Glossario dell’IA

Spiegazioni semplici delle parole dell’IA che trovi nelle notizie.

Addestramento: Il processo con cui un modello impara schemi da grandi quantità di dati. Addestrare un modello di punta può richiedere mesi e migliaia di chip.
Agente IA: Un sistema di IA che lavora da solo verso un obiettivo: pianifica i passaggi, usa strumenti come browser o codice e controlla i risultati.
AGI (intelligenza artificiale generale): Un’IA ipotetica in grado di imparare e svolgere la maggior parte dei compiti intellettuali bene quanto un essere umano. Non esistono una definizione o un test condivisi.
Allineamento: Il lavoro per far sì che i sistemi di IA facciano ciò che le persone intendono ed evitino comportamenti dannosi, anche quando diventano più capaci.
Allucinazione: Quando un modello di IA afferma con sicurezza qualcosa di falso, come un fatto o una fonte inventati. Verifica sempre le informazioni importanti.
API: Un modo con cui i programmi comunicano tra loro. Gli sviluppatori usano l’API di un’azienda per integrare i suoi modelli di IA nelle proprie app, di solito pagando a token.
Benchmark: Un test standard per confrontare i modelli di IA. I risultati sono utili, ma un punteggio alto non garantisce che il modello sia il migliore per il tuo compito.
Chatbot: Un programma con cui si parla in linguaggio normale. I chatbot di IA moderni scrivono le risposte con un grande modello linguistico.
Data center: Un edificio pieno di server e chip. I data center per l’IA richiedono enormi quantità di elettricità e raffreddamento.
Deepfake: Un video, un’immagine o una voce falsi e realistici creati con l’IA, spesso di una persona reale. I deepfake sono usati in truffe e disinformazione.
Fine-tuning (affinamento): Addestramento aggiuntivo di un modello esistente su un set di dati più piccolo e specifico, per migliorarlo in un compito o in uno stile.
Finestra di contesto: Quanto testo un modello può considerare in una volta, misurato in token. Una finestra più ampia permette di leggere documenti più lunghi in un colpo solo.
GPU (processore grafico): Un chip grafico che esegue molti calcoli in parallelo. Le GPU, per esempio di Nvidia, sono l’hardware principale per addestrare ed eseguire l’IA.
IA generativa: IA che crea contenuti nuovi – testo, immagini, suoni, video o codice – invece di limitarsi a ordinare o analizzare dati esistenti.
Inferenza: Eseguire un modello già addestrato per ottenere una risposta. Ogni messaggio in chat è un’inferenza, ed è ciò che i servizi di IA pagano in chip ed energia.
Intelligenza artificiale (IA): Sistemi informatici che svolgono compiti che di solito associamo al pensiero umano, come capire il linguaggio, riconoscere immagini o prendere decisioni.
Mixture of experts (MoE): Un’architettura che divide la rete in molti “esperti” e ne usa solo alcuni per ogni parola, rendendo più economico eseguire modelli grandi.
Modello aperto (pesi aperti): Un modello i cui parametri addestrati sono pubblicati, così chiunque può scaricarlo ed eseguirlo, per esempio sul proprio computer. Le licenze variano.
Modello di diffusione: Un tipo di modello che crea immagini, video o testo partendo dal rumore e raffinando il risultato passo dopo passo.
Modello di ragionamento: Un modello che affronta un problema passo dopo passo prima di rispondere. Spesso è migliore in matematica, logica e codice, ma più lento e costoso.
Modello linguistico di grandi dimensioni (LLM): Un modello di IA addestrato su enormi quantità di testo per prevedere la parola successiva. ChatGPT, Claude e Gemini si basano su grandi modelli linguistici.
Multimodale: In grado di gestire più tipi di input o output, come testo, immagini, suoni e video, nello stesso modello.
Parametri: I numeri all’interno di un modello che vengono regolati durante l’addestramento. Più parametri spesso significano più capacità, ma anche più memoria e costi.
Prompt: L’istruzione o la domanda che si dà a un modello di IA. Prompt chiari, con contesto ed esempi, di solito danno risposte migliori.
Quantizzazione: Memorizzare i numeri di un modello con meno bit, così occupa meno memoria e va più veloce, perdendo un po’ di qualità. Comune per usare l’IA in locale.
RAG (generazione aumentata dal recupero): Una tecnica in cui l’IA prima cerca documenti pertinenti e poi scrive la risposta basandosi su di essi, riducendo i fatti inventati.
Token: Il piccolo pezzo di testo che un modello linguistico legge e scrive, spesso una parte di parola. Prezzi e limiti si contano di solito in token.