Libreria per imparare l'IA
Glossario dell'IA: oltre 150 termini spiegati in parole semplici
Un glossario in italiano chiaro dei termini di IA che capitano davvero al lavoro — dai token al RAG fino all'AI Act europeo.
162 termini
Nessun termine corrisponde. Prova una parola più corta oppure .
A
Spazio delle azioni
L'insieme completo di ciò che un agente è autorizzato a fare — i suoi strumenti, le sue API e i suoi permessi.
Funzione di attivazione
Il passaggio non lineare applicato a ogni unità, senza il quale una rete profonda collasserebbe in una sola rete lineare.
Esempio avversario
Un input perturbato quanto basta per ingannare un modello, pur risultando immutato agli occhi di una persona.
Memoria dell'agente
Il modo in cui un agente conserva le informazioni tra un passaggio e l'altro e tra una sessione e l'altra, oltre la finestra di contesto.
IA agentica
IA che agisce — pianifica, usa strumenti, si autocorregge — invece di produrre soltanto testo.
Ciclo agentico
Il ciclo che un agente ripete: ragionare su cosa fare, agire, osservare il risultato, decidere di nuovo.
Agente IA
Software che pianifica e compie azioni verso un obiettivo per tuo conto, invece di limitarsi a rispondere.
Allineamento dell'IA
Il problema di far sì che i sistemi di IA perseguano ciò che vogliamo davvero, incluso ciò che non abbiamo mai pensato di specificare.
Governance dell'IA
La struttura interna di decisioni, responsabili e controlli su come un'organizzazione sviluppa e usa l'IA.
Incidente IA
Un evento in cui un sistema di IA causa o rischia di causare un danno — sempre più spesso qualcosa che devi registrare e segnalare.
Alfabetizzazione in materia di IA
Secondo l'AI Act europeo: le competenze e la comprensione di cui il personale ha bisogno per usare i sistemi di IA in modo consapevole — e un obbligo di legge da febbraio 2025.
Spazio di sperimentazione normativa per l'IA
Secondo l'AI Act europeo: un ambiente controllato in cui gli innovatori possono sviluppare e testare sistemi di IA sotto lo sguardo di un'autorità.
Sicurezza dell'IA
Il campo che si occupa di impedire che i sistemi di IA causino danni, dai guasti quotidiani ai rischi sistemici.
AI slop
Contenuti generati dall'IA di bassa qualità, prodotti per fare volume e non valore.
Sistema di IA (definizione giuridica)
Secondo l'AI Act europeo: un sistema automatizzato che funziona con un certo grado di autonomia e deduce dagli input come generare output.
Bias algoritmico
Quando un sistema produce sistematicamente esiti diversi per gruppi diversi, senza giustificazione.
API API
L'interfaccia che il tuo codice usa per inviare un prompt a un modello e ricevere indietro una risposta.
Chiave API
La credenziale segreta che autentica e addebita le tue chiamate API — e che non deve mai arrivare in un browser.
Intelligenza artificiale generale AGI
Un sistema ipotetico che eguaglia l'ampiezza umana in praticamente qualsiasi compito cognitivo — nessuna definizione condivisa, nessuna tempistica condivisa.
Intelligenza artificiale AI
Software che svolge compiti che di norma associamo al pensiero umano — riconoscere, prevedere, generare, decidere.
Meccanismo di attenzione
L'operazione che permette a un modello di pesare quali parti dell'input contano di più per ciascuna parte dell'output.
Autonomia
Quanto un sistema agisce senza coinvolgimento umano — una manopola, non un interruttore.
B
Backpropagation
L'algoritmo che calcola quanto ogni peso ha contribuito all'errore, così che la discesa del gradiente possa correggerlo.
Inferenza batch
Eseguire molte predizioni insieme come un job invece di una alla volta in tempo reale.
Batch size
Quanti esempi il modello elabora prima di aggiornare i pesi una volta.
Benchmark
Un set di test standard usato per confrontare i modelli — utile come indicazione, inaffidabile come garanzia.
Bias
Distorsione sistematica negli output di un modello — una proprietà dei dati e del design, non un'accusa morale.
