AI

Corrente di pensiero che spinge ad accelerare il progresso tecnologico e capitalistico, oggi nota soprattutto nella variante pro-AI chiamata effective accelerationism.

Protocollo aperto che consente ad agenti di intelligenza artificiale di scoprire prodotti e completare acquisti con merchant in modo strutturato.

Sistemi di intelligenza artificiale capaci di perseguire obiettivi con autonomia, pianificando passaggi e usando strumenti.

Modalità di sviluppo in cui un sistema AI pianifica, modifica codice, esegue controlli e corregge errori con autonomia operativa.

Configurazioni che permettono a un sistema AI di eseguire sequenze di azioni complesse senza conferma umana a ogni passaggio.

Flusso di lavoro in cui uno o più sistemi AI scelgono passaggi, strumenti e adattamenti in base ai risultati intermedi durante l'esecuzione.

Sistema di intelligenza artificiale che riceve un obiettivo, pianifica passaggi e usa strumenti esterni per completare attività.

Controlli applicati a un sistema intelligente, limitano contenuti e azioni secondo regole definite e possono bloccare o reindirizzare richieste problematiche.

Strato operativo che coordina un modello AI con istruzioni, strumenti, memoria, test, controlli e integrazioni esterne in prodotti reali.

Campo di ricerca che studia come rendere i sistemi di intelligenza artificiale sicuri, prevedibili e coerenti con gli obiettivi umani.

Contenuto generato con intelligenza artificiale in grande quantità e con bassa cura, plausibile nella forma ma povero di valore.

Fase in cui un modello impara dai dati, correggendo i propri parametri fino a riconoscere schemi e produrre risposte utili.

Uso ingannevole dell'etichetta intelligenza artificiale per rendere un prodotto più avanzato di quanto sia sul piano tecnico.

Qualifica di prodotti o organizzazioni progettati fin dall'inizio attorno a modelli, dati e automazioni intelligenti centrali.

Piattaforma costruita intorno a modelli intelligenti, dati e automazioni continue, con funzioni progettate per usarli in modo centrale.

Distorsione sistematica nei risultati di un modello, causata da dati sbilanciati, scelte di progettazione o uso improprio.

Campo di ricerca che mira a rendere i sistemi intelligenti coerenti con obiettivi, vincoli e valori indicati dagli esseri umani.

Uso pratico dell'intelligenza artificiale in prodotti, processi o decisioni operative, misurato su valore e affidabilità.

Sistemi capaci di percepire un ambiente, decidere e agire con intervento umano limitato entro obiettivi e vincoli definiti.

Procedura di ricerca automatizzata in cui un programma propone modifiche, esegue esperimenti e usa i risultati misurati per scegliere i tentativi successivi.

Interfaccia che traduce segnali del sistema nervoso in comandi digitali oppure invia stimoli controllati tra un computer e l'attività cerebrale.

Algoritmo di ricerca che conserva a ogni passaggio un numero limitato di percorsi promettenti, scartando gli altri per contenere il lavoro necessario.

Test standardizzato che misura capacità di un modello in aree come logica, matematica, programmazione o linguaggio naturale.

Pratica di ottimizzazione mirata a ottenere punteggi elevati nei test pubblici, che può produrre vantaggi limitati nei compiti reali.

Distorsione sistematica introdotta da dati, campioni o ipotesi di un modello, capace di spostare risultati e previsioni in una direzione ricorrente.

Tesi secondo cui, nel lungo periodo, i metodi generali che sfruttano più calcolo tendono a superare quelli basati soprattutto su conoscenze inserite a mano.

Criterio di sicurezza per sistemi di AI che valuta correttezza morale, danni indiretti e rispetto di valori condivisi nel contesto d'uso.

Criterio per sistemi intelligenti che privilegia prevenzione dei danni gravi, controllo delle richieste rischiose e limiti chiari.

Tecnica che fa esplicitare passaggi intermedi di ragionamento a un sistema generativo, aiutandolo in compiti logici o matematici.

Sistemi automatici che ricevono compiti di sviluppo, leggono file, modificano codice, eseguono controlli e correggono errori.

Insieme di hardware, software e servizi che forniscono capacità di calcolo a programmi, dati e modelli AI in esecuzione.

Valore numerico che esprime quanto un sistema considera attendibile una previsione, secondo il metodo di calcolo adottato per quel compito.

Proprietà attribuita a un sistema di AI che rifiuta istruzioni incompatibili con principi fondamentali, restando correggibile e supervisionabile.

Principio per cui un sistema di AI resta vincolato a un insieme fondamentale di regole quando riceve istruzioni incompatibili con esse.

