Intelligenza artificiale,
senza gergo inutile.
I concetti, i sistemi e le tecnologie che stanno cambiando il modo in cui lavoriamo, creiamo e interagiamo con le macchine.
Intelligenza artificiale
Sistemi che svolgono compiti associati a capacità come riconoscere schemi, comprendere linguaggio, fare previsioni o generare contenuti. Non esiste una sola “AI”: cambiano metodi, dati, capacità e limiti.
LLM e modelli linguistici
I large language model elaborano e generano testo prevedendo sequenze di parole o token sulla base di esempi appresi. Possono riassumere, tradurre, scrivere codice e dialogare; possono anche sbagliare, inventare dettagli o mostrare sicurezza senza avere verificato.
Modelli multimodali
Integrano più tipi di informazione, per esempio testo, immagini, audio e video. La multimodalità consente interazioni più ricche, ma non garantisce che il sistema interpreti sempre correttamente ciò che vede o ascolta.
Agenti AI
Un agente riceve un obiettivo, pianifica passaggi e può usare strumenti, come un browser, un archivio o un software. Più autonomia significa anche più necessità di autorizzazioni, limiti, registri delle azioni e possibilità di fermarlo.
Sistemi multi-agente
Più agenti possono dividersi un compito: uno cerca informazioni, un altro le confronta e un altro prepara un risultato. La collaborazione può aiutare su attività articolate, ma coordinamento, errori condivisi e costi crescono con il numero dei componenti.
RAG e ricerca nelle fonti
La generazione con recupero delle informazioni combina un modello linguistico con la ricerca in documenti o basi dati. Il sistema può fondare la risposta su materiali specifici e citarli, ma la qualità dipende dalla selezione, aggiornamento e corretta interpretazione delle fonti.
Robotica e AI fisica
La robotica porta percezione e decisioni nel mondo materiale: robot industriali, sistemi mobili e dispositivi che interagiscono con oggetti e persone. Gli ambienti fisici sono meno prevedibili di una chat: sicurezza, sensori e controllo dei movimenti sono centrali.
AI generativa
Modelli generativi producono testo, immagini, audio, video o codice a partire da istruzioni e dati appresi. Sono strumenti per creare e trasformare contenuti; attribuzione, diritti, provenienza e verifica restano questioni essenziali.
Modelli aperti e open-weight
Alcuni modelli rendono disponibili pesi o componenti tecniche che possono essere eseguiti e adattati da terzi. “Aperto” può indicare gradi diversi di accesso: licenze, dati di addestramento e libertà d’uso vanno valutati separatamente.
Valutazione e sicurezza
Le valutazioni misurano comportamenti su compiti e condizioni definite. Un buon risultato su un benchmark non prova da solo che un modello sia affidabile in ogni ambiente: servono test pertinenti, controlli continui e osservazione degli effetti reali.
Chip, cloud e infrastrutture
L’AI richiede calcolo, energia, reti e archiviazione. Chip e data center influenzano costi, disponibilità e impatto energetico; l’infrastruttura è parte del prodotto e della competizione tra aziende e Paesi.