AI Glossary

Model Context Protocol

MCP standardizza il modo in cui i modelli scoprono e richiamano capacità esterne, così uno strumento costruito una volta funziona con qualunque client compatibile invece di essere riscritto per ogni fornitore. Introdotto da Anthropic alla fine del 2024 e adottato più largamente da allora, è la cosa più vicina a un connettore comune che l’ecosistema degli agenti abbia. In pratica: Un solo server MCP per il tuo sistema di ticketing, usabile da qualsiasi assistente compatibile con MCP. ...

Model Drift

Il drift accade perché la realtà cambia: i comportamenti dei clienti si spostano, il vocabolario si sposta, un concorrente lancia qualcosa. Il modello resta lo stesso, ma la sua accuratezza decade in silenzio. Il pericolo è che fallisca senza dare errore, quindi solo il monitoraggio se ne accorge. In pratica: Una previsione della domanda addestrata prima dell’inflazione che continua a restituire numeri sicuri di sé e sbagliati.

Modello

Un modello è ciò che ottieni alla fine dell’addestramento: un insieme specifico di numeri disposti in una struttura specifica. È la cosa che distribuisci, versioni e chiami da un’API. Due modelli con la stessa architettura ma con sessioni di addestramento diverse sono modelli diversi, ed è per questo che i numeri di versione contano. In pratica: GPT-5.6 e Claude Opus 4.8 sono modelli diversi; ognuno ha i propri pesi, il proprio comportamento e il proprio prezzo. ...

Modello di diffusione

Un modello di diffusione è addestrato a invertire un processo di aggiunta di rumore. Partendo da puro disturbo e da un prompt testuale, rimuove il rumore in modo iterativo finché non emerge un’immagine che corrisponde al prompt. Ha sostituito le GAN come impostazione predefinita perché si addestra in modo più stabile e scala meglio. In pratica: Cinquanta passaggi di rimozione del rumore tra un disturbo casuale e un’illustrazione finita.

Modello di IA per finalità generali

L’articolo 3(63) copre i modelli addestrati su larga scala, di norma con auto-supervisione, ampiamente capaci e integrabili a valle. Sono esclusi i modelli usati solo per la ricerca o per la prototipazione prima dell’immissione sul mercato. I fornitori di GPAI hanno obblighi di documentazione, di politica sul copyright e di sintesi dei dati di addestramento, con doveri più pesanti quando il modello è considerato portatore di rischio sistemico. In pratica: Un modello di testo generalista venduto via API e incorporato in mille prodotti diversi. ...

Modello di ragionamento

I modelli di ragionamento generano passaggi intermedi — un blocco note privato — prima di produrre la risposta finale, e sono addestrati a farlo bene, non semplicemente indotti a farlo con un prompt. Scambiano latenza e costo con accuratezza su matematica, codice e analisi a più passaggi. Sui compiti semplici sono più lenti e più cari senza alcun vantaggio. In pratica: Quindici secondi di lavoro nascosto prima di una risposta corretta, contro un secondo e una risposta sbagliata. ...

Modello open-weights

Open weights significa che i parametri sono pubblicati, quindi puoi ospitarlo sui tuoi server, sottoporlo a fine-tuning e ispezionarlo. Non è lo stesso che open source: dati e codice di addestramento di solito restano riservati, e le licenze spesso limitano l’uso commerciale o la scala. Leggi la licenza prima di dare per scontata la libertà. In pratica: Scaricare i pesi per far girare un modello interamente dentro la tua rete. ...

Monitoraggio successivo all'immissione sul mercato

L’articolo 3(25) e l’articolo 72 impongono ai fornitori di raccogliere ed esaminare l’esperienza dei sistemi in uso, così che i problemi facciano scattare azioni correttive invece di accumularsi. Chiude il cerchio che il rilascio di solito lascia aperto, e si accompagna agli obblighi di segnalazione degli incidenti gravi. In pratica: Un piano documentato per raccogliere dati sulle prestazioni sul campo e agire di conseguenza.

Narrow AI

La narrow AI funziona bene dentro l’ambito per cui è pensata e non si trasferisce fuori. L’etichetta è un contrasto con l’AGI, non un’offesa — sono i sistemi ristretti a creare valore reale oggi. Un modello per finalità generali può sembrare ampio ed essere comunque ristretto nel senso che conta: non agisce, non impara e non si adatta oltre il suo progetto. In pratica: Un modello che scrive ottimo Python non sa guidarti l’auto, per quanto disinvolto suoni. ...

NIST AI Risk Management Framework

Pubblicato dal NIST nel gennaio 2023, l’AI RMF è una guida e non una legge, ed è indipendente dal settore. Le sue quattro funzioni danno ai team una struttura per identificare il contesto, misurare il rischio e agire di conseguenza. È diventato il riferimento di fatto per i programmi di governance dell’IA, anche in aziende senza alcun obbligo statunitense, perché è pratico e gratuito. In pratica: Usare Govern-Map-Measure-Manage come scheletro di una policy interna sull’IA. ...