# Glossario AI di Mana Hub 55 termini per orientarsi tra intelligenza artificiale, machine learning, modelli generativi, uso consapevole e governance. Versione online ricercabile: https://manahub.it/ai/glossario ## Agente AI - AI agent **Categoria:** Uso e prompting Sistema capace di pianificare più passaggi, usare strumenti e compiere azioni per raggiungere un obiettivo entro i permessi ricevuti. **In pratica:** Un agente può leggere un ordine, proporre un rimborso e inviarlo solo se importo e regole rientrano nelle soglie autorizzate. ## AI Act - EU Artificial Intelligence Act **Categoria:** Rischi e governance Regolamento dell'Unione europea che disciplina sviluppo, immissione sul mercato e uso dei sistemi di intelligenza artificiale con obblighi proporzionati a ruoli e rischi. **In pratica:** Un'organizzazione deve capire se agisce come fornitore o deployer e quali disposizioni si applicano ai sistemi usati. ## AI generativa - Generative AI **Categoria:** Modelli generativi Sistemi progettati per generare nuovi contenuti plausibili, come testo, immagini, audio, video o codice, a partire da istruzioni e contesto. **In pratica:** Un assistente che prepara una bozza di email usa AI generativa, ma la bozza deve essere verificata prima dell'invio. ## AI Literacy - AI literacy **Categoria:** Rischi e governance Capacità di comprendere, usare e valutare sistemi AI in modo informato. Nell'AI Act italiano è tradotta come alfabetizzazione in materia di IA. **In pratica:** Chi usa un assistente deve conoscerne limiti, dati ammessi, verifiche necessarie e situazioni in cui fermarsi. ## Alfabetizzazione in materia di IA - AI literacy **Categoria:** Rischi e governance Traduzione ufficiale italiana dell'AI Act per competenze, conoscenze e comprensione che consentono uso informato e consapevolezza di opportunità, rischi e possibili danni. **In pratica:** La formazione va adattata a esperienza, ruolo, contesto d'uso e persone sulle quali il sistema può incidere. ## Algoritmo - Algorithm **Categoria:** Fondamenti Sequenza definita di regole o operazioni che trasforma un input in un risultato. Non ogni algoritmo è intelligenza artificiale. **In pratica:** Ordinare una lista per data usa un algoritmo, ma non richiede necessariamente un modello AI. ## Allucinazione - Hallucination **Categoria:** Rischi e governance Output generato che appare plausibile ma contiene informazioni false, non supportate o inventate. **In pratica:** Un LLM può produrre titolo, autore e pagina di una citazione che in realtà non esiste. ## API - Application programming interface **Categoria:** Fondamenti Interfaccia che permette a software diversi di scambiarsi richieste e risultati in modo strutturato. **In pratica:** Un gestionale può chiamare via API un modello per classificare messaggi in arrivo. ## Apprendimento non supervisionato - Unsupervised learning **Categoria:** Dati e machine learning Metodi che cercano strutture, gruppi o rappresentazioni nei dati senza una risposta corretta assegnata a ogni esempio. **In pratica:** Raggruppare clienti con comportamenti simili senza categorie predefinite è un compito non supervisionato. ## Apprendimento per rinforzo - Reinforcement learning **Categoria:** Dati e machine learning Metodo in cui un agente apprende azioni attraverso ricompense e penalità ricevute interagendo con un ambiente. **In pratica:** Un agente può imparare una strategia di gioco massimizzando il punteggio ottenuto. ## Apprendimento supervisionato - Supervised learning **Categoria:** Dati e machine learning Addestramento su esempi associati a una risposta o etichetta attesa. **In pratica:** Email già marcate come spam o non spam permettono di addestrare un classificatore supervisionato. ## Assistente AI - AI assistant **Categoria:** Uso e prompting Prodotto conversazionale che combina uno o più modelli con istruzioni, interfaccia, memoria, documenti o strumenti. **In pratica:** Due assistenti possono usare lo stesso LLM ma avere regole, fonti e capacità operative diverse. ## Attenzione - Attention **Categoria:** Modelli generativi Meccanismo che consente a un modello di pesare le relazioni tra token o elementi dell'input mentre elabora il contesto. **In pratica:** In una frase, il modello può dare più peso