5 miti su cosa vede davvero l'IA nelle tue foto
Di Chatday Editorial Team ·
Mostra a un’IA la foto di un cane e chiedile quante zampe ha. Risponde quattro. Ora ritocca la foto in modo che il cane abbia cinque zampe e chiedi di nuovo. Risponde ancora quattro.
Non è un tranello inventato. È uno dei test di uno studio intitolato “Vision Language Models Are Biased”, accettato a ICLR 2026, una delle grandi conferenze di ricerca sull’intelligenza artificiale. Quando i ricercatori hanno mostrato ai modelli animali con una zampa in più o in meno, le IA hanno contato giusto appena il 2,12% delle volte.
Eppure lo stesso tipo di IA sa leggere uno scontrino sfocato, spiegarti una schermata di impostazioni incomprensibile o dirti che pianta hai sul davanzale. Quindi, come stanno le cose: l’IA vede davvero le tue foto o no? Quasi tutto quello che si crede in giro è vero solo a metà. Ecco cinque convinzioni diffuse, verificate una per una.
Mito 1: l’IA guarda una foto come la guardi tu
Falso. Tu guardi una foto e noti quello che c’è davvero. Un’IA che legge le immagini (il nome tecnico è modello linguistico visivo, o VLM) fa qualcosa di più simile a riconoscere e poi ricordare. Individua «cane», si ricorda che i cani hanno quattro zampe e ti risponde così. I ricercatori l’hanno detto senza giri di parole: i modelli «non stanno contando».
Lo stesso è successo con i loghi. Aggiungi una quarta striscia al famoso logo a tre strisce di Adidas e i modelli continuano a dire tre. Su sette tipi di immagini ritoccate (animali, loghi, scacchiere, giochi da tavolo, illusioni ottiche e griglie a motivi), i modelli del 2025 messi alla prova hanno fatto in media il 17,05% sulle domande di conteggio. Sulle immagini originali, non ritoccate, le hanno azzeccate tutte.
Circa tre risposte su quattro sulle immagini ritoccate erano proprio il numero «atteso»: quello che il modello conosceva già, non quello nella foto. Uno studio precedente, “Vision Language Models Are Blind”, aveva trovato lo stesso schema con figure disegnate. Quando doveva contare i cerchi intrecciati in un logo stile olimpico, un modello Gemini rispondeva «5» in quasi il 99% delle risposte sbagliate, qualunque fosse il numero reale. Cinque cerchi, come le Olimpiadi.
In sintesi: l’IA è bravissima a riconoscere le cose familiari, molto meno ad accorgersi quando qualcosa di familiare è stato modificato.
Mito 2: un’IA che stravince alle olimpiadi di matematica sa di sicuro leggere un orologio
Ci ha messo un po’. È il punto che sorprende di più. A settembre 2025 un benchmark chiamato ClockBench ha chiesto ai modelli di IA di leggere orologi analogici: l’ora, quale lancetta è quale e cosa segnerebbe l’orologio qualche minuto dopo. Le persone hanno fatto in media l’89,1%. Il migliore degli 11 modelli testati si è fermato al 13,3%.
L’AI Index 2026 di Stanford l’ha scelto come esempio preferito di quella che i ricercatori chiamano «intelligenza frastagliata»: un’IA capace di vincere l’oro alle Olimpiadi Internazionali di Matematica ma che ancora non sa dirti l’ora con sicurezza. Gli orologi sono più insidiosi di quanto sembri. Il modello deve valutare gli angoli con precisione, distinguere due lancette simili e poi fare un piccolo calcolo, e online i quadranti analogici sono molto più rari dei semplici numeri digitali.
La buona notizia è la velocità dei progressi:
| Quando | Miglior punteggio IA su ClockBench | Media umana |
|---|---|---|
| Settembre 2025 (lancio) | 13,3% | 89,1% |
| Marzo 2026 (Stanford AI Index) | 50,6% (GPT-5.4) | circa 90% |
| Novembre 2026 (classifica pubblica) | 87,8% (Claude Fable 5.2) | 90,7% |
Oggi i primi cinque posti della classifica sono di Claude Fable 5.2, Gemini 4 Carbon, Gemini 4 Argon, Claude Opus 5.5 e GPT-6 Astra, tutti con il ragionamento al massimo livello. Le persone restano ancora un filo davanti. Ma in circa un anno il divario è passato da «senza speranza» a «quasi pari».
