AI FONDAMENTALI

Temperatura

AI Fondamentali

Definizione

La temperatura e un parametro che controlla la casualita delle risposte generate da un modello AI. Valori bassi (0-0.3) producono risposte prevedibili e conservative, ideali per compiti strutturati come classificazione documenti. Valori alti (0.7-1.0) generano risposte piu creative e variegate, utili per brainstorming e generazione contenuti.

Termini correlati

AI Fondamentali

Top-p (Nucleus Sampling)

Top-p e un parametro di campionamento che limita la scelta del modello ai token la cui probabilita cumulativa non supera il valore p. Con top-p=0.9, il modello considera solo i token che coprono il 90% della probabilita totale, escludendo opzioni improbabili. Insieme alla temperatura, permette di bilanciare creativita e affidabilita nelle risposte AI.

AI Fondamentali

Prompt

Il prompt e l'istruzione o la domanda che si fornisce a un modello AI per ottenere una risposta. La qualita del prompt determina in larga misura la qualita dell'output. Scrivere prompt efficaci (prompt engineering) e una competenza chiave per sfruttare al meglio gli strumenti AI in azienda, dalla generazione di report alla creazione di contenuti.

AI Fondamentali

Inferenza

L'inferenza e il processo con cui un modello AI gia addestrato produce previsioni o risposte a partire da nuovi dati. Mentre l'addestramento avviene una volta (ed e costoso), l'inferenza avviene ogni volta che usi il modello. I costi operativi dell'AI dipendono principalmente dall'inferenza: per questo ottimizzare la velocita e il costo di inferenza e cruciale per le PMI.

ESPLORA

Altri termini in AI Fondamentali

Intelligenza Artificiale

L'intelligenza artificiale e la disciplina informatica che sviluppa sistemi capaci di svolgere compiti che normalmente richiedono intelligenza umana: comprendere il linguaggio, riconoscere immagini, prendere decisioni. Per le PMI italiane, l'AI rappresenta un'opportunita concreta per automatizzare processi ripetitivi e ottenere vantaggi competitivi misurabili.

Machine Learning

Il machine learning e un sottocampo dell'AI in cui i sistemi imparano automaticamente dai dati senza essere programmati esplicitamente per ogni scenario. Gli algoritmi di ML analizzano pattern nei dati storici per fare previsioni su dati nuovi. Nella pratica aziendale, si usa per prevedere la domanda, classificare documenti e ottimizzare processi produttivi.

Deep Learning

Il deep learning e una tecnica avanzata di machine learning che utilizza reti neurali con molti strati (da qui 'deep') per apprendere rappresentazioni complesse dei dati. E alla base dei moderni sistemi di riconoscimento vocale, traduzione automatica e generazione di testo. Richiede grandi quantita di dati ma produce risultati straordinariamente accurati.

Rete Neurale

Una rete neurale artificiale e un modello computazionale ispirato al funzionamento del cervello umano, composto da nodi (neuroni) organizzati in strati interconnessi. Ogni connessione ha un peso che viene regolato durante l'addestramento. Le reti neurali sono alla base di quasi tutti i sistemi AI moderni, dal riconoscimento immagini alla generazione di testo.

Modello Linguistico

Un modello linguistico e un sistema AI addestrato su enormi quantita di testo per comprendere e generare linguaggio naturale. I modelli linguistici di grandi dimensioni (LLM) come GPT e Claude possono scrivere testi, rispondere a domande, tradurre e ragionare su problemi complessi. Per le aziende, rappresentano assistenti versatili per qualsiasi compito basato sul testo.

GPT

GPT (Generative Pre-trained Transformer) e l'architettura alla base di ChatGPT, sviluppata da OpenAI. E un modello linguistico pre-addestrato su vasti corpora di testo che puo essere usato per generare contenuti, rispondere a domande e svolgere compiti testuali complessi. GPT-4 e le versioni successive hanno dimostrato capacita di ragionamento sempre piu avanzate.

Vedi tutti i termini del glossario →

Vuoi applicare l'AI nella tua azienda?

Parla con noi. La prima call e gratuita e senza impegno.

Prenota una call