A metà allenamento
Una fase di formazione intermedia tra pre-formazione e post-formazione, spesso utilizzata per adattamenti di capacità o domini.
Free AI glossary
Il Glossario dell'intelligenzaartificiale
Plain-language definitions of the AI terms you keep hearing — for students, professionals, and anyone curious about how AI works.
213terminiA–ZCerca + filtro alfabetico100%Definizioni in linguaggio semplice
A32 termini
Adattamento del dominio
Metodi che trasferiscono un modello addestrato in un dominio per ottenere prestazioni migliori in un altro dominio.
Adattamento eccessivo
Quando un modello memorizza i dati di addestramento e funziona male con input invisibili.
Agente dell'IA
Un sistema software in grado di osservare, ragionare e intraprendere azioni per raggiungere un obiettivo, spesso utilizzando strumenti e memoria.
AGI (Intelligenza Generale Artificiale)
Un ipotetico sistema di intelligenza artificiale in grado di eseguire la maggior parte dei compiti intellettuali a livello umano in molti domini.
Albero decisionale
Un modello che effettua previsioni attraverso una sequenza di suddivisioni delle funzionalità if-then.
Albero dei pensieri
Un approccio di ragionamento in cui un modello esplora molteplici percorsi di soluzioni ramificate e seleziona quelli più promettenti.
Algoritmo
Un insieme definito di regole o passaggi che un computer segue per risolvere un problema o completare un'attività.
ALiBi
Un metodo di bias posizionale che penalizza i punteggi di attenzione in base alla distanza del token, aiutando i modelli a estrapolare contesti più lunghi.
Allineamento dell'IA
Il lavoro volto a far sì che i sistemi di intelligenza artificiale si comportino secondo le intenzioni, i valori e i vincoli di sicurezza umani.
Allucinazione
Quando un modello genera informazioni fluenti ma false o non supportate.
Analisi del sentimento
Un compito di PNL che classifica il tono emotivo o l'opinione nel testo.
Analizzatore di output
Logica che convalida e converte l'output del modello in strutture fortemente tipizzate e utilizzabili dalla macchina.
ANN (vicino più vicino approssimativo)
Algoritmi che trovano vettori vicini a una query senza un confronto esaustivo, barattando l'esattezza con la velocità.
Annotazione
Etichette o metadati aggiunti dall'uomo utilizzati per addestrare o valutare modelli di machine learning.
API (interfaccia di programmazione dell'applicazione)
Un modo strutturato con cui un sistema software invia richieste e riceve risposte da un altro sistema.
Apprendimento a colpo zero
Risolvere compiti senza esempi specifici del compito basandosi su conoscenze generali pregresse.
Apprendimento automatico (ML)
Metodi che consentono ai sistemi di apprendere modelli dai dati e migliorarli nel tempo.
Apprendimento autosupervisionato
Apprendimento delle rappresentazioni da dati senza etichetta prevedendo parti mascherate o trasformate.
Apprendimento con pochi colpi
Apprendere o adattare il comportamento solo da un numero limitato di esempi.
Apprendimento continuo
Approcci di formazione che consentono a un modello di continuare ad apprendere dai nuovi dati senza dimenticare le conoscenze precedenti.
Apprendimento nel contesto
La capacità di un modello di seguire modelli tratti da esempi forniti direttamente nel prompt.
Apprendimento non supervisionato
Modelli di apprendimento da dati non etichettati senza risultati target espliciti.
Apprendimento per rinforzo
Formazione tramite segnali di ricompensa in cui un agente apprende azioni che massimizzano il rendimento a lungo termine.
Apprendimento per rinforzo dal feedback umano (RLHF)
Un metodo di training che utilizza segnali di preferenza umana per modellare il comportamento del modello.
Apprendimento profondo
Un sottoinsieme dell'apprendimento automatico che utilizza reti neurali a più livelli per l'apprendimento delle rappresentazioni.
Apprendimento supervisionato
Addestramento di un modello con esempi etichettati che associano gli input agli output noti.
Attenzione alla finestra scorrevole
Un modello di attenzione in cui ogni token si occupa solo di una finestra di dimensione fissa di token vicini per ridurre il calcolo.
