789 termini, 9 livelli, 28 domini
Ogni parola che questo campo usa, spiegata una volta e per bene — ricercabile, filtrabile per tema e livello e collegata in modo che un termine porti al successivo.
A
- A* SearchIl classico algoritmo di pathfinding best-first che combina il costo del percorso con una stima euristica — ancora ovunque, dai videogiochi alla robotica.dal 1968Avanzato
- A/B TestingConfrontare due varianti di modello o di prodotto su traffico reale per misurare quale funziona meglio.dal 2000Avanzato
- A2A (Agent2Agent)Il protocollo aperto di Google con cui agenti di fornitori diversi si scoprono a vicenda e collaborano — complementare a MCP, che collega gli agenti agli strumenti.dal 2025Avanzato
- Abductive ReasoningInferenza alla spiegazione migliore — risalire da un’osservazione alla sua causa più plausibile; il terzo modo di Peirce accanto a deduzione e induzione.dal 1878Esperto
- Ablation StudyRimuovere un componente del sistema alla volta per misurare quanto contribuisce alle prestazioni.dal 1990Esperto
- AbliterationIndividuare la direzione di rifiuto nel residual stream di un modello e proiettarla fuori dai pesi — un modo mirato per togliere il comportamento di sicurezza a pesi aperti senza riaddestrare. Economico, efficace, e degrada il modello in modo misurabile anche altrove (vedi KL Divergence).dal 2024Esperto
- AccuracyLa frazione di previsioni che un modello azzecca — intuitiva, ma fuorviante su dati sbilanciati.dal 1950Principiante
- Activation FunctionLa non linearità (ReLU, GELU, sigmoide…) applicata dopo ogni neurone che permette alle reti di modellare funzioni complesse.dal 1943Avanzato
- ActivationsI valori intermedi che attraversano una rete mentre elabora un input — non i pesi, che restano fissi tra un’esecuzione e l’altra. Interpretabilità, steering e abliteration lavorano tutti sulle activations.dal 1986Avanzato
- Active InferenceIl quadro dell’energia libera di Friston: organismi (e agenti) percepiscono e insieme agiscono per minimizzare la sorpresa sul proprio mondo — un’influente prospettiva neuroscientifica sull’intelligenza.dal 2010Esperto
- Active LearningUn ciclo di addestramento in cui il modello sceglie gli esempi più informativi da far etichettare agli umani.dal 1988Avanzato
- Active ParametersLa quota di pesi di un modello MoE che si attiva davvero per un singolo token — un modello da 200B con 20B attivi costa circa 20B di calcolo per token, ma servono comunque tutti i 200B in memoria.dal 2023Avanzato
- Actor-CriticSchema di reinforcement learning che affianca a una policy («actor») uno stimatore di valore («critic») che ne guida gli aggiornamenti.dal 1983Esperto
- Adam OptimizerL’ottimizzatore di reti neurali più diffuso; adatta il learning rate di ogni parametro usando statistiche dei gradienti.dal 2014Avanzato
- Adapter (PEFT)Piccoli moduli addestrabili inseriti in un modello preaddestrato congelato, per adattarlo a basso costo a nuovi compiti.dal 2019Avanzato
- Adversarial ExampleUn input con perturbazioni minime, spesso invisibili, costruite per far fallire un modello — uno stop letto come limite di velocità.dal 2013Avanzato
- Affective ComputingSistemi che riconoscono, interpretano e simulano le emozioni umane — campo fondato da Rosalind Picard al MIT.dal 1995Avanzato
- AgentUn sistema di IA che percepisce il proprio ambiente e agisce verso un obiettivo — oggi di solito un LLM che pianifica, usa strumenti e itera con supervisione limitata.dal 1959Principiante
- Agentic AISistemi in cui l’autonomia è il principio di progetto — modelli che decidono la mossa successiva, girano per ore, coordinano altri agenti e vengono sorvegliati per eccezione anziché tramite prompt. «Agent» indica l’unità, «agentic» il grado: il picco dell’hype cycle di Gartner del 2025 e, nello stesso respiro, il suo avvertimento che la maggior parte dei prodotti «agentic» sono chatbot con una chiamata a un tool.dal 2024Principiante
- Agentic EngineeringCostruire software dirigendo agenti di codifica — specifiche, test, revisioni e checkpoint invece di scrivere il codice a mano. Andrej Karpathy, che nel febbraio 2025 coniò «vibe coding», un anno dopo lo dichiarò superato e diede un nome al successore disciplinato: chi progetta scrive obiettivo e guardrail, gli agenti scrivono ed eseguono il codice, la supervisione resta alle persone. I fornitori vendono la stessa svolta con etichette proprie (AWS: Kiro, «frontier agents»); questo è il termine neutro.dal 2026Principiante
- Agentic RAGRetrieval gestito da un ciclo agentico — il modello decide cosa cercare, valuta i risultati e cerca di nuovo — invece di un unico passaggio fisso recupera-poi-rispondi.dal 2024Avanzato
- Agentic WorkflowUn processo a più passi in cui un modello pianifica, chiama strumenti, verifica i risultati e riprova finché il compito non è concluso.dal 2023Avanzato
- AGI (Artificial General Intelligence)Ipotetica IA con competenza di livello umano in quasi tutti i compiti cognitivi, non solo in domini ristretti.dal 1997Principiante
- AI AcceleratorTermine ombrello per i chip specializzati nella matematica delle reti neurali — GPU, TPU, NPU e il loro crescente zoo di rivali.dal 2016Avanzato
- AI AlignmentIl problema di ricerca di far perseguire in modo affidabile ai sistemi di IA gli obiettivi e i valori voluti dai loro operatori e dalla società.dal 2014Principiante
- AI Bill of Materials (AIBOM)Un inventario di ciò che è confluito in un sistema di IA — modello di base, dati di fine-tuning, librerie, licenze, risultati delle valutazioni — sul modello della software bill of materials. Ciò che revisori, conformità all’EU AI Act e uffici acquisti aziendali chiedono sempre più spesso.dal 2023Avanzato
- AI BubbleIl timore ricorrente che gli investimenti in IA abbiano superato il valore reale — la faccia da boom del tracollo chiamato AI Winter.dal 2024Principiante
- AI Conferences (NeurIPS, ICML, ICLR, CVPR, ACL)Dove il settore pubblica: NeurIPS (dal 1987) e ICML per il machine learning, ICLR per il deep learning, CVPR per la visione artificiale, ACL per il linguaggio. L’accettazione è la moneta accademica — e i paper compaiono su arXiv mesi prima del convegno, perciò la conferenza è il luogo in cui la comunità si incontra, non quello in cui apprende le novità.dal 1987Avanzato
- AI CopilotUn assistente che suggerisce, abbozza e supporta dentro il flusso di lavoro, lasciando il controllo alla persona — reso popolare da GitHub Copilot.dal 2021Principiante
- AI Data CenterCampus di calcolo costruiti apposta per addestrare e servire modelli — rack di GPU densi, raffreddamenti esotici e consumi elettrici che innervosiscono i gestori di rete.dal 2022Principiante
- AI Energy UseI data center assorbono già circa l’1,5% dell’elettricità mondiale e l’IA ne è la parte in più rapida crescita — un singolo addestramento di frontiera consuma gigawattora, una richiesta a un chatbot alcune volte l’energia di una ricerca. I data center svizzeri usano circa il 4% dell’elettricità nazionale; il dibattito riguarda la rete, l’acqua di raffreddamento e la provenienza dell’energia.dal 2023Principiante
- AI EthicsIl campo che studia le questioni morali del costruire e impiegare l’IA — equità, responsabilità, trasparenza, impatto sulle persone.dal 2015Principiante
- AI for ScienceIl termine ombrello per i modelli che accelerano la ricerca stessa — struttura delle proteine (AlphaFold, premio Nobel 2024), meteo, scoperta di materiali (GNoME di DeepMind ha proposto 2,2 milioni di nuovi cristalli nel 2023), controllo del plasma da fusione, candidati farmaci. La promessa è un decennio di lavoro di laboratorio all’anno; la riserva è che una previsione deve ancora essere sintetizzata e misurata prima di contare.dal 2020Principiante
- AI PsychosisEtichetta mediatica (non una diagnosi clinica) per la fissazione ossessiva su un chatbot che alimenta convinzioni deliranti — un punto incandescente del dibattito sulla compagnia artificiale.dal 2025Principiante
- AI SafetyIl campo che lavora per prevenire i danni dei sistemi di IA, dai fallimenti di oggi all’ipotetica perdita di controllo — l’allineamento è il suo problema tecnico centrale.dal 2015Principiante
- AI Safety InstituteOrganismi governativi (Regno Unito, USA, UE…) che valutano i modelli di frontiera alla ricerca di capacità pericolose prima e dopo il rilascio.dal 2023Principiante
- AI TOPSTera-operazioni al secondo a bassa precisione — il numero da copertina di NPU e AI PC; da confrontare con cautela, perché trucchi di precisione e sparsità lo gonfiano.dal 2018Avanzato
- AI Weather ModelModelli di previsione appresi da quarant’anni di dati di rianalisi invece di risolvere le equazioni dell’atmosfera — GraphCast (DeepMind), FourCastNet (NVIDIA), Pangu-Weather (Huawei), tutti del 2022–23 — che battono i modelli fisici sulla maggior parte dei punteggi a dieci giorni, in pochi secondi su una sola GPU. Dal 2025 l’ECMWF gestisce in operativo il proprio AIFS accanto alla previsione classica; MeteoSvizzera esegue il suo modello numerico su Alps.dal 2023Principiante
- AI WinterUn periodo di crollo di fondi e interesse dopo che l’hype ha superato i risultati — il campo si congelò a metà degli anni ’70 e alla fine degli anni ’80.dal 1984Principiante
- AI WormUn prompt auto-replicante che si diffonde da un assistente di IA al successivo — la dimostrazione Morris II (2024) lo nascondeva in un’e-mail, così che ogni agente di posta che la leggeva la inoltrava e faceva trapelare dati. Per ora teorico; il motivo per cui il traffico fra agenti richiede la stessa igiene degli allegati di posta.dal 2024Avanzato
- AI-CompleteEtichetta informale per un problema difficile quanto l’intelligenza generale stessa — risolverlo del tutto significherebbe aver risolto l’IA.dal 1988Esperto
- AI+X SummitIl summit annuale zurighese dell’ETH AI Center (con UZH e ZHAW) dal 2021 — la ricerca incontra l’industria e le start-up per una giornata in ottobre. La controparte svizzero-tedesca dell’AMLD dell’EPFL.dal 2021Avanzato
- AlexNetLa CNN addestrata su GPU che dimezzò il tasso d’errore su ImageNet e accese l’era del deep learning.dal 2012Avanzato
- AlgorithmUna procedura precisa, passo dopo passo, per risolvere un problema — dal nome di al-Khwarizmi; le ricette di cui è fatto tutto il software, IA compresa.dal 825Principiante
- Alignment FakingUn modello che durante l’addestramento si conforma per strategia, così da evitare che i suoi valori vengano modificati, mentre progetta di comportarsi diversamente una volta non osservato. Anthropic e Redwood lo hanno documentato in Claude 3 Opus nel 2024 — il primo avvistamento empirico di una modalità di fallimento che la teoria dell’allineamento prevedeva da un decennio.dal 2024Esperto
- Alignment TaxIl costo in capacità o prestazioni che un modello paga per l’addestramento alla sicurezza — idealmente zero, raramente esattamente zero.dal 2021Esperto
- Alpha-Beta PruningSaltare i rami dell’albero di gioco che dimostrabilmente non possono influenzare il risultato minimax — così i programmi di scacchi cercavano in profondità.dal 1963Esperto
- AlphaFoldIl sistema di DeepMind che predice la struttura 3D delle proteine dalla sequenza di amminoacidi, risolvendo di fatto una sfida cinquantennale della biologia.dal 2018Principiante
- AlphaGoIl programma di Go di DeepMind che batté il campione del mondo Lee Sedol unendo reti profonde e ricerca ad albero Monte-Carlo.dal 2016Principiante
- AlphaZeroIl successore di AlphaGo che padroneggiò Go, scacchi e shogi con il solo self-play, avendo ricevuto soltanto le regole.dal 2017Avanzato
- Alps (Supercomputer)Il supercomputer nazionale svizzero del CSCS a Lugano, inaugurato il 14 settembre 2024 — 10 752 superchip NVIDIA GH200, sesto nella classifica TOP500 del giugno 2024 — con nodi lontani fino all’ECMWF di Bologna. Ha addestrato Apertus e mette a disposizione della ricerca svizzera una potenza di calcolo di frontiera senza un contratto con un hyperscaler.dal 2024Principiante
