📚 Glossario AI
Dizionario completo dei termini più frequenti nell'intelligenza artificiale
Esplora il vocabolario dell'AI con definizioni chiare e comprensibili. Dai concetti base alle tecnologie più avanzate, tutto quello che devi sapere per navigare nel mondo dell'intelligenza artificiale.
🔍 Cerca un Termine
📂 Categorie
Intelligenza Artificiale (AI)
Campo dell'informatica che mira a creare sistemi capaci di eseguire compiti che normalmente richiederebbero intelligenza umana, come ragionamento, apprendimento e percezione.
Fondamenti AIAlgoritmo
Sequenza di istruzioni precise e finite che un computer segue per risolvere un problema o completare un compito specifico.
Fondamenti AIBig Data
Enormi volumi di dati strutturati e non strutturati che richiedono tecnologie avanzate per essere elaborati, analizzati e utilizzati per estrarre informazioni utili.
Fondamenti AIDataset
Raccolta organizzata di dati utilizzata per addestrare, validare e testare modelli di machine learning.
Fondamenti AIMachine Learning (ML)
Sottocampo dell'AI che permette ai computer di apprendere e migliorare automaticamente dall'esperienza senza essere esplicitamente programmati per ogni compito.
Machine LearningSupervised Learning
Tipo di apprendimento automatico dove il modello viene addestrato su dati etichettati, imparando a mappare input a output desiderati.
Machine LearningUnsupervised Learning
Apprendimento automatico su dati non etichettati, dove il modello deve trovare pattern nascosti e strutture nei dati senza supervisione.
Machine LearningReinforcement Learning
Tipo di apprendimento dove un agente impara a prendere decisioni attraverso interazioni con un ambiente, ricevendo ricompense o penalità.
Machine LearningOverfitting
Fenomeno dove un modello si adatta troppo ai dati di training, perdendo la capacità di generalizzare su nuovi dati.
Machine LearningCross-Validation
Tecnica per valutare le prestazioni di un modello dividendo i dati in più subset per training e testing, riducendo il rischio di overfitting.
Machine LearningGradient Descent
Algoritmo di ottimizzazione che minimizza una funzione di costo regolando iterativamente i parametri del modello nella direzione del gradiente negativo.
Machine LearningHyperparameter
Parametri di configurazione del modello che vengono impostati prima dell'addestramento e controllano il processo di apprendimento (es. learning rate, batch size).
Machine LearningEnsemble Learning
Tecnica che combina le previsioni di più modelli diversi per ottenere risultati più accurati e robusti rispetto ai singoli modelli.
Machine LearningDeep Learning
Sottocampo del machine learning basato su reti neurali artificiali con molti strati (layers) che possono apprendere rappresentazioni complesse dei dati.
Deep LearningRete Neurale
Modello computazionale ispirato al cervello umano, composto da neuroni artificiali interconnessi che processano informazioni attraverso connessioni pesate.
Deep LearningCNN (Convolutional Neural Network)
Tipo di rete neurale particolarmente efficace per l'elaborazione di immagini, che utilizza operazioni di convoluzione per rilevare caratteristiche locali.
Deep LearningRNN (Recurrent Neural Network)
Rete neurale progettata per elaborare sequenze di dati, con connessioni che permettono alle informazioni di persistere attraverso il tempo.
Deep LearningTransformer
Architettura di rete neurale basata sul meccanismo di attention, rivoluzionaria per il processamento del linguaggio naturale e alla base di modelli come GPT.
Deep LearningAttention Mechanism
Tecnica che permette ai modelli di concentrarsi su parti specifiche dell'input quando generano output, migliorando le prestazioni su sequenze lunghe.
Deep LearningDiffusion Model
Tipo di modello generativo che apprende a creare dati rimuovendo gradualmente il rumore, utilizzato per generare immagini di alta qualità come DALL-E e Midjourney.
Deep LearningLSTM (Long Short-Term Memory)
Tipo speciale di RNN progettato per ricordare informazioni per lunghi periodi, risolvendo il problema del vanishing gradient nelle sequenze lunghe.
