Categoria: Tecnologia & Professione
-
Come un modello linguistico genera testo prevedendo un token alla volta, perché probabilità non significa verità e perché, nell’attività forense, la verifica resta responsabilità del professionista.
-
Una guida semplice alle reti neurali artificiali: neuroni, livelli, connessioni, pesi, bias e trasformazioni, senza confondere il modello computazionale con il cervello umano.
-
Una guida semplice a Transformer, attention e self-attention: come un modello linguistico mette in relazione i token nel contesto senza comprendere o interpretare come una persona.
-
Che cosa sono i token, come funziona la tokenizzazione e perché il modello non legge un documento come lo legge un avvocato: una guida semplice per comprendere il passaggio dal testo all’elaborazione dell’IA.
-
Una guida semplice per capire come un modello utilizza probabilità, stime e previsioni per produrre output, senza confondere il valore numerico con verità, certezza o affidabilità complessiva.
-
Una spiegazione semplice di parametri, pesi, bias e iperparametri: i valori che cambiano durante il training e contribuiscono al comportamento del modello.
-
Che cosa resta dopo il training? Un modello: la struttura computazionale che viene utilizzata durante l’inferenza. Una spiegazione semplice per distinguere modello, sistema e applicazione senza attribuire alla macchina comprensione umana.
-
Che cosa cambia tra training e inferenza, perché le due fasi non devono essere confuse e quali domande deve porsi l’avvocato quando utilizza un sistema di intelligenza artificiale.
-
Che cosa significa davvero machine learning, come dati e addestramento contribuiscono a costruire un modello e perché “apprendere” non equivale a comprendere come una persona.