Attenzione flash
Un algoritmo di attenzione ottimizzato che riduce l'utilizzo della memoria e accelera l'addestramento e l'inferenza del trasformatore.
Attenzione multi-testa
Un meccanismo trasformatore che esegue diverse operazioni di attenzione in parallelo per catturare diversi tipi di relazioni.
Aumento dei dati
Tecniche che creano esempi di training modificati per migliorare la generalizzazione del modello.
Auto-gioco
Una configurazione di formazione in cui un modello migliora generando dati attraverso interazioni o competizioni con copie di se stesso.
B5 termini
Banca dati vettoriale
Un database ottimizzato per l'archiviazione e l'interrogazione di vettori di incorporamento ad alta dimensione.
Base di conoscenza
Una raccolta curata di documenti o record utilizzati per il recupero, l'automazione del supporto o le risposte di base.
Bi-Encoder
Un modello che codifica query e documenti in vettori separati in modo che possano essere confrontati rapidamente su larga scala.
Bias algoritmico
Ingiustizia sistematica nei risultati del modello causata da dati, ipotesi o scelte di modellazione distorte.
BPE (codifica coppia di byte)
Un algoritmo di tokenizzazione delle sottoparole che unisce le coppie di caratteri più frequenti in token riutilizzabili.
C23 termini
Cache KV
Tensori di chiave e valore memorizzati da token precedenti che consentono ai trasformatori di generare nuovi token senza ricalcolare l'attenzione passata.
Calcola
Le risorse di elaborazione necessarie per addestrare ed eseguire modelli, spesso misurate in FLOPS o ore GPU.
Calcolo del tempo di inferenza
La quantità di potenza di elaborazione consumata durante la produzione di ciascuna risposta.
Calcolo del tempo di prova
Calcolo di inferenza aggiuntivo utilizzato durante la generazione della risposta per migliorare la qualità o il ragionamento.
Calibrazione
Quanto bene i punteggi di confidenza di un modello corrispondono alle probabilità di correttezza effettive.
Calibrazione affidabile
Allineare la fiducia degli utenti negli output dell'intelligenza artificiale con l'effettiva affidabilità del sistema in ciascuna attività.
Campionamento Top-k
Una strategia di decodifica che campiona solo dai k token successivi più probabili.
Campionamento top-p (nucleo).
Una strategia di decodifica che campiona dal set di token più piccolo la cui somma delle probabilità è p.
Caratteristica
Una variabile di input utilizzata da un modello per effettuare previsioni.
Catena di pensiero
Uno stile di ragionamento in cui un modello di intelligenza artificiale scompone un problema in passaggi intermedi.
Chiamata di funzione
Una capacità del modello per generare chiamate strutturate che attivano strumenti o API esterni.
Ciclo agentico
Un ciclo iterativo in cui un agente AI osserva, pianifica, agisce e riflette finché non completa un obiettivo o raggiunge una condizione di arresto.
Citazioni
Riferimenti a passaggi o documenti originali inclusi nella risposta di un modello per supportare le sue affermazioni.
Classificatore
Un modello progettato specificamente per compiti di classificazione.
Classificazione
Un'attività in cui un modello assegna un input a una o più categorie predefinite.
Classificazione degli intenti
Prevedere lo scopo dell'utente da una query di testo per instradarla correttamente.
CLIP
Un'architettura del modello multimodale che apprende rappresentazioni condivise tra testo e immagini.
Codifica posizionale
Informazioni aggiunte agli incorporamenti di token in modo che i trasformatori possano distinguere l'ordine della sequenza.
Codificatore
La componente di un modello che trasforma gli input in rappresentazioni latenti.
Codificatore incrociato
Un modello che assegna un punteggio a una query e a un documento insieme in un unico passaggio per giudizi di pertinenza ad alta precisione.
Conduttura
Un flusso di lavoro ordinato di pre-elaborazione, passaggi del modello e fasi di post-elaborazione.
Confine decisionale
La superficie nello spazio delle caratteristiche che separa le classi previste da un classificatore.
