N. Special Issue 1 (2026): Le Meccaniche del Gaming
Articoli

AI e serious game come strumenti strategici per la rappresentazione del patrimonio

Alessandro Basso
Università degli Studi "G. d'Annunzio" Chieti – Pescara

Pubblicato 2026-09-29

Parole chiave

  • AI,
  • Serious Game,
  • Digital Twin,
  • Generative Modelling,
  • Tech methodologies

Come citare

Basso, A. (2026). AI e serious game come strumenti strategici per la rappresentazione del patrimonio. TRIBELON Rivista Di Disegno E Rappresentazione dell’Architettura, Del Paesaggio E dell’ambiente, (Special Issue 1), 44–53. https://doi.org/10.36253/tribelon-3968

Abstract

I recenti progressi nel Machine Learning (ML) segnano l’avvio di una quarta rivoluzione digitale, richiamando per portata storica il passaggio al CAD. Questa trasformazione ridefinisce le metodologie progettuali e democratizza l’accesso alla creazione di contenuti complessi. Parallelamente, i videogiochi si stanno affermando come principale mezzo immersivo per la diffusione culturale. In questo scenario, l’Intelligenza Artificiale (AI) si configura come uno strumento ottimale per l’ottimizzazione dei processi e la valorizzazione del patrimonio, favorendo la gestione integrata sia del patrimonio tangibile, attraverso Digital Twin ottenuti mediante algoritmi NeRF e Gaussian Splatting, sia di quello intangibile. L’applicazione dell’AI alla generazione di dinamiche di gioco e ambienti tramite processi di auto-modelling basati su prompt mette in discussione la visione tradizionale della tecnologia come sostituto della creatività, configurandola invece come una risorsa strategica da padroneggiare attraverso un apprendimento critico.
Sebbene la generazione completa di un videogioco tramite prompt rimanga ancora distante, a causa della complessità intrinseca dei livelli algoritmici e narrativi della gamification, nonostante le previsioni di rilievo formulate dall’industria per il 2027, la sinergia tra logica umana e strumenti di AI promette di ridefinire la rappresentazione della realtà. Questo approccio collaborativo tra visione progettuale e automazione algoritmica apre nuovi orizzonti per la conservazione della memoria collettiva e per la fruizione interattiva del patrimonio.

Riferimenti bibliografici

  1. A. Basso, Dentro le Carceri di Piranesi: il virtuale come documentazione attraverso l’esplorazione grafico-percettiva, in R. Salerno (a cura di), Rappresentazione materiale/immateriale. Drawing as (in)tangible representation, atti del 40° Convegno internazionale dei docenti delle discipline della rappresentazione, XV Congresso UID (Milano, 13–15 settembre 2018), Gangemi Editore, Roma 2018, pp. 909–918.
  2. A. Basso, Ambienti virtuali per nuove forme di comunicazione / Virtual environments for new media, Aracne Ed., Roma 2020.
  3. A. Basso et al., Evolution of rendering based on Radiance Fields. The Palermo case study for a comparison between NeRF and Gaussian
  4. Splatting, in The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, XLVIII-2-2024, pp. 57-64.
  5. A. Basso et al., D(A)Nte’s (I)Nferno: rappresentazione dell’Inferno dantesco attraverso tecniche di disegno integrato, A.I. e parametrico,
  6. in EVA Berlin 2025. Electronic Media and Visual Arts: 28th Issue of the EVA Berlin Conference, arthistoricum.net, Heidelberg 2025, pp. 116-127.
  7. R. Bommasani et al., On the opportunities and risks of foundation models (2021), rapporto di ricerca, arXiv:2108.07258.
  8. J. Bruce et al., Genie: Generative interactive environments, in Proceedings of the 41st International Conference on Machine Learning (PMLR, vol. 235), 2024, pp. 4603-4623.
  9. A. Cassar, D. Baker, M. Ioannides, From Digital Twin to Memory Twin: A holistic framework for cultural heritage documentation, interpretation, and adaptive reuse, in The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, XLVIII-M-9-2025, pp. 203-209.
  10. I. Cazzaro, Digital 3D reconstruction as a research environment in art and architecture history: Uncertainty classification and visualization, arthistoricum.net, 2026, pp. 89-91.
  11. J. Chao, Ricerca sull’applicazione dell’IA generativa nella progettazione di arte digitale per il patrimonio culturale immateriale, in Journal of Global Humanities and Social Sciences, VI, 2025, 3, pp. 70-78.
  12. W. Chuyao, N. A. Adzharuddin, Synthetic Authenticity and Audience Trust in AI-Generated Intangible Cultural Heritage: A Qualitative Multimodal Study, in eJOMS - Journal of Media and Society, 2025, pp. 2-10.
  13. M. Foka, A. Griffin, AI, Cultural Heritage, and Bias: Some Key Queries That Arise from the Use of GenAI, in Heritage, VII, 2024, 11, pp. 6125-6136.
  14. D. Ha, J. Schmidhuber, World models (2018), rapporto di ricerca, arXiv:1803.10122.
  15. D. Hafner et al., Mastering diverse control tasks through world models, in Nature, DCXL, 2025, pp. 647-653.
  16. G. Murtas, V. Lombardo, Rediscovering the Past: Serious Games for Archaeology, in IEEE Transactions on Games, 2025, pp. 1-15.
  17. G. Murtas, V. Lombardo, Where Does Value Take Shape? An AI-Human Serious Game Design Experiment on the Poème Électronique, in Proceedings of AI4HGI ‘25, CNR-ILC, 2025.
  18. F. Orletti (a cura di), Comunicare il patrimonio culturale. Accessibilità comunicativa, tecnologie e sostenibilità, FrancoAngeli, Milano 2021.
  19. J. Parker-Holder, S. Fruchter, Genie 3: A new frontier for world models, Google DeepMind, 5 agosto 2025, https://deepmind.google/blog/genie-3-a-new-frontier-for-worldmodels/.
  20. R. Rombach et al., High-resolution image synthesis with latent diffusion models, in Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition, IEEE, New Orleans 19-24 giugno 2022, pp. 10684-10695.
  21. L. Smith, Uses of Heritage, Routledge, London 2006.
  22. G. Sugiyama, I. Bourgeois, H. Rodrigues, A holistic methodology for the assessment of Heritage Digital Twin applied to Portuguese case studies, in Digital Applications in Archaeology and Cultural Heritage, XXXVI, 2025, e00390.
  23. Team HY-World, HY-World 2.0: A multi-modal world model for reconstructing, generating, and simulating 3D worlds (2026), rapporto
  24. tecnico, arXiv:2604.14268; codice e documentazione: https://github.com/Tencent-Hunyuan/HYWorld-2.0, consultati il 14 settembre 2026.
  25. C. Tsita, M. Satratzemi, A serious game design and evaluation approach to enhance cultural heritage understanding, in A. Liapis et al. (a cura di), Games and Learning Alliance. GALA 2019. Lecture Notes in Computer Science (vol. 11899), Springer, Cham 2019, pp. 438-446.
  26. World Labs, Marble: A multimodal world model, 12 novembre 2025, https://www.worldlabs.ai/blog/marble-world-model, consultato il 14 settembre 2026.
  27. World Labs, Announcing the World API, 21 gennaio 2026, https://www.worldlabs.ai/blog/announcing-the-world-api, consultato il 14 settembre 2026.
  28. S. Wu, AI and Intangible Heritage: Exploring Sustainable Cultural Transmission Through a Dual-Framework Approach, in Applied and Computational Engineering, CLXIV, 2025, pp. 8-19.