Glossario ChatGPT: la terminologia più comune utilizzata in AI

ChatGPT è un’intelligenza artificiale sviluppata dalla società OpenAI che può comunicare con gli utenti in chat, generare testi di vario tipo e rispondere a domande su diversi argomenti. Nello specifico uno dei modelli più avanzati e potenti nel campo del linguaggio naturale. Ma cosa significa esattamente GPT e quali sono gli altri termini chiave per capire come funziona ChatGPT? Ecco un glossario dei termini e delle definizioni dell’intelligenza artificiale.

Intelligenza artificiale: le basi

Iniziamo dal principio l’intelligenza artificiale o AI indica l’uso della tecnologia per simulare l’intelligenza umana, sia nei programmi informatici che nella robotica. L’intelligenza artificiale mira a costruire sistemi in grado di eseguire compiti umani come ChatGPT il chatbot AI sviluppato da OpenAI che utilizza la tecnologia del modello linguistico di grandi dimensioni. Anche detto Chatbot nonché un programma che comunica con gli esseri umani attraverso un testo che simula il linguaggio umano.

GPT Generative Pre-trained Transformer

A questo punto è importante chiarire uno dei termini più diffusi GPT. GPT è l’acronimo di GPT Generative Pre-trained Transformer nello specifico si intende “Trasformatore generativo preaddestrato”. Si tratta di un tipo di modello di IA che utilizza una rete neurale artificiale per analizzare e generare testi in modo autonomo. Un trasformatore è una struttura che permette di capire il significato e il contesto di un testo, basandosi sulle relazioni tra le parole. Un modello generativo è in grado di produrre nuovi testi a partire da quelli esistenti, seguendo delle regole grammaticali e semantiche. Un modello preaddestrato è stato già istruito su una grande quantità di dati, in modo da poter essere applicato a vari compiti senza dover essere addestrato da zero.

Linguaggio naturale

Tra i termini più usati quando si parla di intelligenza artificiale è linguaggio naturale, nello specifico si fa riferimento al linguaggio parlato o scritto dagli esseri umani per comunicare tra loro. Il linguaggio naturale si contrappone al linguaggio formale, che è il linguaggio usato dai computer o dalle scienze per rappresentare concetti in modo preciso e non ambiguo. Il linguaggio naturale è caratterizzato da una grande varietà e complessità, che dipendono da fattori come la lingua, la cultura, il contesto e lo stile.

Machine learning

Machine learning è una branca dell’intelligenza artificiale che si occupa di creare sistemi in grado di apprendere autonomamente da dati ed esperienze, senza essere esplicitamente programmati. L’apprendimento automatico si basa su algoritmi matematici che permettono ai sistemi di riconoscere schemi e relazioni nei dati e di adattare il proprio comportamento in base ai risultati ottenuti.

Deep learning e apprendimento automatico

L’apprendimento profondo è una forma avanzata di apprendimento automatico che si basa su reti neurali artificiali. Una rete neurale artificiale è un insieme di unità di calcolo i neuroni organizzate in strati i layer, che elaborano i dati in modo sequenziale o parallelo. L’apprendimento profondo si distingue dall’apprendimento automatico tradizionale per il fatto che utilizza reti neurali molto complesse e profonde, composte da molti strati e neuroni, che possono gestire grandi quantità di dati e compiti complessi. Nello stesso campo si trova il termine Transformer model un’architettura di rete neurale e un modello di deep learning che apprende il contesto monitorando le relazioni nei dati, come nelle frasi o nelle parti di immagini.

Algoritmo e Allineamento

I termini dell’intelligenza artificiale indicano anche una seria di istruzione, come l’algoritmo una serie di istruzioni che consentono a un programma per computer di apprendere e analizzare i dati in un modo particolare, ad esempio riconoscendo modelli, per poi imparare da essi e svolgere compiti da solo. L’allineamento serve per modificare un’intelligenza artificiale per produrre meglio il risultato desiderato. Ciò può riferirsi a qualsiasi cosa, dalla moderazione dei contenuti al mantenimento di interazioni positive nei confronti degli esseri umani.

Apprendimento end-to-end o E2E

Apprendimento end-to-end o E2E è un processo di apprendimento profondo in cui a un modello viene chiesto di eseguire un’attività dall’inizio alla fine, non è addestrato a svolgere un compito in sequenza, ma apprende dagli input e lo risolve tutto in una volta. Invece, le reti avversarie generative, o GAN sono un modello di intelligenza artificiale generativa composto da due reti neurali per generare nuovi dati: un generatore e un discriminatore. Il generatore crea nuovi contenuti e il discriminatore verifica se è autentico.