Custodia di sicurezza
Un’argomentazione strutturata, supportata da prove, secondo cui un sistema di intelligenza artificiale è sicuro per un contesto d’uso definito.
D11 termini
Dati sintetici
Dati generati artificialmente utilizzati per aumentare, simulare o proteggere dati di addestramento sensibili.
Decodifica custodita
Una strategia di generazione che vincola i token di output a strutture valide o scelte conformi alle politiche.
Decodifica speculativa
Un metodo di accelerazione dell'inferenza in cui una piccola bozza di modello propone token che un modello più grande verifica in parallelo.
Deriva dei dati
Uno spostamento nel tempo dei dati di input del mondo reale che può ridurre le prestazioni del modello.
Deriva del modello
Degrado delle prestazioni nel tempo poiché le condizioni del mondo reale divergono dalle ipotesi di addestramento.
Derivazione dei dati
Un record della provenienza dei dati, di come sono stati trasformati e di dove vengono utilizzati.
Discesa gradiente
Un metodo di ottimizzazione che aggiorna i parametri nella direzione che riduce l'errore.
Distillazione
Compressione della conoscenza da un modello di insegnante di grandi dimensioni in un modello di studente più piccolo.
Distillazione della conoscenza
Addestrare un modello più piccolo per imitare i risultati di un modello più grande.
Distribuzione ombra
Esecuzione di un modello in parallelo con il traffico di produzione senza influenzare le decisioni rivolte agli utenti.
DPO (ottimizzazione delle preferenze dirette)
Un metodo di formazione che ottimizza i modelli direttamente sulle coppie di preferenze senza bisogno di un modello di ricompensa separato.
E4 termini
Elaborazione del linguaggio naturale (PNL)
Il ramo dell’intelligenza artificiale si concentra sulla comprensione e sulla generazione del linguaggio umano.
Endpoint di inferenza
Un'interfaccia API distribuita che riceve richieste di modello e restituisce previsioni in produzione.
Estrazione di caratteristiche
Conversione dei dati grezzi in funzionalità informative che un modello può utilizzare.
Etichettatura dei dati
Il processo di assegnazione di tag o output target ai dati grezzi per l'apprendimento supervisionato.
F10 termini
Falso negativo
Una previsione errata in cui un modello perde un vero caso positivo.
Falso positivo
Una previsione errata in cui un modello contrassegna erroneamente un caso negativo come positivo.
Fattualità
Quanto accuratamente le affermazioni di un modello corrispondono a informazioni verificabili nel mondo reale.
Fatturazione basata sull'utilizzo
Prezzi in cui i costi aumentano in base alle chiamate API, ai token, al tempo di inferenza o al calcolo consumato.
Filigrana
Incorporamento di un segnale rilevabile nel testo o nei media generati dall'intelligenza artificiale in modo che possa essere successivamente identificato come prodotto dalla macchina.
Filtro di sicurezza
Un livello di moderazione che blocca o riscrive gli input o gli output del modello non sicuri.
Finestra di contesto
La quantità massima di token di input che un modello linguistico può elaborare contemporaneamente.
Flusso di lavoro agentico
Un processo in più fasi in cui un sistema di intelligenza artificiale pianifica, esegue, controlla i risultati e itera verso un obiettivo.
FrasePezzo
Un tokenizzatore indipendente dalla lingua che apprende le unità delle sottoparole direttamente dal testo non elaborato senza pre-divisione negli spazi bianchi.
Funzione di perdita
Un obiettivo matematico che quantifica l'errore di previsione durante l'addestramento.
G9 termini
GAN (Rete avversaria generativa)
Una configurazione generativa in cui un generatore e un discriminatore si addestrano l'uno contro l'altro.
Generalizzazione
Quanto bene un modello si comporta su dati nuovi e invisibili al di fuori del set di training.
Gettone
Una porzione di testo elaborata da modelli linguistici, ad esempio una parola o un simbolo.
Governance dell’intelligenza artificiale
Politiche, standard e meccanismi di supervisione che guidano il modo in cui l’intelligenza artificiale viene sviluppata e utilizzata nella società.