Categorizzazione biometrica
Secondo l'AI Act europeo: assegnare le persone a categorie in base ai loro dati biometrici — pratica limitata, e vietata per gli attributi sensibili.
C
Marcatura CE
Il marchio che dichiara la conformità di un sistema di IA ad alto rischio ai requisiti UE applicabili.
Chain-of-Thought Prompting CoT
Chiedere al modello di svolgere il proprio ragionamento passo per passo prima di rispondere.
Chunking
Suddividere i documenti in passaggi abbastanza piccoli da poter essere trasformati in embedding e recuperati in modo utile.
Classificazione
Prevedere a quale categoria appartiene qualcosa.
Computer use
Un agente che usa un computer come farebbe una persona — leggendo lo schermo, muovendo il cursore, digitando.
Valutazione della conformità
La procedura che dimostra che un sistema di IA ad alto rischio soddisfa i requisiti del regolamento prima di essere immesso sul mercato.
Content Credentials C2PA
Metadati firmati crittograficamente che registrano come un contenuto è stato creato e modificato.
Context engineering
Decidere quali informazioni entrano nella finestra di contesto, in quale ordine e cosa resta fuori.
Finestra di contesto
Il numero massimo di token che un modello può considerare in una volta — prompt, documenti e la sua stessa risposta insieme.
Copilot
Un assistente IA integrato in uno strumento che suggerisce mentre tu mantieni il controllo.
D
Data poisoning
Corrompere i dati di addestramento perché il modello risultante si comporti male, spesso solo in presenza di uno specifico trigger.
Provenienza dei dati
Una registrazione documentata di dove vengono i dati, come sono stati raccolti e cosa se ne può fare.
Deep Learning
Machine learning basato su reti neurali con molti livelli — l'approccio dietro quasi ogni sistema di IA moderno.
Deepfake
Audio o video sintetici che ritraggono in modo convincente una persona reale mentre fa o dice qualcosa che non ha fatto o detto.
Deployer
Secondo l'AI Act europeo: chi utilizza un sistema di IA sotto la propria autorità nell'ambito di un'attività professionale.
Privacy differenziale
Una garanzia matematica secondo cui il risultato cambia a malapena a seconda che i dati di una singola persona siano inclusi o meno.
Modello di diffusione
L'architettura dietro gran parte della generazione di immagini e video con l'IA: partire dal rumore e rimuoverlo passo dopo passo.
Distillazione
Addestrare un modello piccolo a imitarne uno grande, mantenendo gran parte della qualità a una frazione del costo.
Fornitore a valle
Secondo l'AI Act europeo: un fornitore il cui sistema integra un modello di IA per finalità generali realizzato da qualcun altro.
E
Embedding
Una lista di numeri che rappresenta il significato, dove le cose simili finiscono vicine tra loro.
Sistema di riconoscimento delle emozioni
Secondo l'AI Act europeo: un sistema che identifica o deduce emozioni o intenzioni a partire da dati biometrici — vietato sul lavoro e a scuola.
Epoca
Un passaggio completo dell'algoritmo di addestramento sull'intero set di dati di addestramento.
Regolamento UE sull'IA (AI Act)
Il regolamento dell'UE sull'intelligenza artificiale — la prima legge ampia e vincolante sull'IA, applicata per fasce di rischio.
Valutazione (eval)
Misurazione sistematica del fatto che un sistema di IA faccia ciò che ti serve — i tuoi test, non quelli del fornitore.
Spiegabilità XAI
Poter dare a una persona un resoconto significativo del perché un sistema ha prodotto un determinato output.
F
Equità
Il requisito che un sistema tratti le persone in modo equo — con diverse definizioni matematiche che sono dimostrabilmente in conflitto tra loro.
Feature
Una singola variabile di input che il modello usa per fare la sua previsione.
Few-Shot Prompting
Inserire diversi esempi nel prompt perché il modello deduca lo schema che vuoi.
Fine-Tuning
Proseguire l'addestramento sui tuoi esempi per specializzare il comportamento di un modello generalista.
Foundation Model
Un modello grande addestrato in modo ampio una sola volta, poi adattato a molti compiti a valle invece di essere costruito per ciascuno.
