Glossario

Le parole dell'AI, in chiaro.

40 termini spiegati in una o due frasi, con il collegamento alla guida che li approfondisce.

AgenteUso: Un sistema AI che non si limita a rispondere ma agisce: pianifica passi, usa strumenti (browser, file, app) e controlla i risultati finché il compito è finito. Approfondisci →
AI ActRegole: Il regolamento europeo (UE) 2024/1689 sull'intelligenza artificiale. Classifica i sistemi per livello di rischio e impone obblighi diversi a chi li sviluppa e a chi li usa. Approfondisci →
Alfabetizzazione AIRegole: L'obbligo (art. 4 dell'AI Act) di adottare misure perché chi usa l'AI in azienda ne capisca funzionamento, limiti e rischi. Dal Regolamento 2026/1744 non si deve più "garantire un livello sufficiente", ma l'obbligo resta per tutti. Approfondisci →
AllucinazioneBase: Quando il modello produce un'informazione falsa ma scritta con sicurezza: una sentenza inesistente, un numero inventato, una citazione mai detta. Approfondisci →
APITecnico: L'interfaccia con cui un programma usa un modello AI. Si paga a consumo, in base ai token letti e scritti, invece che con un abbonamento. Approfondisci →
BenchmarkBase: Un test standard per misurare un modello (matematica, codice, ragionamento). Utile per confrontare, ma non dice come andrà sul TUO compito. Approfondisci →
Chain of thoughtTecnico: Il "ragionamento ad alta voce": il modello scrive passaggi intermedi prima della risposta. Nei modelli di ragionamento avviene in automatico, spesso nascosto. Approfondisci →
Clonazione vocaleRegole: Creare una copia sintetica di una voce da pochi minuti (o secondi) di registrazione. Utile per doppiaggio e contenuti, ma richiede il consenso della persona ed è usata nelle truffe. Approfondisci →
Contesto (finestra di)Base: Quanto testo il modello può "vedere" in una volta: la conversazione, i documenti caricati, le istruzioni. Oggi i modelli di punta arrivano a circa 1 milione di token. Approfondisci →
Deep researchUso: Modalità in cui l'AI consulta decine di fonti in autonomia per diversi minuti e produce un report con citazioni. Approfondisci →
DeepfakeRegole: Immagine, audio o video generato o manipolato che sembra autentico e ritrae persone, oggetti, luoghi o fatti reali. L'AI Act impone a chi lo pubblica di dichiararlo (art. 50); dal 2026 i deepfake sessuali espliciti sono vietati. Non ogni immagine AI è un deepfake. Approfondisci →
DeployerRegole: Nel linguaggio dell'AI Act, chi usa un sistema di AI nella propria attività professionale (un'azienda, uno studio). Ha obblighi diversi dal "fornitore" che lo sviluppa. Approfondisci →
DiffusioneTecnico: La tecnica dietro quasi tutti i generatori di immagini e video: il modello parte da rumore casuale e lo ripulisce, passo dopo passo, fino a ottenere un'immagine coerente con la descrizione. Approfondisci →
EmbeddingTecnico: Una lista di numeri che rappresenta il significato di una parola o di un testo. Testi simili hanno embedding vicini: è così che funziona la ricerca "per significato". Approfondisci →
Fine-tuningTecnico: Addestrare ulteriormente un modello già pronto su esempi propri, per specializzarlo in uno stile o compito. Oggi spesso basta un buon contesto o una Skill. Approfondisci →
Frontiera (modello di)Base: I modelli più capaci disponibili in un dato momento. A ottobre 2026: Claude Opus 5.5, GPT-6 Astra e Sol, Gemini 4 Argon, Muse Wonder.
GPUTecnico: Il processore grafico usato per addestrare ed eseguire i modelli: fa migliaia di moltiplicazioni in parallelo. È il motivo per cui NVIDIA vale migliaia di miliardi.
HarnessTecnico: L'"imbracatura" attorno al modello: il programma che gli dà strumenti, memoria e un ciclo di lavoro. Lo stesso modello rende molto di più in un buon harness. Approfondisci →
InferenzaTecnico: L'uso del modello già addestrato per generare risposte. È ciò che paghi quando usi un'API o un abbonamento.