Gradiente
Un vettore che mostra quanto ciascun parametro dovrebbe cambiare per ridurre la perdita.
Grafico della conoscenza
Una struttura grafica di entità e relazioni utilizzata per il ragionamento o il recupero.
Grandi dati
Set di dati molto grandi e complessi che richiedono tecniche di archiviazione ed elaborazione scalabili.
GSM8K
Un punto di riferimento per i problemi di parole matematiche delle scuole elementari utilizzato per valutare il ragionamento passo dopo passo nei modelli linguistici.
Guardrail
Regole, verifiche e controlli che limitano il comportamento non sicuro o indesiderato del modello.
H1 term
HNSW
Una struttura di indice basata su grafici per la ricerca rapida e approssimativa del vicino più vicino su vettori ad alta dimensione.
I15 termini
IA generativa
Sistemi di intelligenza artificiale che producono nuovi contenuti come testo, immagini, audio, video o codice.
IA sul dispositivo
Inferenza AI eseguita localmente sull'hardware dell'utente anziché in un servizio cloud remoto.
Imbracatura di valutazione
Un framework di valutazione ripetibile che esegue prompt, set di dati e logica di punteggio tra le versioni del modello.
Incorporamento
Una rappresentazione vettoriale numerica che cattura il significato semantico di testo, immagini o altri dati.
Incorporamento di parole
Una rappresentazione vettoriale densa di parole che cattura le relazioni semantiche.
Inferenza
La fase di runtime in cui un modello addestrato genera previsioni o output.
Inferenza causale
Metodi per stimare le relazioni di causa-effetto piuttosto che semplici correlazioni.
Ingegneria delle caratteristiche
Progettare o trasformare le variabili di input per rendere l'apprendimento più semplice ed efficace.
Iniezione rapida
Un modello di attacco in cui istruzioni dannose vengono inserite negli input del modello o nel contenuto recuperato.
Insieme
Combinazione di previsioni da più modelli per migliorare la robustezza o l'accuratezza.
Insieme di convalida
Un set di dati utilizzato durante lo sviluppo per ottimizzare i modelli e prevenire l'overfitting.
Insieme di valutazione
Un set di dati conservato utilizzato per misurare la qualità del modello dopo l'addestramento.
Intelligenza Artificiale (AI)
L’ampio campo dei sistemi di costruzione che svolgono compiti che richiedono il riconoscimento di modelli, il ragionamento, il linguaggio o il processo decisionale.
Intervallo di confidenza
Un intervallo statistico che probabilmente contiene il valore reale di una metrica del modello misurato.
Iperparametro
Un valore di configurazione impostato prima dell'addestramento, ad esempio velocità di apprendimento, dimensione batch o profondità.
J1 term
Jailbreak
Una tecnica rapida intesa a bypassare i vincoli di sicurezza di un modello.
L8 termini
L'Essere umano nel Loop
Un flusso di lavoro in cui gli esseri umani esaminano, guidano o sovrascrivono gli output dell'intelligenza artificiale.
L’intelligenza artificiale costituzionale
Un approccio di formazione e modellamento del comportamento in cui i risultati del modello sono guidati da un insieme fisso di principi scritti.
Latenza
Il tempo che intercorre tra l'invio di una richiesta e la ricezione dell'output del modello.
Legge di scala
Una relazione empirica che mostra come le prestazioni migliorano con le dimensioni, i dati o il calcolo del modello.
Legge sull'AI
Il quadro normativo basato sul rischio dell’Unione Europea per i sistemi e i fornitori di IA.
Levigatura delle etichette
Un metodo di regolarizzazione che ammorbidisce le etichette rigide per migliorare la generalizzazione.
LLM-come-giudice
Utilizzare un modello linguistico per valutare o confrontare i risultati di altri modelli durante la valutazione.
LoRA (adattamento di basso rango)
Un metodo di regolazione fine efficiente in termini di parametri che aggiunge matrici di adattatori di basso rango.
M21 termini
MCP (protocollo contesto modello)
Un protocollo aperto che consente alle applicazioni di intelligenza artificiale di connettersi a strumenti esterni, origini dati e fornitori di contesto in modo standard.
