Glossario
Le parole dell’intelligenza artificiale, spiegate senza giri di parole, con definizioni, esempi pratici, formule e riferimenti per lo studio e il lavoro.
450 terminiModelli, video e sistemi contemporanei
A
- MetricaAccuracyProporzione di predizioni corrette sul totale delle predizioni fatte.
- AlgoritmoAdagradOttimizzatore con learning rate adattivo che adatta rate per parametro basandosi su gradienti storici.
- OttimizzazioneAdamWVariante di Adam che separa weight decay dall’aggiornamento adattivo basato sui momenti del gradiente.
- Valutazione e sicurezzaAdversarial ExampleInput modificato intenzionalmente per provocare un errore del modello, spesso con perturbazioni piccole rispetto a una metrica scelta.
- Valutazione e sicurezzaAdversarial PromptInput progettato per provocare errori, elusioni o comportamenti indesiderati in un modello.
- TecnicaAdversarial TrainingTecnica di training migliorando robustezza modello includendo esempi adversarial.
- Agenti e protocolliAgent CardDocumento leggibile da software che descrive identità, capacità, endpoint e modalità di interazione di un agente.
- AgentiAgent MemoryInformazioni conservate tra passaggi o sessioni per mantenere stato, preferenze e risultati utili a un agente.
- AgentiAgent OrchestrationCoordinamento di stati, strumenti, messaggi e criteri di arresto in uno o più agenti.
- AgentiAgent WorkflowSequenza controllata di operazioni che include modelli e strumenti, con autonomia limitata da regole esplicite.
- AgentiAgent2Agent (A2A)Protocollo per scambiare compiti, messaggi e artefatti tra agenti sviluppati da fornitori diversi.
- RAG e retrievalAgentic RAGRAG in cui un agente pianifica ricerche, strumenti e verifiche invece di seguire un’unica pipeline fissa.
- AgentiAI AgentSistema che usa un modello e strumenti per perseguire un obiettivo attraverso decisioni e azioni successive.
- InferenzaAI GatewayLivello infrastrutturale che centralizza accesso, routing, sicurezza e osservabilità dei servizi AI.
- ConcettoAI GenerativaSistemi di intelligenza artificiale capaci di creare nuovi contenuti originali come testo, immagini, audio, video.
- Valutazione e sicurezzaAI GovernanceInsieme di ruoli, processi e controlli con cui un’organizzazione gestisce responsabilità e rischi dei sistemi AI.
- ConcettoAI MultimodaleSistemi AI che possono processare e correlare informazioni da modalità multiple come testo, immagini, audio e video.
- ApprendimentoAlbero DecisionaleModello che suddivide ricorsivamente lo spazio delle feature con regole fino a produrre una predizione nelle foglie.
- FondamentiAleatoric UncertaintyIncertezza dovuta a rumore o variabilità intrinseca dei dati, non eliminabile raccogliendone altri.
- ArchitetturaAlexNetCNN profonda vincitrice ImageNet 2012, pioniera del deep learning in computer vision.
- ConcettoAlgoritmoUna procedura o formula step-by-step per risolvere un problema o eseguire un task.
- LLM e promptingAlignmentProcesso che rende comportamento e obiettivi di un sistema AI coerenti con intenzioni, valori e vincoli definiti.
- RappresentazioneAnalisi delle Componenti PrincipaliMetodo lineare che proietta dati su direzioni ortogonali di massima varianza per ridurre dimensioni e ridondanza.
- Hardware e infrastrutturaApple Neural EngineAcceleratore integrato nei chip Apple per inferenza efficiente su modelli compatibili con il software e i formati della piattaforma.
- ParadigmaApprendimento Non SupervisionatoUn paradigma di machine learning dove i modelli trovano pattern in dati non etichettati senza supervisione esplicita.
- ParadigmaApprendimento SupervisionatoUn paradigma di machine learning dove i modelli apprendono da dati di training etichettati con coppie input-output.
- Valutazione e sicurezzaArea sotto la Curva Precision-RecallSintesi della relazione fra precision e recall al variare della soglia, particolarmente informativa con classe positiva rara.
- AI generativaASR (Automatic Speech Recognition)Conversione automatica del parlato in testo attraverso modelli acustici e linguistici.
- Valutazione e sicurezzaAttacco BackdoorCompromissione che induce un comportamento desiderato dall’attaccante quando nell’input compare un trigger specifico.
- RappresentazioneAttention MaskMatrice o vettore che limita quali posizioni possono contribuire all’attenzione di ciascun token.
- ConcettoAttention ScoreSimilarità calcolata tra vettori query e key prima della normalizzazione softmax nell'attention.
- MetricaAUC-ROCArea sotto curva ROC, misurando qualità classificatori binari attraverso tutte le soglie.
- ArchitetturaAutoencoderUna rete neurale addestrata a ricostruire il suo input, apprendendo rappresentazioni compresse nel processo.
- ConcettoAutoregressive ModelModelli che generano output sequenzialmente, dove ogni elemento dipende da quelli precedenti.
- RappresentazioneAutovalori e AutovettoriScalari e direzioni per cui una trasformazione lineare cambia soltanto la scala del vettore senza modificarne la direzione.
- Video e media generativiAvatar AIRappresentazione visiva animata di una persona o di un personaggio usata per interazione, presentazione o assistenza automatizzata.
- TecnicaAverage PoolingUn'operazione di pooling che calcola il valore medio da ogni finestra della feature map.
B
- Valutazione e sicurezzaBalanced AccuracyMedia delle recall calcolate separatamente per ogni classe, utile quando i supporti sono molto sbilanciati.
- AlgoritmoBatch Gradient DescentUna variante di gradient descent che calcola i gradienti usando l'intero dataset di training in ogni iterazione.
- TecnicaBatch NormalizationUna tecnica per normalizzare gli input di ogni layer, stabilizzando e accelerando il training.
- ConcettoBatch SizeNumero di esempi di training processati insieme in un passaggio forward/backward.
- AlgoritmoBeam SearchAlgoritmo di decoding mantenendo top B sequenze più probabili a ogni step.
- Valutazione e sicurezzaBenchmark ContaminationPresenza nei dati di addestramento di esempi uguali o simili a quelli usati per valutare il modello.
- ModelloBERTBidirectional Encoder Representations from Transformers - un modello di linguaggio pre-addestrato bidirezionale.
- RAG e retrievalBi-EncoderArchitettura che codifica separatamente query e documenti in vettori confrontabili per similarità.
- MetricaBLEU ScoreMetrica per qualità traduzione automatica comparando sovrapposizione n-gram tra traduzioni generate e riferimento.
- RAG e retrievalBM25Funzione di ranking lessicale che valuta i documenti in base a frequenza dei termini, rarità e lunghezza.
- ProbabilitàBootstrapMetodo di ricampionamento con reinserimento usato per stimare variabilità e intervalli senza una formula analitica semplice.
- Valutazione e sicurezzaBrier ScoreMedia degli scarti quadratici fra probabilità previste e esiti osservati per valutare accuratezza probabilistica.
- Agenti e protocolliBrowser AgentAgente che interpreta pagine web e interagisce con navigazione, moduli e contenuti per completare operazioni online.
- Valutazione e sicurezzaBudget di PrivacyQuantificazione del consumo cumulativo di privacy in meccanismi differenzialmente privati, spesso espresso tramite epsilon.
C
- FondamentiCalibrationGrado di corrispondenza tra confidenza prevista e frequenza con cui le predizioni risultano corrette.
- ApprendimentoCatastrophic ForgettingPerdita di prestazioni su conoscenze precedenti quando un modello viene aggiornato su nuovi dati o compiti.
- ProbabilitàCatena di MarkovProcesso in cui la distribuzione dello stato successivo dipende soltanto dallo stato presente e non dalla storia precedente.
- ApprendimentoCausal Language ModelingObiettivo che addestra il modello a prevedere il token successivo usando esclusivamente il contesto precedente.
