Puntata 061
Puntata 61 — L’AI vede le foto
Livello: 🧓 Babbano Boomer · Capitolo 6 · Foto e immagini
Si chiama “multimodalità”. Si pronuncia foto-anche-tu-puoi. Significa che l’AI non legge solo, guarda.
La novità che ha cambiato tutto
Fino al 2023, le AI erano cieche: leggevano solo testo. Tu dovevi descrivere a parole “sto guardando una vite a brugola di 5 millimetri” e sperare di indovinare la parola giusta.
Da fine 2023 (GPT-4V) e poi nel 2024-2025 con GPT-4o, Gemini, Claude 3.5+, le AI hanno imparato a vedere le immagini. Tu mandi una foto, lei capisce cosa c’è dentro.
Questo capitolo serve a renderti pratico. Cose che farai entro la fine:
- Riconoscere oggetti, monumenti, piatti (puntata 62)
- Tradurre cartelli e menu all’estero (63)
- Leggere scritte sbiadite o a mano (64)
- Generare la tua prima immagine (65-66)
- Creare biglietti, avatar, regali grafici (67-68)
- Riconoscere e capire gli errori dell’AI (69)
- Sfidarti col TEST finale (70)
Le 3 cose che l’AI sa fare con un’immagine
1. Descrivere
“Cosa c’è in questa foto?”
L’AI guarda e ti racconta in italiano: oggetti, persone, ambiente, contesto, eventualmente atmosfera. È quello che usano i non vedenti (vedi puntata 59), ma è utile anche se ci vedi: per ricordarti com’era una foto vecchia, per descrivere una scena a qualcuno via messaggio, per archiviare.
2. Identificare
“Cos’è esattamente questo oggetto?”
Specie più precisa: l’AI ti dice nome tecnico, marca/modello se riconoscibili, uso, eventualmente storia. Usato per il bricolage (51), per piante (53), per opere d’arte, monumenti, animali, indumenti, simboli.
3. Leggere (OCR)
“Trascrivimi ciò che c’è scritto.”
L’AI legge il testo dentro l’immagine: bolletta, lettera, menu, libro vecchio, etichetta. Funziona anche su scritte a mano (con limiti: vedi puntata 64).
Come si manda una foto, in pratica
Sul telefono (più facile)
- Apri l’app dell’AI (ChatGPT, Gemini, Claude, Copilot…).
- Nella casella di scrittura cerca l’icona della graffetta 📎 o della macchina fotografica 📷.
- Tocca → scegli “scatta foto” (per inquadrare in diretta) o “galleria” (per usarne una già fatta).
- Aggiungi sempre una domanda insieme alla foto (vedi sotto).
- Invia.
Sul computer
- Trascini la foto dentro la chat oppure usi il pulsante “carica file”.
- Stessa cosa: domanda + foto.
La regola d’oro: foto + domanda
La foto da sola non basta. Sempre, sempre aggiungi una frase che dice cosa vuoi sapere:
❌ (solo foto) → l’AI tira a indovinare cosa ti interessa.
✅ “Cos’è questa pianta? È velenosa per i gatti?” ✅ “Leggimi questa lettera. Cosa mi chiedono, entro quando?” ✅ “Quanti grammi di pasta servono per la dose qui in figura?” ✅ “Sto in un museo, cosa rappresenta questo quadro?”
La domanda focalizza la risposta. Senza, l’AI ti descrive un tramonto quando tu volevi solo sapere se in quella foto c’era tua zia.
Cosa l’AI vede bene
- Oggetti comuni: utensili, alimenti, elettronica, mobili, abbigliamento.
- Animali: razze di cani/gatti, uccelli, alcuni pesci, animali selvatici comuni.
- Piante: discreta accuratezza per piante d’appartamento (vedi puntata 53).
- Monumenti e città: Colosseo, Tour Eiffel, Statua della Libertà ecc. li conosce. Anche tante chiese e palazzi italiani famosi.
- Testi stampati: molto accurata.
- Loghi e marchi: spesso li riconosce.
- Etichette nutrizionali: precisa.
- Codici a barre, QR: sì.
Cosa l’AI vede male (o non vede)
- Volti specifici di persone non famose: per privacy, la maggior parte rifiuta di identificare. “Questo è mio cugino” → l’AI non lo sa, e va bene così.
- Foto sfocate, scure, di lato: errori facili.
- Testi manoscritti molto disordinati: spesso sbaglia (puntata 64).
- Funghi e piante selvatiche per uso alimentare: NO, vedi puntata 53.
- Diagnosi mediche da una foto di una macchia/voglia/ferita: NO, sempre dal dottore.
- Tatuaggi simbolici, lingue rare, calligrafie esotiche: spesso confonde.
I 3 errori da non fare al primo tentativo
- Foto sfocata → rifai la foto. Brutto in input = brutto in output.
- Foto con troppi oggetti → focalizza su uno. Inquadra l’oggetto da vicino, sfondo neutro se possibile.
- Mandare 10 foto insieme → l’AI confonde. Una foto, una domanda.
Sicurezza e privacy (importantissimo)
⚠️ Le foto che mandi finiscono sui server dell’azienda. OpenAI, Google, Microsoft, Anthropic le ricevono, e (a seconda dei tuoi settaggi privacy) potrebbero usarle per addestramento futuro.
Quindi:
- Non mandare foto con documenti d’identità completi, codici fiscali, IBAN, carte di credito.
- Copri dati sensibili prima di scattare (un dito, un pezzo di carta).
- Per immagini di altre persone (specie minori): meglio non mandarle.
- Nelle impostazioni di ChatGPT, Gemini ecc. puoi disattivare l’uso dei tuoi dati per addestrare i modelli.
TEST lampo
Sei in un mercatino dell’antiquariato. Trovi un piatto antico, ma non capisci se è cinese, giapponese o un’imitazione del ‘900. Cosa fai?
👀 Spoiler: clicca per la sequenza
- Scatta 2-3 foto: una del fronte, una del retro (i marchi sono dietro), una di un dettaglio decorativo.
- Manda una foto alla volta (non tutte insieme) con domanda specifica:
“Foto: piatto antico in ceramica, trovato a un mercatino. Aiutami a capire da dove potrebbe provenire (Cina, Giappone, Europa?), che epoca approssimativa, e se i decori sono autentici o di imitazione. Dimmi anche cosa devo cercare nel marchio sul retro.”
- L’AI ti darà ipotesi + cose da verificare (forma, colore del cobalto, tipo di marchio).
- Per un acquisto importante: conferma con un antiquario serio. L’AI è il primo filtro, non il perito.
Glossario lampo
- Multimodalità = capacità di un’AI di lavorare con più “modi” insieme: testo, immagine, audio, video.
- OCR = “Optical Character Recognition”, leggere il testo dentro un’immagine.
Take-away
La fotocamera del telefono ha smesso di essere solo una macchina fotografica. È diventata il bocchino dell’AI: tu inquadri, lei capisce.
➡️ Prossima puntata: Riconoscere oggetti, monumenti, piatti — “cosa sto guardando?”