Tag: AI Literacy
-
Verificare le fonti è necessario, ma non esaurisce la verifica dell’output. Una fonte può essere autentica, pertinente e correttamente citata e il risultato complessivo può comunque essere inutilizzabile: perché parte da un fatto inesatto, trascura un documento, applica correttamente una norma a una fattispecie diversa, omette un elemento rilevante oppure formula una conclusione che non…
-
IN BREVE Una fonte indicata dall’intelligenza artificiale non è automaticamente una fonte giuridica utilizzabile. Prima di utilizzarla occorre verificarne esistenza, autenticità, pertinenza, contenuto, vigenza e corretta citazione. La tecnologia può accelerare la ricerca; l’affidamento sulla fonte resta una decisione professionale. Un sistema di intelligenza artificiale può indicare una sentenza, riportare una norma, recuperare un documento…
-
Cass. pen. n. 23006/2026, allucinazioni informatiche e dovere dell’avvocato di verificare le fonti IN BREVE La Cassazione penale n. 23006/2026 riguarda un ricorso contenente precedenti presentati in modo non veritiero o non pertinente e ribadisce il dovere professionale di controllare le fonti utilizzate. L’errore può consistere non soltanto in una sentenza inesistente, ma anche nell’attribuzione…
-
Dal documento alla risposta: come un LLM può cercare informazioni prima di generare il testo IN BREVE Il RAG aggiunge alla generazione un meccanismo di recupero: prima cerca contenuti pertinenti in una raccolta esterna, poi li rende disponibili al modello per costruire la risposta. Questo approccio può collegare l’output a documenti realmente esistenti e ridurre…
-
Le allucinazioni degli LLM spiegate semplice: quando una risposta è plausibile, ma non è affidabile
-
Dal modello linguistico al servizio di intelligenza artificiale che utilizziamo
-
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.