Dizionario Intelligenza Artificiale
- Addestramento: Il processo di insegnamento all’IA utilizzando grandi quantità di dati. Ad esempio, un modello di IA può essere addestrato con milioni di articoli di notizie per rispondere a domande su eventi attuali.
- API: Un insieme di regole che permette a diversi software di comunicare tra loro. Ad esempio, un’app meteo può usare un’API per ottenere dati meteorologici da un servizio esterno.
- Automazione: L’uso di tecnologia per eseguire compiti senza intervento umano. Ad esempio, i sistemi di pagamento automatico nei supermercati.
- Bias (Pregiudizio): Tendenze o pregiudizi nei dati che possono influenzare le risposte dell’IA. Ad esempio, se un dataset contiene solo immagini di persone di una certa etnia, l’IA potrebbe non riconoscere correttamente persone di altre etnie.
- Chatbot: Un programma di IA progettato per simulare una conversazione umana. Ad esempio, i bot di assistenza clienti sui siti web.
- Classificazione: L’assegnazione di etichette a dati basati su categorie predefinite. Ad esempio, classificare le email come spam o non spam.
- Clusterizzazione: Raggruppare dati simili insieme. Ad esempio, segmentare i clienti in base ai loro comportamenti di acquisto.
- Dataset: Un insieme di dati utilizzato per addestrare l’IA. Ad esempio, un dataset di immagini di animali può essere usato per addestrare un modello a riconoscere cani e gatti.
- Deep Learning: Una sottocategoria del machine learning che utilizza reti neurali profonde con molti strati. Ad esempio, è usato per il riconoscimento delle immagini in Google Photos.
- Fine-tuning: L’ulteriore addestramento di un modello di IA su dati specifici per migliorare le sue prestazioni in un compito particolare. Ad esempio, addestrare un modello di linguaggio generale su dati medici per rispondere meglio a domande sulla salute.
- Generazione di Testo: La capacità dell’IA di creare testo coerente e rilevante. Ad esempio, scrivere un articolo o una storia.
- Modello: Il sistema di IA che elabora i tuoi prompt e genera risposte. Ad esempio, ChatGPT è un modello di linguaggio.
- NLP (Natural Language Processing): La capacità dell’IA di comprendere e generare linguaggio umano. Ad esempio, i chatbot che rispondono alle domande dei clienti utilizzano NLP.
- Overfitting: Quando un modello di IA è troppo specifico ai dati di addestramento e non funziona bene con nuovi dati. Ad esempio, un modello che riconosce solo i gatti di una certa razza.
- Prompt: La frase o domanda che fornisci all’IA per ottenere una risposta. Ad esempio, “Qual è il meteo di oggi?” è un prompt.
- Riconoscimento del Parlato: La capacità dell’IA di comprendere e trascrivere il linguaggio parlato. Ad esempio, i sistemi di dettatura vocale.
- Supervised Learning (Apprendimento Supervisionato): Un tipo di machine learning in cui il modello viene addestrato con dati etichettati. Ad esempio, un modello che impara a riconoscere le immagini di gatti e cani da un dataset etichettato.
- Token: Un’unità di testo che l’IA elabora. Ad esempio, in “Ciao, come stai?”, ogni parola può essere considerata un token.
- Training (Addestramento): Il processo di insegnamento all’IA utilizzando grandi quantità di dati. Ad esempio, un modello di IA può essere addestrato con milioni di articoli di notizie per rispondere a domande su eventi attuali.
- Unsupervised Learning (Apprendimento Non Supervisionato): Un tipo di machine learning in cui il modello trova schemi nei dati senza etichette predefinite. Ad esempio, raggruppare articoli di notizie simili insieme.
- Visione Artificiale: La capacità dell’IA di interpretare immagini e video. Ad esempio, le auto a guida autonoma che riconoscono i segnali stradali.
Crea il tuo sito web con Webador