Alfabetizzazione all’IA / Glossario

Glossario di Alfabetizzazione all’IA

Definizioni semplici dei termini di Alfabetizzazione all’IA, ognuna collegata a una breve lezione visiva.

Agente IA: Un agente IA è un sistema di IA che non si limita a rispondere ma agisce per te, per esempio cerca sul web, compila moduli, manda email o prenota, spesso in più passaggi e da solo.
AI Act (regolamento europeo sull’IA): L’AI Act è il regolamento dell’Unione europea sull’intelligenza artificiale. Divide gli usi dell’IA per livello di rischio, vieta alcune pratiche dannose, fissa regole severe per gli usi ad alto rischio e chiede trasparenza per chatbot e deepfake.
Allucinazione dell’IA: Un’allucinazione dell’IA è quando uno strumento di IA produce un’informazione che sembra sicura e credibile ma è falsa o inventata, come un fatto falso, una citazione mai detta o una fonte che non esiste.
Bias algoritmico: Il bias algoritmico è quando un sistema di IA o un altro strumento automatico dà risultati ingiustamente migliori o peggiori per alcuni gruppi di persone, spesso per colpa di esempi sbilanciati o mancanti nei dati.
Dati di addestramento: I dati di addestramento sono la raccolta di esempi, come testi, immagini, suoni o vecchi archivi, da cui un modello di IA impara i suoi schemi. Ciò che contengono, e ciò che manca, decide cosa saprà fare il modello.
Deepfake: Un deepfake è un’immagine, un video o un audio creato o modificato con l’IA in modo che sembri una persona reale che dice o fa qualcosa che non ha mai detto o fatto.
IA generativa: L’IA generativa è l’IA che crea contenuti nuovi, come testi, immagini, musica, video o codice, partendo dagli schemi imparati da grandi quantità di esempi già esistenti.
Intelligenza artificiale (IA): L’intelligenza artificiale (IA) è un software che impara schemi da tanti esempi e li usa per fare previsioni, consigli, decisioni o nuovi contenuti, invece di seguire solo regole scritte da una persona.
Machine learning (apprendimento automatico): Il machine learning, o apprendimento automatico, è il modo principale in cui si costruisce l’IA oggi: un computer vede tanti esempi, ne trova gli schemi e li usa per gestire casi nuovi che non ha mai visto.
Modello di diffusione: Un modello di diffusione è un tipo di IA generativa che crea immagini (e a volte video o audio) partendo da un rumore casuale e togliendolo passo dopo passo, guidato da un prompt, finché non compare un’immagine.
Modello linguistico di grandi dimensioni (LLM): Un modello linguistico di grandi dimensioni (LLM) è un modello di IA addestrato su enormi quantità di testo per prevedere il prossimo pezzetto di testo. Ripetendo la previsione all’infinito scrive risposte, riassunti, codice e conversazioni.
Prompt: Un prompt è l’istruzione, la domanda o l’esempio che dai a uno strumento di IA per dirgli cosa vuoi. Un prompt chiaro, con obiettivo, contesto e formato, di solito dà risultati molto migliori.
Prompt injection: La prompt injection è un trucco in cui istruzioni nascoste o furbe in una pagina web, un’email, un documento o un’immagine fanno ignorare a uno strumento di IA il suo vero compito e gli fanno fare altro, come far uscire dati.
Rete neurale: Una rete neurale è un tipo di modello di IA fatto di tanti strati di unità semplici collegate tra loro. Ogni collegamento ha una forza (un peso) che viene regolata durante l’addestramento finché la rete non dà buone risposte.
Token: Un token è la piccola unità di testo che un modello linguistico legge e scrive: una parola intera, un pezzo di parola, un segno di punteggiatura o uno spazio. Il modello prevede un token alla volta.