Cos'è l'intelligenza artificiale? Glossario dalla A alla Z dei termini essenziali dell'IA nel 2024

Il panorama dell'intelligenza artificiale si muove a una velocità vertiginosa, quindi saresti perdonato se fossi stato colto alla sprovvista da un termine sconosciuto (o due). Rimanere aggiornati con il più recente gergo dell’intelligenza artificiale sta diventando sempre più importante poiché la tecnologia ha un impatto sulla nostra vita quotidiana in sempre più modi.

Ciò è particolarmente vero sul lavoro, dove l’alfabetizzazione all’intelligenza artificiale è la nuova competenza indispensabile per i datori di lavoro. Se non conosci il tuo AGI dal tuo LLM, non preoccuparti. Abbiamo compilato un elenco dalla A alla Z dei termini più diffusi relativi all'intelligenza artificiale e abbiamo spiegato il significato di ciascun concetto in parole povere, per aiutarti a saperne di più sulla tecnologia che continua a plasmare il mondo che ci circonda.

Dai punti di contatto di base come l'apprendimento automatico a concetti più complessi come l'intelligenza artificiale quantistica, continua a leggere per rispolverare alcuni termini interessanti e saperne di più sul nuovo mondo dell'intelligenza artificiale.

Cos'è l'intelligenza artificiale?

Abbreviazione di intelligenza artificiale, l'intelligenza artificiale si riferisce all'intelligenza delle macchine in contrapposizione all'intelligenza degli esseri senzienti come gli esseri umani. I sistemi di intelligenza artificiale funzionano ricevendo grandi quantità di dati di addestramento, analizzando i dati per individuare modelli e utilizzando questi modelli per generare output.

Sebbene il concetto esista fin dagli anni ’50, l’intelligenza artificiale è diventata mainstream negli ultimi anni grazie alle scoperte fatte dagli sviluppatori di intelligenza artificiale come OpenAI . Lo studio dell'intelligenza artificiale è vasto e si espande ogni anno, quindi continua a leggere per saperne di più sull'intelligenza artificiale e sui concetti correlati nel 2024.

A per Intelligenza Generale Artificiale (AGI)

L'AGI è un tipo teorico di intelligenza artificiale che mostra un'intelligenza simile a quella umana ed è generalmente considerata intelligente o più intelligente degli umani. Sebbene le origini del termine possano essere fatte risalire al 1997, il concetto di AGI è diventato mainstream negli ultimi anni mentre gli sviluppatori di intelligenza artificiale continuano a spingere in avanti la frontiera della tecnologia.

Ad esempio, nel novembre 2023 OpenAI ha rivelato che stava lavorando a un nuovo modello di “superintelligenza” AI nome in codice Project Q* , che potrebbe avvicinare l’azienda alla realizzazione dell’AGI. Va sottolineato, tuttavia, che l’AGI è ancora un concetto ipotetico e molti esperti sono fiduciosi che questo tipo di intelligenza artificiale non verrà sviluppato presto, se non mai.

B sta per Big Data

I big data si riferiscono a set di dati di grandi dimensioni e ad alto volume, che i metodi tradizionali di elaborazione dei dati faticano a gestire. Big Data e intelligenza artificiale vanno di pari passo. L’enorme pool di informazioni grezze è vitale per il processo decisionale dell’IA, mentre sofisticati algoritmi di intelligenza artificiale possono analizzare modelli nei set di dati e identificare informazioni preziose. Quando lavorano insieme, aiutano gli utenti a fare rivelazioni più approfondite, molto più velocemente rispetto ai metodi tradizionali.

B sta per Bias

Il bias dell’intelligenza artificiale si verifica quando un algoritmo produce risultati che sono sistematicamente pregiudizievoli nei confronti di determinati tipi di persone. Sfortunatamente, è stato costantemente dimostrato che i sistemi di intelligenza artificiale riflettono i pregiudizi all’interno della società, sostenendo convinzioni dannose e incoraggiando stereotipi negativi relativi alla razza, al genere e all’identità nazionale.