- TecnicaCausal MaskingTecnica di masking prevenendo attention a posizioni future in modelli autoregressivi.
- Hardware e infrastrutturaCerebras WSEProcessore wafer-scale di Cerebras che integra un numero molto elevato di core e memoria su un unico wafer.
- TecnicaChain-of-Thought PromptingTecnica di prompting incoraggiante LLM a mostrare step di ragionamento intermedi prima di rispondere.
- RAG e retrievalChunkingSuddivisione dei documenti in segmenti più piccoli per indicizzazione, recupero e inserimento nel contesto.
- FondamentiClass ImbalanceDistribuzione molto diseguale delle classi che può rendere fuorvianti accuratezza e processo di training.
- TaskClassificazioneUn task di apprendimento supervisionato dove l'obiettivo è predire etichette di classe discrete per dati di input.
- AI generativaClassifier-Free GuidanceGuida che combina predizioni condizionate e non condizionate per aumentare aderenza al prompt.
- Modelli e prodotti AIClaudeFamiglia di modelli di Anthropic usata per testo, codice, analisi multimodale e applicazioni agentiche.
- ModelloCLIP (Contrastive Language-Image Pre-training)Un modello multimodale addestrato per comprendere relazioni tra immagini e testo.
- TaskClusteringUn task di apprendimento non supervisionato che raggruppa punti dati simili insieme basandosi sulle loro feature.
- ArchitetturaCNN (Convolutional Neural Network)Un'architettura di deep learning specializzata per processare dati a griglia come immagini, usando layer convoluzionali.
- DatasetCOCO (Common Objects in Context)Dataset large-scale per object detection, segmentazione e captioning con 330k immagini.
- AgentiCode AgentAgente specializzato nell’analizzare, modificare e verificare codice usando repository e strumenti di sviluppo.
- Agenti e protocolliCoding AgentAgente che esplora repository, modifica codice, esegue comandi e verifica risultati usando strumenti di sviluppo.
- Video e media generativiCoerenza TemporaleProprietà per cui soggetti, identità, luci e geometria restano coerenti fra frame consecutivi di un video generato.
- Valutazione e sicurezzaCohen’s KappaMetrica di accordo che corregge la concordanza osservata per quella attesa casualmente dalle distribuzioni marginali.
- Modelli e prodotti AICommand RSerie di modelli Cohere progettata per applicazioni aziendali, retrieval augmented generation e uso di strumenti.
- AgentiComputer UseCapacità di un agente di operare interfacce grafiche tramite osservazione e azioni come clic e digitazione.
- FondamentiConcept DriftCambiamento nel tempo della relazione tra input e risultato atteso che invecchia il comportamento appreso.
- ProbabilitàConformal PredictionFramework che costruisce insiemi o intervalli di predizione con garanzie di copertura sotto ipotesi di scambiabilità.
- LLM e promptingConstitutional AIApproccio di allineamento che usa un insieme esplicito di principi per guidare revisione e apprendimento delle risposte.
- AI contemporaneaContext EngineeringProgettazione delle informazioni, istruzioni, memoria e strumenti forniti al modello in ogni fase di un workflow.
- LLM e promptingContext WindowQuantità massima di token che un modello può considerare contemporaneamente tra istruzioni, contesto e output.
- InferenzaContinuous BatchingSchedulazione che inserisce e rimuove richieste dal batch durante la generazione invece di attendere il batch completo.
- ParadigmaContrastive LearningApprendimento self-supervised contrastando coppie positive contro coppie negative.
- AI generativaControlNetArchitettura che aggiunge condizioni spaziali a un modello di diffusione senza sostituirne i pesi principali.
- ConcettoConvoluzioneUn'operazione matematica che fa scorrere un filtro/kernel sui dati di input per estrarre feature.
- InferenzaCore MLFramework Apple per eseguire modelli su dispositivi Apple sfruttando CPU, GPU e Neural Engine.
- RAG e retrievalCorrective RAGPipeline RAG che valuta il materiale recuperato e corregge il percorso prima di generare la risposta.
- RappresentazioneCorrelazioneMisura normalizzata della relazione fra variabili, spesso limitata fra meno uno e uno nel coefficiente di Pearson.
- OttimizzazioneCosine AnnealingScheduler che riduce il learning rate seguendo una curva coseno da un massimo verso un minimo prestabilito.
- RappresentazioneCovarianzaMisura congiunta della variazione di due variabili rispetto alle rispettive medie, con segno legato alla direzione della relazione.
- RAG e retrievalCross-EncoderModello che elabora congiuntamente query e documento per stimare con precisione la loro pertinenza.
- ConcettoCross-EntropyUna funzione di loss comunemente usata per problemi di classificazione che misura la differenza tra distribuzioni di probabilità.
- TecnicaCross-ValidationTecnica di resampling per valutare performance dividendo dati in multipli fold train-test.
- FondamentiCurriculum LearningStrategia di addestramento che presenta esempi in un ordine progettato, spesso dal più semplice al più difficile.
- Valutazione e sicurezzaCurva ROCCurva che mostra true positive rate e false positive rate al variare della soglia di classificazione.
D
- Immagini generativeDALL·ESerie di modelli OpenAI per creare e modificare immagini a partire da prompt testuali e riferimenti visivi.
- TecnicaData AugmentationTecniche per aumentare artificialmente la dimensione del dataset di training attraverso trasformazioni dei dati esistenti.
- FondamentiData LeakageUso improprio, durante training o valutazione, di informazioni non disponibili al momento della predizione.
- OttimizzazioneData ParallelismStrategia distribuita che replica il modello e assegna batch differenti ai dispositivi prima di sincronizzare i gradienti.
- Valutazione e sicurezzaData PoisoningManipolazione dei dati di training o apprendimento continuo per alterare intenzionalmente un modello.
- ConcettoDatasetUna collezione di esempi di dati usati per training, validation o testing di modelli machine learning.
- ConcettoDati di TestDati tenuti da parte per valutazione finale di un modello trained, mai visti durante training.
- ConcettoDati di TrainingIl sottoinsieme di dati usato per addestrare un modello machine learning.
- FondamentiDati SinteticiDati generati artificialmente da modelli, simulazioni o regole per integrare o sostituire osservazioni reali.
- AI generativaDDIM (Denoising Diffusion Implicit Model)Metodo di campionamento per diffusione che consente traiettorie non markoviane e meno passaggi.
- AI generativaDDPM (Denoising Diffusion Probabilistic Model)Modello di diffusione che apprende a invertire gradualmente un processo di aggiunta di rumore.
- RappresentazioneDecomposizione ai Valori SingolariFattorizzazione di una matrice in componenti ortogonali e valori singolari che ne descrivono scale e direzioni principali.
- ProbabilitàDeep EnsembleInsieme di modelli neurali addestrati separatamente le cui predizioni vengono aggregate per migliorare robustezza e incertezza.
- Agenti e protocolliDeep ResearchWorkflow in cui un agente cerca, legge, confronta e sintetizza molte fonti per produrre un rapporto documentato.
- Modelli e prodotti AIDeepSeekFamiglia di modelli dell’azienda cinese DeepSeek, nota anche per varianti di ragionamento e architetture efficienti.
- RAG e retrievalDense RetrievalRecupero di documenti confrontando rappresentazioni vettoriali dense di query e contenuti.
- TecnicaDepthwise Separable ConvolutionFattorizza convoluzione standard in convoluzioni depthwise e pointwise per efficienza.
- ProbabilitàDeviazione StandardRadice quadrata della varianza che esprime dispersione nella stessa unità di misura della variabile osservata.
- TecnicaDice LossFunzione di loss basata su coefficiente Dice, comunemente usata per task di segmentazione.
- Valutazione e sicurezzaDifesa in ProfonditàStrategia che combina controlli indipendenti su più livelli affinché un singolo fallimento non comprometta l’intero sistema.
- Valutazione e sicurezzaDifferential PrivacyGaranzia formale che limita quanto la presenza di un individuo nei dati possa influenzare il risultato.