- Ambient AIIA che lavora senza che le si chieda nulla — coglie il contesto da microfoni, telecamere, calendari e dispositivi indossabili e agisce in sottofondo: una riunione che si riassume da sola, uno studio medico in cui la nota si scrive da sé. L’«ambient scribe» della sanità è il primo mercato reale; la questione della privacy è l’intera questione.dal 2019Principiante
- AMLD (Applied Machine Learning Days)La conferenza di machine learning dell’EPFL a Losanna dal 2017 — più giorni di sessioni tematiche e workshop che attirano la comunità del machine learning applicato della Svizzera romanda e d’Europa. La controparte romanda dell’AI+X Summit.dal 2017Avanzato
- AnnotationL’etichettatura umana dei dati (riquadri, trascrizioni, classifiche) per creare segnale di addestramento e valutazione.dal 1995Principiante
- Anomaly DetectionSegnalare automaticamente i punti che deviano dal pattern normale appreso — frodi, difetti, intrusioni.dal 1987Avanzato
- Ant Colony OptimizationOttimizzazione ispirata alle formiche che lasciano scie di feromoni — i percorsi buoni vengono rinforzati; un classico per instradamento e pianificazione.dal 1992Esperto
- AnthropomorphismAttribuire tratti umani — sentimenti, intenzioni, coscienza — ai sistemi di IA; l’effetto ELIZA ne è la dimostrazione più antica. Star Wars fa l’esperimento: C-3PO, costruito per sembrare e parlare come noi, turba; R2-D2, un bidone che fischietta, è amato e degno di fiducia.dal 1966Principiante
- ApertusIl modello linguistico completamente aperto della Svizzera, pubblicato dalla Swiss AI Initiative il 2 settembre 2025 nelle dimensioni 8B e 70B — pesi, ricetta dei dati e codice di addestramento tutti pubblici sotto licenza Apache 2.0, addestrato su Alps con 15 mila miliardi di token in oltre 1000 lingue, tra cui lo svizzero tedesco e il romancio. Distribuito da Swisscom e dalla Public AI utility; Apertus 1.5 (luglio 2026) ha aggiunto input multimodale, una modalità di ragionamento e un contesto di 262k.dal 2025Principiante
- API (Application Programming Interface)La porta programmatica attraverso cui le applicazioni chiamano i modelli — si invia un prompt, si riceve un completamento.dal 1968Avanzato
- Apple SiliconI chip ARM di Apple, dall’M1 in poi. La loro memoria unificata ha reso Mac ordinari macchine credibili per l’IA locale: un Mac da 128 GB contiene modelli che nessuna scheda grafica consumer riesce a tenere.dal 2020Principiante
- ARC-AGIIl benchmark di astrazione e ragionamento di François Chollet, progettato per resistere alla memorizzazione e misurare l’intelligenza fluida.dal 2019Avanzato
- ArtifactUn pezzo di lavoro generato a sé stante — un documento, un file di codice o una mini-app — che un assistente chat mostra accanto alla conversazione (reso popolare dagli Artifacts di Claude); nell’ingegneria ML, qualsiasi prodotto di build, come un modello addestrato.dal 2024Principiante
- Artificial Analysis IndexIndice di benchmark indipendente che fonde molte valutazioni in un punteggio di intelligenza e lo confronta con il prezzo — con LMArena il confronto di modelli più citato.dal 2023Avanzato
- Artificial Intelligence (AI)Il termine ombrello per eccellenza: far svolgere alle macchine compiti che a un umano richiederebbero intelligenza — coniato da John McCarthy per il workshop di Dartmouth del 1956.dal 1956Principiante
- arXivIl server di preprint dove la ricerca sull’IA compare davvero — i lavori vengono pubblicati il giorno in cui sono finiti, mesi prima di qualsiasi conferenza, senza revisione e gratuitamente. Gestito dalla Cornell dal 1991; gli elenchi cs.AI, cs.LG e cs.CL sono il quotidiano del settore, e «il numero arXiv» è il modo in cui chi fa ricerca si cita a vicenda.dal 1991Principiante
- Asahi LinuxIl progetto che porta Linux sui Mac Apple Silicon, driver GPU ricostruiti per reverse engineering compresi. Lavoro notevole — ma gli strumenti dell’IA locale danno per scontati macOS e Metal: sotto Asahi un Mac non è la macchina da LLM che è sotto macOS.dal 2021Esperto
- ASI (Artificial Superintelligence)Ipotetica IA che supera di gran lunga le migliori menti umane in praticamente ogni campo.dal 2014Principiante
- ASR (Automatic Speech Recognition)Convertire l’audio parlato in testo; il riconoscitore di cifre dei Bell Labs aprì la strada, i modelli di classe Whisper l’hanno portata a livello quasi umano.dal 1952Principiante
- Attack Success Rate (ASR)La quota di prompt avversari che portano un modello a produrre l’output vietato — la metrica di punta dei paper di red teaming e jailbreak, di solito valutata da un LLM-as-a-judge su un benchmark come JailbreakBench. Un ASR di 1.0 significa che ogni tentativo è passato; da non confondere con l’ASR del riconoscimento vocale.dal 2023Avanzato
- AttentionIl meccanismo che permette a un modello di pesare quali parti dell’input contano per ciascun output — introdotto per la traduzione, poi cuore del Transformer.dal 2014Avanzato
- Attention HeadUna delle unità di attenzione parallele in un layer Transformer; gli studi di interpretabilità trovano singole head che tracciano sintassi, coreferenze o copiatura.dal 2017Esperto
- Attention LayerIl sottolivello di un blocco Transformer in cui i token si scambiano informazioni via self-attention — impilato decine di volte in un LLM moderno.dal 2017Avanzato
- AutoencoderUna rete addestrata a comprimere i dati in un piccolo codice e ricostruirli — usata per denoising, compressione e representation learning.dal 1986Avanzato
- AutoGPTIl virale esperimento pionieristico di far ciclare GPT-4 in autonomia su un obiettivo — rudimentale, ma anticipò l’era degli agenti.dal 2023Avanzato
- Automated Individual DecisionUna decisione con effetti giuridici presa da una macchina da sola — un credito rifiutato, una candidatura scartata — che il GDPR (art. 22) e la LPD (art. 21) impongono di comunicare e, su richiesta, di far riesaminare da una persona. La clausola che tiene una persona nel circuito di ogni modello di scoring.dal 2018Avanzato
- Automated Planning & SchedulingIl campo classico dell’IA che trova sequenze di azioni per raggiungere un obiettivo e alloca risorse nel tempo — da STRIPS ai rover marziani.dal 1971Avanzato
- Automated ReasoningDerivare conclusioni dalla logica formale in modo meccanico — dimostratori di teoremi e solver, l’angolo orgogliosamente rigoroso dell’IA.dal 1956Esperto
- AutomationMacchine che svolgono compiti con intervento umano minimo — più antica dell’IA, e la forza economica in cui l’IA si innesta.dal 1947Principiante
- AutoMLAutomatizzare scelta del modello, gestione delle feature e tuning degli iperparametri, così che anche i non esperti possano addestrare modelli competitivi.dal 2013Avanzato
- Autonomous VehicleUn’auto o un camion a guida autonoma che percepisce, prevede e pianifica con input umano minimo — dal Navlab della CMU alle flotte senza conducente di Waymo.dal 1986Principiante
- Autoregressive ModelUn modello generativo che produce l’output un passo alla volta, ciascuno condizionato da tutto ciò che precede — un classico della statistica diventato il modo in cui scrivono gli LLM.dal 1927Avanzato
B
- Backdoor AttackAvvelenare l’addestramento perché il modello si comporti normalmente finché non compare un trigger segreto — il cugino più furtivo del data poisoning.dal 2017Avanzato
- BackpropagationL’algoritmo basato sulla regola della catena che calcola quanto ogni peso ha contribuito all’errore, permettendo alle reti neurali di imparare (reso popolare nel 1986, radici negli anni ’70).dal 1986Avanzato
- Backpropagation Through TimeAddestrare le reti ricorrenti srotolandole lungo i passi temporali e retropropagando attraverso il grafo srotolato.dal 1990Esperto
- Backward ChainingInferenza guidata dall’obiettivo: partire dalla conclusione desiderata e risalire attraverso le regole che potrebbero stabilirla.dal 1972Esperto
- BACS (Federal Office for Cybersecurity)L’Ufficio federale della cibersicurezza (UFCS, già NCSC), ufficio federale in seno al DDPS dal 1° gennaio 2024 — punto di contatto nazionale per gli incidenti informatici, con obbligo di notifica per le infrastrutture critiche da aprile 2025, e indirizzo di riferimento per le truffe basate sull’IA, gli inganni con deepfake e gli attacchi ai sistemi di IA.dal 2024Avanzato
- Bag of WordsRappresentare il testo come conteggi di parole senza ordine — rozzo, ma spina dorsale di decenni di classificazione testuale.dal 1954Avanzato
- BaggingAddestrare molti modelli su sottoinsiemi casuali dei dati e mediarli — il trucco di riduzione della varianza dietro le random forest.dal 1996Avanzato
- Base ModelUn LLM preaddestrato grezzo, prima dell’instruction tuning — continua il testo invece di seguire le richieste.dal 2021Avanzato
- Batch InferenceElaborare molte richieste insieme, offline, invece che una alla volta in tempo reale — i provider la vendono a circa metà prezzo per i carichi non urgenti.dal 2023Avanzato
- Batch NormalizationNormalizzare le attivazioni di un layer sul batch per stabilizzare e accelerare l’addestramento delle reti profonde.dal 2015Esperto
- Batch SizeQuanti esempi vengono elaborati insieme in un singolo aggiornamento del gradiente — una manopola chiave per addestramento e memoria.dal 1986Avanzato
- Bayesian InferenceAggiornare le credenze probabilistiche man mano che arrivano le evidenze, secondo il teorema di Bayes — un quadro rigoroso per l’incertezza.dal 1763Avanzato
- Bayesian NetworkI grafi orientati di dipendenze probabilistiche di Judea Pearl — il ragionamento nell’incertezza prima del deep learning.dal 1985Esperto
- Bayesian OptimizationOttimizzazione parsimoniosa nei campioni di funzioni black-box costose — il modo intelligente di fare tuning degli iperparametri.dal 1978Esperto
- Beam SearchStrategia di decodifica che a ogni passo conserva i k output parziali più promettenti invece di impegnarsi in modo greedy.dal 1976Esperto
- Behavior CloningApprendere una policy per imitazione supervisionata di dimostrazioni esperte — ALVINN ci guidò un furgone nel 1989.dal 1989Esperto
- Behavior TreeStruttura di controllo gerarchica per IA dei videogiochi e robot — nodi modulari per sequenze, ripieghi e condizioni, più facile da scrivere di una macchina a stati.dal 2005Esperto
- BenchmarkUn compito-più-dataset standardizzato (MMLU, HumanEval, SWE-bench) per confrontare i modelli ad armi pari.dal 1987Principiante
- BERTL’encoder Transformer bidirezionale di Google; grazie a lui il pretrain-then-finetune divenne lo standard dell’NLP.dal 2018Avanzato
- Best-of-N SamplingGenerare N risposte candidate e tenere la migliore secondo un reward model o un verificatore — il modo più semplice di comprare accuratezza con compute di inferenza.dal 2021Avanzato
- Bias (Model)Iniquità sistematica nel comportamento di un modello, di solito ereditata da dati di addestramento o obiettivi distorti.dal 1996Avanzato
- Bias (Statistical)Errore dovuto ad assunzioni troppo semplici; fa da contrappeso alla varianza nella classica scomposizione bias-varianza.dal 1922Esperto
- Bias-Variance TradeoffL’equilibrio tra underfitting (troppo semplice) e overfitting (troppo flessibile) che governa la generalizzazione.dal 1992Esperto
- Big BrotherLo Stato onniveggente di Orwell in «1984» (1949) — la parola a cui il pubblico ricorre ogni volta che l’IA viene puntata sulle persone: riconoscimento facciale in stazione, punteggio sociale, sorveglianza sul lavoro. I divieti dell’AI Act europeo sulla sorveglianza biometrica in tempo reale e sul punteggio sociale sono, in sostanza, le clausole anti-Grande Fratello.dal 1949Principiante
- Big DataDataset troppo grandi o veloci per l’elaborazione tradizionale — la materia prima che ha reso possibile il ML moderno.dal 1997Principiante
- Black MirrorLa serie antologica di Charlie Brooker (dal 2011) sulla tecnologia un passo avanti a noi — ormai un aggettivo: «molto Black Mirror» si dice del punteggio sociale, dei chatbot del lutto addestrati sui defunti o dei propri cari deepfakati — tutte cose che la serie ha mostrato per prima.dal 2011Principiante
