Allineamento (Alignment)
Alignment
Il processo di garantire che gli obiettivi, gli output e i comportamenti di un sistema AI siano allineati con gli obiettivi e i valori umani. Questo è particolarmente importante nei sistemi avanzati che potrebbero sviluppare comportamenti non esplicitamente previsti.
Esempio: Assicurare che un chatbot per la salute mentale non raccomandi mai azioni dannose indipendentemente dai prompt.
Application Programming Interface (API) (Application Programming Interface (API))
Application Programming Interface (API)
Un insieme di regole e protocolli definiti che consentono a diversi sistemi software di comunicare e scambiare dati.
Esempio: Utilizzare l'API di OpenAI per inviare un prompt e ricevere una risposta generata da un modello linguistico nella tua web app.
Intelligenza Artificiale Generale (AGI) (Artificial General Intelligence (AGI))
Artificial General Intelligence (AGI)
Una forma teorica di AI che può eseguire qualsiasi compito intellettuale che un essere umano può fare. Generalizza l'apprendimento attraverso i domini.
Esempio: Un sistema AGI potrebbe imparare la composizione musicale, eseguire interventi chirurgici e superare un esame di filosofia senza programmazione specifica per il compito.
Intelligenza Artificiale (AI) (Artificial Intelligence (AI))
Artificial Intelligence (AI)
La simulazione dell'intelligenza umana in macchine programmate per pensare, ragionare e agire autonomamente.
Esempio: L'AI alimenta assistenti personali come Siri e sistemi di guida autonoma come Tesla Autopilot.
Etica dell'AI (AI Ethics)
AI Ethics
Una disciplina che si occupa delle implicazioni morali dello sviluppo e dell'uso dell'AI, inclusi equità , privacy, responsabilità e non discriminazione.
Esempio: Creare linee guida per impedire agli algoritmi di assunzione di discriminare in base a genere o etnia.
Intelligenza Aumentata (Augmented Intelligence)
Augmented Intelligence
Un modello collaborativo in cui l'AI integra e potenzia l'intelligenza umana anziché sostituirla.
Esempio: Strumenti di radiologia basati sull'AI che evidenziano anomalie per i medici, i quali prendono la diagnosi finale.
Agente Autonomo (Autonomous Agent)
Autonomous Agent
Un sistema AI in grado di prendere decisioni e intraprendere azioni per raggiungere i propri obiettivi senza intervento umano.
Esempio: Un robot di consegna autonomo che naviga per le strade della città ed evita ostacoli in modo indipendente.
Backpropagation (Backpropagation)
Backpropagation
Una tecnica per addestrare reti neurali aggiornando i pesi in modo inverso dai layer di output a quelli di input, minimizzando gli errori di previsione.
Esempio: Utilizzata nell'addestramento di classificatori di immagini per ridurre il tasso di errore nel riconoscimento di cifre scritte a mano.
Bias (Bias Algoritmico) (Bias (Algorithmic Bias))
Bias (Algorithmic Bias)
Favoritismo involontario e sistematico nei risultati dell'AI dovuto a dati di addestramento sbilanciati o non rappresentativi.
Esempio: Un sistema di riconoscimento facciale che identifica erroneamente persone di colore più frequentemente a causa della sottorappresentazione nei dati di addestramento.
Big Data (Big Data)
Big Data
Set di dati estremamente grandi che richiedono strumenti speciali per essere archiviati, analizzati ed estratti, spesso utilizzati per addestrare modelli AI.
Esempio: Utilizzare milioni di interazioni utente per addestrare motori di raccomandazione per piattaforme di e-commerce.
Modello Black Box (Black Box Model)
Black Box Model
Un tipo di modello AI o di machine learning la cui logica interna non è facilmente interpretabile dagli esseri umani, rendendo difficile capire come vengono prese le decisioni.
Esempio: Una rete neurale profonda utilizzata per approvare prestiti ma che non offre alcuna spiegazione chiara sul perché un richiedente sia stato accettato e un altro rifiutato.
Cognitive Computing (Cognitive Computing)
Cognitive Computing
Sistemi AI progettati per simulare processi di pensiero umani, come ragionamento e apprendimento, utilizzando tecniche come NLP e riconoscimento di pattern.