Meccanismo di attenzione
Un componente del modello che si concentra dinamicamente sulle parti rilevanti di un input quando si produce un output.
Memoria (memoria dell'agente)
Contesto archiviato che un agente AI utilizza attraverso passaggi o sessioni per migliorare la continuità.
Messa a punto
Formazione continua su dati specifici del dominio per adattare un modello pre-addestrato a un compito specifico.
Miscela di esperti (MoE)
Un'architettura con sottoreti specializzate in cui funzionano solo esperti selezionati per input.
MMLU
Un benchmark che testa modelli linguistici in 57 materie accademiche e professionali utilizzando domande a scelta multipla.
Modello a scatola nera
Un modello il cui ragionamento interno è difficilmente interpretabile direttamente dagli esseri umani.
Modello del linguaggio piccolo (SLM)
Un modello linguistico compatto ottimizzato per latenza, costi o utilizzo sul dispositivo inferiori.
Modello di base
Un semplice modello di riferimento utilizzato per confrontare se approcci più complessi migliorano effettivamente i risultati.
Modello di diffusione
Un'architettura generativa che impara a invertire il rumore per sintetizzare immagini, audio o altri contenuti.
Modello di fondazione
Un modello pre-addestrato di grandi dimensioni che può essere adattato a molte attività a valle.
Modello di incorporamento
Un modello specializzato per la conversione dei dati in vettori utilizzati per la ricerca semantica, il clustering e il recupero.
Modello di preferenza umana
Un modello addestrato sulle classifiche umane per prevedere quali risposte gli utenti probabilmente preferiranno.
Modello di richiesta
Un modello di prompt riutilizzabile con variabili, regole di formattazione e istruzioni specifiche per l'attività.
Modello di ricompensa
Un modello che assegna un punteggio agli output in base ai segnali di preferenza, spesso utilizzato nelle pipeline RLHF.
Modello distillato
Un modello più piccolo addestrato per imitare il comportamento di un modello più grande utilizzando meno calcolo durante l'inferenza.
Modello linguistico di grandi dimensioni (LLM)
Un modello linguistico addestrato su enormi corpora di testo per generare e analizzare testo.
Modello multimodale
Un modello in grado di elaborare o generare più tipi di dati come testo, immagine e audio.
Modello open source
Un modello rilasciato con pesi o codici pubblici per l'ispezione, l'adattamento e il riutilizzo.
Modello sparso
Un modello in cui molti parametri sono pari a zero o inattivi per ridurre il calcolo.
Modello Visione-Linguaggio (VLM)
Un modello multimodale che elabora congiuntamente informazioni visive e testuali.
N2 termini
Negozio di funzionalità
Un sistema gestito per archiviare e fornire in modo coerente funzionalità ML convalidate per l'addestramento e l'inferenza.
Normalizzazione
Trasformare i valori in una scala coerente per migliorare la stabilità dell'ottimizzazione.
O1 term
OCR (riconoscimento ottico dei caratteri)
Tecnologia che converte il testo in immagini o esegue la scansione in testo leggibile dalla macchina.
P21 termini
Parametro
Un peso appreso all'interno di un modello che ne influenza i risultati.
Passa@k
Una metrica di valutazione del codice che misura la possibilità che almeno uno dei k campioni generati superi i test.
Penalità di frequenza
Un'impostazione di decodifica che riduce la probabilità dei token proporzionalmente alla frequenza con cui sono apparsi finora.
Penalità di presenza
Un'impostazione di decodifica che riduce la probabilità che i token siano apparsi, incoraggiando nuovi argomenti.
Penalità di ripetizione
Un'impostazione di decodifica che riduce la probabilità dei token già prodotti dal modello per ridurre i loop.
Perdita del benchmark
Quando nei dati di addestramento sono presenti esempi di test di benchmark o varianti simili, le prestazioni riportate aumentano.
Perdita di allenamento
Il valore dell'errore del modello calcolato durante l'addestramento e ottimizzato verso il basso nel tempo.
