Grafo della conoscenza

Sistema in cui un modello linguistico non si limita a rispondere ma pianifica e compie azioni in più passaggi, usando strumenti esterni come ricerca web, codice o applicazioni.

Contenuto digitale di bassa qualità prodotto in quantità con l'intelligenza artificiale e pubblicato senza una revisione umana, verso chi non lo ha chiesto.

Contenuto generato da un modello che appare plausibile ma è falso, oppure non è supportato dalle fonti o dai dati forniti.

Meccanismo con cui un modello, per elaborare un elemento di una sequenza, stabilisce quanto contano tutti gli altri elementi e ne combina le informazioni in proporzione.

Metodo per stimare l'incertezza di una statistica ricampionando molte volte, con reinserimento, i dati osservati.

Problema che nasce quando si eseguono molti test statistici: anche se nessun effetto è reale, alcuni risultati appariranno significativi per caso.

I tre indicatori con cui Google misura la qualità dell'esperienza di una pagina web — velocità di caricamento, reattività e stabilità visiva — a partire da ciò che sperimentano gli utenti reali.

Distinzione tra due variabili che si muovono insieme (correlazione) e una variabile che produce effetti sull'altra (causalità): la prima non basta a dimostrare la seconda.

Stima del valore economico che un cliente genererà per un'azienda nell'intera durata del rapporto, di solito riportato al valore attuale.

Errore in cui informazioni che non sarebbero disponibili al momento della previsione finiscono nei dati usati per addestrare o valutare un modello, facendo sembrare le prestazioni migliori di quanto siano.

Metodo di ottimizzazione che riduce l'errore di un modello spostando i suoi parametri, un passo alla volta, nella direzione in cui l'errore diminuisce più rapidamente.

Rappresentazione di un elemento (una parola, un testo, un'immagine) come vettore di numeri, costruita in modo che elementi simili per significato abbiano vettori vicini.

Ulteriore addestramento di un modello già pre-addestrato su un insieme di dati più piccolo e specifico, per adattarlo a un compito, a un dominio o a uno stile.

Quantità massima di testo, misurata in token, che un modello linguistico può considerare in una volta: istruzioni, documenti forniti, conversazione e risposta.

La parte di un risultato (vendite, conversioni) che si verifica davvero grazie a un'azione di marketing e che senza quell'azione non ci sarebbe stata.

Approccio alla statistica che tratta i parametri incogniti come quantità incerte, descritte da distribuzioni di probabilità che si aggiornano con i dati tramite il teorema di Bayes.

Intervallo di valori calcolato dai dati con una procedura che, ripetuta su molti campioni, conterrebbe il vero valore del parametro in una percentuale fissata dei casi, per esempio il 95%.

Relazioni empiriche secondo cui l'errore di un modello linguistico diminuisce in modo prevedibile, secondo una legge di potenza, al crescere di parametri, dati e potenza di calcolo.

Rete neurale, di solito un Transformer, addestrata su grandi quantità di testo a prevedere il token successivo; da questa capacità derivano generazione di testo, traduzione, riassunto e dialogo.

Modello statistico che stima il contributo dei diversi canali di marketing, e di fattori esterni come prezzo e stagionalità, alle vendite complessive, a partire da serie storiche aggregate.

Regole o modelli che distribuiscono il merito di una conversione tra i punti di contatto (annunci, email, ricerche) che l'hanno preceduta.

Situazione in cui un modello si adatta così tanto ai dati di addestramento, rumore compreso, da prevedere male i dati nuovi.

Probabilità di osservare dati almeno così estremi come quelli ottenuti, supponendo vera l'ipotesi nulla e corretto il modello statistico usato.

Situazione in cui una tendenza presente nei sottogruppi dei dati si attenua, scompare o si inverte quando i gruppi vengono aggregati.

Tecnica che, prima di far rispondere un modello linguistico, recupera da una raccolta di documenti i passaggi pertinenti alla domanda e li inserisce nel contesto.

Modello che descrive una variabile numerica come combinazione lineare di una o più variabili esplicative più un errore; i coefficienti si stimano di solito con il metodo dei minimi quadrati.

Modello per prevedere un esito con due valori (sì/no, acquista/non acquista) che stima la probabilità dell'esito in funzione delle variabili esplicative.

Modello matematico composto da strati di unità semplici che trasformano i dati in ingresso; i suoi parametri vengono regolati sugli esempi durante l'addestramento.

Tecnica di addestramento in cui persone confrontano risposte alternative del modello e le loro preferenze vengono usate per orientarlo verso le risposte giudicate migliori.

Esperimento in cui gli utenti vengono assegnati a caso a due o più versioni di una pagina, un'email o un annuncio, per misurare quale produce il risultato migliore.

Suddivisione del testo in unità, i token, che un modello linguistico elabora: un token può essere una parola intera, un pezzo di parola o un segno di punteggiatura.

Architettura di rete neurale, presentata nel 2017, che elabora le sequenze con il meccanismo di attenzione invece che con la ricorrenza; è alla base degli attuali modelli linguistici.

Tecnica per stimare quanto un modello funzionerà su dati nuovi, addestrandolo e valutandolo più volte su suddivisioni diverse degli stessi dati.