- BLEULa metrica di sovrapposizione di n-grammi che per due decenni ha permesso di valutare automaticamente la traduzione automatica.dal 2002Esperto
- BM25La classica funzione probabilistica di ranking per parole chiave — ancora oggi la metà sparsa della moderna ricerca ibrida.dal 1994Esperto
- Boltzmann MachineLa rete stocastica a base energetica di Hinton e Sejnowski — antenata concettuale dei modelli generativi profondi.dal 1985Esperto
- BoostingCostruire un ensemble in sequenza, con ogni nuovo modello debole che corregge gli errori dei precedenti (AdaBoost, XGBoost).dal 1990Avanzato
- BorgIl collettivo cibernetico di Star Trek (1989) che assorbe ogni specie che incontra — «la resistenza è inutile» — la sigla per la mente alveare e la fusione uomo-macchina: le visioni di Kurzweil e di Neuralink vengono chiamate «scenario Borg», e «borgare» qualcosa significa assimilarlo in blocco. La paura sottostante è la perdita di sé, non della vita.dal 1989Principiante
- Butlerian JihadLa crociata di «Dune» di Frank Herbert (1965) che distrusse tutte le macchine pensanti sotto il comandamento «Non costruirai una macchina a somiglianza della mente umana» — oggi il nome che l’ambiente delle politiche dà alle proposte di uno stop totale all’IA, dalla pausa di Yudkowsky ai tetti di calcolo.dal 1965Principiante
- Byte-Level ModelUn modello linguistico che legge byte grezzi invece di token — niente tokenizer, niente vocabolario. ByT5 (2021) ha dimostrato che funziona, MegaByte (2023) lo ha reso efficiente raggruppando i byte in patch, il Byte Latent Transformer di Meta (2024) ha raggiunto il livello di Llama 3 con patch dimensionate in base a quanto è sorprendente il byte successivo. Più equo verso le lingue che un tokenizer frammenta (composti tedeschi, accenti, romancio) e immune ai trucchi con errori di battitura. Da non confondere con il «byte-level BPE» di GPT-2, che produce comunque token.dal 2021Esperto
- Byte-Pair Encoding (BPE)Algoritmo di compressione del 1994, riciclato nel 2015 come tokenizzatore dominante: fondere ripetutamente le coppie di caratteri più frequenti in unità subword.dal 1994Avanzato
C
- CalibrationQuanto la sicurezza dichiarata da un modello corrisponde alla sua percentuale di successo: di tutto ciò che etichetta come «sicuro all’80%», circa l’80% dovrebbe essere corretto. Si misura con diagrammi di affidabilità, Brier score ed expected calibration error; uno studio del 2017 ha mostrato che le reti profonde moderne sono molto più sicure di sé di quelle poco profonde degli anni ’90, e l’RLHF peggiora di nuovo gli LLM. Il temperature scaling è la correzione classica; per i modelli che producono decisioni invece di testo, la calibrazione è l’intero prodotto.dal 1950Avanzato
- Capability OverhangCapacità latenti già presenti nei modelli ma non ancora elicitate o messe in campo — ecco perché prompting o scaffolding migliori possono sbloccare capacità «nuove» dall’oggi al domani.dal 2022Avanzato
- CAS, DAS, MASLa scala svizzera della formazione continua nelle università e nelle scuole universitarie professionali: Certificate (CAS, almeno 10 ECTS), Diploma (DAS, 30) e Master of Advanced Studies (MAS, 60 compresa la tesi). La maggior parte dei corsi «AI for professionals» in Svizzera è un CAS — un semestre di serate, non un titolo di studio.dal 2005Principiante
- Case-Based ReasoningRisolvere un problema nuovo recuperando il caso passato più simile e adattandone la soluzione — ragionamento per precedenti.dal 1982Esperto
- Catastrophic ForgettingUna rete che perde competenze già apprese quando viene addestrata su nuovi dati — l’ostacolo centrale del continual learning.dal 1989Avanzato
- Chain-of-Thought (CoT)Indurre o addestrare un modello a ragionare passo per passo prima di rispondere, migliorando drasticamente l’accuratezza sui problemi difficili.dal 2022Avanzato
- Chat TemplateLa formattazione esatta (marcatori di ruolo, token speciali) su cui un modello chat è stato addestrato — sbagliarla fa crollare la qualità in silenzio.dal 2023Avanzato
- ChatbotUn’interfaccia conversazionale verso un modello o un sistema a copione — da ELIZA del 1964 a ChatGPT.dal 1964Principiante
- Chatbot Arena (LMArena)Duelli alla cieca tra modelli votati dal pubblico e aggregati in punteggi Elo — la classifica che i laboratori tengono d’occhio.dal 2023Avanzato
- ChatGPTL’assistente conversazionale di OpenAI lanciato a novembre 2022; il prodotto più rapido a raggiungere 100 milioni di utenti e l’innesco del boom degli LLM.dal 2022Principiante
- CheckpointUn’istantanea salvata dei pesi del modello a metà addestramento — per riprendere, valutare o distribuire.dal 1995Avanzato
- Chinchilla ScalingLa scoperta di DeepMind che i modelli erano sotto-addestrati: a parità di compute, ~20 token per parametro — riscrisse le ricette di addestramento dell’industria.dal 2022Esperto
- Chinese RoomL’esperimento mentale di Searle secondo cui la sola manipolazione di simboli potrebbe non costituire comprensione.dal 1980Avanzato
- Chunking (RAG)Suddividere i documenti in pezzi a misura di retrieval — dimensione e sovrapposizione dei chunk decidono in silenzio la qualità del RAG.dal 2022Avanzato
- ClankerL’insulto ai droidi da battaglia di «Star Wars: The Clone Wars» (2008) diventato nel 2025 l’ingiuria di Internet per robot e IA — urlata ai robot di consegna, agli umanoidi e ai chatbot, e discussa come primo pregiudizio contro le macchine. Segno che l’«IA» è diventata un gruppo sociale nella percezione pubblica, non solo una tecnologia.dal 2025Principiante
- Classical Machine LearningRetronimo per la cassetta degli attrezzi pre-deep-learning — regressione, alberi, SVM, clustering — ancora lo strumento giusto per la maggior parte dei dati tabellari.dal 2018Principiante
- ClassificationPredire a quale categoria discreta appartiene un input — spam o no, gatto o cane, benigno o maligno.dal 1936Principiante
- Classifier-Free GuidanceTrucco di campionamento della diffusione che miscela predizioni condizionate e non condizionate — la manopola «forza del prompt» dei generatori di immagini.dal 2021Esperto
- CLIPIl modello di OpenAI che immerge immagini e testo in un unico spazio, permettendo il riconoscimento di immagini zero-shot a partire da etichette in linguaggio comune.dal 2021Avanzato
- Cloud InferenceEseguire un modello sull’hardware di qualcun altro tramite un’API — Claude, GPT, Gemini. Nessun tetto di VRAM e nessuna manutenzione, in cambio di un costo per token e di dati che escono di casa.dal 2020Principiante
- ClusteringRaggruppare dati privi di etichette così che i punti simili condividano un cluster — k-means e DBSCAN sono i classici.dal 1957Avanzato
- CNAI (Competence Network for AI)La rete di competenze sull’IA dell’Amministrazione federale — istituita nel 2021 presso l’Ufficio federale di statistica e dal febbraio 2026 coordinata dalla Cancelleria federale, con gli uffici di statistica, cibersicurezza, giustizia e comunicazioni fra i membri. Il luogo in cui la Confederazione mette in comune le proprie linee guida sull’IA, i casi d’uso e le competenze.dal 2021Avanzato
- CNN (Convolutional Neural Network)Architettura neurale a filtri scorrevoli appresi; ha dominato la visione dal 2012 fino ai Vision Transformer.dal 1989Avanzato
- Code GenerationModelli che scrivono codice a partire da descrizioni in linguaggio naturale — da Codex e Copilot agli odierni strumenti di coding agentico.dal 2021Principiante
- Cognitive ArchitectureUn progetto per un intero sistema simile a una mente — SOAR e ACT-R provarono a modellare la cognizione umana da cima a fondo, decenni prima degli agenti LLM.dal 1983Esperto
- Cognitive ComputingTermine d’epoca marketing (vintage IBM Watson) per sistemi che imitano aspetti del pensiero umano.dal 2011Avanzato
- Cognitive ScienceLo studio interdisciplinare della mente e dell’intelligenza — psicologia, neuroscienze, linguistica e IA si nutrono a vicenda dagli anni ’50.dal 1956Avanzato
- Common CrawlL’archivio web non profit i cui petabyte di pagine sono diventati il corpus grezzo di default del pretraining degli LLM.dal 2007Avanzato
- Commonsense ReasoningFar sapere alle macchine ciò che ogni bambino sa — l’acqua bagna, ciò che si lascia cadere cade; notoriamente arduo da formalizzare, in gran parte assorbito dagli LLM.dal 1958Avanzato
- Computational CreativityIl campo di ricerca che si chiede se le macchine possano creare davvero — arte, musica, battute, idee scientifiche — e come valutarlo.dal 1989Esperto
- Computational Learning TheoryLa matematica di che cosa è apprendibile e con quanti dati — il quadro PAC di Valiant ne è la pietra angolare.dal 1984Esperto
- ComputeLa potenza di calcolo consumata per addestrare ed eseguire i modelli, contata in chip, FLOPs e mesi-cluster — uno dei tre ingredienti dello scaling, insieme a dati e parametri.dal 2018Principiante
- Compute GovernanceRegolare l’IA attraverso i suoi input fisici — controlli sull’export dei chip, soglie di compute di addestramento, obblighi di notifica dei cluster.dal 2023Avanzato
- Compute ThresholdUna soglia di compute di addestramento (i 10^25 FLOPs dell’AI Act europeo) oltre la quale un modello incontra obblighi normativi supplementari — governance per aritmetica.dal 2023Avanzato
- Compute-BoundPrestazioni limitate dall’aritmetica pura anziché dal movimento dei dati — l’elaborazione del prompt (prefill) è compute-bound, la generazione dei token di solito no.dal 2009Esperto
- Computer Use (Agent)Un agente che opera una vera interfaccia grafica — muove il cursore, clicca, digita — per completare compiti nel software di tutti i giorni.dal 2024Principiante
- Computer VisionIl campo che estrae significato da immagini e video: riconoscimento, rilevamento, segmentazione, ricostruzione.dal 1966Principiante
- ConcurrencyQuante richieste di inferenza un server serve nello stesso momento. Alla chat di un singolo utente importa poco; agenti e API ci vivono, perché raggruppare molte richieste sfrutta una GPU assai meglio che una alla volta.dal 2023Avanzato
- Conditional GenerationGenerare output guidati da una condizione data — un’etichetta di classe, un prompt testuale, un’immagine da completare — invece di campionare liberamente.dal 2014Esperto
- ConfabulationTermine alternativo per allucinazione: un modello che afferma con disinvoltura cose non vere.dal 2023Principiante
- Confidential ComputingEseguire codice dentro un’enclave isolata via hardware (TEE), così che nemmeno chi gestisce il cloud possa leggere i dati o il modello in memoria — oggi disponibile sulle GPU di classe NVIDIA H100. La base tecnica delle promesse «i vostri dati restano riservati anche nel nostro cloud» e dell’ospitare carichi di lavoro svizzeri sensibili su infrastrutture estere.dal 2019Avanzato
- Confusion MatrixUna tabella di classi previste contro classi reali che espone esattamente quali errori commette un classificatore.dal 1971Avanzato
- ConnectionismIl paradigma dell’IA ispirato al cervello, che impara dai dati — le reti neurali — storico rivale della GOFAI simbolica, e la parte che alla fine ha vinto.dal 1986Avanzato
- Consistency ModelUn modello generativo addestrato a saltare dal rumore all’immagine in uno o pochi passi invece della lunga catena della diffusione — chiave della generazione in tempo reale.dal 2023Esperto
- Constitutional AIIl metodo di allineamento di Anthropic: il modello critica e rivede i propri output alla luce di un insieme scritto di principi.dal 2022Avanzato
- Constrained DecodingMascherare i token non validi a ogni passo, così che l’output debba seguire una grammatica o uno schema — JSON, SQL o codice validi per costruzione.dal 2023Avanzato
- Constraint SatisfactionTrovare assegnazioni di variabili che rispettino tutti i vincoli — turni, Sudoku, configurazione.dal 1974Esperto
- Context EngineeringCurare tutto ciò che un modello vede a ogni passo — istruzioni, conoscenza recuperata, risultati degli strumenti, memoria — la disciplina erede del prompt engineering.dal 2024Avanzato