Deep LearningDropout
Tecnica di regolarizzazione che disattiva casualmente alcuni neuroni durante l'addestramento per prevenire l'overfitting e migliorare la generalizzazione.
Deep LearningNLP (Natural Language Processing)
Campo dell'AI che si occupa dell'interazione tra computer e linguaggio umano, permettendo alle macchine di comprendere, interpretare e generare testo.
NLP & LinguaggioLLM (Large Language Model)
Modelli di linguaggio di grandi dimensioni addestrati su enormi quantità di testo per comprendere e generare linguaggio naturale con alta qualità.
NLP & LinguaggioGPT (Generative Pre-trained Transformer)
Famiglia di modelli di linguaggio basati su architettura Transformer, pre-addestrati per generare testo coerente e contestualmente appropriato.
NLP & LinguaggioTokenization
Processo di suddivisione del testo in unità più piccole chiamate token (parole, subparole o caratteri) che possono essere elaborate dai modelli.
NLP & LinguaggioEmbedding
Rappresentazione numerica densa di parole o frasi che cattura il loro significato semantico in uno spazio vettoriale multidimensionale.
NLP & LinguaggioPrompt Engineering
Arte e scienza di progettare input testuali (prompt) efficaci per ottenere risposte desiderate da modelli di linguaggio.
NLP & LinguaggioFine-tuning
Processo di adattamento di un modello pre-addestrato a un compito specifico utilizzando dati aggiuntivi e training mirato.
NLP & LinguaggioRAG (Retrieval-Augmented Generation)
Tecnica che combina la generazione di testo con il recupero di informazioni da database esterni, migliorando l'accuratezza e la rilevanza delle risposte.
NLP & LinguaggioZero-shot Learning
Capacità di un modello di eseguire compiti per cui non è stato esplicitamente addestrato, utilizzando solo descrizioni testuali o esempi di altri compiti.
NLP & LinguaggioFew-shot Learning
Apprendimento che richiede solo pochi esempi per adattarsi a nuovi compiti, tipico dei modelli di linguaggio di grandi dimensioni.
NLP & LinguaggioComputer Vision
Campo dell'AI che permette ai computer di interpretare e comprendere informazioni visive da immagini e video, simulando la visione umana.
Computer VisionObject Detection
Compito di identificare e localizzare oggetti specifici all'interno di immagini, fornendo sia la classificazione che la posizione degli oggetti.
Computer VisionImage Segmentation
Processo di suddivisione di un'immagine in regioni o segmenti significativi, assegnando ogni pixel a una categoria specifica.
Computer VisionGAN (Generative Adversarial Network)
Architettura composta da due reti neurali in competizione: un generatore che crea dati falsi e un discriminatore che cerca di distinguerli da quelli reali.
Computer VisionTransfer Learning
Tecnica che utilizza un modello pre-addestrato su un compito come punto di partenza per un compito correlato, riducendo tempo e dati necessari.
Computer VisionAI Bias
Pregiudizi sistematici nei sistemi AI che possono portare a discriminazioni ingiuste basate su caratteristiche come razza, genere o età.
Etica & SicurezzaExplainable AI (XAI)
Approccio che mira a rendere i sistemi AI più trasparenti e comprensibili, permettendo agli utenti di capire come vengono prese le decisioni.
Etica & SicurezzaAdversarial Attack
Tecniche che modificano sottilmente gli input per ingannare i modelli AI, causando previsioni errate pur mantenendo l'input apparentemente normale.
Etica & SicurezzaDifferential Privacy
Tecnica matematica per proteggere la privacy individuale quando si analizzano dataset, aggiungendo rumore controllato ai risultati.
Etica & SicurezzaAI Alignment
Problema di assicurare che i sistemi AI perseguano obiettivi allineati con i valori e le intenzioni umane, specialmente per sistemi molto potenti.
Etica & SicurezzaJailbreak
Tecnica utilizzata per aggirare le limitazioni di sicurezza e i filtri di contenuto dei modelli AI, spesso attraverso prompt ingegnosi che inducono il modello a violare le sue linee guida.
