L'intelligenza artificiale nella pubblicità: impatto, applicazioni e aspetti etici

Introduzione
L'intelligenza artificiale (AI, Artificial Intelligence) ha rapidamente attraversato le barriere 
del dibattito tecnologico. Non più confinata agli ambienti accademici o agli esperti del 
settore, è presto divenuta sempre più presente nei nostri dialoghi quotidiani, oltre ad essere 
oggetto di dibattiti nei vari media e una fonte di curiosità per il pubblico. Oggi, è ormai 
comune adoperare molteplici assistenti vocali che rispondono alle nostre richieste, algoritmi 
che suggeriscono le prossime canzoni da ascoltare o film da guardare, motori di ricerca che 
predicono le nostre intenzioni, programmi che consentono di avere un dialogo verosimile a 
quello umano o di ottenere immagini realistiche sulla base di una propria richiesta scritta. Si 
tratta di tutti esempi tangibili di intelligenza artificiale che ci circondano costantemente, 
integrandosi nella nostra esperienza quotidiana in modo così naturale che spesso neanche ci 
accorgiamo della loro presenza, o che perlomeno diamo per scontato. La pervasività dell'AI 
si manifesta in molteplici settori, dall'economia alla salute, dall'intrattenimento all'istruzione 
e, con particolare interesse allo scopo del presente elaborato, nel campo pubblicitario. 
Nel primo capitolo, verrà esaminata l’origine e le principali definizioni del termine 
“intelligenza artificiale”. In seguito, analizzeremo come l'AI classica, che mira a replicare 
l'intelligenza umana attraverso l'imitazione dei processi cerebrali, si differenzi dall'AI 
moderna, orientata all'apprendimento autonomo attraverso algoritmi di apprendimento 
profondo e reti neurali artificiali. Vedremo poi, grazie a una metafora con le stagioni 
climatiche, la storia e l’evoluzione di questa tecnologia e i punti salienti che caratterizzano 
tale processo. Inoltre, per indagare il ruolo chiave dell'AI nel marketing e nella pubblicità, 
verrà esplorato un importante sottoinsieme dell’AI: il Machine Learning e le relative quattro 
categorie di algoritmi a esso correlati e comunemente utilizzati. Passando poi alla sua 
evoluzione nel Deep Learning, vedremo come queste tecnologie stiano ridefinendo il 
panorama pubblicitario, rendendolo più personalizzato, predittivo ed efficiente. Questa prima 
parte fornisce una base solida per esplorare dettagliatamente, attraverso esempi concreti, 
l'influenza dell'AI nella pubblicità odierna.
Come anticipato, nel secondo capitolo entreremo più nello specifico; vedremo qual è 
l’approccio più utile e conveniente per le aziende verso i sistemi di AI al fine di ottenere una 
posizione di vantaggio competitivo. Inoltre, saranno analizzate prima tre campagne 
pubblicitarie realizzate da diversi brand attraverso l’ausilio dell’AI, dove avremo modo di 
osservare punti di forza e le molteplici potenzialità di questa tecnologia, poi tre campagne 
4
pubblicitarie fittizie, ossia create da utenti in rete su brand o prodotti immaginari, nelle quali 
appariranno chiaramente i limiti che, soprattutto a livello grafico, ancora possiede.
Nel corso del terzo capitolo studieremo l’impatto dell’AI nel mondo lavorativo, in particolare 
esploreremo il crescente timore legato alla sostituzione dei lavoratori da parte dei sistemi di 
AI e, da questo quadro, capteremo le sfide e le opportunità che emergono, con particolare 
attenzione alle competenze richieste e alla necessità di adattamento e formazione continua. 
Successivamente, ci focalizzeremo sull’influenza dell’AI nei lavori creativi e nelle agenzie 
pubblicitarie; attraverso il sostegno di studi recenti e interviste con professionisti del settore, 
valuteremo l’impatto dei modelli generativi sulle dinamiche del lavoro creativo, oltre ad 
analizzare quanto e come i sistemi di AI vengono attualmente integrati dalle agenzie 
pubblicitarie. 
Infine, arrivati al capitolo conclusivo, analizzeremo sia le intricate dinamiche etiche e legali 
connesse all'intelligenza artificiale, sia le sfide del copyright, investigando la protezione delle 
opere create in collaborazione con esseri umani, quelle generate autonomamente e 
l'estrazione di dati per la generazione di nuovi contenuti da parte dei sistemi di AI. 