Machine learning

I termini per l’apprendimento dell’intelligenza artificiale sono diversi, partiamo da Machine learning o ML, che riguarda un componente dell’intelligenza artificiale che consente ai computer di apprendere e ottenere risultati predittivi migliori senza una programmazione esplicita. Può essere abbinato a set di formazione per generare nuovi contenuti. Per proseguire con il termine Multimodal AI un tipo di IA in grado di elaborare più tipi di input, inclusi testo, immagini, video e parlato.

Large language model, o LLM

Large language model, o LLM un modello di intelligenza artificiale addestrato su grandi quantità di dati di testo per comprendere il linguaggio e generare nuovi contenuti in un linguaggio simile a quello umano. In questo campo si trova il termine parametri che sono i valori numerici che forniscono struttura e comportamento agli LLM, consentendogli di fare previsioni.

Chatbot: le varianti

Google Bard è un chatbot AI di Google che funziona in modo simile a ChatGPT ma estrae informazioni dal Web attuale, mentre ChatGPT è limitato ai dati fino al 2021 e non è connesso a Internet. Un altro esempio Microsoft Bing è un motore di ricerca di Microsoft che ora può utilizzare la tecnologia che alimenta ChatGPT per fornire risultati di ricerca basati sull’intelligenza artificiale.

Capacità AI

Rete neurale un modello computazionale che ricorda la struttura del cervello umano e ha lo scopo di riconoscere modelli nei dati. È costituito da nodi interconnessi, o neuroni, in grado di riconoscere modelli e apprendere nel tempo.

• Text-to-image generation: capacità di creazione di immagini basate su descrizioni testuali.
• Prompt chaining: capacità dell’intelligenza artificiale di utilizzare le informazioni delle interazioni precedenti per colorare le risposte future.
• Tyle transfer: capacità di adattare lo stile di un’immagine al contenuto di un’altra, consentendo a un’intelligenza artificiale di interpretare gli attributi visivi di un’immagine e utilizzarli su un’altra.
• Stochastic parrot: un’analogia dei LLM che illustra che il software non ha una comprensione più ampia del significato dietro il linguaggio o il mondo che lo circonda, indipendentemente da quanto sia convincente l’output.

Etica dell’AI e sicurezza dell’intelligenza artificiale

L’etica dell’AI sono i principi che impediscono che l’IA danneggi gli esseri umani, raggiunti attraverso mezzi come la determinazione del modo in cui i sistemi di intelligenza artificiale dovrebbero raccogliere dati o gestire i pregiudizi. La sicurezza dell’intelligenza artificiale è un campo interdisciplinare che riguarda gli impatti a lungo termine dell’intelligenza artificiale e come potrebbe progredire improvvisamente verso una super intelligenza che potrebbe essere ostile agli esseri umani. A questo scopo è presente il Guard-rails politiche e restrizioni imposte ai modelli di intelligenza artificiale per garantire che i dati vengano gestiti in modo responsabile e che il modello non crei contenuti inadeguati.

Intelligenza artificiale i termini per i test

Per quanto riguarda i termini per i test dell’Ai è presente; Turing test dal nome del famoso matematico e informatico Alan Turing, mette alla prova la capacità di una macchina di comportarsi come un essere umano. La macchina passa se un essere umano non riesce a distinguere la risposta della macchina da quella di un altro essere umano. Zero-shot learning un test in cui un modello deve completare un’attività senza ricevere i dati di addestramento richiesti. Infine temperature nonché i parametri impostati per controllare quanto sia casuale l’output di un modello linguistico, nel caso di una temperatura più elevata significa che il modello corre più rischi.

Intelligenza artificiale: gli errori

IA debole, detta anche IA ristretta si parla dell’intelligenza artificiale che si concentra su un compito particolare e non può apprendere oltre le proprie competenze. La maggior parte dell’intelligenza artificiale odierna è un’intelligenza artificiale debole. Continuando su questo filone troviamo il termine overfitting nonché l’errore nell’apprendimento automatico in cui funziona troppo vicino ai dati di addestramento e potrebbe essere in grado di identificare solo esempi specifici ma non nuovi dati. Allucinazione è invece il termine utilizzato per una risposta errata dell’IA, che include un’intelligenza artificiale generativa che produce risposte errate ma dichiarate con sicurezza come se fossero corrette. Infine, il comportamento emergente quando un modello di intelligenza artificiale mostra abilità non intenzionali.