> ## Content Index
> Fetch the complete content index at: https://ai-in-fvg.ghost.io/llms.txt
> Use this file to discover other available public pages before exploring further.

# Sbagliando si impara. Accade anche alle reti neurali!
- URL: https://ai-in-fvg.ghost.io/sbagliando-si-impara-accade-anche-alle-reti-neurali/
- Published: 2026-10-27T14:56:50.000Z
- Updated: 2026-10-29T18:33:36.000Z
- Description: Come imparano le reti neurali? Rudy Skerk, ricercatore alla SISSA e coautore di uno studio pubblicato su Physical Review X, ci guida tra errori, generalizzazione e fisica statistica, alla scoperta di ciò che ancora non sappiamo sull'intelligenza artificiale.
- Author: Chiara Meriani
- Tags: AI & Scienza, Interviste

Alla SISSA, in questa enclave internazionale di menti, cercavo il ricercatore giusto da cui iniziare una serie di interviste sulle domande, tuttora aperte, dell'intelligenza artificiale: in particolare, sul *machine learning*. L'ho identificato in Rudy Skerk. Poi è arrivata la sorpresa: è di Sales, un piccolissimo paese sul Carso triestino, dove ho abitato per molti anni! Due parole, e ci siamo ritrovati tra i vicoli del villaggio, a citare luoghi e persone.

Dal paese carsico alle alte dimensioni della ricerca contemporanea, il percorso di Rudy è passato per la triennale in fisica a Trieste e per un master in Fisica dei sistemi complessi, fra Trieste, Torino e Parigi. Per il dottorato Skerk è tornato a casa: oggi è alla SISSA, Scuola Internazionale Superiore di Studi Avanzati di Trieste, parte del team CHORAL guidato da Jean Barbier, ricercatore all’ICTP.

Uno dei risultati di questa collaborazione porta cinque firme: Jean Barbier, Francesco Camilli, Minh-Toan Nguyen, Mauro Pastore e Rudy Skerk. Pubblicato il 22 luglio 2026 su *Physical Review X*, studia in modo teorico come una rete neurale profonda impari dai dati. È un lavoro nato nel perimetro ICTP-SISSA, con la partecipazione dell'Università di Bologna.

### Una domanda vecchia, una rete più realistica

L’intelligenza artificiale generativa è entrata da pochi anni nella vita quotidiana di milioni di persone, ma le sue radici sono lontane. Nel 1943 Warren McCulloch e Walter Pitts proposero un modello logico-matematico del neurone; nel 1958 Frank Rosenblatt descrisse il percettrone, capace di apprendere modificando i propri pesi. Dopo stagioni alterne di entusiasmo e difficoltà, negli anni Ottanta si affermò la retropropagazione dell’errore, resa celebre dal lavoro di Rumelhart, Hinton e Williams del 1986: un metodo per calcolare come correggere i pesi anche negli strati interni. Da allora, reti sempre più articolate hanno ampliato le possibilità dell’apprendimento automatico. Capire fino in fondo perché funzionino resta però una domanda aperta.

Da circa quarant’anni quindi, fisici e matematici cercano di descrivere, anche con gli strumenti della fisica statistica, il modo in cui le reti neurali riconoscono strutture nei dati. Per renderle analizzabili, hanno spesso dovuto studiare architetture semplificate o assumere condizioni particolari. La difficoltà è descrivere insieme il ruolo dei diversi strati e la capacità della rete di apprendere caratteristiche utili al compito.

Il lavoro di Skerk e dei suoi coautori affronta questa difficoltà studiando un *multilayer perceptron*, o percettrone multistrato: una rete nella quale l’informazione viene trasformata più volte, passando attraverso strati successivi. Per visualizzarla, possiamo immaginare di descrivere una fotografia con una serie di numeri relativi a luminosità, colore e altre caratteristiche. La rete li combina attribuendo loro pesi diversi e applica trasformazioni non lineari: in altre parole, non si limita a sommarli in proporzione. Ogni strato passa il risultato al successivo, rendendo possibili elaborazioni più complesse.