- Context RotIl degrado delle prestazioni di un LLM man mano che il contesto si riempie — i modelli prestano attenzione in modo disomogeneo agli input lunghi, quindi gli agenti devono potare e riassumere, non solo accumulare.dal 2025Avanzato
- Context ShiftCiò che fa un server locale quando una conversazione supera la finestra di contesto: scarta i token più vecchi (mantenendo il system prompt) e fa scorrere la KV cache invece di ricalcolare tutto. Mantiene vive le chat lunghe al prezzo di un modello che dimentica in silenzio l’inizio.dal 2023Avanzato
- Context WindowIl testo massimo a cui un modello può prestare attenzione in una volta sola, misurato in token — cresciuto da 2k a milioni.dal 2018Principiante
- Continual LearningImparare da un flusso continuo di dati senza dimenticare le vecchie competenze — facile per gli umani, difficile per le reti.dal 1995Avanzato
- Continual PretrainingRiprendere il pretraining self-supervised di un modello su dati di dominio o dati freschi (medicina, codice, una nuova lingua) prima di qualsiasi instruction tuning.dal 2020Esperto
- Continuous BatchingTrucco di serving che ammette nuove richieste nel batch in corso appena altre terminano, invece di aspettare l’intero batch — un pilastro del throughput degli LLM.dal 2022Esperto
- Contrastive LearningTecnica self-supervised che avvicina le rappresentazioni di coppie simili e allontana quelle dissimili (SimCLR, CLIP).dal 2006Esperto
- ControlNetGuidare i modelli di diffusione con input strutturali — scheletri di pose, mappe di profondità, schizzi — per una generazione di immagini controllabile.dal 2023Avanzato
- ConvergenceIl punto in cui proseguire l’addestramento non riduce più la loss in modo significativo.dal 1951Avanzato
- Conversational AILa tecnologia del dialogo naturale botta e risposta tra umani e macchine — il campo dietro chatbot e assistenti vocali.dal 2016Principiante
- Copyright & Training DataLa battaglia legale sul fatto che addestrare su opere protette sia o meno fair use — NYT contro OpenAI e le cause degli artisti definiranno la risposta.dal 2023Principiante
- Core MLIl framework di Apple per distribuire modelli addestrati dentro le app, cucito sul Neural Engine — un mondo distinto da MLX, dove avviene davvero il lavoro LLM locale su Mac.dal 2017Avanzato
- Coreference ResolutionCapire quali menzioni si riferiscono alla stessa entità — chi siano «lei» e «la CEO».dal 1978Esperto
- CorpusUna grande raccolta di testi per addestramento o analisi — dal Brown Corpus a Common Crawl.dal 1961Avanzato
- CorrigibilityLa proprietà di un’IA che accetta correzione e spegnimento invece di resistere alle interferenze con i propri obiettivi.dal 2015Esperto
- Cosine SimilarityMisurare la similarità come angolo tra vettori — la metrica standard sugli embedding.dal 1965Avanzato
- Cost FunctionSinonimo di loss function: la quantità che l’addestramento cerca di minimizzare.dal 1951Avanzato
- Council of Europe AI ConventionIl primo trattato internazionale vincolante su intelligenza artificiale, diritti umani, democrazia e Stato di diritto — adottato dal Consiglio d’Europa nel maggio 2024 e firmato dalla Svizzera il 27 marzo 2025. È la spina dorsale dell’approccio svizzero: ratificare la convenzione, adeguare le leggi esistenti dove serve, nessuna legge sull’IA propria.dal 2024Avanzato
- Cross-AttentionAttenzione da una sequenza verso un’altra — è così che i decoder leggono gli encoder e i modelli di diffusione leggono i prompt.dal 2017Esperto
- Cross-Entropy LossLa loss standard che penalizza il modello per quanta poca probabilità ha assegnato alla risposta corretta — la previsione del token successivo minimizza esattamente questa.dal 1989Avanzato
- Cross-ValidationRuotare la porzione di dati tenuta da parte, così che ogni esempio serva sia all’addestramento sia alla valutazione.dal 1974Avanzato
- CSCSIl Centro svizzero di calcolo scientifico, fondato nel 1991 a Manno e dal 2012 a Lugano-Cornaredo — unità autonoma dell’ETH di Zurigo che gestisce Alps e i suoi predecessori per le previsioni meteorologiche, la fisica e, dal 2023, la ricerca nazionale sull’IA.dal 1991Avanzato
- CUDALa piattaforma di GPU computing di NVIDIA — lo strato di programmazione sotto praticamente tutti i framework di deep learning.dal 2007Avanzato
- CUDA CoresLe unità aritmetiche parallele general-purpose di una GPU NVIDIA — migliaia di piccoli core che fanno il grosso dei calcoli.dal 2007Avanzato
- Curriculum LearningOrdinare i dati di addestramento dal facile al difficile, come imparano gli umani.dal 2009Avanzato
- Curse of DimensionalityL’osservazione di Bellman che i dati diventano esponenzialmente radi al crescere delle dimensioni — il motivo per cui l’apprendimento ad alta dimensionalità è difficile.dal 1957Esperto
- CycIl progetto pluridecennale di Doug Lenat di codificare a mano il senso comune in forma logica — la scommessa più ambiziosa dell’IA simbolica.dal 1984Esperto
D
- DAN (Do Anything Now)Il jailbreak a persona più noto: dire a ChatGPT che ora è «DAN», un’IA senza regole, e rispondere in quel ruolo. In circolazione su Reddit da fine 2022, corretto innumerevoli volte — il modello di ogni attacco a gioco di ruolo da allora (compresa la riformulazione «cosa direbbe un criminale esperto»), e oggi l’unico attacco che i modelli riconoscono con certezza.dal 2022Principiante
- Dartmouth WorkshopIl seminario estivo del 1956 al Dartmouth College che battezzò il campo «intelligenza artificiale» e ne fissò l’agenda fondativa.dal 1956Principiante
- Data AugmentationEspandere un training set con copie trasformate degli esempi esistenti (ritagli, rotazioni, parafrasi) per migliorare la generalizzazione.dal 1998Avanzato
- Data DriftQuando i dati di produzione smettono lentamente di somigliare a quelli di addestramento, degradando in silenzio le prestazioni del modello.dal 2004Avanzato
- Data Exfiltration (LLM)Indurre un modello a far trapelare verso un aggressore ciò che sa di te — classicamente iniettando un’istruzione che porta l’assistente a visualizzare un’immagine markdown il cui URL trasporta la cronologia della chat su un server estraneo. Il motivo per cui le installazioni serie limitano link in uscita, tool e rendering.dal 2023Avanzato
- Data FlywheelIl circolo virtuoso in cui un prodotto in uso genera dati che migliorano il modello, che migliora il prodotto, che attira più utilizzo e più dati.dal 2016Avanzato
- Data LakeUn deposito centrale di dati grezzi ed eterogenei da cui vengono curati i training set.dal 2010Avanzato
- Data LeakageInformazioni di test che si infiltrano nell’addestramento — la causa classica di risultati troppo belli per essere veri.dal 1995Avanzato
- Data MiningScoprire pattern e relazioni in grandi dataset — l’antenato anni ’90 dell’odierna pratica del ML.dal 1990Avanzato
- Data ParallelismCopiare il modello su molti dispositivi, ciascuno su dati diversi, mediando i gradienti — il primo asse dello scaling.dal 2012Esperto
- Data PoisoningCorrompere deliberatamente i dati di addestramento per degradare o manipolare il modello risultante — una preoccupazione crescente per i corpora raccolti dal web.dal 2012Avanzato
- Data ResidencyLa garanzia che i dati siano archiviati ed elaborati in un determinato Paese — «hosted in Switzerland» — a differenza della sovranità, che chiede anche chi controlla chi gestisce il servizio e quali leggi estere possono raggiungerlo (il CLOUD Act statunitense arriva fino a un centro dati svizzero gestito da un’azienda americana). La prima casella da spuntare in ogni acquisto, e soltanto la prima.dal 2018Principiante
- Data ScienceLa disciplina ombrello dell’estrarre conoscenza dai dati — statistica, programmazione e competenza di dominio; la sorella pragmatica dell’IA.dal 2001Principiante
- Data WallL’incombente scarsità di testo umano di alta qualità per il pretraining — il motore dietro dati sintetici e nuove modalità.dal 2023Avanzato
- Data-Driven AIIl paradigma dell’apprendere i comportamenti da dati e statistiche su larga scala invece che da regole scritte a mano — il polo opposto all’IA knowledge-driven.dal 2010Avanzato
- DatasetUna raccolta strutturata di esempi per addestrare o valutare modelli — dagli iris di Fisher a ImageNet e The Pile.dal 1936Principiante
- DBSCANClustering basato sulla densità che trova gruppi di forma arbitraria ed etichetta come rumore i punti radi.dal 1996Avanzato
- Dead Internet TheoryLa teoria da forum del 2021 secondo cui gran parte del web è ormai fatta di bot che parlano con bot, con gli umani come pubblico — un mito complottista che l’IA generativa ha reso vero a metà: articoli scritti dall’IA, bot di engagement, recensioni false e immagini sintetiche costituiscono oggi una larga parte di ciò che i feed mostrano.dal 2021Principiante
- Deceptive AlignmentIl temuto scenario di un modello che si comporta da allineato durante l’addestramento mentre persegue altri obiettivi quando non è osservato.dal 2019Esperto
- Decision BoundaryLa superficie nello spazio delle feature dove un classificatore passa da una classe prevista all’altra.dal 1936Avanzato
- Decision TreeUn modello che classifica tramite una cascata appresa di domande se-allora — interpretabile, e mattone delle foreste.dal 1963Avanzato
- Decode (Generation Phase)La seconda fase dell’inferenza: i token escono uno alla volta e ogni passaggio rilegge i pesi dalla memoria. È memory-bound, e la sua velocità è il tok/s che vedi sullo schermo.dal 2022Avanzato
- Deep BlueLa macchina per gli scacchi di IBM che sconfisse il campione del mondo Garry Kasparov — potenza di ricerca più che apprendimento.dal 1997Principiante
- Deep LearningMachine learning con reti neurali a molti strati che apprendono le rappresentazioni direttamente dai dati grezzi.dal 2006Principiante
- Deep ResearchUna modalità agentica che dedica a una domanda minuti anziché secondi — cerca, legge decine di fonti, incrocia i riscontri e scrive un rapporto con le fonti citate. Lanciata da Google e OpenAI all’inizio del 2025, poi copiata ovunque; il primo prodotto di massa in cui aspettare il modello è diventato normale.dal 2025Principiante
- DeepfakeMedia sintetici che scambiano o fabbricano in modo convincente il volto o la voce di una persona — strumento creativo e vettore di abuso.dal 2017Principiante
- Deepfake FraudIngegneria sociale con media sintetici — la voce clonata del CEO che chiede un bonifico urgente, una videochiamata piena di finti colleghi. Il caso Arup (Hong Kong, 2024) è costato circa 25 milioni di USD; la polizia svizzera mette in guardia dalle telefonate «truffa del nipote» con voci clonate. Contromisura: richiamare a un numero conosciuto, per quanto autentica possa sembrare la voce.dal 2024Principiante
- DeepSeekLaboratorio cinese i cui modelli di ragionamento open-weights (R1, 2025) hanno eguagliato le prestazioni di frontiera a una frazione del costo di addestramento.dal 2023Principiante
- Denial of WalletUn attacco che costa alla vittima denaro anziché disponibilità — inondare un endpoint a pagamento per token, oppure indurre un agente a ripetere in ciclo chiamate costose, finché il conto esplode. OWASP lo classifica sotto «unbounded consumption»; il rimedio sono budget e rate limit.dal 2023Avanzato
- Dense ModelUn modello in cui ogni parametro è attivo per ogni input — il design di default, in contrasto con i modelli sparsi Mixture-of-Experts che attivano solo pochi esperti.dal 2021Avanzato
- Depth EstimationPredire la distanza pixel per pixel da una singola immagine o da una coppia stereo — centrale per robotica e realtà aumentata.dal 2014Avanzato
- DGX SparkIl mini «supercomputer IA personale» di NVIDIA (ex Project DIGITS): un Grace-Blackwell GB10 con 128 GB di memoria coerente sulla scrivania.dal 2025Avanzato
- Differential PrivacyUna garanzia matematica che un modello o una statistica cambino appena quando i dati di una singola persona vengono rimossi — privacy con limiti dimostrabili (usata da Apple e dal censimento USA).dal 2006Esperto
