non ci possono superare. Ma in realtà è che alla mossa 44 Deep Blue aveva fatto un errore che non era un errore di algoritmo in sé, era semplicemente un bug. Il software non era è riuscito a richiamare le mosse corrette da fare quando la scacchiera era posizionata in un certo modo, e quindi ha fatto una mossa a caso. Il problema è che Kasparov vede quella mossa casuale e in realtà si intimidisce. Cioè, non pensa: sta macchina non sa giocare a scacchi. Pensa: oddio, ha fatto una mossa che io non avrei mai fatto! Che cosa mi sfugge? Cosa c'è che non so? Cosa c'è che il mio limitato cervello umano non riesce a vedere? Quella partita la vince comunque, anche perché si era già portato avanti e aveva fatto un buon gioco. Ma questo pensiero incise molto a livello psicologico sulle partite successive. Oltretutto alla seconda partita Deep Blue fece una mossa molto raffinata, questa volta intenzionalmente, non per via di un bug, e lì Kasparov si arrese definitivamente. La partita non era persa, nel senso che il campione poteva quantomeno sperare di pareggiare, ma sbagliò un paio di mosse e perse. Erano quindi 1 a 1 e le 3 partite successive finirono in pareggio. L'ultima partita, la sesta, vide una vittoria schiacciante da parte di Deep Blue. Deep Blue che sconfisse l'avversario in sole 19 mosse. Dopo in realtà Kasparov accusò la IBM di aver fatto intervenire nella seconda partita un giocatore umano, ma la IBM negò tutto. Per buona misura comunque smontò Deep Blue e rifiutò qualunque rivincita, quindi non sapremo mai se effettivamente la partita si era svolta regolarmente o se ci fosse qualcosa sotto. In ogni caso da lì i computer si sono molto evoluti, oggi battono gli esseri umani senza nessun tipo di problema, visto che gli Gli scacchi sono un gioco di algoritmi fondamentalmente, quindi sono il loro campo forte. Adesso non sono più gli scacchi il terreno di battaglia, ma il gioco cinese Go, che ha regole più semplici ma richiede più intuito umano. Per battere un giocatore di Go un normale computer non è sufficiente, serve un'intelligenza artificiale vera e propria che apprenda anche in base alle mosse dell'avversario. Ed è già stato realizzato l'equivalente di Deep Blue per questo gioco, si chiama AlphaGo e ha già vinto diverse partite contro vari top player. La storia si ripete. Un'altra cosa che mi avete chiesto, un po' sulla falsariga di questa domanda, quindi la riporto qua, è se i modelli di intelligenza artificiale di oggi si possano considerare davvero intelligenze artificiali o siano semplicemente degli algoritmi super evoluti che però non rispondono ancora ai canoni di una vera e propria intelligenza artificiale. Direi che il punto fondamentale che distingue un algoritmo normale, per quanto evoluto, da un'IA è l'autoapprendimento. È praticamente attualmente tutti i modelli di oggi lo fanno. Vi sblocco un ricordo: anni fa, quando per messaggiare si usava MSN, c'erano già due chatbot abbastanza famosi, cioè Doretta e la sua alter ego cattiva Doriana. Ecco, questi due chatbot non c'entrano nulla con quelli che ci sono oggi. Loro avevano delle risposte preimpostate che si attivavano sulla base di parole chiave scritte dagli utenti, ma le conversazioni erano davvero tutte uguali. Quando invece interagite con un modello di oggi, che siano personaggi di AI finti come quelli di o un chatbot generalista come ChatGPT o Claude, vi rendete conto che adattano presto il loro modo di parlare all'interazione con voi. Un altro esempio che mi viene in mente è Serif, che è uno strumento che si integra nella casella mail e funziona così: per qualche giorno legge le mail in arrivo e le mail inviate, capisce di cosa vi occupate, come rispondete di solito, qual è il vostro modo di scrivere, e così via. Poi si attiva. Ogni volta che vi arriva una mail, la legge e prepara una bozza già pronta di risposta che è scritta esattamente come la scrivereste voi. Io non lo sto utilizzando, ma l'ho visto all'opera ed è davvero figo. Non riuscirei a distinguere una mail scritta dal mio interlocutore reale o da Serif impostato sulla sua casella di posta, perché ha delle capacità di apprendimento e di adattamento incredibili. Siamo oltre al banale algoritmo, quindi direi che possiamo considerarci definitivamente entrati nell'era dell'intelligenza artificiale. E poi c'è Imo che continua a girare su se stesso, quindi per la sua pace lo vi metterò sul suo caricatore. Adesso che abbiamo messo Emo a dormire, possiamo andare avanti con le nostre domande. Puoi approfondire meglio i modelli di AI open source e le loro potenzialità? Certo, ma per rispondere bene devo prima farvi capire perché questo argomento è così importante. Non è un tema tecnico riservato solo ai nerd, è una questione di potere. Fino a un paio d'anni fa l'intelligenza artificiale era essenzialmente un club web esclusivo in mano a 3-4 aziende al mondo. Sicuramente OpenAI con ChatGPT, Google con Bard prima e Gemini poi, e Anthropic con Claude. In sostanza erano loro 3 a decidere a quali modelli potevamo accedere e che stabilivano prezzi, regole, limiti su cosa si poteva fare e cosa no, e via dicendo. Poi alcune aziende e gruppi di ricerca hanno iniziato a rilasciare i loro modelli al pubblico con licenze che permettevano a chiunque di scaricarli, studiarli, modificarli, e usarli anche dopo averli eventualmente personalizzati. Questo è il concetto di open source applicato all'intelligenza artificiale. Anziché venderti il servizio, ti danno il modello stesso. Tu lo prendi, lo metti sul tuo computer e da quel momento è tuo. Non devi pagare per forza un abbonamento mensile