- OttimizzazioneDifferenziazione AutomaticaCalcolo sistematico di derivate esatte di programmi tramite regole applicate alle operazioni elementari del grafo computazionale.
- TecnicaDilated ConvolutionConvoluzione con gap tra elementi kernel, aumentando receptive field senza aggiungere parametri.
- Valutazione e sicurezzaDimensione dell’EffettoMisura della grandezza di una differenza o relazione, distinta dalla significatività statistica e dalla dimensione campionaria.
- RappresentazioneDistanza EuclideaDistanza fra punti calcolata come radice della somma delle differenze quadratiche fra coordinate corrispondenti.
- RappresentazioneDistanza ManhattanSomma delle differenze assolute fra coordinate, detta anche distanza L1 o city block.
- FondamentiDistribution ShiftCambiamento della distribuzione dei dati tra addestramento e utilizzo che può degradare le prestazioni.
- ProbabilitàDistribuzione CategoricaDistribuzione discreta che assegna una probabilità a ciascuna di un numero finito di categorie mutualmente esclusive.
- ProbabilitàDistribuzione di BernoulliModello probabilistico per una variabile binaria che assume valore uno con probabilità p e zero con probabilità uno meno p.
- ProbabilitàDistribuzione NormaleDistribuzione continua simmetrica determinata da media e varianza, con caratteristica forma a campana chiamata anche gaussiana.
- LLM e promptingDPO (Direct Preference Optimization)Metodo che ottimizza direttamente una policy su coppie di risposte preferite e non preferite senza RL esplicito.
- AI generativaDreamBoothTecnica di personalizzazione che specializza un modello di diffusione su un soggetto usando poche immagini.
- TecnicaDropoutUna tecnica di regolarizzazione che disattiva casualmente neuroni durante il training per prevenire overfitting.
E
- TecnicaEarly StoppingUna tecnica di regolarizzazione che ferma il training quando le performance su validation smettono di migliorare.
- Hardware e infrastrutturaEdge AIEsecuzione di inferenza su dispositivi vicini ai dati, come telefoni, sensori o computer industriali, invece del solo cloud.
- TecnicaEmbeddingUna rappresentazione vettoriale densa di entità discrete (parole, immagini) in uno spazio continuo.
- AI generativaEmbodied AIAI che percepisce e agisce tramite un corpo fisico o simulato interagendo con un ambiente.
- ProbabilitàEntropiaMisura dell’incertezza media di una distribuzione di probabilità, massima quando gli esiti sono equamente distribuiti.
- FondamentiEpistemic UncertaintyIncertezza dovuta alla conoscenza limitata del modello, riducibile con dati o informazioni migliori.
- ConcettoEpocaUn passaggio completo attraverso l'intero dataset di training durante il training.
- Valutazione e sicurezzaEqualized OddsCriterio di equità che richiede tassi di errore comparabili fra gruppi condizionatamente alla classe reale.
- ConcettoErroreLa differenza tra output predetto e etichetta vera, indicando errori del modello.
- ConcettoEtichettaL'output target o ground truth associato a un esempio di training nell'apprendimento supervisionato.
- Valutazione e sicurezzaExplainabilityCapacità di fornire spiegazioni comprensibili dei fattori e del processo associati a un risultato del modello.
- ConcettoExploding GradientUn problema dove i gradienti diventano estremamente grandi durante il training, causando aggiornamenti instabili e divergenza.
F
- MetricaF1 ScoreLa media armonica di precision e recall, fornendo una singola metrica bilanciata.
- Valutazione e sicurezzaFairnessValutazione e gestione di impatti e disparità del modello su individui e gruppi in un contesto definito.
- RAG e retrievalFAISSLibreria per similarità vettoriale e clustering che implementa indici efficienti per grandi collezioni.
- ConcettoFeatureUna proprietà o caratteristica misurabile individuale dei dati usata come input a un modello.
- ConcettoFeature MapL'output dell'applicazione di un filtro di convoluzione a un input, rappresentando feature rilevate.
- RappresentazioneFeature ScalingTrasformazione delle scale delle feature per rendere confrontabili distanze, gradienti e contributi numerici durante training o analisi.
- RappresentazioneFeature SelectionProcesso che sceglie un sottoinsieme di feature per semplificare modelli, ridurre rumore, costo o ridondanza.
- ParadigmaFederated LearningUn approccio di machine learning che addestra modelli su dati distribuiti senza centralizzarli, preservando la privacy.
- ConcettoFiltro / KernelUna piccola matrice di pesi apprendibili che scorre sull'input durante la convoluzione per rilevare feature specifiche.
- OttimizzazioneFlashAttentionAlgoritmo di attenzione che riduce trasferimenti di memoria tramite tiling senza materializzare l’intera matrice dei punteggi.
- Immagini generativeFLUXFamiglia di modelli di Black Forest Labs per generazione e trasformazione di immagini con varianti e condizioni d’uso differenti.
- TecnicaFocal LossFunzione di loss affrontando sbilanciamento classi down-weighting esempi facili.
- LLM e promptingFunction CallingMeccanismo con cui un modello genera nome e argomenti strutturati di una funzione offerta dall’applicazione.
- ConcettoFunzione SigmoideUna funzione di attivazione che mappa input a valori tra 0 e 1: f(x) = 1/(1 + e^(-x)).
- ConcettoFunzione SoftmaxUna funzione di attivazione che converte un vettore di valori in una distribuzione di probabilità che somma a 1.
G
- ArchitetturaGAN (Generative Adversarial Network)Un framework dove due reti neurali competono: un generator crea dati falsi e un discriminator cerca di distinguere vero da falso.
- Modelli e prodotti AIGeminiFamiglia multimodale di Google DeepMind per elaborare e generare contenuti su testo, immagini, audio e altri canali.
- Modelli e prodotti AIGemmaFamiglia di modelli aperti di Google basata su ricerca Gemini e pensata per sviluppatori e deployment flessibili.
- TaskGenerazione del LinguaggioIl task di produrre testo coerente e contestualmente appropriato da parte di un modello AI.
- InferenzaGGUFFormato di file per distribuire modelli e metadati usato soprattutto dall’ecosistema llama.cpp.
- ModelloGPT (Generative Pre-trained Transformer)Una famiglia di large language model sviluppati da OpenAI che usano l'architettura transformer per la generazione di testo.
- Modelli e prodotti AIGPT-5Famiglia di modelli OpenAI orientata a ragionamento, generazione e uso di strumenti in diversi contesti applicativi.
- FondamentiGradient AccumulationAccumulo dei gradienti su più mini-batch prima di aggiornare i pesi, simulando un batch più grande.
- ApprendimentoGradient BoostingMetodo ensemble che aggiunge sequenzialmente modelli deboli per correggere errori secondo il gradiente di una loss.
- OttimizzazioneGradient CheckpointingTecnica che conserva solo alcune attivazioni e ricalcola le altre durante backward per ridurre memoria di training.
- TecnicaGradient ClippingTecnica che limita la magnitudine dei gradienti durante il training per prevenire exploding gradients.
- ConcettoGradienteDirezione e magnitudine dell'aumento più ripido nella funzione loss rispetto ai parametri.
- OttimizzazioneGrafo ComputazionaleRappresentazione di un calcolo come operazioni e dipendenze che collegano input, parametri, valori intermedi e output.
- Modelli e prodotti AIGraniteFamiglia di modelli IBM orientata a casi aziendali, codice, documenti e deployment governati.
- RAG e retrievalGraphRAGApproccio RAG che integra grafi di entità e relazioni per recuperare contesto e sintetizzare connessioni.
- Modelli e prodotti AIGrokFamiglia di modelli di xAI integrata in prodotti conversazionali e orientata anche a ragionamento e strumenti.
- Hardware e infrastrutturaGroq LPUArchitettura di Groq ottimizzata per inferenza deterministica e bassa latenza con esecuzione e memoria organizzate diversamente dalle GPU.