Intelligence IndexBase: Il punteggio sintetico di Artificial Analysis che combina diversi benchmark indipendenti. A ottobre 2026 il massimo è 58 (Claude Opus 5.5). Approfondisci →
LLMBase: Large Language Model, modello linguistico di grandi dimensioni: una rete neurale addestrata su enormi quantità di testo a prevedere la parola successiva. Approfondisci →
MCPUso: Model Context Protocol: uno standard aperto per collegare un assistente AI a strumenti e dati esterni (Drive, calendario, gestionale) senza integrazioni su misura. Approfondisci →
Mixture of Experts (MoE)Tecnico: Un modello diviso in tanti "esperti": per ogni parola ne attiva solo alcuni. Sigle come "35B A3B" indicano 35 miliardi di parametri totali, 3 attivi alla volta: tanta conoscenza, velocità da modello piccolo. Approfondisci →
MultimodaleBase: Un modello che capisce (o produce) più tipi di contenuto: testo, immagini, audio, video, PDF.
Open weightsBase: Modelli i cui "pesi" sono scaricabili: puoi eseguirli sui tuoi server, senza mandare dati a terzi. Esempi: GLM-5.3, Kimi K3, DeepSeek V4, MiMo. Approfondisci →
ParametriTecnico: I numeri regolati durante l'addestramento: la "memoria" statistica del modello. I modelli di frontiera ne hanno da centinaia di miliardi a migliaia di miliardi. Approfondisci →
PhishingRegole: Messaggi che imitano banche, fornitori o colleghi per farti cliccare un link, pagare o rivelare credenziali. Con l'AI sono scritti senza errori: il segnale da notare è la richiesta, non la forma. Approfondisci →
Pre-trainingTecnico: La prima fase di addestramento: il modello legge una parte enorme del web e dei libri imparando a prevedere il token successivo. Costa centinaia di milioni. Approfondisci →
PromptUso: L'istruzione che dai al modello. Un buon prompt dice ruolo, obiettivo, contesto, vincoli e formato della risposta. Approfondisci →
Prompt injectionRegole: Un attacco in cui istruzioni nascoste in una pagina, email o documento "dirottano" l'AI che li legge. È il rischio principale degli agenti. Approfondisci →
QuantizzazioneTecnico: Ridurre la precisione dei numeri di un modello (per esempio a 4 bit) per farlo stare in meno memoria e girare più veloce, con una piccola perdita di qualità. È ciò che permette di usare modelli aperti su un computer normale. Approfondisci →
RAGTecnico: Retrieval-Augmented Generation: prima di rispondere il sistema cerca i passaggi pertinenti nei tuoi documenti e li mette nel contesto. Il chatbot di questo sito funziona così. Approfondisci →
Ragionamento (modello di)Base: Un modello che "pensa" prima di rispondere, generando passaggi intermedi. Più sforzo = risposte migliori su problemi difficili, ma più tempo e costo. Approfondisci →
RLHFTecnico: Reinforcement Learning from Human Feedback: la fase in cui il modello impara dalle preferenze umane a essere utile, chiaro e sicuro. Approfondisci →
SkillUso: Un pacchetto di istruzioni e file (procedure, modelli, script) che l'assistente carica solo quando serve. Serve a insegnargli "come lavori tu". Approfondisci →
TemperaturaTecnico: Un parametro che regola la casualità nella scelta della parola successiva: bassa = risposte prevedibili, alta = più varie e creative. Approfondisci →
TokenBase: Il pezzo di testo su cui ragiona il modello: una parola corta, un pezzo di parola, un segno. In italiano 100 parole sono circa 140-160 token. Si paga a token. Approfondisci →
TransformerTecnico: L'architettura di rete neurale introdotta da Google nel 2017 ("Attention Is All You Need") su cui si basano tutti gli LLM moderni. Approfondisci →
Vibe codingUso: Costruire software descrivendo a parole cosa vuoi e lasciando scrivere il codice all'AI. Ottimo per prototipi; per la produzione serve revisione. Approfondisci →
WatermarkRegole: Marcatura (spesso invisibile) che identifica un contenuto come generato dall'AI. L'AI Act la richiede ai fornitori dei generatori dal 2 agosto 2026; per i sistemi già sul mercato prima di quella data c'è tempo fino al 2 dicembre 2026.