TECNOLOGIA, INTERNET TRENDS, GAMING, BIG DATA

Glossario AI: 15 parole per capire meglio l’intelligenza artificiale

Glossario AI: 15 parole per capire meglio l’intelligenza artificiale

By fogliotiziana

Machine learning, big data, chatbot: dietro questi anglicismi inseparabili dal campo dell’intelligenza artificiale si nascondono concetti, metodi e sistemi che sembrano oscuri. Eppure hanno molte applicazioni, fanno notizia da diversi mesi e sono al vaglio delle autorità.

15 termini che vanno di pari passo con l’intelligenza artificiale

Hai già sentito parlare di apprendimento automatico, di IA generativa o di prompt, ma hai difficoltà a capire cosa c’è dietro queste espressioni? Niente panico: in questo articolo ti spieghiamo, nel modo più semplice e sintetico possibile, il significato dei termini più utilizzati.

  1. Algoritmo: prosaicamente si riferisce a una serie di passaggi utilizzati per ottenere un risultato a partire da elementi in ingresso. Nel campo dell’intelligenza artificiale, gli algoritmi si basano su modelli matematici complessi. Non è deterministico ma “autoapprendente”: l’elaborazione e l’analisi di un’immensa quantità di dati gli consente di adattarsi, evolversi e riconfigurarsi per fornire risultati precisi.
  2. Machine learning: corrisponde a un campo di studio dell’intelligenza artificiale noto come “apprendimento automatico”. In termini pratici, l’apprendimento automatico riunisce diverse metodologie il cui scopo è insegnare l’autonomia a un programma informatico. Dopo una fase di addestramento preliminare basata su un ampio corpus di dati, il programma è in grado di risolvere problemi per i quali non è stato sviluppato.
  3. Apprendimento supervisionato: si riferisce a un processo di apprendimento automatico. Il principio consiste nell’addestrare un programma a prevedere un risultato sulla base di eventi osservati in un database di esempi. L’apprendimento supervisionato viene utilizzato principalmente per classificare e rilevare anomalie o stabilire probabilità in un determinato contesto. Esempio: rilevamento dello spam.
  4. Apprendimento non supervisionato: questo metodo di apprendimento automatico è progettato, come suggerisce il nome, per consentire a un programma di produrre un risultato non supervisionato a partire da dati grezzi. Il principio si basa sul rilevamento delle somiglianze tra i dati studiati. L’apprendimento non supervisionato può essere utilizzato, ad esempio, dagli algoritmi di raccomandazione, che possono prevedere comportamenti o esigenze in base alle abitudini di navigazione.
  5. Apprendimento per rinforzo: questo processo di apprendimento automatico è paragonato all’addestramento perché si basa su un sistema di ricompense. In breve, l’apprendimento per rinforzo insegna a un programma a operare in modo autonomo, mettendolo di fronte a situazioni da cui trae insegnamenti. Nel corso degli esperimenti, il sistema cerca un comportamento decisionale ottimale, nel senso che massimizza la somma delle ricompense nel tempo.
  6. Reti neurali artificiali: utilizzate dalle auto autonome e dagli assistenti virtuali, le reti neurali artificiali si ispirano alla struttura del cervello umano. In parole povere, il modello è suddiviso in diversi strati di neuroni “autoapprendenti” che hanno precedentemente ingerito informazioni. Assemblati in reti, i neuroni si moltiplicano e interagiscono per eseguire un compito o risolvere un problema.
  7. IA generativa: si riferisce a un sistema in grado di generare testo, immagini o altri tipi di contenuti (audio, video, ecc.) utilizzando una query testuale. Piuttosto che classificare o prevedere, l’IA generativa produce contenuti basati su un modello linguistico (vedi sotto) addestrato su un ampio database.
  8. Chatbot: un chatbot è un programma in grado di conversare con un utente imitando il comportamento umano. Può rispondere alle richieste secondo scenari predefiniti o autonomamente grazie all’apprendimento automatico.
  9. Big Data: si riferisce al fenomeno della massificazione dei dati digitali con lo sviluppo di nuove tecnologie, nonché al campo dedicato all’elaborazione di questi “megadati” mediante algoritmi.
  10. Weak AI: corrisponde al perimetro dell’intelligenza artificiale come la conosciamo, secondo l’UNESCO. In breve, l’IA debole è in grado di svolgere uno (o più) compiti in modo autonomo, ma all’interno di un quadro definito dall’uomo. Non ha coscienza o sensibilità, a differenza dell’IA forte: un concetto che è ancora una finzione, sottolinea l’organizzazione.
  11. Prompt: traduzione letterale di “comando” in italiano, il termine si riferisce alle richieste di testo inviate dagli utenti a sistemi di IA generativa come ChatGPT, DALL-E o Midjourney. A seconda della raffinatezza e della contestualizzazione del prompt, la risposta sarà più o meno esaustiva.
  12. Transformer: corrisponde a una rete neurale artificiale inizialmente sviluppata per l’elaborazione automatica del linguaggio, in particolare per la traduzione o la generazione di testi. I Transformer possono effettuare la maggior parte, se non tutto, il loro apprendimento in modo non supervisionato, cioè su testi grezzi senza ulteriori informazioni o annotazioni sul loro contenuto.
  13. Modello linguistico: indica un programma in grado di comprendere e imitare il linguaggio umano dopo un’analisi completa della struttura di una lingua, delle sue regole implicite o esplicite e delle sue sfumature.
  14. GPT-4: acronimo di Generative Pre-trained Transformer 4, un modello di linguaggio multimodale sviluppato dall’azienda statunitense OpenAI per alimentare l’agente conversazionale ChatGPT.
  15. PaLM-2: acronimo di Pathways Language Model-2, un modello linguistico sviluppato da Google e addestrato su diversi miliardi di parametri. È destinato ad alimentare Google Bard, il generatore di testi rivale di ChatGPT e Bing Chat di Microsoft.
%d blogger hanno fatto clic su Mi Piace per questo: