Crediti: Immagine fornita; Autore: Stephen Whitelaw;

Classificazione

La classificazione è un'attività di intelligenza artificiale in cui il sistema assegna qualcosa a una categoria. Alcuni esempi includono la suddivisione delle e-mail in spam e non spam, l'identificazione se una recensione è positiva o negativa, oppure il rilevamento se una radiografia appare normale o anomala. La classificazione è uno degli usi più comuni dell'apprendimento automatico.

Crediti: Immagine fornita; Autore: Stephen Whitelaw;

Claude

Claude è una famiglia avanzata di modelli linguistici di grandi dimensioni sviluppata da Anthropic. Progettata per essere sicura, accurata e protetta, dispone di strumenti specializzati come Claude Code (uno strumento di codifica agentica), Claude Design e Claude Science per la ricerca. Claude prende il nome dal famoso Claude Shannon, matematico, informatico e padre della teoria dell’informazione.

Crediti: Immagine fornita; Autore: Stephen Whitelaw;

Cloud AI

Con il termine «Cloud AI» si indicano i servizi di intelligenza artificiale forniti via Internet dai grandi provider di servizi informatici. Anziché acquistare costose apparecchiature hardware, le aziende possono accedere a modelli di IA, spazio di archiviazione e potenza di calcolo tramite piattaforme cloud. Ciò rende l’IA più accessibile, ma solleva anche interrogativi in merito alla privacy dei dati, alla sicurezza, ai costi e alla dipendenza dalle grandi aziende tecnologiche.

Crediti: Immagine fornita; Autore: Stephen Whitelaw;

Clustering

Il clustering è un metodo di apprendimento automatico che raggruppa elementi simili senza che gli vengano indicate in anticipo le categorie corrette. Ad esempio, un rivenditore potrebbe utilizzare il clustering per identificare gruppi di clienti con abitudini di acquisto simili. Il clustering è utile per individuare modelli ricorrenti, ma i gruppi che individua necessitano comunque di un'interpretazione umana.

Crediti: Immagine fornita; Autore: Stephen Whitelaw;

Calcolo cognitivo

Il cognitive computing è un termine più antico e ampio che indica sistemi progettati per imitare aspetti del pensiero umano, quali l’apprendimento, il ragionamento e la comprensione del linguaggio. Viene spesso utilizzato in contesti aziendali. Oggi si parla più comunemente di IA, apprendimento automatico e IA generativa, ma l’idea di base rimane la stessa: utilizzare i computer per supportare compiti complessi simili a quelli umani.

Crediti: Immagine fornita; Autore: Stephen Whitelaw;

Visione artificiale

La visione artificiale è la branca dell’intelligenza artificiale che aiuta i computer a interpretare immagini e video. Viene utilizzata nell’imaging medico, nel riconoscimento facciale, nelle auto a guida autonoma, nel controllo qualità, in agricoltura, nella sicurezza e nell’analisi sportiva. I sistemi di visione artificiale possono essere potenti, ma possono fallire quando l’illuminazione, gli angoli, gli sfondi o le condizioni del mondo reale differiscono dai dati di addestramento.

Crediti: Immagine fornita; Autore: Stephen Whitelaw;

Punteggio di confidenza

Un punteggio di confidenza è un numero che indica quanto un sistema di IA sia sicuro del proprio risultato. Ad esempio, un classificatore di immagini potrebbe affermare di essere sicuro al 92% che una foto ritragga un cane. I punteggi di confidenza possono essere utili, ma non costituiscono una garanzia. Alcuni sistemi di IA sono eccessivamente sicuri di sé anche quando sbagliano, motivo per cui la calibrazione e i test sono fondamentali.