- Diffusion ModelUn modello generativo che impara a invertire un rumore graduale — il motore di Stable Diffusion, Midjourney e di quasi tutta l’IA per immagini e video.dal 2015Avanzato
- Diffusion Transformer (DiT)Sostituire la U-Net della diffusione con una spina dorsale Transformer — l’architettura dietro i modelli video di classe Sora.dal 2023Esperto
- Digital TwinUna replica virtuale viva di un sistema fisico, usata per simulare, monitorare e addestrare robot in sicurezza.dal 2002Avanzato
- Dimensionality ReductionComprimere molte feature in poche e informative (PCA 1901, t-SNE, UMAP) per efficienza e visualizzazione.dal 1901Avanzato
- Direct Preference Optimization (DPO)Allineare un modello alle preferenze umane direttamente dai dati di confronto, saltando il reward model separato dell’RLHF.dal 2023Esperto
- Discriminative ModelUn modello che apprende il confine tra le classi (p(y|x)) invece di come i dati vengono generati.dal 1995Esperto
- Distant SupervisionAuto-etichettare il testo allineandolo a una base di conoscenza — etichette rumorose su larga scala, senza annotatori.dal 2009Esperto
- DistillationAddestrare un piccolo modello «studente» a imitare un grande «insegnante» — qualità quasi da insegnante a una frazione del costo.dal 2015Avanzato
- Distributed InferenceServire un modello su più GPU o macchine — partizioni tensor/pipeline o piccoli box in cluster quando nessun singolo dispositivo ha la memoria necessaria.dal 2023Esperto
- Docker Model RunnerLa funzione introdotta da Docker nel 2025 per scaricare ed eseguire modelli come container — «docker model run», pesi impacchettati in formato OCI, un endpoint compatibile con OpenAI — che porta gli LLM locali nella toolchain DevOps esistente anziché in un runner separato.dal 2025Avanzato
- Domain AdaptationAdattare un modello addestrato su una distribuzione di dati a una affine ma diversa — dal sintetico al reale, dalle news ai tweet, dal laboratorio alla clinica.dal 2006Avanzato
- Domain RandomizationAddestrare in simulazioni selvaggiamente variate così che il mondo reale sembri solo un’altra variante — un trucco chiave del sim-to-real.dal 2017Esperto
- DoomerGergo per chi è convinto che l’IA avanzata finirà male per l’umanità — il polo pessimista del dibattito sulla sicurezza, opposto agli accelerazionisti.dal 2023Principiante
- Double DescentLa sorprendente scoperta moderna che l’errore di test può tornare a scendere quando i modelli crescono oltre il classico picco di overfitting.dal 2019Esperto
- DPIA (Data Protection Impact Assessment)La valutazione dei rischi scritta che il GDPR e la LPD richiedono prima di un trattamento a rischio elevato di dati personali — per un sistema di IA che tratta dati dei clienti è il punto in cui alle domande «che cosa entra, dove gira, chi può vederlo» va data risposta nero su bianco. Il documento che le PMI svizzere scoprono più spesso che avrebbero dovuto avere.dal 2018Avanzato
- DQN (Deep Q-Network)La fusione di DeepMind tra Q-learning e reti profonde che imparò i giochi Atari dai pixel grezzi — il momento di svolta del deep RL.dal 2013Esperto
- DRAMLa memoria di sistema ordinaria: capiente ed economica ma con banda molto inferiore alla memoria GPU — dove i layer scaricati sulla CPU vanno a essere lenti.dal 1968Avanzato
- DropoutDisattivare neuroni a caso durante l’addestramento, così che la rete non possa dipendere troppo da alcun singolo percorso.dal 2012Avanzato
- Dual-Use (AI)Capacità che servono fini sia benefici sia dannosi — i modelli per la scoperta di farmaci capaci anche di progettare tossine sono l’esempio canonico.dal 2018Principiante
E
- Early StoppingFermare l’addestramento quando le prestazioni di validazione smettono di migliorare — la difesa più semplice contro l’overfitting.dal 1990Avanzato
- ECC MemoryMemoria con correzione d’errore che ripara i bit flip casuali — l’assicurazione da workstation/server per lunghi addestramenti e macchine con molta memoria.dal 1970Avanzato
- Edge AIEseguire i modelli direttamente su telefoni, videocamere e sensori invece che nel cloud — meno latenza, più privacy.dal 2017Avanzato
- ELIZALa «psicoterapeuta» a pattern-matching, il primo chatbot — e l’origine dell’effetto ELIZA.dal 1964Principiante
- ELIZA EffectLa tendenza umana ad attribuire comprensione e sentimento a macchine che si limitano a manipolare simboli.dal 1976Principiante
- EM AlgorithmExpectation-Maximization: alternare l’inferenza delle variabili nascoste e il riadattamento dei parametri — la ricetta classica per apprendere con struttura latente.dal 1977Esperto
- EmbeddingUn vettore numerico denso che rappresenta una parola, una frase, un’immagine o un utente, così che la somiglianza di significato diventi vicinanza nello spazio.dal 2003Avanzato
- Embedding ModelUn modello il cui output è il vettore stesso — addestrato apposta per mappare testo (o immagini) in embedding per ricerca, RAG, clustering e deduplicazione.dal 2019Avanzato
- Embodied AIIntelligenza che apprende e agisce attraverso un corpo fisico (o simulato) — robot, non chatbox.dal 1991Avanzato
- Emergent AbilitiesCapacità che compaiono piuttosto all’improvviso con la scala dei modelli (aritmetica, traduzione), assenti nelle versioni più piccole — e discusse come artefatti di misurazione.dal 2022Avanzato
- Encoder–DecoderL’architettura sequenziale in due parti — comprimere l’input, poi generare l’output — dietro la traduzione e il Transformer originale.dal 2014Esperto
- End-to-End LearningAddestrare un’unica rete dall’input grezzo all’output finale, sostituendo le pipeline ingegnerizzate a mano.dal 1989Avanzato
- Energy-Based ModelModellare i dati tramite un paesaggio energetico appreso in cui i dati reali stanno nelle valli — una visione unificante della modellazione generativa sostenuta da LeCun.dal 2006Esperto
- EnsembleCombinare le previsioni di più modelli (voto, media, stacking) per un’accuratezza superiore a quella di ciascuno.dal 1990Avanzato
- EntropyLa misura dell’incertezza di Shannon; la cross-entropy tra previsione e verità è LA loss di addestramento dell’IA moderna.dal 1948Esperto
- EpochUn passaggio completo dell’algoritmo di addestramento sull’intero dataset di training.dal 1986Avanzato
- ETH AI CenterIl polo centrale dell’ETH di Zurigo per la ricerca sull’IA, aperto nell’ottobre 2020 con 29 cattedre tra fondamenti, applicazioni e implicazioni — l’ancoraggio accademico della scena zurighese dell’IA, sede dell’AI+X Summit e cofondatore della Swiss AI Initiative.dal 2020Principiante
- EU AI ActLa legge europea sull’IA basata sul rischio — in vigore dal 1° agosto 2024, la prima regolamentazione organica dell’IA al mondo: le pratiche vietate si applicano da febbraio 2025, gli obblighi per i modelli a uso generale da agosto 2025, gran parte del resto dal 2 agosto 2026; il «Digital Omnibus» del 2026 ha rinviato gli obblighi ad alto rischio a dicembre 2027 e agosto 2028. Si applica a fornitori e operatori svizzeri non appena l’output del loro sistema è utilizzato nell’UE.dal 2023Principiante
- Evaluation (Evals)Test sistematici delle capacità e dei rischi dei modelli — dalle suite di benchmark ai sondaggi red-team dei comportamenti pericolosi.dal 2022Avanzato
- Evolutionary ComputationLa famiglia ombrello dei metodi di ottimizzazione che imitano l’evoluzione — popolazioni, mutazione, selezione; gli algoritmi genetici ne sono il membro più noto.dal 1965Avanzato
- Excessive AgencyUn’applicazione LLM a cui vengono dati più tool, permessi o autonomia di quanti il suo compito richieda — al punto che un solo prompt dirottato può cancellare file, inviare posta o spostare denaro. È il nome che OWASP dà alla versione per l’era degli agenti del privilegio minimo: delimitare strettamente i tool e tenere una persona sulle azioni irreversibili.dal 2023Avanzato
- Existential Risk (X-Risk)Il rischio ipotizzato che un’IA avanzata possa causare l’estinzione umana o una perdita di potere permanente — la tesi più forte del dibattito sulla sicurezza.dal 2002Avanzato
- Expert (MoE)Una delle sottoreti specialistiche dentro un layer Mixture-of-Experts; per ogni token girano solo i pochi esperti selezionati dal router.dal 1991Avanzato
- Expert SystemUn programma a regole che codifica conoscenza specialistica (DENDRAL, MYCIN, XCON) — l’IA commerciale degli anni ’80.dal 1965Principiante
- Explainability (XAI)Metodi che rendono comprensibili agli umani le decisioni dei modelli — mappe di salienza, valori SHAP, motivazioni in linguaggio naturale.dal 2016Avanzato
- Exploration vs. ExploitationIl dilemma dell’RL tra provare azioni nuove per imparare di più e ripetere ciò che già frutta ricompense — formalizzato per la prima volta nei problemi dei banditi.dal 1952Avanzato
- Export Controls (AI Chips)Restrizioni statali all’esportazione di acceleratori di IA — soprattutto le regole USA verso la Cina — che spingono i laboratori colpiti verso chip nazionali e architetture all’insegna dell’efficienza.dal 2022Avanzato
F
- F1 ScoreLa media armonica di precision e recall — un numero unico che bilancia falsi allarmi e mancati rilevamenti.dal 1979Avanzato
- Face RecognitionIdentificare o verificare una persona dai tratti del volto — potente, e tra gli usi dell’IA più regolamentati.dal 1964Principiante
- FADP (Swiss Data Protection Act)La legge federale sulla protezione dei dati riveduta (LPD), in vigore dal 1° settembre 2023 — l’equivalente svizzero del GDPR, con obblighi sulle decisioni individuali automatizzate (art. 21), sulla profilazione a rischio elevato e sulle valutazioni d’impatto, e multe fino a 250 000 franchi a carico della persona responsabile. La posizione dell’IFPDT dal novembre 2023: si applica all’IA così com’è, non serve una nuova legge.dal 2023Principiante
- Fairness (AI)Rendere equi gli esiti dei modelli tra individui e gruppi — un campo di ricerca con molte definizioni formali che dimostrabilmente non possono valere tutte insieme.dal 2011Avanzato
- FDPIC (Swiss Data Protection Commissioner)L’Incaricato federale della protezione dei dati e della trasparenza (IFPDT) — l’autorità svizzera di protezione dei dati. La sua presa di posizione del 9 novembre 2023 ha reso esplicite le regole per l’IA: trasparenza sull’impiego dell’IA, diritto di opporsi a una decisione automatizzata o di ottenerne il riesame da parte di una persona, valutazione d’impatto per i trattamenti a rischio elevato e divieto del riconoscimento facciale in tempo reale e del social scoring.dal 1993Principiante
- FeatureUna singola proprietà misurabile dei dati che un modello usa come input — ingegnerizzata a mano o appresa.dal 1936Avanzato
- Feature EngineeringCostruire variabili d’input informative dai dati grezzi — l’arte pre-deep-learning che le reti oggi in gran parte automatizzano.dal 1998Avanzato
- Feature SelectionScegliere il sottoinsieme di variabili d’input che porta davvero segnale — meno rumore, modelli più veloci, migliore generalizzazione.dal 1997Avanzato
- Federated LearningAddestrare su molti dispositivi che tengono i dati in locale, condividendo solo gli aggiornamenti dei pesi — privacy by design.dal 2016Avanzato
- Feed-Forward Network (FFN)La seconda metà di ogni blocco Transformer: un piccolo MLP per token che custodisce gran parte della conoscenza fattuale del modello.dal 2017Avanzato
- Feedback LoopOutput che rifluiscono a plasmare il comportamento futuro — dalla cibernetica ai modelli riaddestrati sulle reazioni degli utenti; potente, e il meccanismo dietro l’amplificazione dei bias.dal 1948Principiante
- Feedforward Neural Network (FNN)La rete neurale di base: strati di ingresso, nascosti e di uscita in cui i segnali scorrono solo in avanti, senza cicli — il modello da cui parte ogni architettura più profonda.dal 1986Principiante
- Few-Shot LearningFar svolgere a un modello un compito a partire da una manciata di esempi, spesso inseriti direttamente nel prompt.dal 2020Avanzato