Frontier Model
Un modello che si colloca allo stato dell'arte o oltre in termini di capacità generale — quelli che i regolatori sorvegliano più da vicino.
Function Calling
Il meccanismo con cui un modello chiede al tuo codice di eseguire una funzione specifica con argomenti specifici.
G
GAN (Rete generativa avversaria) GAN
Due reti addestrate l'una contro l'altra — una genera falsi, l'altra li smaschera.
Modello di IA per finalità generali GPAI
Nell'AI Act europeo: un modello dotato di una generalità significativa, capace di svolgere un'ampia gamma di compiti e di essere integrato in molti sistemi.
IA generativa GenAI
Modelli che producono nuovi contenuti — testo, immagini, audio, video, codice — invece di limitarsi a classificare o valutare contenuti esistenti.
GPU GPU
Il processore parallelo che ha reso praticabile il deep learning, e la risorsa più scarsa del settore.
Discesa del gradiente
Il metodo di ottimizzazione che trova parametri migliori scendendo ripetutamente lungo la pendenza della loss.
Guardrail
Controlli che limitano che cosa si può chiedere a un modello e che cosa gli è permesso produrre.
H
Allucinazione
Output fluente e sicuro di sé che è semplicemente falso — il modo di fallire per eccellenza dei modelli linguistici.
Sistema di IA ad alto rischio
Nell'AI Act europeo: un sistema che rientra in uno dei casi d'uso sensibili elencati, consentito ma soggetto agli obblighi più severi.
Sorveglianza umana
Nell'AI Act europeo: il requisito che le persone possano comprendere, monitorare, scavalcare e fermare un sistema ad alto rischio.
Human-in-the-Loop HITL
Un'impostazione in cui una persona rivede o approva prima che un'azione dell'IA abbia effetto.
Ricerca ibrida
Combinare ricerca per parole chiave e ricerca vettoriale, perché ciascuna fallisce dove l'altra funziona.
Iperparametro
Un'impostazione che scegli prima dell'addestramento, a differenza di un parametro che il modello impara durante.
I
Inferenza
Eseguire un modello addestrato per ottenere una risposta — tutto ciò che accade dopo la fine dell'addestramento.
Costo di inferenza
Quanto costa far girare un modello in produzione, fatturato per token in ingresso e per token in uscita.
Interpretabilità
Capire come funziona un modello al suo interno, invece di limitarsi a descriverne gli output.
ISO/IEC 42001
Lo standard internazionale per un sistema di gestione dell'IA — certificabile, a differenza del framework NIST.
J
K
L
Etichetta
La risposta corretta associata a un esempio di addestramento.
Large Language Model LLM
Un modello addestrato su enormi quantità di testo per prevedere il token successivo, il che si rivela sufficiente per scrivere, riassumere, tradurre e ragionare.
Latenza
Quanto tempo impiega una richiesta — la differenza tra un assistente che sembra vivo e uno che sembra rotto.
Learning Rate
Quanto è grande il passo che l'addestramento fa a ogni aggiornamento — l'iperparametro che più facilmente manda a monte una sessione.
LLMOps
MLOps per i sistemi costruiti su modelli linguistici — prompt, eval, costi e sicurezza al posto delle sessioni di addestramento.
LoRA (Low-Rank Adaptation)
Un metodo di fine-tuning economico che addestra un piccolo componente aggiuntivo invece di aggiornare tutto il modello.
Funzione di perdita
La formula che misura quanto è sbagliata la previsione di un modello — ciò che l'addestramento cerca di minimizzare.
M
Machine Learning ML
Un modo di costruire software in cui il sistema impara gli schemi dagli esempi invece di seguire regole scritte a mano.
Meta-Prompting
Usare un modello per scrivere, criticare o migliorare i prompt destinati a un altro modello.
Mixture of Experts MoE
Un'architettura in cui solo una frazione dei parametri del modello si attiva per ciascun token.
MLOps
Le pratiche per portare i modelli di machine learning in produzione e tenerli funzionanti.
Modello
L'artefatto addestrato — i parametri appresi più l'architettura — che trasforma un input in un output.
Model Card
Un breve documento standard che dichiara a che cosa serve un modello, come è stato valutato e dove fallisce.