alle parole che chiariscono a chi si riferisce un pronome. ## Benchmark - Benchmark **Categoria:** Dati e machine learning Insieme di prove e metriche usato per confrontare modelli o versioni. Misura prestazioni su compiti definiti, non qualità universale. **In pratica:** Un modello forte in un benchmark di matematica può essere inadeguato per analizzare i documenti specifici di un'azienda. ## Bias - Bias **Categoria:** Rischi e governance Distorsione sistematica nei dati, nel modello, nelle metriche o nel processo che può produrre risultati ingiusti o inaccurati. **In pratica:** Dati storici di assunzione possono riflettere esclusioni passate e trasferirle in un sistema di ranking. ## Chatbot - Chatbot **Categoria:** Uso e prompting Interfaccia che permette di interagire in forma conversazionale. Può usare regole, un LLM o una combinazione di tecnologie. **In pratica:** Il chatbot è il prodotto con cui parli; l'LLM può essere uno dei componenti che produce la risposta. ## Classificazione - Classification **Categoria:** Dati e machine learning Compito in cui un modello assegna un input a una o più categorie definite. **In pratica:** Etichettare una richiesta come assistenza, vendita o reclamo è un problema di classificazione. ## Contesto - Context **Categoria:** Uso e prompting Informazioni disponibili al modello durante una richiesta: istruzioni, conversazione, documenti, dati recuperati e risultati di strumenti. **In pratica:** Fornire obiettivo, destinatario e vincoli rende una bozza più controllabile di un prompt generico. ## Database vettoriale - Vector database **Categoria:** Modelli generativi Sistema ottimizzato per memorizzare embedding e recuperare elementi numericamente simili. **In pratica:** In una soluzione RAG può trovare i passaggi di manuale semanticamente vicini alla domanda dell'utente. ## Dataset - Dataset **Categoria:** Dati e machine learning Raccolta organizzata di esempi e variabili usata per addestrare, validare, testare o valutare un sistema. **In pratica:** Un dataset di fotografie può includere immagine, etichetta e informazioni su come il dato è stato raccolto. ## Dati di addestramento - Training data **Categoria:** Dati e machine learning Esempi usati per regolare i parametri di un modello durante l'addestramento. **In pratica:** Un classificatore di email apprende da messaggi già etichettati come spam o legittimi. ## Dati di validazione e test - Validation and test data **Categoria:** Dati e machine learning Dati separati dal training: la validazione aiuta a scegliere il modello, il test stima le prestazioni finali su esempi non usati per apprendere. **In pratica:** Misurare soltanto sui dati di training può nascondere sovra-adattamento e scarsa generalizzazione. ## Dati personali - Personal data **Categoria:** Rischi e governance Informazioni riferite a una persona identificata o identificabile, direttamente o indirettamente. **In pratica:** Nome, email, codice cliente e combinazioni di dettagli che rendono riconoscibile una persona possono essere dati personali. ## Dati sintetici - Synthetic data **Categoria:** Dati e machine learning Dati generati artificialmente per imitare proprietà di dati reali. Possono aiutare test e addestramento, ma non eliminano automaticamente bias o rischi di reidentificazione. **In pratica:** Un team può generare transazioni simulate per provare una pipeline senza usare direttamente tutti i record dei clienti. ## Deep learning - Deep learning **Categoria:** Dati e machine learning Area del machine learning basata su reti neurali con più strati, capaci di apprendere rappresentazioni complesse. **In pratica:** Riconoscimento vocale e generazione di immagini moderne usano spesso tecniche di deep learning. ## Deriva del modello - Model drift **Categoria:** Dati e machine learning Peggioramento o cambiamento delle prestazioni perché dati, comportamenti o relazioni del mondo reale evolvono nel tempo. **In pratica:** Un modello antifrode addestrato due anni fa può perdere efficacia quando cambiano le tecniche di attacco. ## Embedding - Embedding **Categoria:** Modelli generativi Rappresentazione numerica di testo, immagini o altri oggetti in uno spazio dove elementi semanticamente simili tendono a essere vicini. **In pratica:** Gli