Esempio: Un sistema di cognitive computing che aiuta i professionisti legali ad analizzare la giurisprudenza e prevedere gli esiti.
Computer Vision (Computer Vision)
Computer Vision
Un campo dell'intelligenza artificiale che consente ai computer di interpretare ed elaborare dati visivi come immagini e video.
Esempio: Sistemi di riconoscimento facciale che identificano persone in filmati di sicurezza utilizzando la computer vision.
Corpus (Corpus)
Corpus
Una vasta raccolta di testi scritti o parlati utilizzata per addestrare modelli linguistici.
Esempio: Il dataset Common Crawl è un corpus web pubblico utilizzato per addestrare modelli linguistici di grandi dimensioni come GPT.
Data Drift (Data Drift)
Data Drift
Il fenomeno per cui i dati di input cambiano nel tempo, causando un degrado delle prestazioni del modello.
Esempio: Un modello di manutenzione predittiva per apparecchiature industriali diventa meno accurato man mano che viene introdotta una nuova tecnologia di sensori.
Data Labelling (Data Labelling)
Data Labelling
Il processo di annotazione dei dati con tag o etichette per renderli adatti all'apprendimento supervisionato.
Esempio: Etichettare migliaia di immagini di tumori come benigne o maligne per addestrare un modello di rilevamento del cancro.
Data Mining (Data Mining)
Data Mining
Il processo di scoperta di pattern significativi, correlazioni e anomalie in grandi set di dati.
Esempio: I rivenditori utilizzano il data mining per identificare che le persone che acquistano pannolini spesso acquistano anche birra.
Deep Learning (Deep Learning)
Deep Learning
Un sottocampo del machine learning che utilizza reti neurali multistrato per modellare pattern complessi nei dati.
Esempio: Il deep learning è utilizzato in modelli linguistici come GPT-4 e modelli di generazione di immagini come Stable Diffusion.
Modelli di Diffusione (Diffusion Models)
Diffusion Models
Una classe di modelli generativi che imparano a produrre dati trasformando gradualmente il rumore casuale in output strutturati.
Esempio: Stable Diffusion crea immagini fotorealistiche da prompt di testo utilizzando tecniche di diffusione.
Embedding (Embedding)
Embedding
Una rappresentazione vettoriale numerica dei dati, spesso utilizzata per catturare il significato semantico di parole, immagini o frasi.
Esempio: In NLP, la parola 'banca' potrebbe avere embedding simili a 'denaro' ma diversi da 'riva del fiume' a seconda del contesto.
Epoca (Epoch)
Epoch
Un'iterazione completa sull'intero set di dati di addestramento durante il processo di addestramento di un modello di machine learning.
Esempio: Se un set di dati ha 1.000 esempi e un modello li vede tutti una volta durante l'addestramento, questa è un'epoca.
AI Etica (Ethical AI)
Ethical AI
Una filosofia di progettazione e implementazione che garantisce che le tecnologie AI operino in modo trasparente, equo e in linea con i valori sociali.
Esempio: Uno strumento di assunzione AI che include controlli sui bias per prevenire discriminazioni contro candidati di minoranza.
Sistema Esperto (Expert System)
Expert System
Un sistema AI che imita le capacità decisionali di un esperto umano in un dominio specifico utilizzando regole e logica.
Esempio: Un sistema esperto utilizzato in agricoltura per raccomandare trattamenti per le colture basati su dati del suolo e storia dei parassiti.
AI Spiegabile (XAI) (Explainable AI (XAI))
Explainable AI (XAI)
Sistemi AI progettati per rendere i loro processi interni e le loro decisioni comprensibili agli esseri umani, aumentando fiducia e responsabilità .
Esempio: Un'AI diagnostica medica che non solo fornisce una raccomandazione, ma spiega anche quali sintomi hanno portato a quella conclusione.
Few-shot Learning (Few-shot Learning)
Few-shot Learning
Un metodo di machine learning in cui un modello viene addestrato o affinato utilizzando solo un piccolo numero di esempi etichettati.
Esempio: Personalizzare un LLM per scrivere email legali dopo avergli mostrato solo 10 esempi.