Un *multilayer perceptron* non è un *large language model*, ma reti di questo tipo sono componenti importanti degli LLM alla base dei chatbot. Studiare questa architettura in condizioni controllate permette di affrontare una domanda che in un sistema gigantesco sarebbe molto più difficile isolare:

> quando e quanto, una rete riesce ad estrarre dai dati una struttura utile anche per affrontare casi nuovi?

### La rete maestra e la rete allieva

Per osservare questo fenomeno, i ricercatori costruiscono una sorta di “gioco di ruolo” matematico. Da una parte c’è una **rete maestra**; dall’altra una **rete allieva**. La maestra genera esempi e risposte, mentre l’allieva riceve questi dati senza conoscere i valori dei pesi che li hanno prodotti. I “pesi” sono i numeri che regolano come i segnali vengano combinati lungo le connessioni della rete; non corrispondono necessariamente a concetti riconoscibili, come il colore o la luminosità. Come dicevamo, a partire dagli esempi la rete allieva deve ricostruire - senza conoscere i pesi - la relazione tra ciò che entra e ciò che esce dalla rete maestra.

L’esempio più immediato è quello dell’apprendimento supervisionato: tante immagini di gatti e cani con la rispettiva etichetta. Nel modello non vengono utilizzate fotografie vere: ci sono input casuali controllati matematicamente e un output prodotto dalla rete maestra. Ma la domanda resta riconoscibile: davanti a un caso nuovo, l’allieva saprà cogliere ciò che conta oppure avrà soltanto imparato a riprodurre gli esempi già visti?

Qui sta il vantaggio del modello maestro-allievo. **I ricercatori conoscono la struttura che ha generato i dati (la rete maestra ed i suoi pesi) e possono confrontarla con ciò che l’allieva ha appreso**.

Nel linguaggio tecnico del *paper*, si osserva se la rete si specializza verso il bersaglio: se riesce, cioè, a ricostruire caratteristiche della rete maestra, anziché limitarsi a ottenere risposte corrette sugli esempi disponibili.

### Prima il tratto grosso, poi i dettagli

Nell’intervista, Skerk descrive un apprendimento che può procedere per gradi. Quando nel problema esiste una gerarchia tra le caratteristiche da riconoscere, la rete può cogliere prima quelle più importanti e, con più dati, arrivare ai dettagli. L’immagine è quasi pittorica: prima abbozza il soggetto, poi mette a fuoco i particolari.

Il *paper* rende precisa questa intuizione nel modello studiato: la specializzazione può emergere attraverso più transizioni, in modo disomogeneo tra neuroni e strati, propagandosi dagli strati più superficiali verso quelli più profondi. Le strutture più profonde risultano più difficili da apprendere. Quantità di dati e durata dell’addestramento, però, non sono la stessa cosa: il lavoro descrive anzitutto ciò che è possibile imparare in condizioni ottimali al crescere dei dati disponibili. Raggiungere davvero quelle prestazioni con un algoritmo è un problema ulteriore.

A questo punto la fisica statistica offre una lente utile: le transizioni di fase. L’acqua che diventa ghiaccio è un esempio familiare di un sistema che cambia comportamento al variare delle condizioni. Anche nel modello delle reti neurali possono emergere soglie oltre le quali diventa possibile riconoscere nuove caratteristiche: una transizione di fase. Per chi insegna o impara, il paragone viene spontaneo: dopo molti esercizi, a un certo punto si coglie la regola e si riescono ad affrontare problemi nuovi. È una metafora, non la prova che cervello e rete artificiale apprendano nello stesso modo. E a proposito di metafore: potremmo dire che la “lampadina” non necessariamente si accende tutta in una volta: possono esserci momenti di diversa "luminosità"!

### Torniamo in montagna

Aver imparato bene qualcosa ci permette di metterlo in pratica con meno errori. Accade lo stesso per le reti neurali? 

Per capire come la rete cerchi di ridurre i propri errori, Rudy riprende la metafora della montagna, già incontrata nell'[intervista a Pierfrancesco Beneventano](https://ai-in-fvg.ghost.io/imparare-quando-e-cosa-delegare-tra-carbonara-compiti-a-casa-e-limportanza-del-senso-critico/). Durante l’addestramento, la rete si muove in una sorta di paesaggio: l’altezza rappresenta l’errore e l’algoritmo di discesa del gradiente aggiorna i pesi nella direzione che, localmente, lo fa diminuire. Scendere, però, non garantisce di raggiungere il punto più basso possibile. E, naturalmente, bisogna capire quale errore stiamo misurando.