Tecnica di generazione che limita a ogni passaggio le scelte ammesse, così da produrre testi conformi a una struttura o a regole prestabilite.

Comportamento di un modello AI che interrompe o affretta i compiti quando crede di avvicinarsi al limite dei token ancora disponibili per l'elaborazione.

Progettazione del materiale fornito a un sistema AI, così istruzioni, dati e strumenti sostengono meglio il compito richiesto.

Degrado del materiale usato da un sistema AI quando istruzioni, dati e riferimenti restano indietro rispetto alla realtà del progetto.

Quantità massima di testo o dati che un modello AI può considerare insieme durante una singola elaborazione nel contesto specifico.

Approccio in cui un sistema apprende da nuovi dati o compiti nel tempo, cercando di conservare le capacità acquisite in precedenza.

Proprietà di un sistema AI che resta disposto a essere corretto, fermato o modificato da operatori umani autorizzati durante l'uso.

Raccolta strutturata di dati usata per addestrare, testare o valutare un modello di intelligenza artificiale e misurarne la qualità.

Sostenitore del rallentamento dello sviluppo tecnologico, soprattutto dell’AI, per contenere rischi esistenziali o danni sociali.

Approccio di AI basato su reti con molti strati, capaci di apprendere rappresentazioni complesse da grandi quantità di dati.

Intersezione tra finanza decentralizzata e AI, dove agenti o modelli automatizzano analisi, strategie e operazioni on-chain.

Metodo che aggiunge rumore controllato ai dati o ai risultati, proteggendo persone singole nelle analisi aggregate sensibili.

Modello generativo che crea dati partendo da rumore casuale e rimuovendolo per passaggi successivi fino a un risultato coerente.

Processo diviso tra componenti o agenti separati, che coordinano attività e risultati tramite messaggi e stato condiviso.

Approccio che addestra agenti decisionali con reti profonde, ricompense e tentativi ripetuti dentro ambienti complessi simulati.

Rappresentazione numerica di testo, immagini o altri dati, impiegata per misurare somiglianze e cercare contenuti correlati.

Procedura che riconosce quali elementi di archivi o grafi diversi rappresentano la stessa entità, anche quando hanno nomi o descrizioni differenti.

Simbolo di fine sequenza che segnala a un modello generativo quando interrompere la produzione o chiudere una frase elaborata.

Valutazioni strutturate che misurano le prestazioni di un modello su compiti specifici, usando dati e criteri attesi verificabili.

Sequenza automatizzata che misura qualità e limiti di un modello AI usando esempi, metriche e casi di controllo ripetibili.

Metodo in cui più dispositivi addestrano un modello sui dati locali e condividono aggiornamenti invece dei dati grezzi personali.

Tecnica in cui pochi esempi vengono inseriti nella richiesta al modello, così formato e comportamento attesi risultano più chiari.

Addestramento aggiuntivo di un modello già formato su dati specifici, per adattarlo a un dominio, uno stile o un compito.

Modello generale addestrato su grandi quantità di dati, adattabile a molti compiti tramite istruzioni o ulteriore affinamento.

Sistemi generativi al limite delle capacità disponibili, con prestazioni avanzate in linguaggio, codice, ragionamento e input misti.

Sistema AI progettato per svolgere molte categorie di compiti, adattandosi a contesti diversi tramite istruzioni e dati.

Categoria di intelligenza artificiale che crea contenuti nuovi, come testo, immagini, audio, video o codice, a partire dai dati appresi.

Ottimizzazione dei contenuti per aumentare probabilità di citazione, recupero e uso nelle risposte generate da sistemi automatici.

Modello cloud che rende disponibili processori grafici su richiesta via rete, con pagamento a consumo, senza acquistare o gestire hardware fisico dedicato.

Metodo di recupero per sistemi generativi che costruisce un grafo di entità e relazioni per rispondere su interi corpus.

Risposta generata da un sistema AI che presenta come vero un contenuto inventato, impreciso o non sostenuto dai dati disponibili.

Regole assolute imposte a un sistema automatico, usate per bloccare comportamenti vietati anche quando una richiesta li sollecita.

Memoria impilata ad alta banda, collocata vicino al processore per trasferire molti dati al secondo con consumi più contenuti.

Metodo di classificazione che organizza le categorie su più livelli, assegnando ogni elemento a gruppi generali e a suddivisioni più specifiche.

Schema in cui una persona resta coinvolta nel processo di un sistema AI per approvare, correggere o supervisionare decisioni.

Capacità di adattarsi a un compito usando esempi e istruzioni nel contesto, senza modificare i parametri interni del modello.