embedding permettono di cercare documenti per significato e non soltanto per parole identiche. ## Fine-tuning - Fine-tuning **Categoria:** Modelli generativi Ulteriore addestramento di un modello già esistente su dati o obiettivi più specifici per modificarne il comportamento. **In pratica:** Un modello può essere specializzato sullo stile di classificazione di un settore usando esempi curati. ## Finestra di contesto - Context window **Categoria:** Modelli generativi Quantità massima di token che un modello può considerare insieme tra input e output. **In pratica:** Se una conversazione supera la finestra, parti precedenti possono essere riassunte o non più disponibili al modello. ## Guardrail - Guardrail **Categoria:** Rischi e governance Controllo tecnico o procedurale che limita input, output o azioni di un sistema entro confini definiti. **In pratica:** Un agente non può autorizzare rimborsi sopra una soglia e deve passare il caso a una persona. ## Inferenza - Inference **Categoria:** Dati e machine learning Fase in cui un modello già addestrato elabora un nuovo input e produce una previsione o un output. **In pratica:** Quando invii un prompt a un assistente, il modello esegue inferenza per generare la risposta. ## Input - Input **Categoria:** Fondamenti Dati, istruzioni o segnali forniti a un sistema per ottenere un'elaborazione. **In pratica:** Prompt, allegati e cronologia della conversazione possono diventare input del sistema. ## Intelligenza artificiale - Artificial intelligence, AI **Categoria:** Fondamenti Famiglia di sistemi capaci di elaborare input e produrre previsioni, contenuti, raccomandazioni o decisioni che influenzano ambienti fisici o virtuali. **In pratica:** Un sistema può classificare documenti, prevedere domanda, generare testo o controllare un dispositivo. ## Large language model - LLM **Categoria:** Modelli generativi Grande modello linguistico addestrato su enormi quantità di testo per stimare e generare sequenze di token. **In pratica:** Un LLM può riassumere e riscrivere, ma non è di per sé un archivio di fatti verificati. ## Latenza - Latency **Categoria:** Fondamenti Tempo che intercorre tra una richiesta e la disponibilità del risultato. **In pratica:** Un assistente vocale richiede latenza bassa per rendere naturale la conversazione. ## Machine learning - Machine learning, ML **Categoria:** Dati e machine learning Parte dell'AI in cui un modello apprende pattern da dati ed esempi per fare previsioni o prendere decisioni su nuovi casi. **In pratica:** Un modello può imparare a prevedere il rischio di abbandono da comportamenti storici dei clienti. ## Modello - Model **Categoria:** Fondamenti Rappresentazione matematica o computazionale che trasforma input in previsioni, classificazioni o contenuti sulla base di parametri e regole apprese. **In pratica:** Il modello è un componente; il prodotto completo include anche interfaccia, dati, controlli e processi. ## Modello di base - Foundation model **Categoria:** Modelli generativi Modello addestrato su grandi quantità di dati e adattabile a molti compiti successivi. Nel contesto europeo è rilevante anche il concetto di modello di IA per finalità generali. **In pratica:** Uno stesso modello può sostenere un assistente di scrittura, una ricerca documentale e un sistema di classificazione. ## Modello di IA per finalità generali - General-purpose AI model, GPAI **Categoria:** Rischi e governance Categoria dell'AI Act per modelli con significativa generalità, capaci di svolgere molti compiti distinti e integrabili in sistemi o applicazioni a valle. **In pratica:** Un fornitore può integrare un modello GPAI in un prodotto destinato a uno specifico processo aziendale. ## Multimodale - Multimodal **Categoria:** Modelli generativi Sistema capace di elaborare o generare più tipi di contenuto, come testo, immagini, audio o video. **In pratica:** Un assistente multimodale può leggere una fotografia e rispondere con testo. ## OCR - Optical character recognition **Categoria:** Fondamenti Tecnologia che riconosce testo in immagini o scansioni e lo converte in caratteri elaborabili. **In pratica:** Prima di riassumere un contratto scansionato, un sistema può usare OCR per estrarne il testo. ## Output - Output **Categoria:** Fondamenti Risultato prodotto da un sistema dopo l'elaborazione di un input. **In pratica:** Una risposta, una probabilità, una classifica o un'immagine sono possibili output. ## Parametro - Parameter **Categoria:** Dati e machine learning Valore interno appreso durante l'addestramento che contribuisce a determinare il comportamento del modello. **In pratica:** I pesi delle connessioni di una rete neurale sono parametri. ## Prompt - Prompt **Categoria:** Uso e prompting Istruzione o insieme di contenuti forniti a un modello per orientarne il risultato. **In pratica:** Un buon prompt chiarisce obiettivo, contesto, vincoli, formato e controllo atteso. ## Prompt injection - Prompt injection **Categoria:** Rischi e governance Attacco o contenuto manipolativo che tenta di far ignorare al sistema le istruzioni previste o di indurlo a rivelare dati e compiere azioni non autorizzate. **In pratica:** Un documento recuperato dal web può contenere istruzioni nascoste rivolte all'agente invece che alla persona. ## RAG - Retrieval-augmented generation **Categoria:** Modelli generativi Architettura che recupera contenuti da fonti esterne e li fornisce al modello come contesto prima della generazione. **In pratica:** Un assistente interno cerca nei manuali aziendali e cita i passaggi usati per formulare la risposta. ## Regressione - Regression **Categoria:** Dati e machine learning Compito di machine learning che stima un valore numerico continuo. **In pratica:** Prevedere la domanda settimanale di un prodotto è un problema di regressione. ## Rete neurale - Neural network **Categoria:** Dati e machine learning Modello composto da unità collegate e organizzate in strati, i cui pesi vengono regolati durante l'addestramento. **In pratica:** Una rete neurale può imparare rappresentazioni utili per riconoscere oggetti in fotografie. ## Sistema AI ad alto rischio - High-risk AI system **Categoria:** Rischi e governance Sistema che rientra nelle categorie e condizioni ad alto rischio dell'AI Act e al quale si applicano requisiti specifici. **In pratica:** Alcuni usi in occupazione, istruzione, servizi essenziali o infrastrutture possono richiedere una verifica della classificazione. ## Sovra-adattamento - Overfitting **Categoria:** Dati e machine learning Situazione in cui un modello si adatta troppo ai dati di addestramento e generalizza male su casi nuovi. **In pratica:** Un classificatore ricorda dettagli accidentali del training ma sbaglia sulle email ricevute dopo il rilascio. ## Spiegabilità - Explainability **Categoria:** Rischi e governance Insieme di metodi e informazioni che aiutano le persone a comprendere fattori, logica o limiti rilevanti di un risultato AI. **In pratica:** In una valutazione del credito può essere importante mostrare quali fattori hanno inciso sulla raccomandazione. ## Supervisione umana - Human oversight **Categoria:** Rischi e governance Controllo svolto da persone con informazioni, competenza, tempo e autorità sufficienti per comprendere, contestare, modificare o fermare il sistema. **In pratica:** Un clic di approvazione non è significativo se la persona non può vedere i dati o ignorare la raccomandazione. ## Temperatura - Temperature **Categoria:** Modelli generativi Parametro di generazione che modifica la distribuzione delle probabilità dei token: valori bassi tendono a risultati più prevedibili, valori alti aumentano la variabilità. **In pratica:** Abbassare la temperatura può rendere più stabile il formato, ma non rende automaticamente vere le risposte. ## Token - Token **Categoria:** Modelli generativi Unità in cui un modello scompone il contenuto, per esempio una parola, una parte di parola, un segno o una porzione di immagine. **In pratica:** Lunghezza del prompt e costo di molte API vengono misurati in token, non direttamente in parole. ## Transformer - Transformer **Categoria:** Modelli generativi Architettura di rete neurale basata sul meccanismo di attenzione, alla base di molti modelli linguistici e multimodali moderni. **In pratica:** Il transformer elabora le relazioni tra token per costruire rappresentazioni contestuali del testo. --- Questa risorsa è informativa e non sostituisce valutazioni legali, tecniche o organizzative sul singolo sistema AI.