Gemini progetta tre subwoofer: ma i conti tornano davvero?


Negli ultimi mesi si è parlato molto delle potenzialità dell’intelligenza artificiale nella progettazione tecnica. Ma fino a che punto ci si può fidare dei risultati prodotti da un modello linguistico quando si affrontano problemi di elettroacustica? Per scoprirlo ho chiesto a Gemini di progettare tre diversi subwoofer basati sul Dayton DSA175, confrontando una soluzione bass-reflex, un carico simmetrico e un doppio reflex. L’IA ha fornito calcoli, simulazioni e grafici apparentemente dettagliati. A quel punto è nata una domanda inevitabile: i numeri sono corretti oppure siamo di fronte a una delle tante “allucinazioni” dell’intelligenza artificiale? Vediamolo insieme.

WOW!

Si è trovato da solo i parametri dell’altoparlante ed ha elaborato anche un elemento interattivo con cui modificare alcuni parametri delle curve da visualizzare! Bellissimo!

Bene, la prima cosa che sono andato a verificare è stata se le curve simulate da Gemini fossero corrette.

Ecco le simulazioni nelle tre configurazioni, realizzate con BassDesigner

Tre subwoofer con AI - Figura 1 - Progetto reflex
Figura 1 – Progetto del sistema reflex
Tre subwoofer con AI - Figura 4 - Curve reflex
Figura 4 – Curve del progetto reflex
Tre subwoofer con AI - Figura 2 - Progetto carico simmetrico
Figura 2 – Progetto del carico simmetrico
Tre subwoofer con AI - Figura 5 - Curve carico simmetrico
Figura 5 – Curve del carico simmetrico
Tre subwoofer con AI - Figura 3 - Progetto doppio reflex
Figura 3 – Progetto del doppio reflex
Tre subwoofer con AI - Figura 6 - Curve doppio reflex
Figura 6 – Curve del doppio reflex

E l’entusiasmo subito si spegne…

Vediamole in dettaglio.

Bass reflex tradizionale

La curva è completamente diversa. Come si vede dall’andamento calante alle basse frequenze, la frequenza di accordo è troppo bassa rispetto al volume di funzionamento. L’allineamento, se così si può chiamare, è del tipo EC4, cioè “exasperated C4“, un C4 tirato fino al collo verso le basse frequenze.

Non è che un sistema del genere non si possa utilizzare, è che i risultati suggeriti da Gemini sono completamente diversi da quelli realmente ottenibili.

Il calcolo della lunghezza del condotto è poi completamente errata. BassDesigner indica un diametro minimo di 52 mm contro i 50 mm suggeriti da Gemini, differenze in fondo trascurabili, ma la lunghezza calcolata è 21,1 cm, ben diversa dai 17 cm suggeriti dall’IA.

Il progetto del carico simmetrico

Le cose non vanno bene neanche nel calcolo del simmetrico. Innanzitutto viene meno la caratteristica principale di questo sistema: la frequenza di accordo della parte reflex non coincide con quella della cassa chiusa. E questo perché anche ipotizzando un volume chiuso pieno zeppo di assorbente acustico, la frequenza di risonanza Fc non arriva mai a 52 Hz, e cioè alla frequenza di accordo della parte reflex suggerita dall’AI. Questo porta a realizzare un sistema “detuned” in cui, appunto, le due frequenze caratteristiche non coincidono.

La curva simulata da BassDesigner, non assomiglia nemmeno un po’ a quella ipotizzata da Gemini. Quella di BassDesigner è “a punta”, centrata attorno a 50 Hz, con una banda di funzionamento strettissima. La frequenza a -3 dB è quasi uguale ma quella della frequenza superiore è decisamente più bassa: 69 Hz calcolati da BassDesigner contro i 78 dell’IA.

Il calcolo del condotto di accordo è sbagliato. Impostando 50 mm di diametro in BassDesigner viene calcolata una lunghezza di 17,8 cm contro i 14 d Gemini. Ma non solo. Nel caso del carico simmetrico, e vedremo anche del doppio reflex, BassDesigner calcola una ampiezza minima più grande rispetto al reflex, proprio perché con questi due sistemi di carico, l’emissione sonora esce tutta dal condotto o dai condotti. Vanno scongiurati quindi assolutamente problemi legati alle turbolenze che possono formarsi all’imboccatura del condotto.

Il doppio reflex

La curva del progetto del doppio reflex è quella che si avvicina di più a quella simulata da BassDesigner. Si ha effettivamente una campana più larga rispetto al carico simmetrico, ma la similitudine è solo apparente.

