L’obiettivo di questo articolo è presentare lo sviluppo dell’intelligenza artificiale (IA) in sé, in medicina in generale e in odontoiatria in particolare. Si vuole sensibilizzare il lettore sul fatto che tale evoluzione è il risultato di un processo continuo protrattosi nel corso degli ultimi decenni. In particolare, è la combinazione tra big data e deep learning a guidare l’innovazione nelle varie specialità mediche. In ambito clinico, oltre allo sviluppo di nuovi strumenti basati sull’IA, devono essere considerati anche gli aspetti normativi, i benefici per pazienti e odontoiatri, e i costi associati. Gli sviluppi attuali si concentrano spesso su sistemi basati sull’imaging radiologico, ma iniziano a emergere anche sistemi orientati al linguaggio. Si tratta di un’evoluzione molto dinamica, e questo contributo intende offrire un’introduzione a questo affascinante ambito.
L’intelligenza artificiale (IA) è diventata uno degli argomenti più discussi all’interno della comunità scientifica e dell’opinione pubblica. Secondo Google Trends, si è osservato un netto aumento nelle ricerche relative a “intelligenza artificiale” e argomenti affini dalla fine del 2022. Questo incremento coincide con l’introduzione di ChatGPT nel novembre dello stesso anno. Questo large language model (LLM) ha permesso al pubblico di sperimentare direttamente le potenzialità dell’IA conversazionale moderna: un sistema di dialogo completamente operativo, in grado di interagire linguisticamente in modo naturale con l’utente. La sua diffusione ha dimostrato non solo l’utilità pratica dell’IA, ma anche la sua capacità di migliorare produttività, creatività e condivisione della conoscenza.
Per gli esperti del settore, l’arrivo di ChatGPT non è stato del tutto sorprendente, ma piuttosto la naturale conseguenza di decenni di sviluppo continuo. Le origini dell’IA risalgono agli anni ’80, quando i sistemi esperti basati su regole predefinite rappresentavano le prime applicazioni pratiche dell’intelligenza artificiale. Tali sistemi erano in grado di risolvere compiti specifici in ambiti ben delimitati, ma mancavano di flessibilità e adattabilità. In senso ampio, il termine “intelligenza artificiale” (IA) si riferisce a sistemi informatici capaci di svolgere compiti che normalmente richiederebbero l’intelligenza umana, come il ragionamento, l’apprendimento e la comprensione del linguaggio. Mentre i metodi computazionali e statistici tradizionali si basano sull’applicazione di formule, regole e modelli predefiniti per l’analisi dei dati, l’IA è in grado di andare oltre tali approcci.
Negli anni ’90 si è verificato un cambiamento di paradigma con l’avvento del machine learning (ML), che ha introdotto algoritmi in grado di apprendere dai dati. Diversamente dai sistemi basati su regole, questi algoritmi potevano adattarsi ed evolversi attraverso l’esperienza, segnando un progresso significativo. Il ML ha dato inizio alla transizione verso sistemi più autonomi e guidati dai dati. Alla base di tutto, un algoritmo è un sistema progettato per risolvere compiti in modo efficiente, e il ML ha permesso a tali sistemi di diventare più dinamici e reattivi (Cormen et al. 2022).
La successiva ondata trasformativa è arrivata negli anni 2010, con l’affermazione del deep learning, una branca avanzata del ML. Il deep learning sfrutta reti neurali artificiali, strutture computazionali ispirate alle connessioni sinaptiche del cervello umano. Queste reti eccellono nell’elaborazione e nell’analisi di grandi quantità di dati multidimensionali. L’espansione parallela dei big data, organizzati in dataset strutturati, ha alimentato lo sviluppo accelerato del deep learning. Questa sinergia tra deep learning e big data ha trovato applicazione in numerosi ambiti, inclusa la medicina, dove le reti neurali hanno mostrato risultati notevoli nell’analisi delle immagini diagnostiche, nella previsione dell’evoluzione delle malattie e nella definizione di strategie terapeutiche personalizzate.
L’evoluzione dai sistemi esperti al deep learning rappresenta un percorso di crescente complessità e capacità dell’IA. Ciò che un tempo si basava su regole codificate oggi si traduce in sistemi che non solo apprendono dai dati, ma dimostrano anche abilità complesse come il ragionamento, la risoluzione di problemi e la creatività. L’introduzione di ChatGPT ha rappresentato un salto di qualità emblematico, mostrando quanto l’IA sia progredita nell’abilitare interazioni significative e simili a quelle umane. Questo percorso evidenzia inoltre l’ampio potenziale dell’IA in molteplici settori, dalla sanità all’istruzione, fino all’intrattenimento e oltre.