- LLM e promptingGroundingCollegamento delle risposte di un modello a fonti, dati o osservazioni verificabili invece della sola plausibilità linguistica.
- TecnicaGroup NormalizationNormalizza dividendo canali in gruppi e normalizzando all'interno di ogni gruppo.
- ArchitetturaGRU (Gated Recurrent Unit)Variante RNN semplificata con meccanismi gating, simile a LSTM ma meno parametri.
- LLM e promptingGuardrailsControlli tecnici e procedurali che limitano input, output e azioni di un sistema AI per ridurre i rischi.
H
- LLM e promptingHallucinationContenuto plausibile ma non supportato dai fatti o dalle fonti disponibili, generato come se fosse corretto.
- RAG e retrievalHNSW (Hierarchical Navigable Small World)Indice per ricerca approssimata dei vicini che organizza i vettori in un grafo multilivello.
- OttimizzazioneHuber LossLoss di regressione quadratica per piccoli residui e lineare oltre una soglia delta per limitare il peso degli outlier.
- AgentiHuman-in-the-LoopProgettazione che inserisce revisione o decisione umana in punti significativi di un processo automatizzato.
- Video e media generativiHunyuanVideoModello video di Tencent con implementazioni pubbliche per studiare generazione cinematografica e architetture multimodali.
- RAG e retrievalHybrid SearchRecupero che combina ranking lessicali e semantici per sfruttare corrispondenze esatte e similarità di significato.
- RAG e retrievalHyDE (Hypothetical Document Embeddings)Tecnica che genera una risposta ipotetica e usa il suo embedding per recuperare documenti reali.
I
- AI generativaImage-to-ImageTrasformazione di un’immagine esistente guidata da prompt, condizioni o intensità di modifica.
- Video e media generativiImage-to-VideoGenerazione di movimento e nuovi frame a partire da una o più immagini usate come riferimento visivo.
- Immagini generativeImagenFamiglia di modelli di Google per generazione di immagini da descrizioni testuali e attività di editing visivo.
- DatasetImageNetDataset immagini large-scale con 14M immagini attraverso 20k categorie, usato per competizione ILSVRC.
- Valutazione e sicurezzaImpatto DisparatoDifferenza sproporzionata negli esiti fra gruppi che può emergere anche senza intenzione esplicita di discriminare.
- ProbabilitàImportance SamplingTecnica che campiona da una distribuzione comoda e ripesa i risultati per stimare valori relativi a un’altra distribuzione.
- ArchitetturaInception ModuleBlocco CNN applicando dimensioni filtro multiple in parallelo e concatenando risultati.
- ConcettoInferenceIl processo di usare un modello trained per fare predizioni su nuovi dati.
- TecnicaInizializzazione PesiMetodi per impostare valori iniziali dei pesi della rete neurale prima dell'inizio del training.
- AI generativaInpaintingGenerazione o ricostruzione di aree selezionate di un’immagine mantenendo il contesto circostante.
- ConcettoInputDati forniti a un modello o rete neurale per elaborazione.
- TecnicaInstance NormalizationNormalizza ogni campione indipendentemente, comunemente usata in style transfer.
- Valutazione e sicurezzaIntegrated GradientsMetodo che attribuisce la predizione alle feature integrando i gradienti lungo un percorso da un baseline.
- ConcettoIntelligenza Artificiale (AI)Campo dell'informatica focalizzato sulla creazione di sistemi capaci di eseguire task che richiedono intelligenza umana.
- Video e media generativiInterpolazione dei FrameGenerazione di frame intermedi fra immagini esistenti per aumentare fluidità o modificare il frame rate di una sequenza.
- Valutazione e sicurezzaInterpretabilityGrado in cui struttura e comportamento di un modello possono essere compresi e analizzati direttamente.
- ProbabilitàIntervallo di ConfidenzaIntervallo prodotto da una procedura che, ripetuta su campioni, contiene il parametro con una frequenza nominale dichiarata.
- Immagini generativeIP-AdapterAdattatore che condiziona un modello di diffusione con immagini di riferimento per guidare soggetto, stile o composizione.
- ConcettoIperparametroUna variabile di configurazione impostata prima del training che controlla il processo di apprendimento.
- RAG e retrievalIVF (Inverted File Index)Indice vettoriale che partiziona lo spazio in cluster e limita la ricerca a un sottoinsieme.
J
K
- ApprendimentoK-Nearest NeighborsMetodo che predice dai k esempi di training più vicini secondo una metrica, senza una fase parametrica tradizionale.
- RappresentazioneKernel TrickTecnica che calcola prodotti scalari in uno spazio di feature implicito senza costruire esplicitamente tutte le coordinate.
- Modelli e prodotti AIKimi K2Modello di Moonshot AI appartenente alla serie Kimi e progettato per ragionamento, coding e attività agentiche.
- Video e media generativiKlingFamiglia di modelli di Kuaishou per generazione video da testo o immagini con controlli visivi e movimento.
- TecnicaKnowledge DistillationTecnica per trasferire conoscenza da un modello grande (teacher) a uno più piccolo (student) mantenendo performance simili.
- LLM e promptingKV CacheMemoria temporanea dei tensori key e value che evita di ricalcolarli per i token precedenti durante la generazione.
L
- RappresentazioneLate InteractionArchitettura di retrieval che confronta rappresentazioni multiple di token dopo codifica separata di query e documento.
- AI generativaLatent DiffusionDiffusione eseguita in uno spazio latente compresso anziché direttamente sui pixel.
- ArchitetturaLayer ConvoluzionaleUn layer nelle CNN che applica operazioni di convoluzione per estrarre feature spaziali dai dati di input.
- ArchitetturaLayer di AttivazioneUn layer che applica una funzione di attivazione non lineare element-wise al suo input.
- ArchitetturaLayer di InputIl primo layer di una rete neurale che riceve i dati di input grezzi.
- ArchitetturaLayer di OutputIl layer finale di una rete neurale che produce predizioni o output.
- ArchitetturaLayer di PoolingUn layer di downsampling nelle CNN che riduce le dimensioni spaziali mantenendo feature importanti.
- ArchitetturaLayer Fully ConnectedUn layer di rete neurale dove ogni neurone è connesso a ogni neurone nei layer precedente e successivo.
- ArchitetturaLayer NascostoLayer in una rete neurale tra input e output che apprendono rappresentazioni intermedie.
- TecnicaLayer NormalizationTecnica di normalizzazione che opera su tutti i neuroni in un layer, usata principalmente nei Transformer.
- ApprendimentoLearning CurveGrafico delle prestazioni al variare di dati o iterazioni usato per osservare convergenza, underfitting e overfitting.
- ConcettoLearning RateIperparametro controllando quanto aggiustare i pesi del modello durante il training.
- TecnicaLearning Rate ScheduleUna strategia per aggiustare il learning rate durante il training per migliorare convergenza e performance.
- Valutazione e sicurezzaLIMETecnica che spiega una predizione approssimando localmente il modello con un modello interpretabile.
- Video e media generativiLip SyncAllineamento dei movimenti della bocca di un volto ai fonemi e ai tempi di una traccia vocale.
- Modelli e prodotti AILlamaFamiglia di modelli linguistici di Meta distribuita in varianti di dimensioni e capacità differenti, anche con pesi scaricabili.
- Inferenzallama.cppRuntime ottimizzato per eseguire modelli linguistici localmente su CPU e acceleratori supportati.
- ModelloLLM (Large Language Model)Una rete neurale con miliardi di parametri addestrata su enormi dataset testuali per comprendere e generare linguaggio umano.
- Valutazione e sicurezzaLLM EvaluationMisurazione sistematica di qualità, sicurezza, costo e comportamento di un modello linguistico su compiti definiti.
- Valutazione e sicurezzaLLM-as-a-JudgeUso di un modello per valutare risposte di altri modelli secondo una rubrica esplicita.