Fine-tuning (Fine-tuning)
Fine-tuning
Il processo di prendere un modello pre-addestrato e addestrarlo ulteriormente su un nuovo set di dati più piccolo per specializzarlo per un compito specifico.
Esempio: Affinare un LLM generale come GPT su documenti legali interni per creare un assistente di redazione legale.
Modello Fondazionale (Foundation Model)
Foundation Model
Un modello su larga scala addestrato su dati diversi e ampi che può essere adattato a molti compiti downstream.
Esempio: GPT-4 e PaLM 2 sono modelli fondazionali in grado di riassumere, rispondere a domande, tradurre e altro ancora.
Fuzzy Logic (Fuzzy Logic)
Fuzzy Logic
Una forma di logica che tratta valori approssimati invece di logica binaria vero/falso fissa, utile per il ragionamento in condizioni di incertezza.
Esempio: Utilizzata nei sistemi di controllo climatico per regolare la temperatura in base a input fuzzy come 'un po' caldo' o 'molto freddo'.
Generative Adversarial Network (GAN) (Generative Adversarial Network (GAN))
Generative Adversarial Network (GAN)
Un'architettura di modello generativo in cui due reti - un generatore e un discriminatore - competono per migliorare la qualità dell'output.
Esempio: Le GAN vengono utilizzate per creare video deepfake o generare foto di prodotti realistiche da schizzi.
AI Generativa (Generative AI)
Generative AI
Una categoria di intelligenza artificiale in grado di creare nuovi contenuti - come testo, immagini, musica o video - dai dati di addestramento.
Esempio: ChatGPT che genera post di blog o Midjourney che crea opere d'arte digitali da prompt testuali.
Generative Pre-trained Transformer (GPT) (Generative Pre-trained Transformer (GPT))
Generative Pre-trained Transformer (GPT)
Una classe di modelli linguistici di grandi dimensioni sviluppati da OpenAI che utilizza l'architettura transformer ed è pre-addestrata su enormi quantità di dati testuali per eseguire una varietà di compiti linguistici.
Esempio: GPT-4 è in grado di scrivere saggi, tradurre lingue e riassumere documenti con un minimo di prompt.
Algoritmo Genetico (Genetic Algorithm)
Genetic Algorithm
Una tecnica di ottimizzazione ispirata alla selezione naturale in cui le soluzioni evolvono nel tempo attraverso mutazione, crossover e selezione.
Esempio: Utilizzato per progettare architetture di reti neurali efficienti simulando la sopravvivenza del più adatto.
Allucinazione (Hallucination)
Hallucination
La generazione di contenuti plausibili ma fattualmente errati o insensati da parte di un modello AI.
Esempio: Un modello linguistico inventa una citazione inesistente o fornisce fatti storici falsi.
Euristica (Heuristic)
Heuristic
Un approccio pratico alla risoluzione dei problemi che non garantisce una soluzione perfetta ma è sufficiente per obiettivi immediati.
Esempio: Utilizzare una regola empirica per stimare il tempo di consegna in un sistema AI di logistica.
Iperparametro (Hyperparameter)
Hyperparameter
Un valore di configurazione impostato prima dell'addestramento di un modello di machine learning, come il tasso di apprendimento o il numero di layer.
Esempio: Modificare la dimensione del batch da 32 a 128 per migliorare la velocità di addestramento e le prestazioni del modello.
Inferenza (Inference)
Inference
Il processo di utilizzo di un modello di machine learning addestrato per fare previsioni o generare output da nuovi dati di input.
Esempio: Utilizzare un modello GPT affinato per redigere email per un team di assistenza clienti.
Rilevamento dell'Intento (Intent Detection)
Intent Detection
Un compito nella comprensione del linguaggio naturale in cui il sistema identifica l'obiettivo o lo scopo dell'utente in un messaggio.
Esempio: In un chatbot, riconoscere 'Voglio prenotare un volo' come intento di prenotazione di viaggio.
Internet of Things (IoT) (Internet of Things (IoT))
Internet of Things (IoT)
Una rete di dispositivi fisici interconnessi dotati di sensori, software e altre tecnologie per raccogliere e scambiare dati.