Mito 3: con una foto più nitida e più grande gli errori spariscono
Per lo più falso. Sembra logico: se l’IA ha sbagliato, dalle un’immagine migliore. Ma nello studio sui modelli «ciechi», cambiare colori, spessore delle linee o risoluzione non ha quasi cambiato la capacità dei modelli di contare i cerchi intrecciati. Il problema non era distinguere le forme. L’informazione c’era. Il difficile era trasformarla nelle parole giuste.
Quello che ha aiutato tanto, invece, è togliere il disordine. Nello studio sui modelli «di parte», eliminare lo sfondo dalle immagini ritoccate ha quasi raddoppiato la precisione, con un salto di circa 21 punti percentuali. Uno sfondo pieno di elementi dà all’IA più indizi per ripiegare su ciò che si aspetta («è una fattoria, quindi è un cane normale») invece di guardare cosa ha davanti.
Mito 4: basta dirle di guardare meglio
Funziona pochissimo. Chiedere a un modello di ricontrollare, o di basarsi solo su ciò che c’è nell’immagine, ha alzato la precisione nel conteggio di appena 2 punti in media nello studio sui modelli «di parte». Lasciarlo ragionare più a lungo ha aiutato fino a un certo punto, con la precisione salita intorno al 40%, poi è peggiorata perché il modello finiva per pensarci troppo.
Funziona meglio cambiare la domanda. «Quanti sono?» invita una risposta a memoria. Chiedere all’IA di passare prima in rassegna l’immagine la costringe a guardare davvero la foto:
- «Elenca ogni persona in questa foto da sinistra a destra, poi dimmi quante sono.»
- «Descrivi dove puntano la lancetta delle ore e quella dei minuti, poi dimmi che ore sono.»
- «Leggimi ogni riga di questo scontrino, poi calcola il totale.»
Se la descrizione passo passo è sbagliata, te ne accorgi subito, ed è proprio questo il punto. Vedi dove ha sbagliato invece di ricevere solo un numero detto con sicurezza.
Mito 5: allora l’IA per le immagini è troppo inaffidabile per valerne la pena
Falso, ed è proprio la convinzione da lasciarsi alle spalle. Tutti gli errori visti finora vengono da test volutamente difficili: loghi ritoccati, zampe in più, quadranti strani. Sono pensati per scovare i punti deboli e ci riescono benissimo. Mostrano anche che quei punti deboli si stanno riducendo in fretta. Il team dello studio sui modelli «di parte» riporta che GPT-6 Astra, uscito a ottobre 2026, ottiene l’84,10% nello stesso test in cui i modelli del 2025 facevano in media il 17%.
Un dettaglio però resta. Quando Astra sbaglia, dicono i ricercatori, nel 92,4% dei casi dà la risposta memorizzata. L’abitudine non è sparita. Si presenta solo molto meno spesso.
Nell’uso di tutti i giorni, il quadro è molto più roseo. Descrivere una scena, leggere testo stampato, spiegare uno screenshot, riconoscere un oggetto comune: sono tutte cose che giocano a favore del punto forte dell’IA, cioè riconoscere ciò che è familiare. Ecco una guida di massima su quando puoi stare tranquillo e quando conviene controllare:
| Cosa chiedi | Quanto fidarti | Perché |
|---|---|---|
| «Cosa c’è in questa foto?» | Molto | Riconoscere scene familiari è il suo forte |
| Leggere testo stampato, menu, cartelli | Molto | Il testo chiaro è ben rappresentato nell’addestramento |
| Spiegare uno screenshot o un errore | Molto | Legge lo schermo e conosce il software |
| Contare oggetti, soprattutto se tanti | Controlla | Potrebbe darti il numero atteso |
| Qualsiasi cosa insolita o ritoccata | Controlla | Tende a «correggere» le stranezze verso la normalità |
| Orologi analogici, indicatori, quadranti | Controlla | Va meglio, ma resta dietro alle persone |
Lo stesso vale per le parole, tra l’altro. Se ti sei mai chiesto perché l’IA inciampava nel contare le lettere di una parola, la nostra spiegazione sul perché l’IA non sa contare le R in strawberry mostra che è un parente stretto di questo problema.
Il modo più semplice per vedere tutto questo con i tuoi occhi è provarlo con una foto del tuo rullino. Scegline una qualsiasi di tutti i giorni, poi una un po’ strana, e chiedi all’IA di spiegarti passo passo cosa vede. La nostra guida su come farti spiegare dall’IA qualsiasi foto o screenshot ha altre idee su cosa chiedere.