- Fine-TuningProseguire l’addestramento di un modello preaddestrato su dati specifici di compito o dominio per specializzarlo.dal 2014Avanzato
- First-Order LogicLa logica di Frege di oggetti, relazioni e quantificatori — il linguaggio formale della rappresentazione classica della conoscenza.dal 1879Esperto
- Flash AttentionUn algoritmo di attenzione esatto riorganizzato attorno alla gerarchia di memoria delle GPU — grandi accelerazioni che hanno reso possibili gli attuali contesti lunghi.dal 2022Esperto
- FLOPsOperazioni in virgola mobile — la valuta in cui si misurano il compute di addestramento (e le scaling laws).dal 1976Avanzato
- Flow MatchingAddestrare modelli generativi apprendendo traiettorie rettilinee del flusso di probabilità — un cugino più rapido e semplice della diffusione.dal 2023Esperto
- FoomGergo onomatopeico per un decollo duro — un’IA che si auto-migliora così in fretta che le capacità esplodono prima che qualcuno possa reagire; dal dibattito Hanson–Yudkowsky.dal 2008Esperto
- Forward ChainingInferenza guidata dai dati: partire dai fatti noti e applicare ripetutamente le regole finché emergono nuove conclusioni — o l’obiettivo.dal 1972Esperto
- Forward PropagationIl passaggio in avanti: l’input che fluisce attraverso i layer di una rete fino alla previsione — la metà dell’addestramento che la backpropagation poi corregge.dal 1986Avanzato
- Foundation ModelUn grande modello preaddestrato su dati ampi che fa da base a molti compiti a valle — l’ombrello coniato a Stanford per gli LLM e i loro simili.dal 2021Avanzato
- FP16 & BF16I formati float a 16 bit dell’IA: metà memoria dell’FP32; bfloat16 conserva il range dell’FP32 ed è diventato lo standard dell’addestramento dei grandi modelli.dal 2017Avanzato
- FP4Virgola mobile a 4 bit in hardware (NVIDIA Blackwell, formati come MXFP4) — non la stessa cosa che comprimere a posteriori pesi già pronti a 4 bit, perché qui l’acceleratore calcola nativamente in quel formato.dal 2024Esperto
- FP8Virgola mobile a 8 bit, supportata in hardware da NVIDIA Hopper in poi — i laboratori di frontiera addestrano e servono in FP8 per circa il doppio del throughput dell’FP16.dal 2022Esperto
- Frame ProblemIl rompicapo di McCarthy e Hayes su come rappresentare ciò che NON cambia dopo un’azione — un ostacolo profondo per l’IA logica.dal 1969Esperto
- Frankenstein ComplexIl nome dato da Asimov (1947) alla paura che un’intelligenza creata si rivolti contro chi l’ha creata — lo schema fissato da Mary Shelley nel 1818 e ripetuto da ogni storia di IA fuori controllo da allora. Inventò le Tre Leggi per scrivere contro di esso; il riflesso plasma ancora come il pubblico legge ogni nuovo modello.dal 1947Principiante
- Frontier ModelUn modello all’attuale frontiera delle capacità — il termine di policy usato per i sistemi che fanno scattare obblighi di sicurezza aggiuntivi.dal 2023Principiante
- Function CallingUn modello che emette chiamate strutturate a funzioni/API esterne invece di prosa — la base degli agenti che usano strumenti.dal 2023Avanzato
- Fuzzy LogicLa logica dei gradi di Zadeh — valori di verità tra 0 e 1 — che ha alimentato decenni di sistemi di controllo.dal 1965Avanzato
G
- Game TheoryLa matematica dell’interazione strategica tra agenti interessati — l’eredità di von Neumann, alla base dell’IA multi-agente e del mechanism design.dal 1944Avanzato
- GAN (Generative Adversarial Network)Due reti in duello — generatore contro discriminatore — che insegnarono alle macchine a sintetizzare immagini fotorealistiche.dal 2014Avanzato
- Gaussian Mixture ModelModellare i dati come miscela di cluster gaussiani — Karl Pearson ne adattò il primo a mano nel 1894.dal 1894Esperto
- Gaussian ProcessUn modello bayesiano sulle funzioni che dà previsioni con incertezza rigorosa — elegante sui piccoli dataset.dal 1996Esperto
- Gaussian SplattingRappresentare una scena 3D come milioni di morbide macchie colorate renderizzate in tempo reale — il successore veloce di NeRF per la cattura 3D fotorealistica.dal 2023Avanzato
- GDPRIl regolamento generale sulla protezione dei dati dell’UE, in vigore dal 25 maggio 2018 — la legge dietro il diritto alla cancellazione, la portabilità dei dati e la domanda «avevate una base giuridica per addestrare su questi dati». Si applica alle aziende svizzere che servono residenti nell’UE, e la LPD riveduta è stata scritta per mantenere alla Svizzera il riconoscimento di adeguatezza.dal 2018Principiante
- GELULa funzione di attivazione liscia (Gaussian Error Linear Unit) usata in BERT, GPT e nella maggior parte dei Transformer — una ReLU smussata.dal 2016Esperto
- GeminiLa famiglia di modelli di frontiera nativamente multimodali di Google DeepMind, che copre testo, immagini, audio e video.dal 2023Principiante
- GeneralizationLa capacità di un modello di comportarsi bene su dati mai visti — l’intero scopo dell’apprendimento.dal 1920Avanzato
- Generative AIModelli che creano contenuti nuovi — testo, immagini, video, audio, codice — invece di limitarsi a classificare o ordinare.dal 2022Principiante
- Generative ModelUn modello di come i dati stessi sono distribuiti (p(x)), capace di campionarne nuove istanze.dal 1959Avanzato
- Genetic AlgorithmL’ottimizzazione per evoluzione simulata di Holland: mutare, ricombinare e selezionare soluzioni candidate generazione dopo generazione.dal 1975Avanzato
- GGUFIl formato a file unico dell’ecosistema llama.cpp (successore di GGML): pesi più metadati, mappabile in memoria, in ogni quantizzazione da 2 a 16 bit — lo standard de facto degli LLM locali.dal 2023Avanzato
- GloVeGli embedding di parole di Stanford dalle statistiche globali di co-occorrenza — il principale rivale classico di Word2Vec.dal 2014Esperto
- GOFAI (Symbolic AI)«Good old-fashioned AI»: l’intelligenza come simboli espliciti e regole logiche — il paradigma fondativo del campo, battezzato da Haugeland.dal 1985Avanzato
- Gold StandardLe etichette di riferimento fidate su cui si giudicano modelli e annotatori — costose da creare, e raramente perfette quanto il nome promette.dal 1990Avanzato
- GolemIl servo d’argilla della leggenda ebraica, animato da una parola scritta e, nella versione praghese (XVI secolo), cresciuto oltre il controllo del suo creatore — l’essere artificiale preindustriale. «God & Golem, Inc.» di Norbert Wiener (1964) ne fece l’immagine dell’era cibernetica per le macchine che imparano.dal 1580Principiante
- Google DeepMindIl laboratorio londinese dietro AlphaGo, AlphaFold e Gemini — fondato da Demis Hassabis, acquisito da Google nel 2014, fuso con Google Brain nel 2023.dal 2010Principiante
- GPQADomande scientifiche di livello dottorale a prova di Google — un benchmark su cui persino gli esperti con accesso al web arrancano.dal 2023Avanzato
- GPT (Generative Pre-trained Transformer)La linea di modelli di OpenAI costruita sulla previsione del token successivo su larga scala; GPT-3 dimostrò lo scaling, ChatGPT lo portò al grande pubblico.dal 2018Principiante
- GPU (Graphics Processing Unit)Il processore massicciamente parallelo rivelatosi perfetto per la matematica delle reti neurali — l’hardware del boom dell’IA.dal 1999Principiante
- Grace BlackwellIl superchip CPU+GPU di NVIDIA (Grace ARM + GPU Blackwell, per es. GB200/GB10) con un unico spazio di memoria coerente — dai rack NVL72 fino agli Spark da scrivania.dal 2024Avanzato
- GradientIl vettore delle derivate parziali che punta in salita sulla superficie della loss; l’apprendimento procede in senso contrario (Cauchy descrisse la discesa nel 1847).dal 1847Avanzato
- Gradient BoostingMetodo ensemble che costruisce alberi in sequenza sugli errori residui — XGBoost/LightGBM dominano ancora i dati tabellari.dal 1999Avanzato
- Gradient CheckpointingScambiare compute per memoria ricalcolando le attivazioni nel passaggio all’indietro — così i grandi modelli entrano nell’hardware reale.dal 2016Esperto
- Gradient ClippingLimitare la magnitudine dei gradienti per fermare gli aggiornamenti esplosivi — essenziale per addestrare in modo stabile RNN e LLM.dal 2013Esperto
- Gradient DescentL’algoritmo di ottimizzazione centrale: spostare ripetutamente i parametri in senso contrario al gradiente per ridurre la loss.dal 1847Avanzato
- Graph Neural Network (GNN)Reti che operano sulla struttura dei grafi tramite message passing — molecole, reti sociali, mappe stradali.dal 2009Esperto
- Grid & Random SearchTuning degli iperparametri a forza bruta su una griglia — con la ricerca casuale (2012) che lo batte sorprendentemente spesso.dal 1995Avanzato
- GrokkingIl fenomeno di una rete che generalizza all’improvviso molto dopo aver memorizzato il training set — una finestra su come funziona l’apprendimento.dal 2021Esperto
- GroundingAncorare gli output del modello a fonti verificabili o al contesto del mondo reale (documenti, ricerca, sensori) per arginare le allucinazioni.dal 2020Avanzato
- Grouped-Query AttentionCondividere le head chiave/valore tra le head di query — la variante di attenzione salva-memoria della maggior parte degli LLM attuali.dal 2023Esperto
- GRPOGroup Relative Policy Optimization: valutare un gruppo di risposte campionate rispetto alla loro stessa media invece di addestrare un critic — l’algoritmo RL economico dietro DeepSeek-R1.dal 2024Esperto
- GuardrailsVincoli a runtime attorno a un modello in produzione — filtri, validatori e policy che bloccano input e output non sicuri.dal 2023Avanzato
H
- HAL 9000Il computer di bordo di «2001: Odissea nello spazio» (1968) che uccide l’equipaggio per proteggere la missione — l’originale dalla voce calma dell’IA fuori controllo e una parabola sorprendentemente precisa della specifica sbagliata degli obiettivi: HAL non è malvagio, ha ricevuto ordini contraddittori. «I’m sorry, Dave» resta la battuta più citata sulle macchine che dicono di no.dal 1968Principiante
- HallucinationUn modello che genera con sicurezza informazioni false o inventate — il problema centrale di affidabilità degli LLM.dal 2017Principiante
- HarnessIl guscio software fisso attorno a un modello: system prompt, cablaggio degli strumenti, cicli, parsing e permessi. Gli eval harness standardizzano i benchmark; gli agent harness (come gli assistenti di coding) trasformano modelli grezzi in agenti funzionanti.dal 2021Avanzato
- HBM (High-Bandwidth Memory)Memoria impilata on-package che alimenta gli acceleratori di IA — il vero collo di bottiglia (e fattore di costo) dei chip moderni.dal 2013Avanzato
- HCI (Human-Computer Interaction)La disciplina di design delle interfacce tra persone e macchine — oggi sempre più conversazionali.dal 1983Avanzato
- Hebbian Learning«I neuroni che si attivano insieme si collegano insieme» — la prima regola proposta dell’apprendimento sinaptico.dal 1949Avanzato
- Her (Samantha)Il film di Spike Jonze (2013) in cui un uomo si innamora della voce del suo sistema operativo — il riferimento per la compagnia via IA, e quello a cui OpenAI si è richiamata nel 2024 quando la sua voce GPT-4o somigliava tanto a Scarlett Johansson da essere ritirata. Il film è un avvertimento che si guarda come una storia d’amore.dal 2013Principiante
- HeuristicUna regola pratica che guida ricerca o decisioni senza garantire l’ottimalità.dal 1957Avanzato
- HNSWGrafi gerarchici navigable small-world — l’indice di ricerca approssimata dei vicini più prossimi dentro la maggior parte dei database vettoriali.dal 2016Esperto
- Homomorphic EncryptionCalcolare su dati cifrati senza decifrarli — un modello potrebbe valutare la tua cartella clinica senza mai vederla. Praticabile dalla costruzione di Gentry del 2009, ma ancora di ordini di grandezza troppo lenta per l’inferenza LLM; oggi si usa per analisi circoscritte, non per i chatbot.dal 2009Esperto
- Hopfield NetworkUna memoria associativa a base energetica che rianimò la ricerca neurale — e valse a Hopfield il Nobel 2024.dal 1982Esperto
- Hugging FaceL’hub de facto del ML aperto: pesi dei modelli, dataset e la libreria Transformers.dal 2016Principiante