Esempio: Termostati intelligenti e frigoriferi che segnalano dati di utilizzo e regolano le impostazioni utilizzando analisi AI.
Interpretabilità (Interpretability)
Interpretability
Il grado in cui un essere umano può comprendere la meccanica interna di un modello di machine learning e il suo processo decisionale.
Esempio: Un albero decisionale è più interpretabile di una rete neurale profonda perché le sue decisioni sono tracciabili.
Jupyter Notebook (Jupyter Notebook)
Jupyter Notebook
Un ambiente di calcolo interattivo open-source che consente agli utenti di scrivere codice, visualizzare output e documentare analisi in un'unica interfaccia.
Esempio: I data scientist utilizzano Jupyter Notebook per prototipare modelli di machine learning e condividere i risultati.
K-Nearest Neighbours (KNN) (K-Nearest Neighbours (KNN))
K-Nearest Neighbours (KNN)
Un algoritmo di machine learning semplice e non parametrico utilizzato per la classificazione e la regressione. Prende decisioni basate sugli esempi di addestramento più vicini nello spazio delle caratteristiche.
Esempio: Per classificare un nuovo frutto come mela o pera, KNN controlla quali frutti etichettati sono più vicini per forma e colore.
Knowledge Graph (Knowledge Graph)
Knowledge Graph
Una struttura dati che utilizza nodi e archi per rappresentare e archiviare descrizioni interconnesse di entità e le loro relazioni.
Esempio: Il pannello di conoscenza di Google è alimentato da un knowledge graph che collega entità come persone, luoghi ed eventi.
Ottimizzazione dei Modelli Linguistici (LLMO) (Language Learning Model Optimisation (LLMO))
Language Learning Model Optimisation (LLMO)
Tecniche utilizzate per migliorare le prestazioni, l'efficienza o l'adattabilità dei modelli linguistici di grandi dimensioni per compiti o domini specifici.
Esempio: Utilizzare la quantizzazione e l'instruction tuning per ottimizzare un LLM per l'uso aziendale.
Large Language Model (LLM) (Large Language Model (LLM))
Large Language Model (LLM)
Un tipo di modello di deep learning addestrato su enormi quantità di dati testuali, in grado di generare, comprendere e ragionare con il linguaggio umano.
Esempio: ChatGPT e Claude sono LLM addestrati per assistere nella scrittura, nella codifica e nella risposta alle domande.
Spazio Latente (Latent Space)
Latent Space
Una rappresentazione astratta ad alta dimensionalità in cui input simili sono raggruppati vicini, utilizzata nei modelli generativi e negli embedding.
Esempio: Nella generazione di immagini, la manipolazione dello spazio latente può modificare caratteristiche come la luminosità o l'emozione.
Tasso di Apprendimento (Learning Rate)
Learning Rate
Un parametro chiave nell'addestramento che controlla quanto vengono modificati i pesi del modello rispetto al gradiente di perdita.
Esempio: Un tasso di apprendimento elevato può portare a superare i minimi, mentre un tasso troppo basso rallenta il progresso dell'addestramento.
Machine Learning (ML) (Machine Learning (ML))
Machine Learning (ML)
Una branca dell'AI che consente ai sistemi di apprendere dai dati e migliorare le prestazioni senza essere esplicitamente programmati.
Esempio: I filtri antispam utilizzano il machine learning per classificare le email come spam o meno in base a esempi passati.
Model Drift (Model Drift)
Model Drift
Un fenomeno per cui l'accuratezza di un modello diminuisce nel tempo a causa di cambiamenti nei dati o nell'ambiente.
Esempio: Un modello di rilevamento frodi diventa meno accurato man mano che le tattiche di frode evolvono.
Model Training (Model Training)
Model Training
Il processo di alimentazione dei dati a un modello di machine learning e di regolazione dei suoi parametri per minimizzare l'errore.
Esempio: Addestrare un motore di raccomandazione sulla cronologia degli acquisti dei clienti per suggerire nuovi prodotti.
AI Multimodale (Multimodal AI)
Multimodal AI
Sistemi AI in grado di elaborare e integrare più tipi di dati come testo, immagini, audio e video.
