Ripassa Intelligenza artificiale: ecco una selezione di domande di ogni livello, con risposta e spiegazione. Per metterti alla prova senza vedere le risposte, gioca ai quiz.
Gioca ai quiz Intelligenza artificialeRisposta : Tecniche che permettono a una macchina di svolgere compiti che richiedono intelligenza
L'IA raccoglie tecniche che fanno svolgere a una macchina compiti che normalmente richiedono intelligenza, come capire una frase o riconoscere un volto.
Risposta : Siri
Siri, l'assistente vocale di Apple, capisce una richiesta orale e risponde. Excel, Photoshop e Git non sono assistenti vocali.
Risposta : Un programma che dialoga con un utente in linguaggio naturale
Un chatbot è un programma che conversa con una persona in linguaggio naturale, per iscritto o a voce. Le altre risposte descrivono altri oggetti informatici.
Risposta : 1950
Nel suo articolo « Computing Machinery and Intelligence », pubblicato nel 1950, Alan Turing propone il gioco dell'imitazione, diventato il test di Turing: un giudice deve distinguere un essere umano da una macchina a partire da conversazioni scritte.
Risposta : John McCarthy
John McCarthy, uno degli organizzatori della conferenza di Dartmouth nel 1956, è accreditato di aver proposto l'espressione « intelligenza artificiale ».
Risposta : 1997
Deep Blue, sviluppato da IBM, vince nel maggio 1997 il match contro Garry Kasparov, campione del mondo in carica, per 3,5 a 2,5.
Risposta : Jeopardy
Watson, sviluppato da IBM, nel 2011 batte due ex campioni umani del gioco Jeopardy, trasmesso negli Stati Uniti.
Risposta : Il go
AlphaGo vince 4 partite a 1 contro Lee Sedol nel marzo 2016, nel gioco del go.
Risposta : Un'etichetta, cioè la risposta attesa
Nell'apprendimento supervisionato ogni esempio è associato a un'etichetta, per esempio « gatto » o « cane » per una foto, che il modello impara a prevedere.
Risposta : Individuare raggruppamenti o una struttura nascosta nei dati, senza etichette
Senza etichette, il modello cerca da sé gruppi di esempi simili, per esempio clienti con abitudini d'acquisto affini.
Risposta : Una ricompensa ottenuta dopo ciascuna delle sue azioni
L'agente impara per tentativi ed errori: cerca di massimizzare la ricompensa cumulativa che le sue azioni gli fanno ottenere in un ambiente.
Risposta : La regressione
Una regressione prevede un valore numerico continuo, come un prezzo o una temperatura, a partire da esempi di cui il valore è noto.
Risposta : La classificazione
La classificazione assegna una categoria tra quelle possibili, qui « spam » o « non spam », a partire da esempi già etichettati.
Risposta : Per valutare il modello su dati che non ha mai visto durante l'addestramento
Un modello può sembrare molto buono sui dati su cui ha imparato. Solo un insieme di test, tenuto da parte, permette di misurarne le prestazioni su casi nuovi.
Risposta : Un modello che si adatta troppo ai dati di addestramento e generalizza male a dati nuovi
Il sovradattamento si manifesta quando il modello memorizza le particolarità del proprio insieme di addestramento, rumore compreso, invece di individuare regolarità generali.
Risposta : Il neurone artificiale
Una rete neurale artificiale è formata da neuroni collegati tra loro e organizzati in strati. Ogni neurone calcola una somma pesata dei propri ingressi.
Risposta : Il testo di istruzioni o di domanda inviato al modello per ottenere una risposta
Il prompt è l'input che l'utente fornisce al modello: una domanda, un'istruzione o un esempio. La qualità della risposta dipende molto dalla sua formulazione.
Risposta : Un'unità di testo, spesso una parola, una parte di parola o un segno di punteggiatura
Il testo viene suddiviso in token prima di essere elaborato dal modello. Un token può essere una parola intera, un frammento di parola o un segno di punteggiatura.
Risposta : La quantità massima di testo, in token, che il modello può elaborare in una sola richiesta
La finestra di contesto limita ciò che il modello può considerare in una volta sola: oltre questo limite, i passaggi più vecchi non sono più visibili al modello.
Risposta : Una risposta falsa o inventata, presentata con sicurezza come se fosse esatta
Un LLM produce un testo plausibile senza verificare i fatti. Può così inventare una fonte, una data o una citazione, da cui l'utilità di verificare le sue risposte.
Risposta : Llama
Llama è una famiglia di grandi modelli linguistici sviluppata da Meta. Gemini è progettato da Google, Claude da Anthropic e GPT da OpenAI.
Risposta : Attention Is All You Need
Pubblicato nel 2017, l'articolo « Attention Is All You Need » introduce il Transformer, un'architettura basata sul meccanismo di attenzione, alla base della maggior parte dei grandi modelli linguistici.
Risposta : Proseguire l'addestramento su un insieme di dati mirato per adattarlo a un compito
Il fine-tuning specializza un modello già addestrato, regolando i suoi pesi su esempi propri di un dominio o di uno stile di risposta.
Risposta : Una rappresentazione numerica, sotto forma di vettore, che cattura il significato di un contenuto
Testi di significato vicino hanno embedding vicini, il che permette di cercare documenti per somiglianza anziché per parole identiche.
Risposta : Gli inverni dell'IA
Gli inverni dell'IA indicano i periodi, in particolare negli anni 1970 e alla fine degli anni 1980, in cui promesse deluse hanno fatto crollare i finanziamenti.
Risposta : Frank Rosenblatt
Frank Rosenblatt presenta nel 1958 il percettrone, un modello a un solo strato di neuroni che impara a classificare gli ingressi regolando i propri pesi.
Risposta : AlexNet
AlexNet, addestrata su processori grafici, riduce fortemente il tasso di errore del concorso ImageNet nel 2012: segna una svolta per l'apprendimento profondo.
Risposta : Geoffrey Hinton, Yann LeCun e Yoshua Bengio
Nel 2018 l'ACM assegna il premio Turing, spesso presentato come il premio Nobel dell'informatica, a questi tre pionieri delle reti neurali profonde.
Risposta : La capacità di spiegare a un essere umano le ragioni di una decisione prodotta dal modello
La spiegabilità (XAI) mira a rendere comprensibili le decisioni di un modello, necessaria quando una decisione riguarda una persona, come il rifiuto di un credito.
Risposta : Modificare i pesi a piccoli passi per ridurre la funzione di perdita
Il modello regola i propri pesi nella direzione che fa diminuire l'errore misurato dalla funzione di perdita, ripetendo questo passo su numerosi esempi.
Risposta : La retropropagazione del gradiente
La retropropagazione applica la regola di derivazione delle funzioni composte strato dopo strato, dall'uscita verso l'ingresso, per fornire questi gradienti alla discesa del gradiente.
Risposta : Le reti convoluzionali (CNN)
I filtri rilevano motivi locali, come contorni o trame, e poi li combinano strato dopo strato. Questo approccio è al centro della visione artificiale.
Gioca ai quiz Intelligenza artificiale