Questi pregiudizi sono stati enfatizzati in un articolo ora cancellato di Buzzfeed, che mostrava Barbie generate dall’intelligenza artificiale provenienti da tutto il mondo. Le immagini supportavano una varietà di stereotipi razziali, presentando bambole caraibiche ipersessualizzate, Barbie imbiancate del sud del mondo e bambole asiatiche con abiti culturali imprecisi.

C sta per ChatGPT

Probabilmente ne hai sentito parlare, ma è comunque importante menzionarlo poiché nessun glossario sull'intelligenza artificiale può essere considerato completo senza un cenno al chatbot con intelligenza artificiale generativa che ha cambiato il gioco quando è stato lanciato nel novembre 2022.

In breve, ChatGPT è il prodotto che ha spostato il dibattito sull’IA dalla sala server al salotto di casa. Ha fatto con l’intelligenza artificiale quello che l’iPhone ha fatto con i telefoni cellulari, portando la tecnologia agli occhi del pubblico in virtù del suo modello ampiamente accessibile.

Come abbiamo recentemente rivelato nel nostro rapporto sull’impatto della tecnologia sul posto di lavoro , ChatGPT è senza dubbio lo strumento di intelligenza artificiale più utilizzato dalle aziende e potrebbe anche essere la chiave per sbloccare la settimana lavorativa di 4 giorni .

La sua influenza potrebbe svanire nel tempo, ma il mondo dell'intelligenza artificiale sarà sempre visto attraverso il prisma del prima e del dopo la nascita di ChatGPT.

C sta per calcolo

Stando per "potenza di calcolo", il calcolo si riferisce alle risorse computazionali necessarie per addestrare i modelli di intelligenza artificiale a eseguire attività come l'elaborazione dei dati e l'elaborazione di previsioni. In genere, maggiore è la potenza concorrente utilizzata per addestrare un LLM, migliori saranno le sue prestazioni.

Tuttavia, la potenza del computer dipende in gran parte dal consumo di energia, il che suscita preoccupazione tra gli attivisti ambientali. Ad esempio, la ricerca ha rivelato che è necessario 1 GWh di energia per alimentare le risposte giornaliere per ChatGPT, che è energia sufficiente per alimentare 30.000 famiglie statunitensi.

D sta per Diffusione

I modelli di diffusione rappresentano un nuovo livello di apprendimento automatico, in grado di generare immagini generate dall’intelligenza artificiale di qualità superiore. Questi modelli funzionano aggiungendo rumore a un set di dati prima di imparare a invertire questo processo.

Comprendendo il concetto di astrazione dietro un'immagine e creando contenuti in un modo nuovo, i modelli di diffusione creano immagini più nitide e raffinate rispetto a quelle realizzate dai tradizionali modelli di intelligenza artificiale e sono attualmente implementati in una gamma di strumenti di immagine di intelligenza artificiale come Dall -E e diffusione stabile.

E sta per capacità emergenti

Il comportamento emergente si verifica quando i modelli di intelligenza artificiale producono una risposta imprevista al di fuori delle intenzioni del suo creatore. Gran parte dell’intelligenza artificiale è così complessa che i suoi processi decisionali non possono ancora essere compresi dagli esseri umani, nemmeno dai suoi creatori. Con modelli di intelligenza artificiale importanti come GPT4 che hanno recentemente mostrato capacità emergenti, i ricercatori di intelligenza artificiale stanno compiendo uno sforzo maggiore per comprendere il come e il perché dietro i modelli di intelligenza artificiale.

