Tutto quello che devi sapere sull'intelligenza artificiale, spiegato in modo semplice ma approfondito.
Sistemi di intelligenza artificiale capaci di pianificare, ragionare e agire in autonomia per raggiungere obiettivi complessi.
AIl ciclo iterativo percepisci-pianifica-agisci-verifica che permette a un agente AI di lavorare in autonomia su un compito fino al suo completamento.
AIntelligenza artificiale progettata per risolvere un singolo compito specifico (es. giocare a scacchi o filtrare email).
AIntelligenza artificiale che viene eseguita direttamente sull\
AModelli e software AI il cui codice e pesi sono liberamente accessibili e modificabili da chiunque, promuovendo la trasparenza.
AIl coordinamento e la gestione di molteplici modelli, agenti e strumenti AI per eseguire flussi di lavoro complessi.
ASistemi AI progettati per fornire spiegazioni comprensibili sul loro processo decisionale, eliminando l\
AIl processo di garantire che gli obiettivi e il comportamento dell\
AFenomeno in cui un modello AI genera informazioni false, imprecise o del tutto inventate presentandole con estrema sicurezza.
AAzienda statunitense di ricerca sull\
AIDE agentico sviluppato da Google, costruito sui modelli Gemini, che permette a più agenti AI di lavorare in autonomia su editor, terminale e browser per completare interi task di sviluppo.
ATecnica di addestramento decentralizzata in cui i dati rimangono sui dispositivi degli utenti e solo i
ACapacità di un modello di imparare un nuovo compito ricevendo solo pochissimi esempi (solitamente tra 1 e 5).
ATipo di Machine Learning dove l\
AIl tipo di Machine Learning più comune, dove il modello impara da un set di dati già etichettati e corretti da umani.
ATecnica in cui un\
ACapacità di un\
ALa fase dell\
ASoftware basato su AI capace di eseguire compiti o servizi per un individuo in base a comandi vocali o testuali.
BLa famiglia di modelli multimodali di Google che ha sostituito Bard, integrando capacità di ragionamento avanzate.
BPregiudizi sistematici o distorsioni nei modelli AI derivanti da dati di addestramento non rappresentativi o algoritmi errati.
BInsiemi di dati massicci e complessi che richiedono tecnologie avanzate (come l\
BPratica di gestione aziendale che divide l\
CProgrammi software progettati per simulare conversazioni umane, evoluti dai sistemi basati su regole a quelli basati su LLM.
CL\
CLa famiglia di modelli linguistici sviluppata da Anthropic, progettata per essere utile, onesta e sicura, con un forte focus su ragionamento, scrittura e uso di strumenti.
CFenomeno degenerativo che avviene quando i nuovi modelli AI vengono addestrati su dati generati da altre AI, perdendo qualità e diversità.
CCapacità impreviste che un modello AI sviluppa spontaneamente man mano che aumentano la sua scala e i dati di addestramento.
CCampo dell\
CApproccio allo sviluppo di AI che utilizza un set di principi o
CLa disciplina di progettare e organizzare tutte le informazioni (istruzioni, memoria, dati recuperati, strumenti) fornite a un modello AI per massimizzarne l\
CLa quantità massima di informazioni (token) che un modello AI può
CUtilizzo dell\
DDati che le organizzazioni raccolgono e archiviano, ma che non sono analizzati o utilizzati per generare valore commerciale.
DParte dei dati utilizzata durante l\
DDati creati artificialmente da un\
DSottocampo del Machine Learning basato su reti neurali artificiali a più strati che imitano, in modo semplificato, il funzionamento del cervello umano.
DMedia sintetici (video, audio o foto) in cui l\
DLaboratorio di AI cinese noto per modelli linguistici open-weight ad alte prestazioni, sviluppati con un\
DClasse di modelli generativi che creano immagini partendo da rumore casuale e affinandolo progressivamente fino a ottenere un risultato nitido.
DProcesso di addestramento di un modello piccolo (Studente) sotto la guida di un modello grande e potente (Insegnante).
EL\
ERappresentazione matematica di parole o concetti in uno spazio multidimensionale che cattura relazioni semantiche.
FIl processo di specializzare un modello AI già addestrato su un set di dati specifico per migliorarne le prestazioni in un determinato dominio.
FModelli AI enormi addestrati su vasti set di dati che possono essere adattati a una vasta gamma di compiti diversi.
FEquazione matematica che definisce gli obiettivi di un\
GArchitettura composta da due reti neurali che combattono tra loro: una crea (Generatore) e l\
GLa famiglia di modelli AI multimodali di Google DeepMind, progettata nativamente per elaborare testo, immagini, audio e video in un unico sistema.
GSottocampo dell\
GUnità di elaborazione grafica con architettura massicciamente parallela, diventate l\
GRappresentazione di reti di dati che cattura le relazioni tra entità del mondo reale in modo leggibile dalle macchine.
GLa tecnica di collegare un modello AI a fonti di verità esterne e verificate per prevenire invenzioni (allucinazioni).