- Valutazione e sicurezzaLog LossPerdita che penalizza la probabilità assegnata alla classe errata tramite logaritmo negativo della confidenza corretta.
- TecnicaLoRA (Low-Rank Adaptation)Fine-tuning parameter-efficient aggiungendo matrici trainabili low-rank a pesi congelati.
- ConcettoLossUna misura di quanto sbagliate sono le predizioni del modello, usata per guidare il training.
- ArchitetturaLSTM (Long Short-Term Memory)Un tipo di rete neurale ricorrente capace di apprendere dipendenze a lungo termine in sequenze temporali.
- Video e media generativiLuma Dream MachineSistema di Luma AI per generare video e trasformazioni visive da prompt e riferimenti multimediali.
M
- ConcettoMachine LearningUna branca dell'intelligenza artificiale che permette ai computer di apprendere da dati senza essere esplicitamente programmati.
- TaskMachine TranslationTraduzione automatica di testo da una lingua all'altra.
- MetricaMAE (Mean Absolute Error)Funzione di loss misurando differenza assoluta media tra valori predetti e reali.
- TaskMasked Language ModelingTask di pre-training dove token random sono masked e il modello li predice dal contesto.
- ApprendimentoMassima VerosimiglianzaMetodo di stima che sceglie i parametri rendendo massima la probabilità assegnata dal modello ai dati osservati.
- ConcettoMatriceUn array 2D di numeri organizzati in righe e colonne.
- ConcettoMatrice di ConfusioneUna tabella usata per valutare le performance di modelli di classificazione mostrando classi vere vs predette.
- OttimizzazioneMatrice HessianaMatrice delle derivate seconde di una funzione scalare che descrive curvatura locale rispetto a coppie di variabili.
- OttimizzazioneMatrice JacobianaMatrice delle derivate prime di tutte le uscite di una funzione vettoriale rispetto a tutti gli ingressi.
- TecnicaMax PoolingUn'operazione di pooling che prende il valore massimo da ogni finestra della feature map.
- Valutazione e sicurezzaMean Reciprocal RankMedia del reciproco della posizione del primo risultato rilevante su un insieme di query.
- Valutazione e sicurezzaMembership InferenceAttacco che stima se un particolare esempio fosse presente nei dati di addestramento di un modello.
- Agenti e protocolliMemory ConsolidationProcesso che riassume, unisce e seleziona ricordi dell’agente per costruire memoria persistente più compatta e utile.
- RAG e retrievalMetadata FilteringRestrizione della ricerca vettoriale o lessicale tramite attributi strutturati dei documenti.
- ProbabilitàMetodo Monte CarloFamiglia di metodi che stimano quantità tramite campionamenti casuali ripetuti e medie dei risultati ottenuti.
- Modelli e prodotti AIMistralFamiglia di modelli dell’azienda francese Mistral AI per applicazioni linguistiche, coding e deployment commerciali o autonomi.
- FondamentiMixed PrecisionAddestramento o inferenza che combina formati numerici a precisione diversa per ridurre memoria e calcolo.
- TecnicaMixupData augmentation creando esempi sintetici mixando coppie di campioni training.
- Hardware e infrastrutturaMLXFramework di Apple per calcolo numerico e machine learning su Apple silicon, con array e operazioni accelerati.
- InferenzaMLXFramework numerico Apple per machine learning con array e grafi ottimizzati per Apple silicon.
- ArchitetturaMobileNetArchitettura CNN efficiente usando convoluzioni depthwise separabili per deployment mobile.
- Valutazione e sicurezzaModel CardDocumento che descrive scopo, dati, valutazione, limiti e condizioni d’uso di un modello.
- FondamentiModel CollapseProgressivo degrado di un modello generativo addestrato su dati sintetici prodotti da generazioni precedenti.
- AgentiModel Context Protocol (MCP)Protocollo aperto per connettere applicazioni AI a strumenti, risorse e prompt tramite un’interfaccia standard.
- Valutazione e sicurezzaModel InversionAttacco che ricostruisce caratteristiche o esempi dei dati di training sfruttando gli output di un modello.
- AI contemporaneaModel RouterComponente che instrada ogni richiesta verso un modello in base a compito, costo, capacità, latenza o regole operative.
- InferenzaModel RoutingSelezione dinamica del modello o del percorso di esecuzione in base a richiesta, costo e vincoli.
- ConcettoModelloUna rappresentazione matematica appresa dai dati che fa predizioni o decisioni.
- Audio e multimodaleModello Multimodale NativoModello progettato e addestrato congiuntamente su più modalità invece di collegare soltanto componenti separati in una fase successiva.
- Modelli e prodotti AIModello Open-WeightModello i cui pesi sono disponibili per download e utilizzo autonomo, con condizioni definite dalla licenza del distributore.
- TecnicaMomentumUna tecnica di ottimizzazione che accelera gradient descent accumulando un vettore velocità in direzioni di riduzione persistente della loss.
- Valutazione e sicurezzaMonitoraggio del ModelloOsservazione continua di qualità, dati, deriva e comportamento operativo dopo il rilascio di un modello.
- Video e media generativiMotion TransferTrasferimento del movimento da un video o una performance sorgente a un soggetto visivo differente preservandone l’identità.
- MetricaMSE (Mean Squared Error)Funzione di loss misurando differenza quadratica media tra valori predetti e reali.
- Agenti e protocolliMulti-Agent DebateMetodo in cui più agenti producono argomenti e critiche prima di selezionare o sintetizzare una risposta finale.
- AgentiMulti-Agent SystemSistema in cui più agenti con ruoli o obiettivi distinti collaborano o negoziano per completare un compito.
- TecnicaMulti-Head AttentionMeccanismo che permette al modello di focalizzarsi su diverse parti dell'input simultaneamente attraverso molteplici teste di attenzione.
- Valutazione e sicurezzaMulticollinearitàForte dipendenza lineare fra predittori che rende instabili coefficienti e attribuzioni nei modelli statistici.
- Audio e multimodaleMusic GenerationSintesi di melodie, arrangiamenti o brani completi da modelli che apprendono struttura ritmica, armonica e timbrica.
N
- ApprendimentoNaive BayesClassificatore probabilistico che applica Bayes assumendo indipendenza condizionata delle feature rispetto alla classe.
- TaskNER (Named Entity Recognition)Task NLP identificando e classificando entità nominate (persone, organizzazioni, luoghi) nel testo.
- Hardware e infrastrutturaNeural Processing UnitAcceleratore progettato per operazioni di intelligenza artificiale con attenzione a efficienza energetica e inferenza locale.
- ConcettoNeuroneUnità computazionale base nelle reti neurali che riceve input, applica pesi e attivazione, produce output.
- TaskNext Sentence PredictionTask di pre-training predicendo se frase B segue frase A.
- CampoNLP (Natural Language Processing)Elaborazione del linguaggio naturale - campo dell'AI che permette ai computer di comprendere e generare linguaggio umano.
- FondamentiNoisy LabelsEtichette errate o incoerenti nei dati che possono deviare l’apprendimento e falsare la valutazione.
- RappresentazioneNorma di un VettoreFunzione che assegna lunghezza o grandezza a un vettore rispettando proprietà di positività, omogeneità e disuguaglianza triangolare.
- Valutazione e sicurezzaNormalized Discounted Cumulative GainMetrica di ranking che premia rilevanza e posizione con sconto logaritmico, normalizzata rispetto all’ordine ideale.
- TecnicaNucleus Sampling (Top-P)Generazione testo campionando dal set più piccolo di token la cui probabilità cumulativa supera soglia P.
O
- Hardware e infrastrutturaOllamaStrumento per scaricare, configurare ed eseguire modelli linguistici locali con una CLI e un’API semplificata.
- Modelli e prodotti AIOLMoFamiglia di modelli di AI2 accompagnata da una forte enfasi su apertura di pesi, dati e processo di training.
- RappresentazioneOne-Hot EncodingRappresentazione di categorie mediante vettori binari con una sola posizione attiva per ciascun valore osservato.