Ci sono infatti due misure da distinguere: l’errore sui dati usati per l’addestramento e l’errore di generalizzazione, che riguarda gli esempi nuovi, estratti dallo stesso processo che ha generato i dati. Se il primo arriva a zero, la rete riproduce perfettamente le risposte del campione già visto. Se diminuisce il secondo, migliora la sua capacità di rispondere anche a casi mai incontrati. Possiamo immaginarli come due montagne, due paesaggi diversi: arrivare in fondo al primo non garantisce di essere scesi altrettanto nel secondo. Una rete può aver memorizzato gli esempi e continuare a sbagliare su quelli nuovi.

Il modello del *paper* analizza le prestazioni ottimali e mostra anche un punto delicato: queste prestazioni possono essere difficili da raggiungere per gli algoritmi di addestramento usati nella pratica, attratti da **soluzioni subottimali**. È una cautela importante. Il risultato non promette una scorciatoia universale; offre invece una mappa teorica per riconoscere dove e perché una scorciatoia può ingannare.

### Interpolare: quando una rete passa per tutti i punti

C’è un termine del *paper* che merita di essere spiegato: **interpolazione**. In matematica significa costruire una curva che passa esattamente per una serie di punti noti. Nel *machine learning* si parla di interpolazione quando un modello riesce a riprodurre senza errore le risposte del proprio insieme di addestramento. Viene spontaneo pensare che sia la situazione ideale. Ma non è così semplice.

Immaginiamo di raccogliere, per otto studenti, le ore di studio e il punteggio ottenuto a un test. In generale, più ore possono corrispondere a punteggi più alti, ma il risultato oscilla: contano anche la preparazione di partenza, la difficoltà delle domande, perfino una giornata storta. Nel grafico ogni punto arancione rappresenta uno studente. Ora chiediamo a due modelli di descrivere i dati.

![](https://storage.ghost.io/c/46/70/467017c5-54b8-4e09-98d0-13e7209e14af/content/images/2026/10/Due-grafici--due-adattamenti-ai-dati.png)

infografica realizzata con ChatGPT

Il primo, a sinistra, traccia una linea che non attraversa tutti i punti, ma segue la tendenza complessiva. Il secondo, a destra, è abbastanza flessibile da piegarsi fino a toccarli uno per uno: sugli esempi che ha ricevuto non sbaglia nulla. È l’interpolazione. Ma se domani arrivasse un nono studente, quale curva prevederebbe meglio il suo punteggio? Non possiamo saperlo soltanto guardando i punti già noti. La curva più fedele potrebbe aver inseguito anche oscillazioni casuali, invece della regola più utile per prevedere un caso nuovo.

Attenzione, però: interpolare non significa necessariamente avere soltanto memorizzato. Una rete può arrivare a un errore di addestramento nullo e, nello stesso tempo, generalizzare bene. La domanda decisiva è quale struttura dei dati abbia colto e come si comporti davanti a esempi nuovi. È uno dei motivi per cui la teoria delle reti neurali è meno intuitiva di quanto lasci supporre il nostro grafico.

Lo studio di Skerk e colleghi affronta il problema in una situazione matematica ben più complessa di quella disegnata: gli input e i pesi vivono in spazi a moltissime dimensioni e la rete ha più strati. I ricercatori lavorano nel regime vicino all’interpolazione, dove il numero dei parametri da apprendere è confrontabile con quello degli esempi disponibili. È un banco di prova impegnativo: la rete deve adattarsi al compito, e il modello maestro-allievo consente di verificare non solo quanto bene risponde, ma quali caratteristiche del bersaglio riesce a recuperare.

Nel sistema studiato, all’aumentare dei dati emergono diversi passaggi: dapprima la rete sfrutta regolarità generali, poi alcuni neuroni cominciano a specializzarsi verso caratteristiche specifiche della rete maestra. La specializzazione può propagarsi tra gli strati, senza procedere ovunque allo stesso ritmo. Gli autori ne ricavano una descrizione delle migliori prestazioni teoricamente raggiungibili; non una garanzia che qualunque algoritmo di addestramento le raggiunga davvero.

