Intelligenza Artificiale a Scuola - Glossario

Capacità di spiegare e rendere comprensibili le decisioni e i processi degli algoritmi di IA. Enfatizza trasparenza e responsabilità nell'uso dell'IA.

Campo di indagine sulle implicazioni morali e sociali dell'intelligenza artificiale, inclusi diritti alla privacy, pregiudizi nell'IA, responsabilità e impatto sociale.

Principio di giustizia nell'Etica dell'IA che si concentra sull'equa distribuzione dei benefici e dei danni della tecnologia. Evita discriminazioni e garantisce un accesso equo ai vantaggi dell'IA.

Modello di linguaggio che utilizza l'apprendimento profondo per produrre testo simile a quello umano. Viene pre-addestrato su un vasto set di dati e poi affinato per compiti specifici.

Il processo automatico con cui un sistema informatico identifica oggetti, persone, luoghi o azioni in immagini digitali.

Tecniche di deep learning che permettono ai computer di "vedere" ed interpretare le immagini, come le reti neurali convoluzionali (CNN).

Un tipo di intelligenza artificiale in grado di comprendere, imparare ed eseguire compiti intellettuali come gli umani.

L'AGI può applicare la conoscenza e la risoluzione di problemi in diversi contesti, mostrando adattabilità e comprensione del mondo in modo simile a quello umano.

L'AGI potrebbe essere utilizzata per ricerche mediche autonome, formulando ipotesi e sviluppando nuovi farmaci.

La realizzazione di un'AGI è ancora un obiettivo lontano.

GPT-4 è una versione avanzata di intelligenza artificiale in grado di generare contenuti come articoli, poesie e codice.

Nella sanità, il riconoscimento delle immagini può essere utilizzato per identificare segni precoci di malattie come il cancro nelle immagini mediche.

Un tipo di intelligenza artificiale che crea nuovi contenuti, come immagini, testi e suoni, che sembrano realizzati da umani.

Sistemi di IA progettati per svolgere compiti specifici, senza capacità di pensiero o intelligenza generale umana.

Modelli di intelligenza artificiale addestrati su grandi quantità di testo, capaci di comprendere e generare linguaggio naturale.

Un software che compone nuova musica dopo aver imparato lo stile di diversi compositori.

Un sistema di riconoscimento facciale utilizzato per sbloccare gli smartphone.

Un assistente digitale che può scrivere email, poesie o codice.

I modelli di IA imparano analizzando grandi quantità di dati, come libri, articoli e musica.

L'IA imita lo stile o caratteristiche dei dati che ha imparato, creando nuovi contenuti simili.

Un sottocampo dell'intelligenza artificiale che consente ai computer di imparare e migliorare le proprie prestazioni da esperienze passate (dati) senza essere esplicitamente programmati. I modelli di machine learning identificano pattern nei dati e fanno previsioni o prendono decisioni basate su nuove informazioni.

Tecnica che utilizza dati storici e analisi statistiche per fare previsioni su eventi futuri. Questi modelli sono addestrati utilizzando dati esistenti per poi prevedere l'esito o il comportamento di variabili di interesse in nuove situazioni.

Ramo dell'intelligenza artificiale che si occupa della capacità dei computer di comprendere e manipolare il linguaggio umano. Il NLP permette ai computer di leggere testo, ascoltare discorsi, interpretarli, misurarne il sentimento e determinare quali parti di informazione sono importanti.

Esempio di ML: un sistema antispam che impara a riconoscere e filtrare messaggi di posta elettronica indesiderati in base alle caratteristiche dei messaggi precedentemente segnalati come spam dagli utenti.

Esempio di modellazione predittiva: un'azienda di assicurazioni che impiega la modellazione predittiva per determinare il rischio di sinistri dei suoi assicurati, basandosi su fattori come età, storia di guida e modello del veicolo.

Esempio di NLP: un'applicazione che analizza le risposte a domande aperte in test di valutazione, aiutando gli insegnanti a valutare la comprensione degli studenti e identificare aree che necessitano di ulteriore spiegazione o ripasso.