- InferenzaONNXFormato aperto per rappresentare modelli e trasferirli tra framework e runtime di inferenza.
- RappresentazioneOrtogonalitàRelazione fra vettori con prodotto scalare zero, interpretabile geometricamente come perpendicolarità nello spazio euclideo.
- AlgoritmoOttimizzatore AdamUn algoritmo di ottimizzazione con learning rate adattivo che combina momentum e RMSprop.
- ConcettoOttimizzazioneIl processo di regolazione dei parametri del modello per minimizzare la funzione di loss e migliorare le performance.
- FondamentiOut-of-Distribution (OOD)Condizione in cui un input differisce sufficientemente dai dati di training da rendere incerta la predizione.
- ConcettoOutputIl risultato prodotto da un modello dopo aver elaborato dati di input.
- ConcettoOverfittingQuando un modello apprende i dati di training troppo bene, incluso il rumore, risultando in scarsa generalizzazione su nuovi dati.
P
- TecnicaPaddingAggiungere pixel extra attorno al bordo dei dati di input per controllare la dimensione output nelle operazioni di convoluzione.
- RappresentazionePadding MaskMaschera che esclude token di riempimento dalle operazioni affinché non influenzano attenzione, loss o aggregazioni.
- InferenzaPaged AttentionGestione della KV cache in blocchi non contigui per ridurre frammentazione e spreco di memoria.
- ConcettoParametroValori apprendibili in un modello che sono ottimizzati durante il training (pesi e bias).
- RappresentazioneParent Document RetrievalStrategia che recupera segmenti piccoli ma restituisce al modello il documento o contesto genitore più ampio.
- Valutazione e sicurezzaParità DemograficaCriterio che confronta la frequenza di una decisione positiva fra gruppi indipendentemente dalla classe reale.
- ArchitetturaPerceptronRete neurale più semplice con singolo layer, classificatore binario inventato negli anni '50.
- MetricaPerplexityMisurazione di quanto bene un modello probabilistico predice un campione, per valutare language model.
- ConcettoPesoParametri apprendibili nelle reti neurali che determinano la forza delle connessioni tra neuroni.
- ConcettoPeso di AttenzioneUn valore scalare che indica quanto focus porre su una specifica parte dell'input quando si produce l'output.
- Modelli e prodotti AIPhiSerie Microsoft di modelli relativamente compatti progettati per capacità linguistiche e multimodali con requisiti ridotti.
- Video e media generativiPikaPiattaforma per creare e modificare video con modelli generativi, effetti e trasformazioni guidate da testo o immagini.
- OttimizzazionePipeline ParallelismDistribuzione di gruppi di layer su dispositivi differenti con micro-batch che attraversano la pipeline in sequenza.
- AgentiPlanningScomposizione di un obiettivo in una sequenza o struttura di azioni eseguibili e verificabili.
- TecnicaPositional EncodingUna tecnica per iniettare informazioni di posizione negli input dei transformer poiché mancano di ordine sequenziale intrinseco.
- InferenzaPost-Training QuantizationQuantizzazione applicata dopo l’addestramento per ridurre memoria e costo dell’inferenza.
- AddestramentoPre-trainingIl processo di addestrare un modello su un grande dataset generico prima di fine-tuning su task specifici.
- ConcettoPrecision e RecallMetriche per classificazione: Precision è positivi corretti / positivi predetti; Recall è positivi corretti / positivi reali.
- FondamentiPredictive UncertaintyIncertezza associata a una singola predizione, utile per astensione, ranking e controllo del rischio.
- ConcettoPredizioneL'output prodotto da un modello trained quando riceve nuovi dati di input.
- ProbabilitàPredizione SelettivaStrategia che consente al modello di astenersi su casi incerti coprendo soltanto una frazione degli input.
- InferenzaPrefix CachingRiutilizzo dei risultati di calcolo per un prefisso identico condiviso tra più richieste.
- Valutazione e sicurezzaPrincipio del Minimo PrivilegioPrincipio che concede a utenti e sistemi soltanto permessi e accessi strettamente necessari per il compito previsto.
- ProbabilitàPrior e PosteriorDistribuzioni che rappresentano rispettivamente conoscenza sui parametri prima dei dati e conoscenza aggiornata dopo le osservazioni.
- ProbabilitàProbabilitàMisura numerica fra zero e uno che assegna plausibilità a eventi secondo regole coerenti di somma e composizione.
- ProbabilitàProbabilità CondizionataProbabilità di un evento quando un altro evento è noto, scritta P(A|B) e definita dal rapporto fra probabilità congiunta e P(B).
- RappresentazioneProdotto ScalareSomma dei prodotti delle componenti corrispondenti di due vettori, collegata ad angolo, norme e proiezioni.
- RAG e retrievalProduct QuantizationTecnica che comprime vettori dividendo ogni embedding in sottovettori e quantizzandoli separatamente.
- Agenti e protocolliProgressive DisclosureCaricamento graduale di informazioni soltanto quando servono, iniziando da indici o descrizioni invece dell’intero contenuto.
- TecnicaPrompt EngineeringLa pratica di progettare prompt testuali efficaci per guidare i large language model verso output desiderati.
- LLM e promptingPrompt InjectionIstruzioni malevole inserite in input o contenuti recuperati per deviare il comportamento di un sistema AI.
- TecnicaPruningRimuovere pesi/neuroni non necessari per ridurre dimensione modello e costo computazionale.
Q
- InferenzaQuantization-Aware TrainingAddestramento che simula gli effetti della quantizzazione per rendere il modello più robusto a precisione ridotta.
- TecnicaQuantizzazioneRidurre precisione pesi/attivazioni per abbassare memoria e computazione.
- RAG e retrievalQuery ExpansionArricchimento di una query con termini o riformulazioni per aumentare la copertura del recupero.
- RappresentazioneQuery RewritingRiformulazione della richiesta per renderla autonoma, esplicita o più adatta al sistema di retrieval.
- ConcettoQuery, Key, Value (QKV)Tre vettori usati nei meccanismi di attenzione per calcolare combinazioni pesate di elementi input.
- TaskQuestion AnsweringTask NLP dove il modello estrae o genera risposte a domande basandosi sul contesto.
- Modelli e prodotti AIQwenFamiglia di modelli di Alibaba che comprende varianti linguistiche, multimodali, coding e reasoning con diverse dimensioni.
R
- TecnicaRAG (Retrieval-Augmented Generation)Una tecnica che migliora gli output degli LLM recuperando informazioni rilevanti da knowledge base esterne.
- ApprendimentoRandom ForestEnsemble di alberi addestrati su campioni e sottoinsiemi casuali di feature, con predizioni aggregate per voto o media.
- RappresentazioneRango di una MatriceNumero massimo di righe o colonne linearmente indipendenti, equivalente alla dimensione dell’immagine della trasformazione.
- LLM e promptingReActStrategia che alterna ragionamento e azioni, permettendo a un modello di osservare risultati prima di proseguire.
- AI contemporaneaRealtime Multimodal APIInterfaccia bidirezionale a bassa latenza per scambiare audio, testo, video e chiamate a strumenti in streaming.
- LLM e promptingReasoning ModelModello ottimizzato per produrre e valutare sequenze complesse di passi intermedi prima della risposta.
- Valutazione e sicurezzaRecall@KQuota di elementi rilevanti recuperati entro i primi k risultati rispetto al totale dei rilevanti disponibili.
- ConcettoReceptive FieldLa regione dello spazio di input che influenza l'attivazione di un particolare neurone in una rete neurale.
- Valutazione e sicurezzaRed TeamingValutazione deliberatamente avversaria che cerca comportamenti pericolosi, abusi e punti deboli di un sistema.
- OttimizzazioneRegola della CatenaRegola di derivazione per funzioni composte che moltiplica le sensibilità locali lungo il percorso di calcolo.