Esploreremo dunque l'urgenza di bilanciare l'autonomia umana con l'espansione dei sistemi 
autonomi, attraverso un'attenzione particolare ai principi etici delineati per un'AI affidabile. 
La legge, sempre in ritardo rispetto all'innovazione tecnologica, fa sì che emergano proposte 
innovative, che cercheremo di analizzare attentamente.
5
Capitolo I. Introduzione all’intelligenza artificiale
Questo primo capitolo ambisce a fornire una panoramica generale sull'AI, cominciando con la 
volontà di definire il concetto stesso del termine. Successivamente, attraverso un'analisi 
storica, esploreremo le radici e lo sviluppo progressivo dell'AI nel corso del tempo, 
illuminando i momenti chiave della sua evoluzione. In seguito, ci immergeremo nelle due 
principali categorie di intelligenza artificiale: l'AI classica, che ha dato i primi impulsi alla 
disciplina, e l'AI moderna, che comprende approcci avanzati come il Machine Learning. 
Infine, ci concentreremo sull'approfondimento di quest’ultimo, esaminando gli approcci più 
rilevanti come il Deep Learning e le reti neurali, che hanno rivoluzionato la capacità delle 
macchine di apprendere e adattarsi in modo autonomo.
1.1 Definizioni a confronto
Il termine “intelligenza artificiale” fu coniato nel 1956 da John McCarthy in uno storico 
convegno di otto settimane, tenutosi presso il Dartmouth College nel New Hampshire (Stati 
Uniti), con lo scopo di riunire ricercatori provenienti da differenti ambiti al fine di sviluppare 
un’innovativa branchia di studio, mirata alla creazione di macchine abili a emulare 
l'intelligenza umana, e di conseguenza differenziare questo campo di ricerca dalla già nota 
cibernetica. Dare una definizione univoca di intelligenza artificiale risulta però essere un 
compito particolarmente arduo per almeno tre diverse ragioni: la prima è che, ad ora, non c’è 
un assenso comune su cosa sia effettivamente l’intelligenza artificiale; la seconda è che 
l’intelligenza umana ha poco a che vedere con quella delle macchine, e infine la terza 
riguarda le molteplici implicazioni scientifiche che questa materia racchiude, muovendosi tra 
la informatica e la neurologia. Proprio per la complessità ed eterogeneità del tema trattato, ci 
è d’aiuto analizzare punto per punto i diversi aspetti ad esso legati, partendo proprio dalla 
mancanza di una definizione universalmente accettata. Un tentativo di fornire un quadro di 
riferimento significativo e completo ci è dato dalla commissione europea, che nel giugno del 
2018 formò un gruppo di esperti altamente qualificati sull’intelligenza artificiale, 
individuando alcuni punti fondamentali per una sua definizione, contenuta nel documento 
“Una definizione di IA: principali capacità e discipline” del 2019:
6
• Ricadono nell'ambito dell'Intelligenza Artificiale quei sistemi progettati dall'uomo in forma di software (ed 
eventualmente hardware) che agiscono nella dimensione fisica o digitale e che dato un obiettivo complesso, 
percepiscono il proprio ambiente attraverso l'acquisizione di dati, strutturati o meno, interpretandoli e 
ragionando sulla conoscenza o elaborando le informazioni derivate da questi, decidendo le migliori azioni da 
intraprendere per raggiungere l'obiettivo dato.
• I sistemi di Intelligenza Artificiale possono usare regole logiche o apprendere un modello numerico, e 
possono anche adattare il loro comportamento analizzando gli effetti che le loro azioni precedenti hanno 
avuto sull'ambiente.
• Come disciplina scientifica, l'Intelligenza Artificiale comprende diversi approcci e tecniche, come 
l'apprendimento automatico (...) il ragionamento meccanico (...) e la robotica (...). 