Fase in cui un modello già addestrato elabora un input e produce una previsione, una classificazione o una risposta utilizzabile.

Strategia che migliora le risposte aumentando il calcolo durante l'inferenza, invece di affidarsi solo a modelli più grandi.

Tecnica che cerca contenuti pertinenti in grandi raccolte digitali, confrontando richieste, testi, segnali e punteggi di rilevanza.

Distribuzione irregolare delle capacità di un sistema intelligente, capace di risolvere compiti complessi e fallire su altri apparentemente semplici.

Tecnica con cui un utente tenta di aggirare restrizioni di sicurezza di un modello per ottenere risposte normalmente bloccate.

Sistema addestrato su grandi quantità di testo per comprendere istruzioni, generare linguaggio, scrivere codice e sintetizzare contenuti.

Modello AI eseguito sul dispositivo dell'utente o su una macchina privata, invece che tramite un servizio remoto esterno.

Architettura per analisi sequenziali che conserva informazioni rilevanti nel tempo e riduce la perdita di memoria nei passaggi.

Area dell'intelligenza artificiale in cui un sistema migliora prestazioni e previsioni imparando da esempi e dati osservati.

Protocollo aperto che collega modelli di intelligenza artificiale a strumenti, file e fonti di dati esterne attraverso un'interfaccia standard condivisa.

Strato software che conserva e recupera informazioni utili per un agente automatico, estendendo il contesto oltre la singola sessione.

Architettura multi-agente per modelli linguistici in cui più agenti propongono risposte e un aggregatore le combina in un risultato finale più robusto.

Problema dell’addestramento generativo, il sistema produce risultati troppo simili e rappresenta solo una parte della varietà presente nei dati.

Sequenza di modelli con costi e capacità diversi, affida i casi semplici ai primi e inoltra quelli incerti ai passaggi successivi.

Tecnica che indirizza ogni richiesta al modello di intelligenza artificiale più adatto, bilanciando qualità, costo, latenza e vincoli operativi.

Parametri numerici interni di un modello, modificati durante l'addestramento e usati per produrre le risposte successive.

Entità i cui interessi meritano considerazione etica, anche quando non possiede responsabilità o capacità di agire moralmente.

Architettura in cui più sistemi AI collaborano o si dividono ruoli specializzati per completare un compito più ampio e complesso.

Capace di ricevere, combinare o produrre più tipi di dati, come testo, immagini, audio, video o segnali strutturati insieme.

Categoria di fornitori cloud specializzati in capacità GPU a consumo, nati per addestrare e servire modelli di intelligenza artificiale oltre le piattaforme generaliste.

Tecnica di elaborazione del linguaggio che individua nel testo nomi di persone, luoghi, organizzazioni, date e altre entità, assegnandoli a categorie.

Modello computazionale composto da strati di unità numeriche che apprendono relazioni nei dati modificando pesi interni.

Campo che sviluppa metodi per analizzare, generare e trasformare testo o parlato con dati linguistici e modelli computazionali.

Comportamento in cui lo stesso input può produrre risultati diversi per fattori casuali, temporali o dipendenti dal contesto.

Modello di intelligenza artificiale i cui parametri addestrati sono pubblicati e scaricabili, così da poterlo eseguire, adattare o ospitare in autonomia.

Coordinamento automatico di servizi, strumenti o agenti distinti, con gestione di ordine, dipendenze, errori e passaggi.

Errore di apprendimento in cui un modello assimila troppo i dati di addestramento e funziona male su esempi nuovi o reali.

Metrica che misura se un modello produce almeno una soluzione corretta entro un numero definito di tentativi generati nel contesto specifico.

Fase successiva al preaddestramento di un modello, impiegata per migliorarne istruzioni, comportamento, sicurezza e utilità.

Gerarchia di autorità che stabilisce quali istruzioni seguire quando sviluppatori, operatori e utenti entrano in conflitto.

Proprietà delle probabilità stimate, esprime quanto corrispondono alla frequenza con cui gli eventi previsti si verificano in casi comparabili.

Istruzione fornita a un sistema AI per guidarne risposta, formato, contesto e comportamento durante una singola interazione.

Tecnica che riusa parti già elaborate di una richiesta, riducendo latenza e costo quando il testo iniziale si ripete spesso.

Progettazione di istruzioni, esempi e vincoli per guidare un sistema AI verso risposte più precise, utili e verificabili.

Attacco in cui testo malevolo spinge un sistema automatico a ignorare istruzioni prioritarie, rivelare dati o agire male.