### Una torcia per illuminare la black box

Quanto è vicino tutto questo ai modelli generativi che usiamo ogni giorno? Le reti studiate sono realistiche come componenti, ma il caso maestro-allievo e le ipotesi matematiche servono a rendere il problema intelliggibile. I dati del mondo reale sono più sporchi, ambigui e imprevedibili; gli algoritmi pratici non coincidono automaticamente con il caso ottimale studiato nel *paper*.

Torna, sotto un altro aspetto, il problema della generalizzazione!

Il possibile passo successivo è stimolante: indagare se e quando gli algoritmi di addestramento impiegati fuori dal laboratorio, riescano a raggiungere quella prestazione ideale. Il gruppo potrebbe estendere il quadro di ricerca a reti più complesse e realistiche, comprese quelle alla base dell’AI generativa. La prospettiva è che una migliore comprensione dell’apprendimento aiuti ad addestrare i modelli più rapidamente e a costi inferiori.

### Fidarsi significa anche saper controllare

Alla fine dell'intervista la questione tecnica torna ad essere una domanda quotidiana: **come possiamo fidarci dell'AI se non ne comprendiamo fino in fondo il funzionamento?** La risposta di Skerk è concreta. Questi strumenti, dice, possono accelerare molto la ricerca. Ma il rischio cambia quando chi li usa non ha gli strumenti per valutare una risposta: se conosco il campo, posso controllare; se non lo conosco, una risposta plausibile può sembrarmi vera senza esserlo.

La sua speranza è che l’AI permetta di affrontare problemi più ambiziosi, liberando i ricercatori da attività più semplici, ma che portano via tempo. La paura è il rovescio della stessa medaglia: che in futuro sistemi di intelligenza artificiale possano sostituire il lavoro umano anche in ambiti cruciali. È uno scenario che Skerk considera possibile e porta ad una domanda che riguarda tutti: quale ruolo resterà alle persone e come verranno distribuiti gli eventuali benefici prodotti grazie all'intelligenza artificiale?

Forse è questa la ragione per cui una ricerca apparentemente lontana, fatta di pesi, strati e matrici casuali, riguarda anche noi.

> Articolo di Chiara Meriani, elaborato e revisionato con il supporto di ChatGPT a partire dall’intervista personale e dalle fonti scientifiche indicate di seguito.

## Fonti e riferimenti

Intervista realizzata alla Scuola Internazionale Superiore di Studi Avanzati (SISSA), 23 settembre 2026.

J. Barbier, F. Camilli, M.-T. Nguyen, M. Pastore e R. Skerk, [*«Statistical Physics of Deep Learning: Optimal Learning of a Multilayer Perceptron near Interpolation»*](https://doi.org/10.1103/56sb-pdh6?ref=ai-in-fvg.ghost.io), *Physical Review X*, 16, 031014, 22 luglio 2026\. [Preprint su arXiv, versione 5](https://arxiv.org/abs/2510.24616v5?ref=ai-in-fvg.ghost.io), 24 luglio 2026.

G. Foffano, [*«How AI Learns»*](https://www.ictp.it/news/2026/7/how-ai-learns?ref=ai-in-fvg.ghost.io), ICTP, 27 luglio 2026.

Raccordo storico:

- W. S. McCulloch e W. Pitts, [*«A Logical Calculus of the Ideas Immanent in Nervous Activity»*](https://doi.org/10.1007/BF02478259?ref=ai-in-fvg.ghost.io), 1943.
- F. Rosenblatt, [*«The Perceptron: A Probabilistic Model for Information Storage and Organization in the Brain»*](https://doi.org/10.1037/h0042519?ref=ai-in-fvg.ghost.io), 1958.
- D. E. Rumelhart, G. E. Hinton e R. J. Williams, [*«Learning Representations by Back-Propagating Errors»*](https://doi.org/10.1038/323533a0?ref=ai-in-fvg.ghost.io), 1986.

© Chiara Meriani, 2026