F sta per riconoscimento facciale

La tecnologia di riconoscimento facciale si basa sull’intelligenza artificiale, su algoritmi di apprendimento automatico e su tecniche di visione artificiale per elaborare foto e video di volti umani. Poiché l’intelligenza artificiale può identificare dettagli facciali complessi in modo più efficiente rispetto ai metodi manuali, la maggior parte dei sistemi di riconoscimento facciale utilizza una rete neurale artificiale chiamata rete neurale convoluzionale (CNN) per migliorarne la precisione.

G sta per IA generativa

L'intelligenza artificiale generativa è un termine generico che descrive qualsiasi tipo di intelligenza artificiale che produce contenuti originali come testo, immagini e clip audio. L'intelligenza artificiale generativa utilizza le informazioni provenienti da LLM e altri modelli di intelligenza artificiale per creare output e alimentare le risposte fornite da chatbot come ChatGPT, Gemini e Grok,

H sta per allucinazione

I chatbot non sempre producono risposte corrette o sensate. Spesso, i modelli di intelligenza artificiale generano informazioni errate ma le presentano come fatti. Questa si chiama allucinazione dell'IA. Le allucinazioni si verificano quando il modello di intelligenza artificiale fa previsioni basate sul set di dati su cui è stato addestrato, invece di recuperare fatti reali.

La maggior parte delle allucinazioni dell'IA sono minori e potrebbero persino essere trascurate dall'utente medio. Tuttavia, a volte le allucinazioni possono avere conseguenze pericolose, poiché le false risposte prodotte da ChatGPT sono state precedentemente sfruttate dai truffatori per indurre gli sviluppatori a scaricare codice dannoso.

Io è per l'esplosione dell'intelligenza

Con somiglianze con l’AGI, l’esplosione dell’intelligence è uno scenario ipotetico in cui lo sviluppo dell’intelligenza artificiale diventa incontrollabile e di conseguenza rappresenta una minaccia per l’umanità. Chiamato anche “singolarità”, il termine rappresenta una minaccia esistenziale avvertita da molti riguardo al progresso rapido e in gran parte incontrollato della tecnologia.

J sta per jailbreak

Il jailbreak è una forma di hacking con l'obiettivo di aggirare le garanzie etiche dei modelli di intelligenza artificiale. Nello specifico, quando determinate istruzioni vengono immesse nei chatbot, gli utenti possono utilizzarle senza alcuna restrizione.

È interessante notare che un recente studio della Brown University ha scoperto che l'uso di lingue come Hmong, Zulu e gaelico scozzese era un modo efficace per eseguire il jailbreak di ChatGPT. Scopri come eseguire il jailbreak di ChatGPT qui .

J sta per Insicurezza lavorativa

Mentre l’intelligenza artificiale continua ad automatizzare i processi manuali precedentemente eseguiti dagli esseri umani, la tecnologia sta scatenando una diffusa insicurezza lavorativa tra i lavoratori. Anche se la maggior parte dei lavoratori non dovrebbe avere nulla di cui preoccuparsi, il nostro rapporto Tech.co Impact of Technology on the Workplace ha recentemente scoperto che i ruoli di ottimizzazione della supply chain, ricerca legale e analisi finanziaria hanno maggiori probabilità di essere sostituiti dall’intelligenza artificiale nel 2024.

L sta per Large Language Models (LLM)

Gli LLM sono un tipo specialistico di modello di intelligenza artificiale che sfrutta l'elaborazione del linguaggio naturale (PNL) per comprendere e produrre risposte naturali e umane. In termini semplici, fai in modo che strumenti come ChatGPT sembrino meno simili a un bot e più simili a te e me.

A differenza dell’intelligenza artificiale generativa, i LLM sono stati progettati specificamente per gestire attività legate alla lingua. Esempi popolari di LLM di cui potresti aver sentito parlare includono GPT-4, PaLM 2 e Gemini .

M sta per Machine Learning

L’apprendimento automatico è un campo dell’intelligenza artificiale che consente ai sistemi di apprendere e migliorare dall’esperienza, in modo simile agli esseri umani. Nello specifico, si concentra sull’uso di dati e algoritmi nell’intelligenza artificiale e mira a migliorare il modo in cui i modelli di intelligenza artificiale possono apprendere e prendere decisioni in modo autonomo negli ambienti del mondo reale.