Esempio: Un modello come GPT-4 Vision che può leggere testo e interpretare immagini contemporaneamente.
Natural Language Processing (NLP) (Natural Language Processing (NLP))
Natural Language Processing (NLP)
Un sottocampo dell'AI focalizzato sull'interazione tra computer e linguaggi umani (naturali). Consente alle macchine di leggere, comprendere e rispondere nel linguaggio umano.
Esempio: L'NLP è utilizzato negli assistenti vocali, nelle app di traduzione linguistica e nei chatbot.
Rete Neurale (Neural Network)
Neural Network
Un modello di machine learning ispirato alla struttura del cervello umano, composto da strati di nodi interconnessi (neuroni).
Esempio: Le reti neurali sono alla base dei modelli di deep learning utilizzati nel riconoscimento di immagini e vocale.
Rumore (Noise)
Noise
Informazioni casuali o irrilevanti nei dati che possono oscurare pattern significativi e influire negativamente sulle prestazioni del modello.
Esempio: Errori dei sensori o inserimenti di dati con errori di battitura possono essere considerati rumore.
Ontologia (Ontology)
Ontology
Un quadro strutturato che categorizza e definisce le relazioni tra concetti all'interno di un dominio, spesso utilizzato nei sistemi AI semantici.
Esempio: Un'ontologia in ambito sanitario potrebbe definire come i sintomi si relazionano a malattie e trattamenti.
Overfitting (Overfitting)
Overfitting
Un errore di modellazione in cui un modello di machine learning cattura il rumore nei dati di addestramento e funziona male su nuovi dati.
Esempio: Un modello che memorizza le risposte di addestramento ma non riesce a gestire dati di test non visti è sovra-adattato.
Analisi Predittiva (Predictive Analytics)
Predictive Analytics
L'uso di dati, algoritmi e AI per identificare la probabilità di esiti futuri basati su dati storici.
Esempio: I rivenditori utilizzano l'analisi predittiva per prevedere la domanda di determinati prodotti.
Pre-training (Pre-training)
Pre-training
Il processo di addestramento iniziale di un modello su un set di dati ampio e generale prima di affinarlo per compiti specifici.
Esempio: I modelli GPT vengono pre-addestrati su grandi corpora prima di essere personalizzati per chatbot di assistenza clienti.
Prompt Engineering (Prompt Engineering)
Prompt Engineering
L'arte e la scienza di creare prompt efficaci per guidare l'output dei modelli linguistici di grandi dimensioni.
Esempio: Aggiungere istruzioni di sistema come 'Rispondi come un tutor educato' è un esempio di prompt engineering.
Quantizzazione (Quantisation)
Quantisation
Una tecnica di compressione del modello che riduce il numero di bit utilizzati per rappresentare pesi e attivazioni, migliorando l'efficienza.
Esempio: Quantizzare un modello da 32 bit a 8 bit migliora le prestazioni sui dispositivi mobili.
Quantum Computing (Quantum Computing)
Quantum Computing
Un nuovo paradigma di calcolo basato sulla meccanica quantistica, che offre un potenziale per capacità di elaborazione esponenziali.
Esempio: Il quantum computing potrebbe un giorno accelerare l'addestramento AI oltre i limiti classici.
Reasoning Engine (Reasoning Engine)
Reasoning Engine
Un sistema nell'AI che deriva conclusioni logiche da un insieme di fatti o dati utilizzando regole o algoritmi di inferenza.
Esempio: Uno strumento di diagnosi AI utilizza un reasoning engine per dedurre possibili condizioni mediche basate sui sintomi.
Reinforcement Learning (RL) (Reinforcement Learning (RL))
Reinforcement Learning (RL)
Un'area del machine learning in cui gli agenti apprendono interagendo con il loro ambiente per massimizzare le ricompense cumulative.
Esempio: Un robot che impara a camminare per tentativi ed errori utilizzando tecniche RL.
Reinforcement Learning with Human Feedback (RLHF) (Reinforcement Learning with Human Feedback (RLHF))
Reinforcement Learning with Human Feedback (RLHF)
Un metodo di apprendimento in cui le preferenze umane guidano il segnale di ricompensa dell'AI, spesso utilizzato nell'affinamento dei modelli linguistici.