In passato altri ricercatori hanno definito il fenomeno dell’intelligenza artificiale secondo 
quattro diverse combinazioni, quali: “thinking humanly, acting humanly, thinking rationally, 
acting rationally” (Russel, Norvig, 1995) ovvero sistemi che “ragionano” come esseri umani, 
in cui se il comportamento del software è uguale a quello di una persona ciò significa che 
alcuni dei meccanismi del programma operano anche nelle persone; sistemi che agiscono 
come esseri umani, emulando dunque tutti i comportamenti della sfera umana. Si tratta di un 
approccio proposto da Alan Turing nel 1950, nel quale l’esaminatore umano pone alcune 
domande in forma scritta al computer e quest’ultimo passerà il test solo se l’esaminatore non 
sarà in grado di capire se le risposte provengono da una persona oppure no; sistemi che 
pensano razionalmente, ossia che si concentrano sulla capacità di seguire processi di 
ragionamento logico e deduttivo, ma che richiedono una conoscenza certa del mondo, una 
condizione raramente soddisfatta nella realtà. Ecco che la teoria della probabilità entra in 
gioco per affrontare questa sfida, consentendo un ragionamento rigoroso anche quando le 
informazioni sono incerte; questo ci permette di creare un modello di pensiero basato sulla 
razionalità, ma tale modello da solo non genera un comportamento intelligente; proprio per 
questo motivo, è necessaria la teoria dell'azione razionale, cioè il processo che porta il sistema 
di AI alla capacità del problem solving con i dati che ha a disposizione, in modo da 
raggiungere il miglior risultato a seconda dell’obiettivo fornito. Tale approccio risulta il 
prevalente nella storia della disciplina, e che viene definito come “modello standard”; tuttavia, 
non è applicabile in ambienti complessi a causa degli eccessivi requisiti di calcolo.
Arriviamo ora ad analizzare il secondo aspetto, secondo cui l’intelligenza umana ha poco a 
che vedere con quella delle macchine. Per comprendere meglio questa affermazione dovremo 
7
prima capire cos’è davvero l’intelligenza (negli esseri umani e nelle macchine). Ognuno di 
noi possiede una propria concezione basata sulle esperienze e credenze personali, legate a ciò 
che si ritiene importante oppure no; si tratta quindi di concezioni che cambiano facilmente: 
quello che in un dato periodo o territorio può essere valutato come intelligente, potrebbe non 
esserlo considerato successivamente in un altro luogo. Agli inizi del secolo precedente al 
nostro, l’inventore del test sul quoziente intellettivo (Binet; I.Q Test) citava il giudizio, il 
buonsenso, l’iniziativa e la capacità di adattamento come “ingredienti essenziali 
dell’intelligenza”, mentre più recentemente, quest’ultima è stata associata anche alla 
consapevolezza spirituale e alle emozioni. L'intelligenza di una persona non dipende solo dal 
suo cervello, ma anche dalla sua capacità di percepire e organizzare l'ambiente che la 
circonda. Inoltre, il funzionamento del cervello, dei sensi e degli attuatori di un individuo 
determinano la sua percezione del mondo. I cinque sensi di cui siamo dotati limitano il 
numero di input che possiamo fare: ad esempio non siamo in grado di percepire una grande 
quantità di frequenze di segnale e la nostra capacità di comprendere il mondo circostante è 
limitata; di conseguenza, non possiamo credere che gli esseri umani siano gli unici esseri 
intelligenti sulla Terra, al contrario, siamo tenuti ad ampliare il significato dell'intelligenza per 
includere una vasta e differenziata gamma di opportunità.
Per comprendere invece cosa sia l’intelligenza nelle macchine, sarà utile e necessario fare una 
distinzione tra AI classica e AI moderna, ossia due diversi filoni che studieremo nel seguente 
paragrafo.
1.2 AI Classica e AI Moderna
Le tecniche di AI classica risalgono agli anni Cinquanta del Novecento e pongono 
l’attenzione sulle modalità necessarie affinché le macchine possano imitare l’intelligenza 
umana. Si tratta di un approccio che Warwick (2015) definisce “di tipo psichiatrico”, in cui si 
cerca di comprendere i processi del cervello umano in modo tale da poter mettere a punto una 
macchina capace di riprodurre il suo funzionamento: un approccio dall’alto al basso che 
esordisce con esito per la costruzione di sistemi di AI. È dunque focalizzato sulla 
realizzazione di una mansione particolare; si riferisce a sistemi che sono ideati per gestire un 
insieme specifico di input e che sono in grado di apprendere dai dati in modo tale da stabilire 
previsioni e prendere decisioni fondate su tali dati. Degli esempi di AI classica sono gli 
8