Sebbene il termine sia spesso usato in modo intercambiabile con l’intelligenza artificiale, l’apprendimento automatico fa parte dell’ambito più ampio dell’intelligenza artificiale e richiede un intervento umano minimo.

N sta per Rete Neurale

Una rete neurale (NN) è un modello di apprendimento automatico progettato per imitare la struttura e la funzione di un cervello umano. Una rete neurale artificiale è composta da più livelli ed è costituita da unità chiamate neuroni artificiali, che imitano vagamente i neuroni presenti nel cervello.

Chiamate anche reti neurali profonde, le NN hanno una varietà di applicazioni utili e possono essere utilizzate per migliorare il riconoscimento delle immagini, la modellazione predittiva e l'elaborazione del linguaggio naturale.

O sta per AI open source

L'intelligenza artificiale open source si riferisce alla tecnologia AI che ha un codice sorgente disponibile gratuitamente. Lo scopo finale dell’intelligenza artificiale open source è creare una cultura di collaborazione e trasparenza all’interno della comunità dell’intelligenza artificiale, che offra alle aziende e agli sviluppatori maggiore libertà di innovare con la tecnologia.

Molti dei prodotti AI open source attualmente disponibili sono variazioni di applicazioni esistenti e le categorie di prodotti comuni includono chatbot, strumenti di traduzione automatica e modelli linguistici di grandi dimensioni.

P sta per Suggerimenti

Se per qualche motivo non hai ancora familiarità con strumenti come Gemini e ChatGPT, un prompt è un'istruzione o una query che inserisci nei chatbot per ottenere una risposta mirata. Possono esistere come comandi autonomi o possono essere il punto di partenza per conversazioni più lunghe con i modelli di intelligenza artificiale.

I prompt dell'intelligenza artificiale possono assumere qualsiasi forma desiderata dall'utente, ma abbiamo scoperto che input dettagliati e di forma più lunga generano le risposte migliori. Secondo un recente studio di Microsoft, l'uso del linguaggio emotivo è un altro modo per generare risposte di alta qualità.

Scopri come semplificarti la vita lavorativa con questi 40 suggerimenti ChatGPT progettati per farti risparmiare tempo sul posto di lavoro.

P sta per Parametri

Nell'intelligenza artificiale, i parametri sono un valore che misura il comportamento di un modello di apprendimento automatico. In questo contesto, ogni parametro agisce come una variabile, determinando come il modello convertirà un input in output. I parametri sono uno dei modi più comuni per misurare le prestazioni dell’intelligenza artificiale e, in generale, maggiore è il numero di parametri di un modello di intelligenza artificiale, migliore sarà la capacità di comprendere modelli di dati complessi e produrre risposte più accurate.

Q sta per Intelligenza Artificiale Quantistica

L’intelligenza artificiale quantistica è l’uso del calcolo quantistico per il calcolo di algoritmi di apprendimento automatico. Rispetto al calcolo classico, che elabora le informazioni tramite 1 e 0, il calcolo quantistico utilizza un’unità chiamata qubit, che rappresenta sia gli 1 che gli 0 contemporaneamente. In teoria, questo processo potrebbe accelerare notevolmente la velocità di elaborazione.

Nel caso dell’intelligenza artificiale quantistica, l’uso dei qubit potrebbe potenzialmente aiutare a produrre modelli di intelligenza artificiale molto più potenti, anche se molti esperti ritengono che siamo ancora lontani dal raggiungimento di questa realtà.

R sta per Red Teaming

Il Red Teaming è un sistema di test strutturato che mira a trovare difetti e vulnerabilità nei modelli di intelligenza artificiale. Il termine cybersecurity si riferisce essenzialmente a una pratica di hacking etico in cui gli attori cercano di simulare un vero e proprio attacco informatico, per identificare potenziali punti deboli in un sistema e migliorarne le difese a lungo termine.