HTecnologia che permette all\
HModello operativo in cui l\
HParametri esterni impostati dai programmatori prima dell\
ICapacità di un LLM di apprendere nuovi comportamenti o informazioni semplicemente leggendo le istruzioni fornite nel prompt.
ILa fase operativa in cui un modello AI già addestrato viene utilizzato per generare previsioni o risposte su dati reali.
IIntegrazione dell\
ILa fusione tra Internet of Things (IoT) e AI, dove i dispositivi connessi analizzano i dati in tempo reale per agire in autonomia.
JLibreria di Google per il calcolo numerico ad alte prestazioni, ottimizzata per l\
JArchitettura proposta da Yann LeCun (Meta) per insegnare all\
JAmbiente di sviluppo interattivo web-based dove i data scientist scrivono codice, visualizzano grafici e documentano esperimenti AI.
JSistemi di intelligenza artificiale che generano risorse o soluzioni nel momento esatto in cui servono all\
KInsieme di algoritmi per l\
KSemplice algoritmo di Machine Learning che classifica un dato basandosi sui suoi vicini più simili nel set di dati.
LFamiglia di modelli linguistici Open Source di Meta che ha democratizzato l\
LModelli di intelligenza artificiale addestrati su trilioni di parole per comprendere e generare il linguaggio umano in modo naturale.
LMetodo ultra-efficiente per fare fine-tuning di modelli AI giganti intervenendo solo su una minima parte della loro struttura.
MSottoinsieme dell\
MArchitettura AI che divide un modello in
MCapacità di un modello AI di elaborare e mettere in relazione diversi tipi di dati contemporaneamente, come testo, immagini e audio.
NProcesso automatico in cui un\
NCampo dell\
NMicroprocessore specializzato progettato specificamente per accelerare i calcoli delle reti neurali, rendendo l\
OOrganizzazione di ricerca AI famosa per aver creato ChatGPT e DALL-E, scatenando la rivoluzione dell\
OErrore comune in cui un modello AI
PVariabili interne di un modello AI che vengono regolate durante l\
PValore numerico che determina l\
PLa massiccia fase iniziale di addestramento in cui un\
PL\
PAttacco informatico in cui un utente cerca di ingannare l\
QAlgoritmo fondamentale dell\
QTecnica di compressione che riduce la precisione dei numeri in un modello AI per renderlo più piccolo e veloce senza perdere troppa intelligenza.
QIntegrazione tra calcolo quantistico e AI, con il potenziale di risolvere problemi impossibili per i computer attuali.
RTecnica che permette all\
RModello computazionale ispirato vagamente alla struttura del cervello umano, composto da strati di
RCapacità di un sistema AI di identificare e classificare oggetti, persone, luoghi o azioni all\
RMetodo per allineare l\
RTipo di rete neurale progettata specificamente per gestire dati sequenziali, come audio o testi, dove l\
SProcesso AI di identificazione delle emozioni (positive, negative, neutre) all\
SUtilizzo di strumenti di intelligenza artificiale da parte dei dipendenti senza l\
SPunto ipotetico nel futuro in cui il progresso tecnologico dell\
SAlgoritmi che prevedono gli interessi di un utente per suggerire contenuti personalizzati (film, prodotti, notizie).
SRappresentazione matematica compressa dove l\
TCriterio proposto da Alan Turing nel 1950 per determinare se una macchina può essere definita intelligente quanto un essere umano.
TL\
TArchitettura rivoluzionaria introdotta da Google nel 2017 che ha reso possibili i moderni modelli di linguaggio come ChatGPT.
UProblema in cui un modello AI è troppo semplice per catturare la complessità dei dati, risultando impreciso sia sui test che nel mondo reale.
VTipo di database che memorizza dati come vettori matematici, permettendo ricerche basate sul significato e non solo sulle parole chiave.
VUn approccio allo sviluppo software in cui il programmatore descrive in linguaggio naturale il risultato desiderato e lascia che sia l\
VAdattamento della tecnologia dei Transformer per l\
WModello di OpenAI per il riconoscimento vocale automatico (ASR) e la traduzione, capace di trascrivere l\
WTecnica per trasformare le parole in liste di numeri (vettori) così che l\
XMotore di inferenza specializzato per l\
XInsieme di tecniche che rendono i risultati dei modelli AI comprensibili e giustificabili per gli esseri umani.
XInfrastruttura di calcolo ad alte prestazioni spesso associata a cluster di GPU per l\
XLegacy protocol spesso usato per far comunicare vecchi sistemi software con i nuovi servizi di intelligenza artificiale.
YOttimizzazione della rappresentazione dei dati nelle dashboard AI per migliorare la leggibilità dei grafici predittivi.
YLinguaggio di configurazione leggibile dagli umani usato per definire i parametri e i workflow degli agenti AI.
YAlgoritmo ultra-veloce per il riconoscimento di oggetti in tempo reale, capace di analizzare intere immagini in un solo passaggio.
YLa scala di dati estrema (sestillioni di byte) verso cui si sta muovendo l\
ZMetodologia di accelerazione hardware per l\
ZUtilizzo dell\
ZUnità di misura della potenza di calcolo pari a un sestillione di operazioni al secondo, l\