Esempio: ChatGPT è stato addestrato con RLHF per produrre risposte più utili e sicure.
Retrieval-Augmented Generation (RAG) (Retrieval-Augmented Generation (RAG))
Retrieval-Augmented Generation (RAG)
Un metodo che combina il recupero di informazioni con la generazione, in cui un LLM recupera documenti pertinenti per migliorare la sua risposta.
Esempio: Un assistente AI recupera e cita le specifiche del prodotto mentre genera una risposta a una domanda tecnica.
Self-Supervised Learning (Self-Supervised Learning)
Self-Supervised Learning
Un approccio di addestramento in cui il modello apprende pattern generando le proprie etichette da dati grezzi, riducendo la dipendenza da dati annotati dall'uomo.
Esempio: BERT viene addestrato con self-supervised learning prevedendo parole mancanti nel testo.
Semantic Search (Semantic Search)
Semantic Search
Una tecnica di ricerca che comprende l'intento dell'utente e il significato contestuale, non solo la corrispondenza delle parole chiave.
Esempio: Cercare 'come riparare un rubinetto che perde' restituisce guide anche se il termine 'rubinetto che perde' non è presente nel documento.
Sentiment Analysis (Sentiment Analysis)
Sentiment Analysis
Il processo di identificazione di emozioni, opinioni o atteggiamenti nel testo, spesso classificandoli come positivi, negativi o neutri.
Esempio: Analizzare i tweet per valutare la reazione del pubblico a un nuovo prodotto.
Stocastico (Stochastic)
Stochastic
Che coinvolge casualità o comportamento probabilistico, spesso utilizzato nell'AI generativa e negli algoritmi di ottimizzazione.
Esempio: L'output di GPT-4 varia per lo stesso input a causa del suo processo di decodifica stocastico.
Strong AI (Strong AI)
Strong AI
Conosciuta anche come Intelligenza Artificiale Generale (AGI), si riferisce a macchine con capacità cognitive a livello umano in tutti i domini.
Esempio: Un'AI futura che può scrivere autonomamente romanzi, pianificare città e risolvere dilemmi etici allo stesso modo.
Super Artificial Intelligence (SAI) (Super Artificial Intelligence (SAI))
Super Artificial Intelligence (SAI)
Un'AI teorica che supera di gran lunga l'intelligenza umana in tutti gli aspetti: ragionamento, creatività , intelligenza emotiva, ecc.
Esempio: Un SAI potrebbe teoricamente sviluppare nuove scienze e filosofie in modo indipendente.
Supervised Learning (Supervised Learning)
Supervised Learning
Una tecnica di machine learning in cui i modelli vengono addestrati su dati etichettati per apprendere le corrispondenze input-output.
Esempio: Insegnare a un modello a classificare le email come spam o meno utilizzando esempi storici.
Dati Sintetici (Synthetic Data)
Synthetic Data
Dati generati artificialmente che simulano dati del mondo reale, spesso utilizzati per l'addestramento quando i dati reali sono scarsi o sensibili.
Esempio: Creare immagini mediche sintetiche per addestrare modelli diagnostici senza violare la privacy dei pazienti.
Token (Token)
Token
Un'unità di testo elaborata dagli LLM, tipicamente una parola o un pezzo di parola.
Esempio: La frase 'Ciao mondo!' viene divisa in 3 token: 'Ciao', 'mondo', '!'.
Tokenizzazione (Tokenisation)
Tokenisation
Il processo di suddivisione del testo in token per l'elaborazione da parte di un modello.
Esempio: In NLP, 'ChatGPT è fantastico' diventa ['Chat', 'G', 'PT', 'è', 'fantastico'].
Transfer Learning (Transfer Learning)
Transfer Learning
Utilizzare la conoscenza da un compito per migliorare l'apprendimento su un altro compito correlato, riducendo i tempi di addestramento e le esigenze di dati.
Esempio: Affinare un modello addestrato su testo inglese per eseguire l'analisi del sentiment in un'altra lingua.
Transformer (Transformer)
Transformer
Un'architettura di rete neurale che utilizza meccanismi di attenzione per modellare dati sequenziali, ampiamente utilizzata negli LLM.