Perdita di entropia incrociata
Una funzione obiettivo comune utilizzata per addestrare modelli di classificazione penalizzando le probabilità errate.
Perplexity
Una metrica del modello linguistico che misura quanto il modello è sorpreso dai veri token successivi.
Peso
Un valore numerico appreso che ridimensiona i segnali che passano attraverso una rete neurale.
Post-allenamento
Passaggi di formazione applicati dopo la formazione preliminare, come l'ottimizzazione delle istruzioni, l'ottimizzazione delle preferenze e la messa a punto della sicurezza.
Potatura
Rimozione di pesi o neuroni del modello meno importanti per ridurre le dimensioni e il calcolo.
Pre-allenamento
Formazione iniziale del modello su larga scala su dati ampi prima dell'adattamento a valle.
Precisione
La percentuale di positivi previsti che sono effettivamente corretti.
Precisione di recupero
La percentuale di elementi recuperati pertinenti alla query dell'utente.
Pregiudizio
Un modello coerente di errore o ingiustizia nei dati o nel comportamento del modello.
Privacy differenziale
Una tecnica di privacy che aggiunge rumore statistico in modo che i singoli record non possano essere dedotti in modo affidabile dagli output.
Prompt Engineering
Progettazione di istruzioni per migliorare la qualità, l'affidabilità e la controllabilità dell'output.
Propagazione all'indietro
L'algoritmo di training principale che aggiorna i pesi del modello propagando gli errori di previsione all'indietro attraverso la rete.
Provenienza dei dati
L'origine, la proprietà e la storia documentate di un set di dati o di un artefatto del modello.
Punto di riferimento
Un test o un set di dati standardizzato utilizzato per misurare e confrontare le prestazioni del modello.
Q3 termini
QLoRA
Una tecnica di messa a punto che combina la quantizzazione del peso a 4 bit con gli adattatori LoRA per ridurre le esigenze di memoria.
Quantizzazione
Conversione dei pesi del modello in formati con precisione inferiore come 8 bit o 4 bit.
Quantizzazione del modello
Riduzione della precisione numerica dei pesi del modello per ridurre i costi di memoria e inferenza.
R22 termini
Radicamento
Il grado in cui una risposta dell’IA è supportata dai dati di origine o dalle prove recuperate.
RAG (generazione aumentata di recupero)
Un metodo che recupera la conoscenza esterna e la alimenta nella generazione al momento dell'inferenza.
RAG-Fusione
Un metodo di recupero che genera più varianti di query, recupera i risultati per ciascuna e fonde le classifiche.
Reagire
Uno schema di suggerimenti che alterna i passaggi del ragionamento con azioni di utilizzo degli strumenti per risolvere i compiti in modo più affidabile.
Recupero
Ricerca di documenti o record rilevanti da una fonte di conoscenza per una query.
Recupero di più query
Una tecnica di recupero che riscrive la query dell'utente in diverse varianti per migliorare il ricordo.
Recupero documento genitore
Un modello di recupero che ricerca piccole parti ma restituisce i documenti principali più grandi per un contesto più ricco.
Registro dei modelli
Un catalogo centrale per il controllo delle versioni, l'approvazione e il monitoraggio dei modelli nei vari ambienti.
Regolazione fine efficiente dei parametri (PEFT)
Metodi che adattano i modelli addestrando un piccolo sottoinsieme di parametri aggiunti.
Rete neurale
Un modello computazionale a strati ispirato ai neuroni e alle sinapsi biologici.
Rete neurale convoluzionale (CNN)
Un'architettura neurale ottimizzata per l'elaborazione di dati simili a griglia come le immagini.
Ricerca del raggio
Un algoritmo di decodifica che mantiene le prime sequenze candidate in ogni passaggio per trovare output con maggiore probabilità.
Ricerca ibrida
Un approccio di recupero che combina la ricerca per parole chiave (lessicale) con la ricerca vettoriale (semantica) per un migliore richiamo e precisione.
Ricerca semantica
Ricerca che corrisponde al significato anziché all'esatta sovrapposizione delle parole chiave, spesso utilizzando gli incorporamenti.
Richiedi
Le istruzioni di input e il contesto forniti a un modello generativo.