o un tot per ogni domanda che fai. L'altra cosa figa è che questi modelli girano in locale sul nostro computer, quindi potrebbero anche essere configurati per non collegarsi mai a internet. Anche se così in genere diventano abbastanza inutili e richiedono chiaramente un computer bello potente per funzionare. Il terremoto vero e proprio c'è stato quando è uscito Deepseek, gennaio 2025. Un laboratorio cinese, Deepseek, rilascia un modello di intelligenza artificiale con prestazioni paragonabili al miglior modello di OpenAI. Deepseek lo rilascia con licenza MIT. GPT, la più permissiva che esiste. Quindi chiunque poteva prendere quel modello e farci letteralmente quello che voleva. La cosa assurda è che DeepSick è stato addestrato con una spesa minima rispetto a quello che investe OpenAI ogni anno. Quindi ha dimostrato alle aziende che non bisogna investire miliardi per avere un sistema di intelligenza artificiale proprietario. Anche altre aziende comunque si sono avvicinate all'open source. Una delle prime è stata Meta con il suo modello chiamato Llama, ma anche Google con Gemma, Microsoft con Phi-4 e così via. Sicuramente oggi il modello che è sulla bocca di tutti è un altro, cioè OpenClaw, ex Multibot, ex ClaudeBot, che ha sollevato un sacco di polemiche e ha visto veramente la corsa ai Mac Mini per implementarlo. Ma di questo ne parliamo nel prossimo video. I vantaggi per l'utente, per le aziende di un modello open source sono tantissimi. Innanzitutto c'è molta più trasparenza, perché nei modelli open le persone possono leggere il codice e capire come è stato settato, quali regole ha e così via. Con i modelli chiusi invece chiaramente ci dobbiamo fidare. Poi sono molto personalizzabili perché possiamo prendere un modello open e addestrarlo specificamente sul nostro settore. Un ospedale può addestrarlo sulla letteratura medica, uno studio legale sui codici del proprio paese, un'azienda agricola sui dati delle proprie coltivazioni, eccetera eccetera eccetera. Anche i costi sono molto più contenuti perché in genere non ci sono abbonamenti mensili, al massimo pagamenti basati sull'utilizzo del modello modello, che in genere comunque sono molto meno della metà rispetto ai costi applicati da quelli commerciali. E infine, ultima ma non ultima, c'è anche la privacy, che per molte aziende è importantissima, o dovrebbe esserlo. Se gestiamo dati medici, legali, finanziari, documenti di clienti e così via, l'idea di mandarli ai server di un'azienda dall'altra parte del mondo potrebbe non piacerci troppo. Secondo me l'open source sarà il futuro per le aziende, anche se c'è anche chiaramente un lato oscuro. Altro che va considerato. I modelli open source sono molto meno sicuri, non hanno delle protezioni implementate nativamente proprio perché sono così aperti e personalizzabili. Sono quindi più soggetti alle tecniche che abbiamo visto nel video dedicato a come si hackera un'intelligenza artificiale. È anche più facile usarli per svolgere attacchi, perché a me basterebbe prendere un modello addestrato su miliardi di dati, togliergli i freni e dirgli: creami malware. Se lo chiedo a ChatGPT non me lo fa, se lo chiedo a un modello che personalizzo io, eh, forse sì. Altra domanda: perché usi Claude e non gli altri modelli di intelligenza artificiale? Partiamo dal presupposto che a me ChatGPT sta antipatico. Ogni volta che gli faccio una richiesta fa un papiro con 800 sottosezioni e 1000 elenchi puntati. E per quanto io abbia cambiato le impostazioni, dato regole su come deve rispondermi, eccetera, ogni interazione con lui mi fibra. Oltretutto questo è acuito dal fatto che non ne posso più di vedere su LinkedIn i post tutti uguali scritti da ChatGPT, con l'elenco con le manine così per ogni punto dell'elenco, che ChatGPT mette veramente dappertutto. Claude invece ha uno stile comunicativo molto più fresco e preciso, capisce al volo cosa gli sto chiedendo, quindi perde meno tempo, non ha praticamente mai allucinazioni, ha una serie di cose che mi piacciono molto e che mi sono molto utili nella lavoro. Fra l'altro, Anthropic ha rilasciato anche un documento che definisce come si deve comportare il modello, che segue 4 regole chiave. Prima, essere sicuro. Seconda, comportarsi eticamente. Terza, seguire le linee guida di Anthropic. Quarta, essere genuinamente utile. Il risultato è che il modello non è adulatorio, non dà ragione all'utente a prescindere da qualunque cosa dica, cosa che invece ChatGPT tende a fare. Insomma, è più facile avere risposte lucide. Comunque è una questione di preferenze. A livello di funzionalità altri modelli sono più avanzati, visto che ad esempio Claude non genera immagini e ha una modalità vocale molto indietro rispetto agli altri, ma sono due cose che a me non servono particolarmente, quindi per adesso il mio cuore e i miei soldi appartengono ad Anthropic. Bene, direi che per oggi abbiamo messo già abbastanza carne al fuoco. Nel prossimo video risponderò ad altre domande che che mi avete fatto. Per la precisione, parleremo di Open Claw, l'argomento più caldo degli ultimi mesi, ma anche di come l'intelligenza artificiale sta cambiando il nostro cervello, come viene utilizzata in ambito medico. Vedremo il rapporto fra intelligenza artificiale e dark web, quali competenze servono per creare un modello di AI, e risponderemo anche alla domanda: ma l'IA sta davvero riducendo il lavoro o lo sta intensificando? Se avete domande a cui non ho risposto in questo video o che non sono nell'elenco che ho appena fatto, scrivetemele nei commenti perché c'è sempre spazio per la parte 3. A presto!