- TaskRegressioneUn task di apprendimento supervisionato dove l'obiettivo è predire valori numerici continui.
- ApprendimentoRegressione LineareModello che stima un target continuo come combinazione lineare delle feature più un termine di intercetta.
- ApprendimentoRegressione LogisticaModello lineare per classificazione che trasforma uno score con sigmoide o softmax per stimare probabilità di classe.
- Valutazione e sicurezzaReidentificazioneAssociazione di un record presumibilmente anonimo a una persona tramite combinazioni di attributi o fonti esterne.
- ParadigmaReinforcement LearningUn paradigma di machine learning dove gli agenti apprendono interagendo con un ambiente e ricevendo ricompense o penalità.
- ConcettoReLU (Rectified Linear Unit)Una funzione di attivazione che restituisce l'input se positivo, altrimenti zero: f(x) = max(0, x).
- RAG e retrievalRerankingRiordinamento di un insieme limitato di candidati con un modello più accurato del primo recupero.
- TecnicaResidual ConnectionUna connessione skip che permette al gradiente di fluire direttamente attraverso la rete, facilitando il training di reti profonde.
- ArchitetturaResNet (Residual Network)Un'architettura CNN che usa connessioni residuali (skip connections) per permettere il training di reti molto profonde.
- ArchitetturaRete ConvoluzionaleUna rete convoluzionale è un tipo di rete neurale progettata per elaborare dati strutturati in griglie, come immagini, attraverso l'uso di operazioni di convoluzione.
- ArchitetturaRete NeuraleUn modello computazionale ispirato alle reti neurali biologiche, composto da nodi interconnessi (neuroni) che elaborano informazioni.
- LLM e promptingReward ModelModello addestrato ad assegnare un punteggio alle risposte in base a preferenze umane o criteri appresi.
- TecnicaRiduzione DimensionalitàTecniche per ridurre il numero di feature nei dati preservando informazioni importanti.
- LLM e promptingRLHF (Reinforcement Learning from Human Feedback)Allineamento che usa preferenze umane per guidare un modello tramite apprendimento per rinforzo.
- AlgoritmoRMSpropAlgoritmo di ottimizzazione con learning rate adattivo usando media mobile di gradienti al quadrato.
- ArchitetturaRNN (Recurrent Neural Network)Un'architettura di rete neurale progettata per dati sequenziali, con connessioni che tornano a stati precedenti.
- Valutazione e sicurezzaRobustezzaCapacità di mantenere prestazioni accettabili di fronte a rumore, perturbazioni, shift o condizioni operative avverse.
- Hardware e infrastrutturaROCmPiattaforma software AMD per calcolo GPU e workload di machine learning, alternativa all’ecosistema CUDA su hardware compatibile.
- Video e media generativiRunway Gen-4Generazione di modelli video di Runway orientata a coerenza di personaggi, ambienti e produzione audiovisiva controllata.
S
- ConcettoScalareUn singolo valore numerico, un tensore zero-dimensionale.
- ApprendimentoSeed CasualeValore che inizializza un generatore pseudocasuale rendendo riproducibile una sequenza di operazioni apparentemente casuali.
- TecnicaSelf AttentionIl self attention è un meccanismo di attenzione utilizzato nei modelli di deep learning che consente a una rete neurale di pesare l'importanza di diverse parti di un input rispetto ad altre.
- ParadigmaSelf-Supervised LearningParadigma di apprendimento dove i modelli creano segnale di supervisione da dati non etichettati.
- InferenzaSemantic CachingCache che recupera risposte o risultati in base alla similarità semantica delle richieste, non solo all’uguaglianza esatta.
- RAG e retrievalSemantic ChunkingChunking che crea segmenti in base a significato e struttura del contenuto anziché sola lunghezza fissa.
- RappresentazioneSentencePieceAlgoritmo e implementazione di tokenizzazione subword che opera direttamente sul testo senza richiedere una segmentazione preliminare in parole.
- TaskSentiment AnalysisTask NLP determinando tono emotivo o opinione espressa nel testo.
- ApprendimentoSequence-to-SequenceParadigma che trasforma una sequenza di input in una sequenza di output tramite encoder e decoder o architetture equivalenti.
- AlgoritmoSGD (Stochastic Gradient Descent)Una variante di gradient descent che aggiorna i pesi usando gradienti da un singolo esempio di training random alla volta.
- Valutazione e sicurezzaSHAPMetodo di attribuzione che stima il contributo di ciascuna feature usando principi dei valori di Shapley.
- AI generativaSim-to-RealTrasferimento di comportamenti appresi in simulazione a sistemi che operano nel mondo reale.
- Agenti e protocolliSkill PackagePacchetto di istruzioni e risorse che fornisce a un agente una procedura specializzata da caricare quando pertinente.
- RappresentazioneSliding Window AttentionSchema in cui ogni token attende soltanto a una finestra locale di posizioni vicine per ridurre costo su sequenze lunghe.
- Video e media generativiSoraSistema di OpenAI per generare e trasformare video a partire da istruzioni testuali, immagini o altri input multimediali.
- OttimizzazioneSparse AttentionFamiglia di meccanismi che calcola soltanto un sottoinsieme delle coppie di attenzione per ridurre memoria e operazioni.
- RAG e retrievalSparse RetrievalRecupero basato su rappresentazioni sparse e occorrenze di termini, come inverted index e BM25.
- Audio e multimodaleSpeaker DiarizationSegmentazione di una registrazione che assegna parti dell’audio ai diversi parlanti senza necessariamente identificarli per nome.
- InferenzaSpeculative DecodingDecodifica che usa un modello più piccolo per proporre token e uno principale per verificarli in parallelo.
- Audio e multimodaleSpeech-to-SpeechInterazione in cui voce e audio vengono elaborati e restituiti senza obbligo di una trascrizione testuale intermedia visibile.
- DatasetSQuAD (Stanford Question Answering Dataset)Dataset reading comprehension con 100k+ domande su articoli Wikipedia.
- Video e media generativiStable Video DiffusionModello di Stability AI che estende la diffusione latente alla generazione di brevi sequenze video da immagini.
- RappresentazioneStandardizzazioneTrasformazione che sottrae la media e divide per deviazione standard producendo feature centrate con scala unitaria sul training.
- ConcettoStrideIl numero di pixel di cui un filtro si muove attraverso l'input durante operazioni di convoluzione o pooling.
- LLM e promptingStructured OutputOutput generato secondo uno schema definito, per esempio JSON con campi e tipi obbligatori.
- ApprendimentoSupport Vector MachineModello che apprende un confine massimizzando il margine, usando eventualmente kernel per relazioni non lineari.
- AI contemporaneaSystem 0Prospettiva teorica sull’AI come ambiente cognitivo esterno che orienta attenzione e decisioni prima del ragionamento deliberato umano.
- AI contemporaneaSystem 1 e System 2 nell’AIMetafora che distingue risposte rapide e associative da processi più lenti, deliberati e verificabili nei sistemi di AI.
- LLM e promptingSystem PromptIstruzioni ad alta priorità che definiscono comportamento, vincoli e contesto operativo di un modello.
T
- Video e media generativiTalking Head GenerationSintesi di un volto che parla sincronizzando labbra, espressioni e movimenti con una traccia audio o un testo.
- RappresentazioneTarget EncodingCodifica di categorie tramite statistiche del target stimate sui dati, spesso con smoothing per gruppi poco numerosi.
- TecnicaTemperature (Sampling)Parametro controllante randomicità in generazione testo scalando logit prima di softmax.
- Hardware e infrastrutturaTensor CoreUnità hardware NVIDIA specializzata in operazioni matriciali a precisione ridotta usate per training e inferenza accelerati.
- OttimizzazioneTensor ParallelismPartizionamento delle operazioni e dei tensori di uno stesso layer fra dispositivi per distribuire memoria e calcolo.
- Hardware e infrastrutturaTensor Processing UnitAcceleratore di Google progettato per carichi di calcolo tensoriali nel training e nell’inferenza di reti neurali.