Richiesta di sistema
Un'istruzione ad alta priorità che imposta il comportamento, la policy e lo stile di risposta per un modello.
Riclassificazione
Un modello che riordina un set iniziale di risultati recuperati per mettere in alto gli elementi più rilevanti.
Riconoscimento di entità denominate (NER)
Un'attività di PNL che identifica entità come persone, luoghi, date o organizzazioni.
Ricorda
La percentuale di effettivi positivi che un modello identifica correttamente.
Risultati strutturati
Output del modello vincolato a uno schema definito come JSON, argomenti dello strumento o campi tipizzati.
Robustezza
La capacità di un modello di mantenere le prestazioni in condizioni di rumore, cambiamenti o input contrastanti.
RoPE (incorporamenti posizionali rotanti)
Un metodo di codifica posizionale che ruota la query e i vettori chiave per codificare le posizioni relative dei token.
S9 termini
Scheda modello
Documentazione che descrive l'uso previsto, le metriche, le limitazioni e i rischi di un modello.
Set di dati
Una raccolta di esempi strutturati o non strutturati utilizzati per la formazione, la convalida o il test.
Sicurezza dell'intelligenza artificiale
Un campo incentrato sulla riduzione di comportamenti dannosi, guasti e rischi di uso improprio nei sistemi di intelligenza artificiale.
Sintonizzazione delle istruzioni
Messa a punto di un modello sulle coppie istruzione-risposta per migliorare il follow-up del compito.
Sistema autonomo
Un sistema in grado di prendere decisioni e agire con un controllo umano diretto limitato o assente in tempo reale.
Sistema di raccomandazione
Una pipeline del modello che prevede le preferenze dell'utente per il posizionamento di contenuti o prodotti.
Spazio latente
Uno spazio rappresentazionale compresso in cui concetti simili sono posizionati uno vicino all'altro come vettori.
Spiegabilità
Il grado in cui il comportamento di un modello può essere interpretato e spiegato agli esseri umani.
Squadra Rossa
Sottoporre a stress test un sistema di intelligenza artificiale con suggerimenti contraddittori per rivelare fallimenti e rischi.
T8 termini
Taglio della conoscenza
L'ultimo momento riflesso nei dati di training di un modello.
Tassa di allineamento
Il costo aggiuntivo in termini di tempo, elaborazione o velocità del prodotto richiesto per rendere i sistemi più sicuri e controllabili.
Tasso di apprendimento
Un iperparametro di training che controlla la quantità di parametri che cambiano in ogni fase di aggiornamento.
Temperatura
Un'impostazione di campionamento che controlla la casualità negli output generati.
Tokenizzazione
Il processo di suddivisione del testo in token per l'input del modello.
Trasferire l'apprendimento
Applicare le conoscenze apprese in un compito o dominio per migliorare un altro compito.
Trasformatore
Un'architettura neurale che utilizza l'attenzione per modellare le relazioni tra sequenze in parallelo.
Trasparenza algoritmica
Con quanta chiarezza la logica, le origini dati e le limitazioni di un sistema di intelligenza artificiale sono documentate e comprensibili.
U1 term
Utilizzo dello strumento
La capacità di un modello di chiamare strumenti esterni come ricerca, calcolatrici o API.
V4 termini
Valutazione umana
Un benchmark dei problemi di programmazione Python utilizzato per misurare la correttezza della generazione del codice tramite test unitari.
Verità fondamentale
Etichette di riferimento affidabili utilizzate per addestrare o valutare gli output del modello.
Vigilanza debole
Utilizzo di etichette rumorose, euristiche o parziali per addestrare i modelli quando le etichette pulite sono scarse.
Visione artificiale
Il ramo dell'intelligenza artificiale che estrae significato da immagini e video.
X1 term
XAI (AI spiegabile)
Tecniche e pratiche per rendere le previsioni dell'IA più trasparenti e comprensibili.
Z1 term
Zero conservazione dei dati
Una policy in cui i payload di richiesta/risposta non vengono archiviati dopo l'elaborazione oltre le finestre operative di breve durata.