Nel caso del red teaming dell'IA, non può aver luogo alcun effettivo tentativo di hacking e i red teamer possono invece provare a testare la sicurezza del sistema attivandolo in un certo modo che aggiri eventuali guardrail che gli sviluppatori hanno posizionato su di esso, in modo simile. al jailbreak.

S sta per apprendimento supervisionato

Esistono due approcci fondamentali quando si parla di apprendimento tramite intelligenza artificiale: apprendimento supervisionato e apprendimento non supervisionato. Conosciuto anche come apprendimento automatico supervisionato, l'apprendimento supervisionato è un metodo di addestramento in cui gli algoritmi vengono addestrati su dati di input etichettati per un output specifico. Lo scopo del test è misurare la precisione con cui l’algoritmo può funzionare su dati non etichettati e il processo mira a migliorare l’accuratezza complessiva dei sistemi di intelligenza artificiale nel loro complesso.

T sta per Dati di addestramento

In termini semplici, i dati di addestramento sono un set di dati di input estremamente vasto utilizzato per addestrare un modello di machine learning. I dati di training vengono utilizzati per insegnare ai modelli di previsione utilizzando algoritmi come estrarre funzionalità rilevanti per obiettivi specifici dell'utente e rappresentano il set iniziale di dati che può quindi essere integrato da dati successivi chiamati set di test.

È fondamentale per il funzionamento dell’intelligenza artificiale e dell’apprendimento automatico e, senza dati di addestramento, i modelli di intelligenza artificiale non sarebbero in grado di apprendere, estrarre informazioni utili e fare previsioni o, in parole povere, esistere.

U sta per apprendimento non supervisionato

Contrariamente all’apprendimento supervisionato, l’apprendimento non supervisionato è un tipo di apprendimento automatico in cui ai modelli vengono forniti dati non etichettati e confusi e incoraggiati a scoprire modelli e intuizioni senza alcuna struttura specifica.

I modelli di apprendimento non supervisionato vengono utilizzati per tre attività principali: cluttering, che è una tecnica di data mining per raggruppare dati senza etichetta, associazione, un altro metodo di guadagno che utilizza regole diverse per trovare relazioni tra variabili, e riduzione della dimensionalità, una tecnica di apprendimento implementata quando il numero di le dimensioni in un set di dati sono troppo alte.

X sta per rischio X

Il rischio X sta per rischio esistenziale. Più specificamente, il termine si riferisce al rischio esistenziale posto dal rapido sviluppo dell’intelligenza artificiale. Le persone che mettono in guardia da un potenziale evento a rischio X credono che i progressi compiuti nel campo dell’intelligenza artificiale potrebbero provocare l’estinzione umana o una catastrofe globale se lasciati incontrollati.

Tuttavia, il rischio X non è una convinzione marginale. Infatti, nel 2023 diversi leader tecnologici come Demis Hassabis CEO di DeepMind, Ilya Sutskever co-fondatore e capo scienziato di OpenAI e Bill Gates hanno firmato una lettera in cui metteva in guardia gli sviluppatori di intelligenza artificiale sulla minaccia esistenziale rappresentata dall'intelligenza artificiale .

Z sta per Zero-Shot Learning

L'apprendimento zero-shot è una configurazione di problemi di deep learning in cui un modello di intelligenza artificiale ha il compito di completare un'attività senza ricevere esempi di formazione. Nell'apprendimento automatico, l'apprendimento zero-shot viene utilizzato per creare modelli per classi che non sono ancora state etichettate per la formazione.

Le due fasi dell'apprendimento zero-shot includono la fase di formazione, in cui viene catturata la conoscenza, e la fase di interferenza, in cui le informazioni vengono utilizzate per classificare gli esempi in una nuova serie di classi.