- ConcettoTensoreUna struttura dati multi-dimensionale utilizzata per rappresentare dati in deep learning (scalari, vettori, matrici, tensori n-dimensionali).
- InferenzaTensorRTSDK NVIDIA che ottimizza ed esegue modelli di deep learning su GPU compatibili.
- Hardware e infrastrutturaTensorRT-LLMLibreria NVIDIA per ottimizzare inferenza LLM con kernel, precisione e strategie di esecuzione dedicate alle GPU supportate.
- ProbabilitàTeorema del Limite CentraleRisultato per cui somme o medie di molte variabili indipendenti tendono, normalizzate, a una distribuzione normale sotto condizioni adatte.
- ProbabilitàTeorema di BayesRegola che collega probabilità condizionate invertendo il condizionamento tramite verosimiglianza, probabilità a priori ed evidenza.
- ConcettoTermine di BiasUn parametro apprendibile addizionale nelle reti neurali che permette di shiftare la funzione di attivazione.
- Valutazione e sicurezzaTest di IpotesiProcedura statistica che confronta dati con un’ipotesi nulla per valutare evidenza contro un modello di riferimento.
- LLM e promptingTest-Time ComputeCalcolo aggiuntivo impiegato durante l’inferenza per migliorare la risposta senza modificare i parametri del modello.
- TaskText SummarizationTask NLP condensando testo lungo preservando informazioni chiave.
- AI generativaText-to-ImageGenerazione di immagini guidata da una descrizione testuale.
- Video e media generativiText-to-VideoGenerazione di una sequenza video guidata da una descrizione testuale di soggetti, azioni, ambiente e stile.
- RappresentazioneToken SpecialiSimboli riservati che marcano inizio, fine, separazione, padding o ruoli strutturali dentro una sequenza tokenizzata.
- TecnicaTokenizationIl processo di suddividere il testo in unità più piccole (token) come parole, subword o caratteri per l'elaborazione.
- Agenti e protocolliTool DiscoveryProcesso con cui un agente individua strumenti disponibili e ne comprende descrizione, parametri e condizioni d’uso.
- AgentiTool SandboxingIsolamento degli strumenti e delle loro azioni entro permessi, risorse e ambienti limitati.
- LLM e promptingTool UseCapacità di un modello di richiedere strumenti esterni per consultare dati o eseguire azioni durante un compito.
- TecnicaTop-K SamplingTecnica generazione testo campionando solo dai K token successivi più probabili.
- AddestramentoTransfer LearningUna tecnica dove la conoscenza appresa da un task viene applicata a un task diverso ma correlato, riducendo tempo di training e requisiti dati.
- ArchitetturaTransformerUn'architettura di rete neurale basata interamente su meccanismi di attention, senza layer ricorrenti o convoluzionali.
- LLM e promptingTree of ThoughtsMetodo di problem solving che esplora più percorsi di ragionamento intermedi e li valuta prima di scegliere.
- TecnicaTriplet LossFunzione di loss apprendendo embedding minimizzando distanza anchor-positive e massimizzando anchor-negative.
- AI generativaTTS (Text-to-Speech)Sintesi del parlato a partire da testo, con controllo di voce, prosodia e pronuncia.
U
- ArchitetturaU-NetUn'architettura CNN progettata per segmentazione di immagini biomediche, con struttura encoder-decoder e skip connections.
- Hardware e infrastrutturaUnified MemoryArchitettura in cui processori e acceleratori condividono uno spazio di memoria evitando copie separate fra memoria di sistema e dispositivo.
- Video e media generativiUpscaling VideoAumento della risoluzione spaziale o temporale di un video ricostruendo dettaglio e frame mancanti con modelli appresi.
V
- ArchitetturaVAE (Variational Autoencoder)Un modello generativo che apprende una rappresentazione probabilistica nello spazio latente dei dati.
- ConcettoValidation SetUna porzione di dati tenuta da parte durante il training per tuning iperparametri e prevenzione overfitting.
- ProbabilitàValore AttesoMedia di una variabile aleatoria ponderata dalle probabilità dei possibili valori, detta anche speranza matematica.
- Valutazione e sicurezzaValore pProbabilità, sotto l’ipotesi nulla, di osservare un risultato almeno altrettanto estremo di quello ottenuto dal test.
- ConcettoVanishing GradientUn problema nelle reti profonde dove i gradienti diventano estremamente piccoli, impedendo apprendimento efficace nei layer iniziali.
- ProbabilitàVarianzaMedia degli scarti quadratici dal valore atteso, usata per misurare la dispersione di una variabile aleatoria.
- RAG e retrievalVector DatabaseDatabase progettato per memorizzare embedding e recuperare elementi simili tramite indici vettoriali.
- Video e media generativiVeoFamiglia di modelli video di Google DeepMind per generazione cinematografica e controlli su scene, soggetti e movimento.
- ProbabilitàVerosimiglianzaFunzione dei parametri che misura quanto un modello renda probabili i dati osservati, mantenendo fisse le osservazioni.
- ConcettoVettoreUn array ordinato di numeri rappresentante un punto nello spazio multi-dimensionale.
- ArchitetturaVGGArchitettura CNN profonda usando filtri piccoli 3x3 ovunque, enfatizzando profondità.
- AI generativaVideo GenerationGenerazione di sequenze video coerenti da testo, immagini o altre condizioni.
- Video e media generativiVideo InpaintingRicostruzione di regioni mancanti o rimozione di elementi in un video propagando contenuto coerente nello spazio e nel tempo.
- Video e media generativiVideo UnderstandingAnalisi automatica di contenuto, azioni, relazioni ed eventi in sequenze video, oltre il riconoscimento dei singoli frame.
- Video e media generativiVideo-to-VideoTrasformazione di un video esistente guidata da prompt, riferimenti o condizioni mantenendo alcune proprietà della sequenza originale.
- AI generativaVision-Language Model (VLM)Modello che elabora congiuntamente immagini e linguaggio per comprendere o generare contenuti multimodali.
- AI generativaVision-Language-Action (VLA)Modello che collega percezione visiva e istruzioni linguistiche ad azioni fisiche o robotiche.
- CampoVisione ArtificialeUn campo dell'AI che permette ai computer di interpretare e comprendere informazioni visive dal mondo.
- ArchitetturaViT (Vision Transformer)Architettura Transformer adattata per computer vision trattando patch immagini come token.
- Hardware e infrastrutturavLLMMotore di serving per LLM che ottimizza throughput e memoria con tecniche come PagedAttention e continuous batching.
- AI generativaVoice CloningSintesi vocale che riproduce caratteristiche di una voce specifica da campioni audio.
W
- Video e media generativiWanSerie di modelli video di Alibaba con varianti per generazione da testo, immagini e altre forme di controllo.
- OttimizzazioneWarmup del Learning RateFase iniziale in cui il learning rate cresce gradualmente fino al valore previsto dallo scheduler successivo.
- Valutazione e sicurezzaWatermarkingInserimento di un segnale rilevabile nei contenuti o nei modelli per attestarne origine o provenienza.
- InferenzaWebGPUAPI web per calcolo e grafica GPU utilizzabile anche per inferenza di modelli nel browser.
- FondamentiWeight DecayTecnica di regolarizzazione che penalizza i pesi di grande valore durante l’ottimizzazione di un modello.
- Audio e multimodaleWhisperModello di OpenAI per riconoscimento vocale, trascrizione multilingue e traduzione verso l’inglese da audio.
- TecnicaWord EmbeddingRappresentazioni vettoriali dense di parole che catturano relazioni semantiche e sintattiche.
- RappresentazioneWordPieceMetodo di tokenizzazione subword che costruisce un vocabolario per rappresentare parole frequenti intere e altre tramite frammenti.
- AI generativaWorld ModelModello appreso delle dinamiche di un ambiente usato per prevedere stati futuri e conseguenze delle azioni.
Y
Nessun termine trovato.