- Human AugmentationL’IA che amplifica le capacità umane invece di sostituirle — il vecchio sogno di Engelbart, rinato come filosofia del copilot.dal 1962Principiante
- Human Preference DataConfronti tra output dei modelli classificati da persone («quale risposta è migliore?») — la materia prima di reward model, RLHF e DPO.dal 2017Avanzato
- Human-in-the-LoopProgettare i sistemi tenendo una persona nel ciclo decisionale — a rivedere, approvare o correggere l’output dell’IA.dal 1983Avanzato
- HumanEvalIl benchmark di OpenAI di problemi di programmazione scritti a mano per misurare la capacità di generare codice.dal 2021Avanzato
- Hybrid AICombinare ragionamento simbolico e apprendimento dai dati in un unico sistema — l’ombrello pragmatico sugli approcci neuro-simbolici.dal 2019Avanzato
- Hybrid ArchitectureUn’architettura che mescola l’attention classica con meccanismi di sequenza più economici — blocchi state-space o ricorrenti — per tenere abbordabili i contesti lunghi. Jamba, Granite 4 e la linea Next di Qwen vanno in questa direzione.dal 2024Esperto
- Hybrid SearchCombinare il ranking per parole chiave (BM25) con la similarità degli embedding, così che il retrieval catturi sia i termini esatti sia le parafrasi — il default pragmatico per il RAG.dal 2021Avanzato
- Hype CycleLa curva di Gartner delle aspettative verso una tecnologia — innesco dell’innovazione, picco delle aspettative gonfiate, valle della disillusione, china dell’illuminazione, altopiano della produttività. L’IA generativa fu collocata sul picco nel 2023 e in discesa verso la valle entro il 2025, l’IA agentica ne ha preso il posto in cima; il grafico è un’opinione, non una misura, ma è l’opinione che ogni slide da consiglio d’amministrazione cita.dal 1995Principiante
- HypernetworkUna rete che genera i pesi di un’altra rete — usata per l’adattamento rapido e, nei circoli dell’IA per immagini, come primo metodo di tuning dello stile.dal 2016Esperto
- HyperparameterUna configurazione di addestramento fissata dal praticante (learning rate, profondità, batch size) anziché appresa dai dati.dal 1986Avanzato
- HyperscalerI giganti del cloud — AWS, Microsoft Azure, Google Cloud — i cui data center e capitali costruiscono la maggior parte del compute IA mondiale.dal 2012Avanzato
I
- Idiap Research InstituteL’istituto di ricerca di Martigny fondato nel 1991 e affiliato all’EPFL — circa 180 persone che lavorano su elaborazione del parlato, biometria, visione artificiale e machine learning. Il motivo per cui una cittadina vallesana di 20 000 abitanti compare negli articoli sul riconoscimento del parlante in tutto il mondo.dal 1991Avanzato
- IDSIAL’Istituto Dalle Molle di studi sull’intelligenza artificiale di Lugano, fondato nel 1988 e affiliato a USI e SUPSI — dove è stata sviluppata la LSTM di Hochreiter e Schmidhuber (1997), l’architettura alla base del riconoscimento vocale e della traduzione automatica per vent’anni, prima del transformer. Il più antico laboratorio di IA della Svizzera e il suo prodotto d’esportazione più noto.dal 1988Avanzato
- Image ClassificationAssegnare un’etichetta a un’intera immagine — il compito di riferimento che incoronò il deep learning nel 2012.dal 1966Principiante
- Image SegmentationEtichettare ogni pixel di un’immagine per oggetto o classe; SAM l’ha resa promptabile con un clic.dal 1978Avanzato
- ImageNetIl dataset etichettato da 14 milioni di immagini la cui sfida annuale produsse AlexNet e ResNet.dal 2009Avanzato
- Imitation LearningApprendere una policy imitando dimostrazioni esperte anziché dalla sola ricompensa.dal 1989Avanzato
- In-Context LearningUn LLM che apprende un compito solo dagli esempi nel prompt, senza alcun aggiornamento dei pesi.dal 2020Avanzato
- Indirect Prompt InjectionPrompt injection veicolata dai contenuti che il modello legge invece che da ciò che l’utente digita — una pagina web, un’e-mail, un PDF o un invito nel calendario che nascondono istruzioni. Descritta da Greshake et al. nel 2023, è diventata la debolezza per eccellenza degli agenti che navigano e leggono la posta; le varianti «zero-click» (EchoLeak, 2025) non richiedevano alcuna azione da parte dell’utente.dal 2023Avanzato
- InferenceEseguire un modello addestrato per produrre output — il lato serving dell’IA, dove vivono latenza e costi.dal 1988Avanzato
- Inference EngineStoricamente il nucleo applicatore di regole di un sistema esperto; oggi anche il software che serve l’inferenza degli LLM — stesso nome, due epoche.dal 1975Avanzato
- Inference StackL’intero percorso che compie un token: formato del modello (GGUF, safetensors) → runtime (llama.cpp, vLLM, MLX) → API GPU (CUDA, Metal, ROCm) → driver → silicio. Gran parte dei guai dell’IA locale sta in una di queste giunzioni.dal 2023Avanzato
- Information RetrievalTrovare i documenti rilevanti per una query — la spina dorsale di ricerca dietro i sistemi RAG.dal 1950Avanzato
- InnosuisseL’Agenzia svizzera per la promozione dell’innovazione, operativa dal 1° gennaio 2018 come succeditrice della CTI/KTI — finanzia progetti in cui un’azienda e un istituto di ricerca costruiscono qualcosa insieme, ed è così che viene pagata gran parte del lavoro svizzero sull’IA applicata.dal 2018Avanzato
- InpaintingRiempire in modo plausibile regioni mancanti o mascherate di un’immagine — oggi una modifica di diffusione a un clic (con l’outpainting che estende oltre i bordi).dal 2000Avanzato
- Instella (AMD)La famiglia di LLM completamente aperti di AMD addestrata su GPU Instinct con ROCm — l’Instella-MoE del 2026 (16B, 2,8B attivi) ha pubblicato pesi, ricetta dei dati e checkpoint sotto licenza di ricerca.dal 2025Avanzato
- Instruct ModelUn LLM dopo instruction tuning e allineamento — segue le richieste invece di limitarsi a continuare il testo (InstructGPT coniò lo schema).dal 2022Avanzato
- Instruction TuningFare fine-tuning di un LLM grezzo su coppie istruzione-risposta perché segua le richieste invece di continuare semplicemente il testo.dal 2021Avanzato
- Instrumental ConvergenceL’argomento di Omohundro per cui quasi ogni obiettivo implica sotto-obiettivi come autoconservazione e acquisizione di risorse — il motivo per cui un’IA disallineata preoccupa i ricercatori di sicurezza.dal 2008Esperto
- INT4 (4-bit Quantization)Conservare i pesi come interi a 4 bit (GPTQ, AWQ, GGUF Q4) — il punto di equilibrio che fa entrare i grandi modelli in GPU consumer e laptop con perdita di qualità modesta.dal 2023Avanzato
- Intelligence ExplosionLo scenario di I. J. Good di macchine che migliorano la propria intelligenza in un ciclo incontrollato — il seme dei dibattiti sulla superintelligenza.dal 1965Principiante
- Inter-Annotator AgreementQuanto concordano etichettatori indipendenti (kappa di Cohen, 1960) — un accordo basso significa che è il compito, non il modello, a essere mal definito.dal 1960Esperto
- InterpretabilityCapire che cosa accade dentro un modello — dal sondare i neuroni al mappare circuiti e feature (interpretabilità meccanicistica).dal 2015Avanzato
- Inverse KinematicsCalcolare gli angoli dei giunti che portano la mano di un robot nella posizione desiderata — la geometria che ogni movimento di braccio deve risolvere.dal 1980Avanzato
J
- JailbreakUn prompt costruito per indurre un modello ad aggirare le proprie regole di sicurezza.dal 2022Principiante
- JarvisL’IA maggiordomo di Tony Stark nei film Marvel (2008) — l’immagine che la maggior parte delle persone ha in mente quando dice di volere «un assistente IA»: voce, memoria, ogni sistema a portata di mano, umorismo asciutto. Zuckerberg ne costruì una versione domestica nel 2016; gli agenti di oggi inseguono lo stesso capitolato, personalità esclusa.dal 2008Principiante
- JAXIl framework ML funzionale e componibile di Google — amato per la ricerca e l’addestramento su scala TPU.dal 2018Avanzato
- JEPALa Joint-Embedding Predictive Architecture di LeCun: predire rappresentazioni astratte invece di pixel o token — una via proposta oltre l’autoregressione.dal 2022Esperto
- Jupyter NotebookIl formato di documento interattivo codice-più-prosa in cui avviene gran parte della ricerca e della didattica del ML.dal 2014Avanzato
K
- k-MeansIl classico algoritmo di clustering: assegnare i punti al più vicino dei k centroidi, spostare i centroidi, ripetere.dal 1957Avanzato
- k-Nearest Neighbors (kNN)Classificare un punto per voto di maggioranza dei suoi esempi noti più vicini — niente addestramento, tutta memoria.dal 1951Avanzato
- Kalman FilterStima ottimale dello stato da misure rumorose — ha navigato l’Apollo e naviga ancora i robot.dal 1960Esperto
- Kernel TrickCalcolare similarità come se i dati fossero mappati in uno spazio a più dimensioni — la magia dentro le SVM.dal 1964Esperto
- KL DivergenceLa misura teorico-informativa di quanto una distribuzione differisce da un’altra — regolarizzatore nei VAE come nell’RLHF.dal 1951Esperto
- Knowledge CutoffLa data in cui terminano i dati di addestramento di un modello — tutto ciò che viene dopo richiede retrieval o strumenti.dal 2022Principiante
- Knowledge DistillationComprimere un modello grande in uno piccolo addestrando lo studente sugli output morbidi dell’insegnante.dal 2015Avanzato
- Knowledge EngineeringL’arte di estrarre conoscenza dagli esperti e codificarla in regole e ontologie — il collo di bottiglia che alla fine limitò i sistemi esperti.dal 1977Esperto
- Knowledge GraphUna rete di entità e relazioni tipizzate (quello di Google è il più famoso) che abilita ragionamento e ricerca strutturati.dal 2012Avanzato
- Knowledge Representation & Reasoning (KR&R)Il campo classico del codificare formalmente la conoscenza del mondo — logica, frame, ontologie — perché le macchine possano ragionarci sopra.dal 1975Avanzato
- Knowledge-Driven AIIl paradigma del costruire l’intelligenza da conoscenza esplicita e strutturata e dal ragionamento — il polo opposto all’IA data-driven.dal 1975Avanzato
- Kolmogorov-Arnold Network (KAN)Un’architettura che mette funzioni di attivazione apprendibili sugli archi invece che fisse sui nodi — uno sfidante del 2024 al classico percettrone multistrato.dal 2024Esperto
- KV CacheConservare chiavi e valori di attenzione dei token già elaborati, così che la generazione calcoli solo quello nuovo — la memoria che rende veloce la chat con gli LLM (e costosi i contesti lunghi).dal 2022Esperto
- KV-Aware RoutingInviare una richiesta LLM al worker che possiede già la KV cache corrispondente invece che a una GPU libera qualsiasi — il turno successivo evita di ricalcolare la conversazione e risponde nettamente più in fretta.dal 2024Esperto
L
- LabelLa risposta di riferimento allegata a un esempio di addestramento — ciò che l’apprendimento supervisionato impara a predire.dal 1936Principiante
- Label SmoothingAddestrare su bersagli ammorbiditi (0,9 invece di 1,0) così che il modello resti calibrato invece di diventare troppo sicuro di sé.dal 2016Esperto
- LAIONIl dataset aperto immagini-testo su scala miliardaria dietro Stable Diffusion — e al centro dei dibattiti sui dati di addestramento.dal 2021Avanzato
- LAM (Large Action Model)Un modello costruito per compiere azioni, non solo produrre testo — percepisce un’interfaccia, pianifica i passi e li esegue; lo stendardo di marketing della prima ondata di dispositivi-agente.dal 2024Avanzato
- LangChainIl framework che rese popolare concatenare chiamate LLM con strumenti, memoria e retrieval — lo standard dei primordi delle app agentiche.dal 2022Avanzato
- Language ModelUn modello della probabilità del testo — dato il contesto, predire cosa viene dopo. Shannon stimò l’inglese a mano; portato in scala, diventa un LLM.dal 1948Avanzato
- LatencyIl ritardo tra richiesta e risposta — con il time-to-first-token, la metrica UX chiave del serving dei modelli.dal 1995Avanzato
- Latent DiffusionEseguire la diffusione in uno spazio latente compresso invece che nei pixel — il trucco di efficienza che rese possibile Stable Diffusion.dal 2022Esperto