La banda passante calcolata va da 41 fino a 85 Hz, ben distante da quella indicata d Gemini, che aveva ipotizzato una f-3dB di 33 Hz. E poi i 61,7 e 30,6 cm di lunghezza dei condotti di accordo, ambedue con un diametro di 65 mm sono ben distanti dai 20 e 11 cm dell’AI.

Ho poi chiesto a Gemini di ricalcolare i tre sistemi avendo come vincolo il volume massimo di 25 litri e lì le cose sono sfuggite di mano all’AI.

Lascio qui il link all’intera chat di gemini, così potrete farvi da soli un’idea di quello che un sistema di intelligenza artificiale non correttamente addestrato riesce a combinare.

https://gemini.google.com/share/5acc0f6a2df5

Conclusioni

L’esperimento ha evidenziato un aspetto particolarmente interessante dell’intelligenza artificiale applicata alla progettazione elettroacustica. Gemini è stata in grado di generare una risposta articolata, ben strutturata e apparentemente credibile, completa di dati numerici, grafici e considerazioni tecniche. A una prima lettura, soprattutto per un appassionato alle prime armi, il risultato può sembrare del tutto plausibile.

Il problema emerge quando si passa dalla forma alla sostanza. Le simulazioni proposte non derivano da un reale processo di calcolo acustico eseguito da un software specializzato, ma dalla capacità del modello linguistico di costruire una risposta statisticamente coerente con quanto ha appreso durante il proprio addestramento. In altre parole, Gemini sa come appare una simulazione credibile, ma non necessariamente sta eseguendo una simulazione.

Questo porta a un rischio concreto: la produzione di dati apparentemente precisi ma privi di fondamento fisico. Nel nostro caso, i grafici presentati risultano incompatibili con le caratteristiche del driver e con le leggi che governano il funzionamento dei sistemi di caricamento analizzati. Non si tratta di piccoli scostamenti o approssimazioni, ma di errori che possono condurre a conclusioni progettuali completamente sbagliate.

L’aspetto più insidioso è che l’errore non è immediatamente evidente. Quando un simulatore tradizionale restituisce un risultato inatteso, il progettista può risalire ai parametri inseriti, verificare le formule utilizzate e ripetere i calcoli. Con un modello linguistico, invece, il percorso che porta al risultato non è trasparente e la sicurezza con cui vengono presentate informazioni errate può indurre l’utente ad abbassare il livello di verifica critica.

Ciò non significa che strumenti come Gemini siano inutili nel campo dell’audio. Al contrario, possono rivelarsi estremamente efficaci per spiegare concetti teorici, confrontare configurazioni, sintetizzare documentazione tecnica, suggerire procedure di misura o fornire un primo orientamento progettuale. Possono diventare un valido assistente, ma non possono ancora sostituire gli strumenti di simulazione e l’esperienza tecnica necessari per validare un progetto.

La lezione più importante che emerge da questa prova è forse un’altra: più una risposta appare autorevole, maggiore dovrebbe essere la nostra attenzione nel verificarla. In ambito elettroacustico, come in qualsiasi disciplina ingegneristica, non conta quanto una soluzione sembri convincente, ma quanto sia supportata da dati verificabili e da modelli fisici corretti.

Per il momento, quindi, l’intelligenza artificiale può essere considerata un interessante collaboratore di progetto. Affidarle il ruolo di progettista, però, è ancora decisamente prematuro.

E voi, cosa ottenete?

Questo test non pretende di essere definitivo né di rappresentare il comportamento di tutti i sistemi di intelligenza artificiale disponibili oggi. I modelli evolvono rapidamente e risultati differenti potrebbero emergere utilizzando altre piattaforme, altri prompt o persino versioni successive dello stesso modello.

Per questo motivo invitiamo i lettori di BassDesigner a ripetere l’esperimento. Provate a sottoporre a Gemini, ChatGPT, Claude, Copilot o ad altri sistemi di IA un progetto reale di vostro interesse, chiedendo simulazioni, calcoli e valutazioni tecniche. Successivamente confrontate i risultati con quelli ottenuti tramite software specialistici, misure reali o simulazioni indipendenti.

Sarebbe particolarmente interessante raccogliere esperienze relative non solo ai sistemi per subwoofer, ma anche a crossover, trombe, casse chiuse, sistemi passivi o attivi e ad altri ambiti della progettazione elettroacustica.

Se desiderate condividere i vostri risultati, potete farlo nei commenti o contattare la redazione. I contributi più interessanti potrebbero diventare oggetto di un futuro approfondimento, aiutandoci a comprendere meglio quali siano oggi le reali potenzialità, e i limiti, dell’intelligenza artificiale applicata alla progettazione audio.