Esempio: BERT, GPT e T5 sono tutti modelli basati su transformer.
Underfitting (Underfitting)
Underfitting
Quando un modello è troppo semplicistico per catturare i pattern nei dati di addestramento, con conseguenti scarse prestazioni.
Esempio: Un modello lineare che cerca di prevedere classificazioni di immagini complesse potrebbe sottostimare.
Unsupervised Learning (Unsupervised Learning)
Unsupervised Learning
Un approccio di apprendimento in cui i modelli identificano pattern o cluster in dati non etichettati.
Esempio: Raggruppare i clienti in base al comportamento di acquisto senza etichette predefinite.
User Intent (User Intent)
User Intent
L'obiettivo o lo scopo dietro una query o un'interazione dell'utente.
Esempio: Un utente che digita 'come cuocere una torta' probabilmente intende trovare una ricetta.
Validation Set (Validation Set)
Validation Set
Un sottoinsieme di dati utilizzato per valutare le prestazioni del modello durante l'addestramento e ottimizzare gli iperparametri.
Esempio: Utilizzato per rilevare l'overfitting prima del test finale.
Vector Database (Vector Database)
Vector Database
Un database progettato per archiviare e cercare embedding vettoriali utilizzati nelle attività AI come la ricerca di somiglianza e RAG.
Esempio: Pinecone e Weaviate sono database vettoriali per l'archiviazione di embedding di testo o immagini.
Vector Embedding (Vector Embedding)
Vector Embedding
Una rappresentazione numerica dei dati che preserva il significato semantico e le relazioni in uno spazio vettoriale.
Esempio: Le parole 're' e 'regina' hanno embedding simili con sottili differenze di genere.
Assistente Virtuale (Virtual Assistant)
Virtual Assistant
Un agente software potenziato dall'AI che aiuta gli utenti a completare attività tramite conversazione o comandi vocali.
Esempio: Siri, Alexa e Google Assistant sono popolari assistenti virtuali.
Riconoscimento Vocale (Voice Recognition)
Voice Recognition
Tecnologia che interpreta e converte il linguaggio parlato in testo o azioni.
Esempio: La digitazione vocale e i comandi vocali si basano su sistemi di riconoscimento vocale.
Weak AI (Weak AI)
Weak AI
Sistemi AI progettati per eseguire un compito specifico e ristretto senza intelligenza generale.
Esempio: Un'AI che gioca a scacchi ma non può comprendere il linguaggio o guidare un'auto è un esempio di weak AI.
Web Scraping (Web Scraping)
Web Scraping
Estrazione automatizzata di informazioni dai siti web, spesso utilizzata per raccogliere dati di addestramento o monitorare contenuti.
Esempio: Eseguire lo scraping di annunci immobiliari per addestrare un modello di valutazione immobiliare.
Weight (Weight)
Weight
Un parametro nelle reti neurali che determina la forza di influenza di un nodo su un altro.
Esempio: I pesi vengono regolati durante l'addestramento per minimizzare l'errore del modello.
Whisper (Whisper)
Whisper
Un modello speech-to-text sviluppato da OpenAI in grado di trascrivere audio in più lingue.
Esempio: Whisper può trascrivere lezioni e podcast con elevata precisione.
YAML (YAML)
YAML
Un formato leggibile dall'uomo per la serializzazione dei dati, comunemente utilizzato per i file di configurazione nei flussi di lavoro di machine learning.
Esempio: Definire i parametri del modello in un file YAML per l'addestramento in PyTorch.
Zero-shot Learning (Zero-shot Learning)
Zero-shot Learning
La capacità di un modello di eseguire compiti su cui non è mai stato esplicitamente addestrato, sfruttando la conoscenza generale.
Esempio: Un modello che risponde a domande legali pur non essendo stato addestrato specificamente su dati legali.
Zettabyte (Zettabyte)
Zettabyte
Un'unità di dati digitali pari a un sestilione (10^21) di byte, spesso utilizzata per descrivere la scala dei dati di Internet.
Esempio: Il traffico Internet globale ha superato 1 zettabyte all'anno nel 2016.
