ChatGPT e la Grafica Generativa

Oltre il Singolo Progetto, Tutti i Limiti e i Bug dei Modelli Attuali

Nell’ultimo anno le promesse sull’Intelligenza Artificiale generativa si sono sprecate: “Fa tutto da sola”, “Sostituirà gli studi di design”, “Basta chiedere e l’IA crea”. Ma cosa succede quando un utente prova a utilizzare ChatGPT non per generare un’illustrazione d’impatto da mettere sui social, ma per operare all’interno di vincoli tecnici, geometrici o dimensionali reali?

La risposta è una sola: una snervante prova di forza contro la rigidità spaziale, la mancanza di coerenza metrica e la tendenza dei modelli attuali ad approssimare la realtà anziché calcolarla.

Per rendere il test il più attendibile e severo possibile, abbiamo condotto la prova utilizzando un account a pagamento, mettendo in campo le versioni più avanzate e performanti dei modelli di testo e di generazione visiva messi a disposizione dalla piattaforma.

Il Case Study: Una consolle circolare “verso l’esterno”

Per capire dove sia davvero arrivata l’IA (e dove invece fallisca), siamo partiti da un caso reale e articolato: la progettazione di una struttura circolare per un live set, destinata a ospitare una consolle DJ e un setup di sintetizzatori modulari per una performance immersiva a 360°.

L’esigenza progettuale era chiara e rigorosa:

• Struttura: Un tavolo ad anello circolare ($\varnothing 300\text{ cm}$) con un foro tecnico centrale ($\varnothing 75\text{ cm}$) e colonna tecnica ($\varnothing 35\text{ cm}$) per far sparire tutti i cablaggi e l’alimentazione.
• Orientamento: I performer posizionati all’esterno dell’anello, rivolti verso l’esterno (verso il pubblico, le telecamere e la cornice storica dei Mercati di Traiano).
• Attrezzatura: Rastrelliere per sintetizzatori modulari su due colonne, inclinate a 75° e orientate anch’esse verso il performer per consentirne l’uso reale.

Il Cortocircuito Testo vs. Immagine

Attraverso una lunga conversazione, durata più di 3 ore, il modello di testo (LLM) ha dimostrato di capire perfettamente la logica: ha formulato domande pertinenti su ergonomia, diametri, altezze (97 cm da fermi), moduli rack e flusso di lavoro, recependo l’orientamento dello sguardo tramite schemi e frecce visive.

Poi, però, si è passati alla generazione visiva. Ed è qui che l’IA ha mostrato il suo primo grande limite: l’anarchia delle proporzioni e la trappola dello schema predefinito.

Dal “Bug delle 6 Dita” al “Bug delle Proporzioni”

Se un anno fa i limiti della grafica generativa erano macroscopici e quasi grotteschi (mani con sei dita o volti deformati), oggi l’estetica pura è nettamente migliorata. Tuttavia, è emerso un bug molto più subdolo: l’incapacità di gestire le proporzioni, la scala metrica e le relazioni spaziali.

Oggi l’IA non genera più una mano deforme, ma è perfettamente in grado di disegnare due piedi anatomicamente impeccabili di cui uno calza 32 e l’altro 45.

Nel nostro caso:

1. L’Anarchia del Foro: Con un brief che chiedeva un foro da 75 cm, l’IA generava aperture di oltre 2 metri, sproporzionando la struttura.
2. La Trappola della Prospettiva: Nonostante le istruzioni, continuava a ruotare i modulari verso l’interno, condizionata dai dati di addestramento in cui le persone attorno a un tavolo guardano sempre al centro.

Il “Mea Culpa” dell’IA: L’Autovalutazione di ChatGPT

Riconoscendo la frustrazione del processo, abbiamo chiesto a ChatGPT di analizzare oggettivamente l’intera chat. La sua risposta è stata una fotografia spietata:

“Penso che questa conversazione sia stata istruttiva perché mette in evidenza una differenza fondamentale tra progettare e generare immagini. […] Durante la conversazione abbiamo definito tavolo, fori, quote e inclinazioni. La comprensione c’era, il problema è arrivato nella rappresentazione.

Ho continuato a usare uno strumento che aveva dimostrato i suoi limiti e ho trattato alcuni vincoli come estetici invece che assoluti. […] Tu non mi hai mai chiesto di ‘inventare’ un tavolo, mi hai dato un capitolato tecnico molto preciso. In un progetto di industrial design quei vincoli fanno parte della definizione stessa dell’oggetto: se vengono violati, il risultato non è semplicemente ‘meno bello’, ma è un progetto diverso da quello richiesto.”

Non solo Tavoli: Il Bug Sistemico nei Diversi Settori

L’esperimento sulla consolle ha aperto una riflessione più ampia: questo atteggiamento dell’IA si ripercuote su moltissime altre esigenze professionali e quotidiane.

Ambito	Cosa gli si chiede	Come fallisce l’IA (Il Bug)
Architettura e Interior Design	Planimetria di un appartamento da 80 $\text{m}^2$ con quote.	Le porte si aprono sui muri, le scale finiscono nel soffitto, i corridoi cambiano larghezza casualmente.
Ingegneria e Meccanica	Schema di un circuito elettrico o esploso di un componente.	I cavi si collegano nel vuoto, gli ingranaggi hanno denti diseguali e i componenti sono inventati.
UI/UX e Web Design	Wireframe con form e pulsanti ben distanziati.	Gli elementi si sovrappongono, i margini saltano e i testi escono dai frame.
Medicina e Anatomia	Illustrazione scientifica di una procedura chirurgica.	Impatto visivo eccellente, ma arterie o legamenti sono posizionati in punti anatomicamente errati.
Grafici di Dati e Statistica	Grafico a torta con percentuali precise ($60\%$ e $40\%$).	La fetta indicata come $60\%$ risulta visivamente più piccola di quella del $40\%$.

La Radice del Problema: Probabilità vs Determinismo

Perché accade tutto questo? La spiegazione risiede nella natura stessa dell’architettura dei modelli generativi attuali:

• I modelli visivi generativi sono PROBABILISTICI: Non costruiscono un modello 3D nello spazio con quote e vettori. Calcolano semplicemente quale pixel ha la maggiore probabilità di trovarsi accanto a un altro sulla base delle immagini usate per l’addestramento. Producono impressioni plausibili, non progetti.
• I software tecnici sono DETERMINISTICI: Strumenti come CAD, BIM, MATLAB o Figma lavorano su regole matematiche rigide, quote decimali, coordinate $X, Y, Z$ e vincoli non negoziabili.

Il Verdetto di Solarialab

L’esperimento dimostra che ChatGPT e i modelli visivi correlati — anche nelle loro sottoscrizioni a pagamento e con i modelli più performanti — soffrono di un limite strutturale: mancano di un motore geometrico e deterministico integrato.

• Dove l’IA eccelle: Brainstorming, ideazione di concept, scrittura di codice, riassunti, relazioni tecniche, esplorazione di mood e ispirazioni visive.
• Dove l’IA fallisce (e continuerà a fallire a breve termine): Esecuzione tecnica, tolleranze millimetriche, rispetto rigoroso delle quote, schemi elettrici, grafica informativa di precisione e progetti destinati alla produzione reale.

Finché si confonderà l’illusione di un bel rendering con la precisione di un progetto esecutivo, si continuerà a commettere l’errore metodologico di chiedere a un pittore d’istinto di fare il lavoro di un ingegnere strutturista.