# Ho chiesto a ChatGPT come funziona. Ha risposto bene. Aveva torto. URL: https://menteinformatica.it/intelligenza-artificiale/come-funziona-chatgpt/ Autore: Giorgio Perillo Aggiornato: 2026-10-01 Categoria: Intelligenza Artificiale --- **ChatGPT non capisce quello che scrivi. Analizza il tuo testo, lo confronta con miliardi di sequenze simili viste durante l’addestramento, e restituisce la continuazione statisticamente più probabile. Il meccanismo è interamente statistico. Avanzatissimo, ma statistico.** Capire questo cambia il modo in cui lo usi. Spiega perché certi usi funzionano benissimo e altri producono risposte sicure di sé ma sbagliate. ## Cosa fa ChatGPT quando gli scrivi qualcosa **ChatGPT** funziona calcolando la probabilità della parola successiva dato il tuo input. Dici “la capitale dell’Italia è” e il modello, da miliardi di esempi simili, sa che viene “Roma”. Lo fa token per token, migliaia di volte per ogni risposta. Il processo è predizione statistica, portata a una scala difficile da immaginare. Questo tipo di sistema si chiama **modello linguistico di grandi dimensioni**, dall’inglese large language model o LLM. OpenAI lo ha addestrato su una quantità enorme di testo e ha poi affinato il comportamento con valutazioni umane. **Featured snippet** ChatGPT è un modello linguistico di grandi dimensioni (LLM) che genera testo calcolando, token per token, quale parola è statisticamente più probabile data la sequenza precedente. Non ragiona nel senso umano del termine: predice. Questo meccanismo lo rende straordinariamente fluente e, allo stesso tempo, capace di sbagliare con piena sicurezza. Ho provato a chiedergli direttamente come funziona. La spiegazione era corretta nei concetti generali. Poi ha citato due ricercatori del MIT come autori del paper originale: nomi plausibili, istituzione reale, nessuna corrispondenza con persone reali. Classico. ## Come è stato addestrato L’addestramento di ChatGPT ha usato una quantità enorme di testo: articoli, libri, forum, documentazione tecnica, conversazioni online. L’obiettivo era imparare quali sequenze di parole tendono a stare vicine, in ogni contesto possibile. Questo spiega perché sa scrivere un sonetto, spiegare la termodinamica e correggere un bug Python. Ha visto così tanto testo su quei temi da aver interiorizzato i pattern linguistici che li descrivono. Il confine tra sapere qualcosa e aver letto molto su qualcosa diventa sottile. Il training si ferma a una data specifica. Tutto quello che è successo dopo, il modello non lo sa in modo affidabile. In Italia, mi è capitato di ricevere risposte plausibilissime su eventi del 2025 che non erano mai accaduti. ## Il feedback umano: perché ChatGPT è così cauto Un LLM addestrato solo su testo grezzo risponde in modo tecnicamente coerente ma spesso inutile o problematico. OpenAI ha aggiunto una fase di affinamento con **feedback umano**, tecnica nota come **RLHF**, Reinforcement Learning from Human Feedback. Persone reali hanno valutato migliaia di risposte del modello, indicando quali fossero più utili e più sicure. ChatGPT ha imparato a preferire quel tipo di risposte. Per questo è **cauto e riluttante** con certi argomenti, e si scusa spesso in modo eccessivo. L’RLHF ottimizza per sembrare utile e sicuro, che non è la stessa cosa di essere preciso. Mi è capitato di ricevere risposte elaborate e ben costruite su domande tecniche, scoprendo solo dopo che il dettaglio centrale era sbagliato. ## Le allucinazioni: da dove vengono Il modello genera testo plausibile. Non verifica se è vero. Questo produce le cosiddette **allucinazioni**: informazioni false presentate con lo stesso tono autorevole di quelle corrette. Ho visto ChatGPT citare un articolo del Corriere della Sera con data, titolo e autore precisi. L’articolo non esisteva. Aveva costruito qualcosa di plausibile: quella fonte, quel tipo di titolo, quella data. Tutto coerente con i pattern appresi. Tutto inventato. È una conseguenza diretta del meccanismo di predizione: genera la parola più probabile, non quella più vera. Per dati verificabili, date, citazioni e statistiche, trattalo sempre come **fonte da verificare** prima di usarla. ## Come usarlo bene, senza aspettarsi l’impossibile Produce una prima bozza accettabile in pochi secondi. Su questo è straordinariamente veloce, e basta per giustificarne l’uso quotidiano. Consiglio di usarlo per operazioni di linguaggio: riformulare testi, trovare strutture per contenuti complessi, generare varianti e riassumere. Tutte attività dove la velocità vale più della precisione assoluta, e dove puoi verificare il risultato con la tua conoscenza diretta. Diventa un **collaboratore per bozze e strutture**, non un archivio di fatti da consultare. Chi lo usa come motore di ricerca alternativo riceve risposte sicure di sé e spesso sbagliate. Chi lo usa come punto di partenza da verificare ha un assistente velocissimo. Se vuoi capire come strutturare le richieste per ottenere risposte migliori, ho scritto una guida pratica su come scrivere [prompt efficaci per l’AI](https://menteinformatica.it/intelligenza-artificiale/prompt-efficaci-ai/). Sapere come funziona il modello spiega anche perché certi prompt funzionano e altri no. Per la lista degli strumenti AI gratuiti che vale la pena usare, aggiornata ogni mese, la trovi su [migliori tool gratis AI](https://menteinformatica.it/intelligenza-artificiale/migliori-tool-gratis-ai/).