Model Context Protocol MCP
Uno standard aperto per collegare le applicazioni di IA a strumenti e fonti di dati attraverso un'unica interfaccia comune.
Model Drift
Il degrado silenzioso mentre il mondo si allontana dai dati su cui un modello è stato addestrato.
Sistema multi-agente
Più agenti specializzati che lavorano insieme, di solito con un coordinatore che divide il lavoro.
IA multimodale
Un modello che gestisce più di un tipo di input o di output — testo, immagini, audio, video.
N
Narrow AI
IA costruita per un compito specifico, cioè ogni sistema di IA che esiste oggi.
Prompt negativo
Nella generazione di immagini, l'elenco delle cose che vuoi tenere fuori dal risultato.
Rete neurale
Un modello fatto di strati di unità collegate che si passano numeri in avanti, vagamente ispirato ai neuroni.
NIST AI Risk Management Framework AI RMF
Un framework statunitense volontario per gestire il rischio dell'IA, organizzato intorno a Govern, Map, Measure, Manage.
O
IA on-device
Far girare un modello su un telefono o un portatile invece di mandare i dati a un server.
One-Shot Prompting
Dare esattamente un esempio svolto insieme all'istruzione.
Modello open-weights
Un modello i cui pesi addestrati puoi scaricare ed eseguire da te — non necessariamente open source in senso stretto.
Orchestrazione
Lo strato che decide quale modello, strumento o agente gestisce ogni passaggio, e in che ordine.
Overfitting
Quando un modello memorizza i dati di addestramento invece di imparare lo schema, e fallisce su qualunque cosa nuova.
P
Parametro
Uno dei numeri interni che un modello aggiusta durante l'addestramento; il numero di parametri è un indicatore approssimativo della capacità del modello.
Monitoraggio successivo all'immissione sul mercato
Nell'AI Act europeo: i fornitori devono continuare a osservare come si comporta il loro sistema nel mondo reale dopo il lancio.
Precisione e recall
Le due metriche che dicono davvero se un classificatore funziona quando una classe è rara.
Pratica di IA vietata
Nell'AI Act europeo: usi dell'IA vietati del tutto nell'UE, in vigore da febbraio 2025.
Prompt
L'input che dai a un modello — istruzioni, contesto, esempi e domanda, tutto sotto forma di testo.
Prompt Caching
Riutilizzare la forma già elaborata di un prefisso di prompt ripetuto, per non pagarlo di nuovo a prezzo pieno.
Prompt Engineering
Progettare e iterare sui prompt per ottenere output affidabili — più vicino alla scrittura di una specifica che alle parole magiche.
Prompt Injection
Nascondere istruzioni nel contenuto che il modello legge, così che un terzo prenda di fatto il controllo del prompt.
Template di prompt
Un prompt riutilizzabile con slot variabili, così un prompt che funziona diventa un asset ripetibile.
Fornitore
Secondo l'AI Act dell'UE: chi sviluppa un sistema di IA o un modello GPAI e lo immette sul mercato con il proprio nome o marchio.
Q
R
Rate Limit
Il tetto che un provider impone al numero di richieste o token che puoi usare in un dato intervallo.
Pattern ReAct
Un design di agente che alterna ragionamento esplicito e azioni, un passo alla volta.
Modello di ragionamento
Un modello addestrato a spendere calcolo aggiuntivo per elaborare un problema prima di rispondere.
Red Teaming
Attaccare deliberatamente il proprio sistema di IA per trovarne i punti deboli prima che lo faccia qualcun altro.
Regressione
Prevedere un numero invece di una categoria.
Regolarizzazione
Qualsiasi tecnica che vincola deliberatamente un modello per impedirgli di memorizzare il set di addestramento.
Apprendimento per rinforzo RL
Imparare per tentativi ed errori, guidati da ricompense invece che da risposte etichettate.
IA responsabile
La pratica di costruire e distribuire IA considerandone deliberatamente gli effetti sulle persone.
Retrieval-Augmented Generation RAG
Recuperare prima i documenti rilevanti e metterli nel prompt, così il modello risponde dalle fonti invece che dalla memoria.
RLHF (apprendimento per rinforzo da feedback umano) RLHF
Addestrare un modello sui giudizi di preferenza umani perché diventi utile e ben educato, non solo fluente.