Crediti: Immagine fornita; Autore: Stephen Whitelaw;

Finestra di contesto

La finestra di contesto è la quantità di informazioni che un modello linguistico può prendere in considerazione contemporaneamente. Può includere la domanda dell’utente, la conversazione precedente, il testo caricato o i documenti recuperati. Una finestra di contesto più ampia consente al modello di lavorare con documenti più lunghi e con maggiori informazioni di contesto. Tuttavia, anche con una finestra di contesto ampia, il modello potrebbe comunque tralasciare alcuni dettagli o dare priorità ad alcune informazioni rispetto ad altre. Molti nel settore ritengono che ci stiamo dirigendo verso finestre di contesto infinite – ovvero qualcosa che l’utente non dovrà più prendere in considerazione.

Crediti: Immagine fornita; Autore: Stephen Whitelaw;

Rete neurale convoluzionale

Una rete neurale convoluzionale, o CNN, è un tipo di rete neurale particolarmente utile per le immagini. Le CNN rilevano modelli quali bordi, forme, trame e oggetti. Hanno svolto un ruolo fondamentale nell’ascesa della visione artificiale. Sebbene oggi vengano utilizzate anche architetture più recenti, le CNN rimangono importanti nell’analisi delle immagini, nella diagnostica per immagini e nel riconoscimento visivo.

Crediti: Immagine fornita; Autore: Stephen Whitelaw;

Corpus

Un corpus è una raccolta di testi o dati utilizzati per l’analisi o l’addestramento. Ad esempio, un modello linguistico può essere addestrato su un corpus contenente libri, articoli, siti web, codice e altro materiale scritto. La qualità e la composizione del corpus influenzano fortemente il comportamento del modello. Se il corpus contiene errori, pregiudizi o informazioni obsolete, il modello potrebbe apprendere anche questi.

Crediti: Immagine fornita; Autore: Stephen Whitelaw;

Funzione di costo

Una funzione di costo, detta anche funzione di perdita, misura quanto un modello sia errato durante l’addestramento. Il modello cerca di ridurre questo errore nel tempo. Ad esempio, se un’intelligenza artificiale prevede i prezzi delle case, la funzione di costo misura la differenza tra i prezzi previsti e quelli effettivi. L’addestramento è essenzialmente il processo di regolazione del modello per minimizzare questa perdita.

Crediti: Immagine fornita; Autore: Stephen Whitelaw;

Validazione incrociata

La validazione incrociata è una tecnica utilizzata per verificare le prestazioni di un modello su diverse parti dei dati. Anziché eseguire l’addestramento e il test una sola volta, i dati vengono suddivisi in diversi modi. Ciò aiuta a rivelare se il modello offre prestazioni costanti o se funziona bene solo su una suddivisione casuale. La validazione incrociata riduce il rischio di sovrastimare le prestazioni del modello nel mondo reale.

Crediti: Immagine fornita; Autore: Stephen Whitelaw;

Modello personalizzato

Un modello personalizzato è un modello di IA adattato a una specifica organizzazione, attività o set di dati. Ad esempio, un ospedale potrebbe volere un modello addestrato sui propri documenti clinici, oppure uno studio legale potrebbe volerne uno ottimizzato per la redazione di atti giuridici. I modelli personalizzati possono essere più pertinenti rispetto a quelli generici, ma richiedono un'attenta gestione dei dati, test e governance.

Crediti: Immagine fornita; Autore: Stephen Whitelaw;

IA per la sicurezza informatica

L’IA per la sicurezza informatica utilizza l’apprendimento automatico e l’automazione per rilevare, prevenire o rispondere alle minacce digitali. Può aiutare a individuare comportamenti insoliti in rete, tentativi di phishing, malware o accessi sospetti. Allo stesso tempo, anche gli aggressori possono utilizzare l’IA per creare truffe più convincenti o automatizzare gli attacchi. L’IA rappresenta quindi sia uno strumento difensivo sia una nuova sfida nel campo della sicurezza informatica.

Imposta The Portugal News come fonte preferita per le notizie su Google

GoogleAggiungi come fonte preferita su Google