Fondamenti dell'IA
Comprendi le basi dell'IA, tra cui cos'è, come funziona e come viene utilizzata.
Ti diamo il benvenuto! Se sei alle prime armi con l'IA, non hai bisogno di competenze tecniche per iniziare. Ciò che aiuta di più è una semplice mappa del contesto, così puoi capire cosa possono fare i sistemi di IA, come sono presentati e come scegliere lo strumento giusto per le tue esigenze.
L'intelligenza artificiale (IA) è un'ampia categoria di software in grado di riconoscere schemi, apprendere dai dati e produrre output utili.
Probabilmente hai già visto l'IA apparire nei momenti della vita quotidiana, ad esempio quando:
- La tua app di mappe riprogramma il percorso per aggirare il traffico
- La tua banca segnala un acquisto come “sospetto“
- Un chatbot di assistenza clienti risponde alle domande più frequenti
L'IA è una categoria, non un singolo strumento. All’interno di quella categoria ci sono i modelli: sistemi addestrati che apprendono dai dati e poi applicano ciò che hanno appreso a nuove situazioni. Alcuni modelli sono specializzati in voce, visione o previsione.
Probabilmente stai iniziando il tuo percorso nell'IA utilizzando strumenti di intelligenza artificiale conversazionale, come ChatGPT. I modelli alla base di ChatGPT sono specializzati nel linguaggio: vengono chiamati modelli linguistici di grandi dimensioni.
Un modello linguistico di grandi dimensioni (LLM) è un modello progettato per lavorare con il linguaggio. Apprende schemi da grandi quantità di testo provenienti da molte fonti, così da poter generare e trasformare il testo in modi utili. Un LLM non “sa” le cose nel modo in cui lo fa una persona. Invece, prevede l'elemento linguistico successivo più probabile in base al contesto. Nel corso del tempo, i progressi nella potenza di calcolo, nei metodi di addestramento e nell'accesso a grandi set di dati hanno reso possibile sviluppare modelli linguistici di grandi dimensioni più capaci e potenti.
OpenAI e altri laboratori di ricerca di frontiera sviluppano questi modelli come parte fondamentale della loro offerta, rendendoli disponibili attraverso prodotti rivolti agli utenti (come ChatGPT o Codex) e tramite API, che consentono agli sviluppatori di utilizzare tali modelli per creare strumenti di IA personalizzati e integrare l'IA nei software esistenti.
I nuovi modelli diventano disponibili da questi laboratori di ricerca quando sono stati addestrati e hanno superato le valutazioni interne e i test di sicurezza. Quando senti dire che un modello di IA è stato “addestrato”, di solito si fa riferimento a due fasi: pensalo come a una persona che impara e migliora nel proprio lavoro.
La prima fase è il pre-addestramento, durante la quale il modello apprende schemi generali da un'enorme quantità di testo, acquisendo ampie capacità come riassumere, redigere bozze, tradurre e spiegare.
Pensalo come un nuovo dipendente che passa settimane a leggere tutto ciò che può – manuali, esempi di lavori eccellenti, progetti passati, FAQ – finché non comprende bene i “contorni“ del ruolo.
Ora il “dipendente” inizia a svolgere il lavoro e un “manager” lo guida: essere più chiaro, porre buone domande di approfondimento, adottare il tono giusto e seguire le politiche aziendali. Questo è il post-addestramento. Questa fase aiuta il modello a seguire le istruzioni in modo più affidabile, a comunicare con uno stile utile e a gestire meglio le situazioni complesse.
È inoltre nel post-addestramento che vengono enfatizzati i controlli di sicurezza: un addestramento progettato per ridurre gli output dannosi, evitare richieste indesiderate e rispondere con maggiore cautela quando l’argomento è sensibile o incerto.
Man mano che i modelli vengono aggiornati e addestrati, potresti notare variazioni nel tono o nelle risposte. Se vuoi risultati coerenti, specifica in modo esplicito il tuo obiettivo, il pubblico, il formato e i vincoli, e aspettati che il modello sia più prudente quando si tratta di sicurezza o incertezza.
Modelli diversi sono ottimizzati per compromessi diversi, come la velocità, la profondità e il grado di accuratezza con cui seguono istruzioni articolate in più passaggi. Alcuni sono progettati per rispondere in modo rapido e fluido alle attività quotidiane (scrittura di bozze, riepilogo, riscrittura, brainstorming). Altri sono progettati per avvalersi di un maggior numero di calcoli riflettendo attentamente su un problema prima di rispondere, il che può migliorare l'affidabilità nelle attività più complesse e articolate in più fasi.
I modelli non di ragionamento (talvolta indicati come “Instant”) sono ottimizzati per un output rapido e fluido. Sono una buona scelta predefinita quando l'attività è semplice e vuoi soprattutto mantenere lo slancio: trasformare appunti in un messaggio, perfezionare la formulazione, generare opzioni o estrarre punti chiave.
Modelli di ragionamento (talvolta indicati come “Thinking“) sono addestrati per offrire prestazioni migliori nella risoluzione deliberata e graduale dei problemi: pianificazione, analisi complesse, debug complesso o decisioni con vincoli e casi limite. Potrebbero richiedere più tempo, ma spesso sono più efficaci nel monitorare più elementi in movimento ed evitare errori superficiali.
Se hai appena iniziato, non devi preoccuparti della scelta del modello: l'esperienza predefinita di ChatGPT è progettata per passare automaticamente da uno all'altro, così puoi concentrarti sulla tua domanda e non sulle impostazioni.
Nel tempo, man mano che impari a capire cosa preferisci (velocità o profondità, bozze rapide o analisi accurate), puoi iniziare a sperimentare con i controlli opzionali: per esempio, scegliendo Automatico per la maggior parte del tempo e passando a Thinking quando un'attività è complessa o ad alto rischio.
Ecco la semplice gerarchia:
- IA = il settore complessivo
- Modelli = sistemi addestrati che eseguono compiti specifici
- Modelli linguistici di grandi dimensioni (LLM) = modelli focalizzati sulla comprensione e generazione del linguaggio, addestrati nel tempo dai laboratori di ricerca sull'IA
- ChatGPT = un prodotto che ti aiuta a utilizzare un LLM in modo efficace
Una volta che hai chiaro questo quadro, puoi iniziare a imparare come ottenere ottimi risultati con strumenti come ChatGPT, partendo da come parlarci per ottenere i risultati che vuoi.