Etica & SicurezzaRed Teaming
Processo di test di sicurezza dove esperti tentano deliberatamente di trovare vulnerabilità e comportamenti indesiderati nei sistemi AI.
Etica & SicurezzaConstitutional AI
Approccio per addestrare sistemi AI che seguono un insieme di principi o "costituzione" per comportarsi in modo più sicuro e allineato.
Etica & SicurezzaMCP (Model Context Protocol)
Protocollo standardizzato sviluppato da Anthropic che permette ai modelli AI di connettersi e interagire con sistemi esterni in modo sicuro e strutturato.
Business & ApplicazioniMCP Server
Server che implementa il Model Context Protocol per esporre risorse specifiche (database, API, file system) ai modelli AI, fungendo da ponte tra l'intelligenza artificiale e il mondo reale.
Business & ApplicazioniMLOps
Insieme di pratiche che combinano Machine Learning, DevOps e Data Engineering per automatizzare e standardizzare il ciclo di vita dei modelli ML.
Business & ApplicazioniAI as a Service (AIaaS)
Modello di business che offre strumenti e servizi di intelligenza artificiale attraverso il cloud, permettendo alle aziende di utilizzare AI senza infrastrutture proprie.
Business & ApplicazioniAutoML
Automazione del processo di applicazione del machine learning, rendendo più accessibile lo sviluppo di modelli anche a non esperti.
Business & ApplicazioniDigital Twin
Replica digitale di un oggetto, processo o sistema fisico che utilizza dati in tempo reale per simulare, predire e ottimizzare le prestazioni.
Business & ApplicazioniEdge AI
Implementazione di algoritmi AI direttamente sui dispositivi locali (edge devices) piuttosto che su server cloud, riducendo latenza e migliorando privacy.
Business & ApplicazioniChatbot
Programma software che simula conversazioni umane attraverso interfacce testuali o vocali, utilizzando tecniche di NLP per comprendere e rispondere.
Business & ApplicazioniRecommendation System
Sistema che analizza dati e comportamenti degli utenti per suggerire contenuti, prodotti o servizi personalizzati e rilevanti.
Business & ApplicazioniAI Agent
Sistema autonomo che può percepire l'ambiente, prendere decisioni e agire per raggiungere obiettivi specifici, spesso utilizzando modelli di linguaggio avanzati.
Business & ApplicazioniMultimodal AI
Sistemi AI capaci di elaborare e integrare diversi tipi di dati (testo, immagini, audio, video) per una comprensione più completa e versatile.
Business & ApplicazioniSynthetic Data
Dati artificiali generati da algoritmi che mantengono le proprietà statistiche dei dati reali, utilizzati per training quando i dati reali sono scarsi o sensibili.
Business & ApplicazioniAPI (Application Programming Interface)
Insieme di protocolli e strumenti che permettono a diverse applicazioni software di comunicare tra loro, spesso utilizzate per accedere a servizi AI.
Fondamenti AIFeature Engineering
Processo di selezione, modifica o creazione di variabili (features) dai dati grezzi per migliorare le prestazioni dei modelli di machine learning.
Machine LearningBackpropagation
Algoritmo fondamentale per l'addestramento delle reti neurali che calcola i gradienti degli errori e li propaga all'indietro attraverso la rete.
Deep LearningBERT (Bidirectional Encoder Representations from Transformers)
Modello di linguaggio pre-addestrato che legge il testo in entrambe le direzioni, migliorando la comprensione del contesto nelle applicazioni NLP.
NLP & LinguaggioYOLO (You Only Look Once)
Algoritmo di object detection in tempo reale che può identificare e localizzare oggetti in immagini con una singola passata attraverso la rete neurale.
Computer VisionFairness
Principio che garantisce che i sistemi AI trattino tutti gli individui e gruppi in modo equo, senza discriminazioni ingiustificate.
Etica & SicurezzaROI (Return on Investment) AI
Metrica che misura il ritorno economico degli investimenti in tecnologie di intelligenza artificiale rispetto ai costi sostenuti.
Business & Applicazioni