Robustezza
Se un sistema continua a funzionare quando gli input sono rumorosi, insoliti o deliberatamente avversariali.
Role Prompting
Assegnare al modello un ruolo per plasmarne vocabolario, profondità e inquadratura.
S
SDK SDK
Una libreria ufficiale che avvolge l'API di un provider nel tuo linguaggio di programmazione.
Apprendimento auto-supervisionato
Un addestramento in cui i dati generano da soli le proprie etichette — il trucco che ha reso possibili i grandi modelli linguistici.
Shadow AI
Dipendenti che usano strumenti di IA che l'organizzazione non ha approvato e non riesce a vedere.
Speech-to-Text STT
Trasformare l'audio parlato in testo scritto.
Output strutturato
Obbligare il modello a restituire dati in uno schema fisso, così che il codice a valle possa fare il parsing.
Apprendimento supervisionato
Imparare da esempi che arrivano con la risposta corretta allegata.
Dati sintetici
Dati di addestramento o di test generati da un modello invece che raccolti dal mondo reale.
System Prompt
Istruzioni permanenti che fissano ruolo, regole e tono di un modello per un'intera conversazione.
Rischio sistemico
Secondo l'AI Act dell'UE: il rischio che deriva dalle capacità di forte impatto dei modelli per finalità generali più capaci.
T
Documentazione tecnica
Secondo l'AI Act dell'UE: il fascicolo che descrive come un sistema è stato costruito, testato e controllato, tenuto pronto per le autorità.
Temperatura
L'impostazione che controlla la casualità nella generazione — bassa per la coerenza, alta per la varietà.
Dati di test
Dati che il modello non ha mai visto, usati una sola volta alla fine per stimare le prestazioni nel mondo reale.
Test-Time Compute
Spendere più calcolo al momento della risposta — pensare più a lungo — per ottenere risultati migliori senza riaddestrare.
Text-to-Image
Generare un'immagine a partire da una descrizione scritta.
Text-to-Speech TTS
Generare audio parlato a partire da testo scritto.
Text-to-Video
Generare clip video a partire da una descrizione scritta.
Throughput
Quanto lavoro un sistema gestisce per unità di tempo — token al secondo, richieste al minuto.
Token
L'unità che un modello legge e scrive davvero — di solito un frammento di parola, non una parola.
Tokenizzazione
Tagliare il testo nei token che un modello può elaborare — e una fonte silenziosa di comportamenti strani del modello.
Tool Use
Un modello che chiama software esterno — ricerca, codice, API, database — invece di rispondere a memoria.
Top-p (Nucleus Sampling)
Un controllo alternativo della casualità che campiona solo dall'insieme più piccolo di token che copre la probabilità p.
TPU TPU
Il chip acceleratore proprietario di Google, costruito appositamente per i carichi di lavoro di machine learning.
Dati di addestramento
Gli esempi da cui un modello impara — il singolo fattore che più determina cosa può e non può fare.
Transformer
L'architettura di rete neurale dietro praticamente ogni modello linguistico moderno, costruita attorno all'attenzione.
Trasparenza
Rendere chiaro cos'è un sistema di IA, su cosa è stato addestrato e quando qualcuno ci sta interagendo.
IA affidabile
Un ombrello per le proprietà di cui un sistema di IA ha bisogno per poter essere usato con fiducia: valido, sicuro, protetto, responsabile, spiegabile, equo, rispettoso della privacy.
U
V
Dati di validazione
Una porzione di dati messa da parte per regolare le impostazioni e controllare i progressi durante l'addestramento, senza toccare il test set.
Database vettoriale
Un database costruito per conservare gli embedding e trovare rapidamente i più vicini.
Ricerca vettoriale
Trovare contenuti per significato invece che per corrispondenza di parole chiave.
W
Watermarking
Inserire un segnale rilevabile nei contenuti generati dall'IA per marcarne l'origine.
Pesi
Le forze apprese delle connessioni in una rete neurale — la sostanza di ciò che un modello sa.
Automazione dei workflow
Concatenare passaggi di IA in un processo definito che gira sempre allo stesso modo.