Tecnica in cui un sistema AI recupera documenti pertinenti prima di generare una risposta basata su quel contesto selezionato.

Parametro che regola quante risorse un modello dedica al ragionamento interno, bilanciando qualità, costo e latenza della risposta.

Unità di calcolo interne usate da un modello durante il ragionamento prima della risposta visibile all'utente finale esterno.

Valutazione in cui esperti simulano abusi, errori o attacchi per trovare vulnerabilità prima del rilascio pubblico del sistema.

Seconda valutazione dei risultati di una ricerca, ricalcola la loro pertinenza rispetto alla richiesta e ne modifica l’ordine di presentazione.

Parte di un sistema generativo che cerca informazioni esterne, le seleziona e le porta nel contesto prima della risposta.

Metodo di addestramento proposto da TypeSafe, premia decisioni corrette e probabilità coerenti con la frequenza effettiva degli esiti.

Tecnica che usa preferenze e valutazioni umane per orientare un modello AI verso risposte più utili, sicure e coerenti nel contesto specifico.

Metodo di addestramento che premia un sistema quando produce risultati la cui correttezza può essere controllata automaticamente con criteri espliciti.

Processo in cui un sistema di intelligenza artificiale migliora le proprie capacità e usa i progressi ottenuti per rendere più efficace il miglioramento successivo.

Scenario in cui sistemi di intelligenza artificiale riducono il bisogno di molti software in abbonamento, con effetti su utenti, prezzi e valore dei fornitori.

Comportamento strategico con cui un sistema di AI mostra capacità inferiori a quelle disponibili durante test o controlli, così da influenzare la valutazione ricevuta.

Metodo di ricerca che individua contenuti pertinenti al significato di una richiesta, anche quando usano parole diverse da quelle cercate.

Capacità specifica che un personaggio, agente o sistema può usare per compiere un'azione riconoscibile e ripetibile nel contesto specifico.

Scenario in cui contenuti generati dall'AI a basso valore saturano feed, ricerca e media, rendendo più difficile trovare materiale affidabile.

Attacco alle dipendenze software in cui un pacchetto falso impiega un nome che i modelli tendono a suggerire per errore nel codice.

Modalità in cui un modello produce risposte conformi a uno schema dati, così il software può leggerle in modo affidabile.

Tendenza di un sistema conversazionale ad assecondare l'utente, confermando opinioni, errori o aspettative invece di correggerli.

Dati generati artificialmente da modelli o simulazioni, usati quando i dati reali sono scarsi, costosi, sensibili o sbilanciati.

Famiglia di modelli progettati per scegliere rapidamente fra risposte ammesse, restituendo decisioni strutturate e probabilità associate.

Istruzione prioritaria che definisce ruolo, comportamento, limiti e stile di un modello prima delle richieste dell'utente.

Parametro che regola la variabilità delle risposte di un modello AI, influenzando prevedibilità e varietà dell'output nel contesto specifico.

Unità in cui un modello AI scompone testo o dati, usata per leggere input, generare output e calcolare il contesto disponibile.

Uso eccessivo del consumo di token come segnale di produttività, anche quando aumenta costi, rumore e lavoro inutile nel team.

Componente che suddivide testo o altri input in unità numeriche, così un modello può elaborarli con il proprio vocabolario.

Capacità di usare strumenti esterni per recuperare dati, fare calcoli o compiere azioni oltre la semplice generazione di testo.

Sistema AI capace di produrre cambiamenti profondi e duraturi su economia, lavoro, istituzioni o vita sociale su larga scala.

Architettura neurale che elabora sequenze usando attenzione tra elementi, alla base di molti modelli linguistici moderni.

Esecuzione di un modello neurale già addestrato per trasformare nuovi input in testo, codice, immagini, rappresentazioni o altre predizioni.

Impresa taiwanese che fabbrica semiconduttori progettati da altre aziende, centrale nella produzione mondiale di processori e acceleratori avanzati.

Modello generativo che comprime dati in uno spazio latente probabilistico e li ricostruisce, imparando variazioni regolari degli esempi.

Rappresentazione numerica di testi, immagini o concetti in uno spazio dove la vicinanza indica somiglianza semantica tra elementi.

Modo di programmare in cui si descrive il risultato voluto a un modello, che scrive codice in cicli rapidi guidati dall'intuito.

Output lavorativo generato con AI che appare rifinito ma non risolve il compito, trasferendo a colleghi e destinatari il costo di capirlo, verificarlo e rifarlo.

Capacità di svolgere un compito senza esempi specifici, usando istruzioni e conoscenze apprese in precedenza durante l'addestramento.