Il calcolo neuromorfico è un approccio all’hardware e al software che si ispira alla struttura del cervello. Invece di spostare dati tra memoria e processore separati a ogni ciclo di clock, neuroni e sinapsi artificiali lavorano in parallelo e reagiscono solo a eventi chiamati spike. Ciò promette consumi energetici molto bassi, ad esempio per sensori o robot. Chip di ricerca noti sono Intel Loihi e IBM TrueNorth; l’uso commerciale diffuso è ancora agli inizi.
Agenti, flussi e modelli in un’unica area di lavoro – demo gratuita di 24 ore.
Avvia demoLe reti neurali artificiali (RNA) sono modelli di calcolo composti da molte unità collegate («neuroni»), disposte in strati, che elaborano gli input tramite connessioni pesate. Durante l'addestramento i pesi vengono regolati passo dopo passo sulla base di esempi, di solito con la backpropagation. Le RNA sono alla base del deep learning e si trovano nel riconoscimento di immagini e del parlato e nei grandi modelli linguistici. Nonostante l'ispirazione biologica, funzionano in modo molto più semplice del cervello umano.
Un circuito integrato per applicazioni specifiche (ASIC) è un chip progettato per un solo compito, anziché per usi generali come un processore centrale. Nell'IA gli ASIC sono ottimizzati per i calcoli delle reti neurali, come le Tensor Processing Unit (TPU) di Google. Per quel compito sono più veloci ed efficienti dal punto di vista energetico dei chip generici, ma costosi da sviluppare e poco adattabili a nuovi carichi di lavoro.
Il calcolo quantistico sfrutta fenomeni della fisica quantistica come sovrapposizione ed entanglement per calcolare con qubit anziché con bit classici. Per alcuni compiti, come la simulazione di molecole, certi problemi di ottimizzazione o la violazione degli attuali metodi di cifratura, si attendono grandi vantaggi di velocità. Gli apparecchi però sono ancora soggetti a errori e usati soprattutto in ricerca e progetti pilota (aggiornato a ottobre 2026). Per le applicazioni di IA attuali il calcolo quantistico non ha ancora un ruolo pratico.
Il cognitive computing è un termine generico per sistemi che mirano a imitare processi mentali umani come comprendere il linguaggio, ragionare e imparare dall'esperienza, per supportare le decisioni delle persone. Il termine si è diffuso negli anni 2010 soprattutto grazie a IBM Watson. Combina metodi come l'elaborazione del linguaggio naturale, il machine learning e la rappresentazione della conoscenza; oggi si parla più spesso di assistenti IA o modelli linguistici.
