Clone concettuale, etico e politico di PegagoGPT complex, il neologismo si riferisce alla formazione degli adulti e all’istruzione dei giovani con la vocazione a naturalizzare i dispositivi del capitalimo cibernetico occidentale in tutte le sue forme, non soltanto quelle di Alphabet Inc. e, conseguentemente, a fidelizzare verso proposte, progetti e attività con quella derivazione e con impronta estrattiva.

Ne sono agenti – qualche volta inconsapevoli, spesso festosi, chiassosi e youtuberizzati, a volte percettori di redditi monetari, frequentemente acquisitori di notorietà. visibilità, modernità, attitudine resiliente e di conseguente credito operativo, politico, culturale e antropologico – ministri della Repubblica, parlamentari, assessori di enti locali, insegnanti, dirigenti, personale amministrativo della scuola, docenti e dipartimenti universitari, funzionari e dirigenti locali e centrali del MIM, case editrici, consulenti, formatori, aziende venditrici di servizi e sub-produttrici di software, giornalisti, intellettuali, associazioni professionali e altri soggetti a vario titolo in gioco, che fungono da stimolo e/o testimonianza (anche mediante comunicazione online o convegni e fiere in prossimità) di processi di innovazione nella logica delle “buone pratiche di avanguardia”, che sono in realtà processi di asservimento inter-generazionale.

Sommario del video per punti, di YouTubeDigest

Introduzione al Generative AI

Questo corso offre una panoramica del Generative AI, definendolo e spiegandone il funzionamento. Vengono descritti i tipi di modelli di Generative AI e le loro applicazioni.

Che cos’è l’intelligenza artificiale

L’intelligenza artificiale (AI) è una disciplina che si occupa della creazione di agenti intelligenti in grado di ragionare, apprendere e agire autonomamente. Questa spiegazione fornisce un contesto per comprendere l’Intelligenza Artificiale Generativa.

Differenza tra AI e Machine Learning

L’Intelligenza Artificiale (AI) è un campo di studio più ampio che include il Machine Learning (ML). Il ML è una sottodisciplina dell’AI che si basa sull’addestramento di modelli da dati di input. Questa distinzione è importante per comprendere il Generative AI.

Introduzione a Gen AI

Gen AI è una sottocategoria del deep learning che utilizza reti neurali artificiali per elaborare dati sia etichettati che non etichettati utilizzando metodi supervisionati, non supervisionati e semi-supervisionati.

Modelli generativi e discriminativi

I modelli generativi generano nuove istanze di dati basandosi su una distribuzione di probabilità appresa dai dati esistenti. I modelli discriminativi, invece, classificano o predicono etichette per i punti dati.

Differenza tra Gen AI e altre forme di AI

La principale differenza tra Gen AI e altre forme di intelligenza artificiale è che Gen AI è in grado di generare nuovo contenuto, come linguaggio naturale, immagini, audio, video, sulla base di ciò che ha appreso dai contenuti esistenti.

Creazione di un modello statistico attraverso l’addestramento

L’addestramento consiste nella creazione di un modello statistico a partire da un prompt. L’AI utilizza il modello per prevedere quale potrebbe essere una risposta attesa, generando così nuovi contenuti. Questo processo permette all’AI di apprendere la struttura sottostante dei dati e di generare nuovi campioni simili ai dati su cui è stato addestrato.

I modelli di linguaggio generativi

Un modello di linguaggio generativo può prendere ciò che ha appreso dagli esempi che gli sono stati mostrati e creare qualcosa di completamente nuovo basato su tali informazioni. I modelli di linguaggio generativi sono in grado di generare combinazioni originali di testo che suonano in modo naturale. Sono un tipo di intelligenza artificiale generativa, in quanto generano nuovi contenuti basati su modelli appresi.

Modelli generativi per il trattamento del linguaggio

Un modello di linguaggio generativo può prendere un testo in input e generare ulteriore testo, immagini, audio o decisioni. Ad esempio, è possibile generare risposte alle domande o creare video sulla base del testo in ingresso. Questi modelli apprendono i modelli e le strutture del linguaggio attraverso i dati di addestramento, e utilizzano tali informazioni per prevedere ciò che potrebbe seguire in un determinato contesto.

Modelli di testo per compiti

I modelli di testo per compiti vengono addestrati per eseguire un compito definito o un’azione basata sull’input di testo. Questo compito può essere un’ampia gamma di azioni, come rispondere a una domanda, effettuare una ricerca, fare una previsione o intraprendere un’azione di qualche tipo.

Modelli di base

I modelli di base sono modelli di intelligenza artificiale di grandi dimensioni preaddestrati su una vasta quantità di dati progettati per essere adattati o ottimizzati per una vasta gamma di compiti derivati, come l’analisi del sentiment, la didascalia delle immagini e il riconoscimento degli oggetti.

Il potenziale dei modelli di base

I modelli di base hanno il potenziale di rivoluzionare molte industrie, tra cui l’assistenza sanitaria, la finanza e il servizio clienti. Possono essere utilizzati per rilevare frodi e fornire supporto personalizzato ai clienti.