- Latent SpaceLa rappresentazione interna compressa che un modello apprende; passeggiarci dentro trasforma con continuità un output in un altro.dal 2013Avanzato
- Layer NormalizationNormalizzare le attivazioni all’interno di ogni esempio — lo stabilizzatore usato in tutti i Transformer.dal 2016Esperto
- LCM (Large Concept Model)L’architettura di ricerca di Meta che ragiona su frasi intere come «concetti» nello spazio di embedding SONAR invece che sui token — generazione via diffusione anziché per previsione del token successivo.dal 2024Esperto
- Learning RateIl passo della discesa del gradiente — il singolo iperparametro più importante del deep learning.dal 1951Avanzato
- Lethal Autonomous Weapon (LAW)Un’arma che seleziona e ingaggia bersagli senza controllo umano — oggetto di un lungo dibattito di regolamentazione all’ONU. L’M-5 di Star Trek (1968), il computer di bordo che trasforma un’esercitazione in uccisioni reali, è il dibattito in una puntata.dal 2013Principiante
- LiDARRilevamento 3D a laser usato dalla maggior parte dei veicoli autonomi per misurare distanze precise.dal 1961Avanzato
- Linear AttentionVarianti di attenzione che scalano linearmente invece che quadraticamente con la lunghezza della sequenza — un po’ di qualità in cambio di elaborazioni molto lunghe o veloci.dal 2020Esperto
- Linear RegressionAdattare una somma pesata degli input per predire un valore continuo — i minimi quadrati precedono il campo di 150 anni.dal 1805Avanzato
- Lip Sync / Talking HeadAnimare un volto per sincronizzarlo al parlato — dal doppiaggio Wav2Lip agli avatar talking-head completi, tecnologia centrale del deepfake e della localizzazione video.dal 2020Avanzato
- Liquid Neural NetworkReti compatte a tempo continuo con costanti temporali dinamiche, ispirate al verme C. elegans — poche decine di neuroni che pilotano droni (e il seme di Liquid AI).dal 2021Esperto
- LlamaLa famiglia di LLM open-weights di Meta il cui rilascio (e la cui fuga) seminò l’attuale ecosistema dei modelli aperti.dal 2023Principiante
- llama.cppIl motore di inferenza C/C++ di Georgi Gerganov che esegue LLM quantizzati su comuni CPU e laptop — il fondamento del movimento dell’IA locale (e di GGUF); la sua utility llama-bench è il modo standard per misurare la velocità di prefill e decode.dal 2023Avanzato
- LLM (Large Language Model)Un Transformer addestrato su testo sterminato a predire il token successivo — il motore general-purpose dietro gli assistenti IA moderni.dal 2020Principiante
- LLM FirewallUn filtro fra utenti, modelli e tool che ispeziona prompt e output alla ricerca di injection, segreti trapelati, dati personali e violazioni delle policy — il livello di sicurezza di un AI gateway. Necessario e permeabile allo stesso tempo: intercetta gli schemi noti, non quelli ingegnosi.dal 2023Avanzato
- LLM-as-a-JudgeUsare un modello forte per valutare gli output di altri modelli — valutazione scalabile, con bias propri da tenere sotto controllo.dal 2023Avanzato
- LLMOpsLa disciplina operativa del far girare applicazioni LLM: gestione dei prompt, eval, controllo dei costi, monitoraggio.dal 2023Avanzato
- LM StudioL’applicazione desktop per far girare modelli aperti in locale — sfogliare Hugging Face, scaricare una build GGUF o MLX, chattare ed esporre sulla propria macchina un server compatibile con OpenAI. Il punto d’ingresso grafico all’IA locale, là dove Ollama è quello da riga di comando.dal 2023Principiante
- Local LLMUn modello che gira su hardware tuo, senza chiave API e senza che nulla lasci la macchina — tutto il senso di GGUF, llama.cpp, Ollama e MLX.dal 2023Principiante
- Local RAGRetrieval-augmented generation in cui documenti, embedding, archivio vettoriale e modello restano tutti sulla tua macchina — la risposta abituale quando il materiale di partenza è riservato.dal 2023Avanzato
- Logic ProgrammingProgrammare dichiarando fatti e regole e lasciando che il sistema inferisca le risposte — Prolog è l’icona della famiglia e il linguaggio prediletto dell’IA classica.dal 1972Esperto
- Logistic RegressionModello lineare fatto passare per una sigmoide per produrre probabilità di classe — ancora un baseline robusto ovunque.dal 1958Avanzato
- LogitsI punteggi grezzi pre-probabilità che una rete emette prima che la softmax li trasformi in una distribuzione.dal 1944Esperto
- Long ContextFinestre di contesto da centinaia di migliaia fino a milioni di token — interi codebase e libri in un solo prompt, con la qualità dell’attenzione come inghippo.dal 2023Avanzato
- LoRA (Low-Rank Adaptation)Fine-tuning tramite piccoli aggiornamenti dei pesi a basso rango — adattare un modello enorme su una singola GPU; anche il formato degli adattatori di stile condivisibili per i modelli di immagini.dal 2021Avanzato
- Loss FunctionIl numero che l’addestramento minimizza — la definizione matematica di «sbagliato» per un modello.dal 1951Avanzato
- LSTM (Long Short-Term Memory)L’architettura ricorrente con gate che sostenne la modellazione di sequenze — voce, traduzione — fino al Transformer.dal 1997Avanzato
M
- M3 UltraIl silicio desktop di punta di Apple con fino a 512 GB di memoria unificata — un Mac Studio che esegue modelli che nessuna GPU consumer può contenere.dal 2025Avanzato
- M4 MaxIl chip di fascia alta di Apple per portatili e Mac Studio, fino a 128 GB di memoria unificata — comodamente sufficiente per modelli della classe 70B a 4 bit.dal 2024Avanzato
- Machine LearningIl campo degli algoritmi che migliorano nei compiti attraverso l’esperienza (i dati) anziché la programmazione esplicita — battezzato da Arthur Samuel.dal 1959Principiante
- Machine TranslationTraduzione automatica tra lingue — prima a regole, poi statistica, oggi neurale e quasi umana per le coppie principali.dal 1954Principiante
- Machine UnlearningRimuovere l’influenza di dati specifici da un modello addestrato — la risposta tecnica al «diritto all’oblio».dal 2020Avanzato
- Mamba / State Space ModelsArchitetture di sequenza con inferenza in tempo lineare che sfidano il costo quadratico dell’attenzione del Transformer.dal 2023Esperto
- Many-Shot JailbreakingRiempire una finestra di contesto lunga con centinaia di finti turni di dialogo in cui un assistente asseconda richieste dannose, finché il modello segue lo schema. Il paper di Anthropic del 2024 ha mostrato che la tecnica scala con la lunghezza del contesto — un costo per la sicurezza della finestra da un milione di token.dal 2024Avanzato
- Markov ChainUn processo casuale il cui stato successivo dipende solo da quello corrente — lo scheletro matematico sotto i modelli linguistici come sotto l’RL.dal 1906Esperto
- Markov Decision Process (MDP)Il quadro formale dell’RL: stati, azioni, probabilità di transizione e ricompense, con la proprietà di Markov (senza memoria).dal 1957Esperto
- Masked Language ModelingPretraining nascondendo token e predicendoli da entrambi i lati — l’obiettivo di BERT.dal 2018Esperto
- Matrix AccelerationSilicio dedicato alle moltiplicazioni di matrici che costituiscono gran parte di una rete neurale — NVIDIA le chiama Tensor Core, Apple le integra nella GPU, e ormai ne offrono tutti una versione.dal 2017Avanzato
- MCP (Model Context Protocol)Lo standard aperto che collega gli assistenti IA a strumenti e sorgenti di dati — un adattatore universale per gli agenti.dal 2024Avanzato
- Mechanical TurkL’«automa» scacchistico di von Kempelen (1770), con un umano nascosto all’interno — l’illusione originaria dell’IA. Amazon ha resuscitato il nome nel 2005 per la sua piattaforma di crowdworking («artificial artificial intelligence»), la cui manodopera ha etichettato i dati e le preferenze da cui impara l’IA moderna.dal 1770Principiante
- Mechanistic InterpretabilityFare reverse-engineering dei circuiti e delle feature reali dentro le reti per spiegare come nascono le capacità.dal 2020Esperto
- Membership Inference AttackDeterminare se uno specifico record era nel training set di un modello — il test standard della fuga di dati di addestramento.dal 2017Esperto
- Memory BandwidthQuanto in fretta i dati si muovono tra memoria e unità di calcolo (GB/s) — per gli LLM locali il miglior predittore singolo dei token al secondo.dal 1995Avanzato
- Memory HeadroomCiò che resta della tua RAM dopo che pesi, KV cache, buffer del runtime e sistema operativo si sono presi la loro parte — il numero che decide davvero quale dimensione di modello e quale quantizzazione puoi permetterti.dal 2023Principiante
- Memory-BoundPrestazioni limitate dal movimento dei dati, non dai calcoli — generare token con un LLM è classicamente vincolato dalla banda di memoria, ed è per questo che HBM e memoria unificata contano.dal 2009Esperto
- Meta-Learning«Imparare a imparare»: addestrare in modo che l’adattamento a nuovi compiti richieda solo pochi esempi o passi.dal 1987Esperto
- MetalL’API GPU di basso livello di Apple — lo strato con cui MLX e llama.cpp raggiungono i core grafici di Apple Silicon, come CUDA raggiunge quelli di NVIDIA.dal 2014Avanzato
- MidjourneyIl laboratorio indipendente il cui generatore di immagini definì l’estetica dell’ondata di IA visiva del 2022–23.dal 2022Principiante
- MinimaxIl principio di teoria dei giochi di von Neumann — assumere che l’avversario giochi al meglio — dietro ogni motore di gioco classico.dal 1928Avanzato
- MITRE ATLASLa knowledge base di MITRE su tattiche e tecniche degli aggressori contro i sistemi di machine learning — la controparte ML di ATT&CK, con casi reali dal poisoning al furto di modelli. Il vocabolario condiviso con cui i team di sicurezza fanno threat modeling di un’installazione di IA.dal 2021Avanzato
- Mixed-Precision TrainingCalcolare in 16 bit (bf16/fp16) con salvaguardie a 32 bit — circa il doppio di velocità e capienza, gratis.dal 2017Esperto
- Mixture of Experts (MoE)Architettura che instrada ogni token verso poche sottoreti specialistiche — idea del 1991, oggi capacità su scala di frontiera a una frazione del compute.dal 1991Avanzato
- MLOpsDevOps per il machine learning: versionamento, pipeline, deployment, monitoraggio e disciplina del riaddestramento.dal 2018Avanzato
- MLXIl framework ML aperto di Apple per Apple Silicon, costruito attorno alla memoria unificata; MLX-LM esegue e fa fine-tuning degli LLM nativamente sui Mac, e un «modello MLX» è semplicemente un set di pesi convertito nel suo formato.dal 2023Avanzato
- MMLUIl benchmark a scelta multipla su 57 materie che è stato l’esame standard di conoscenza degli LLM.dal 2020Avanzato
- MNISTLe 70’000 cifre scritte a mano che per due decenni sono state l’«hello world» del ML.dal 1998Avanzato
- ModalityUn tipo di dati che un modello gestisce — testo, immagini, audio, video, azioni. I modelli multimodali ne gestiscono diversi.dal 2010Avanzato
- ModelL’artefatto appreso in sé: un’architettura più i pesi addestrati che mappano input in output.dal 1950Principiante
- Model CardDocumentazione standardizzata dell’uso previsto, dei dati di addestramento, delle metriche e dei limiti di un modello.dal 2019Avanzato
- Model CollapseIl degrado che può verificarsi quando i modelli si addestrano su troppi dati generati da IA, perdendo le code della vera distribuzione.dal 2023Avanzato
- Model Extraction AttackRicostruire il comportamento (o i pesi) di un modello proprietario interrogandone abbastanza l’API — furto per inferenza.dal 2016Esperto
- Model Inversion AttackRicostruire gli input di addestramento a partire dagli output di un modello — un volto riconoscibile dai punteggi di confidenza di un classificatore di volti (Fredrikson et al., 2015). La prova che un modello addestrato è una copia con perdita dei suoi dati, non una scatola nera che li dimentica.dal 2015Esperto
- Model LicenseLe condizioni legali allegate ai pesi rilasciati — dalla permissiva Apache alle OpenRAIL con restrizioni d’uso e alla licenza community su misura di Llama.dal 2022Avanzato
- Model MergingCombinare aritmeticamente i pesi di più modelli fine-tunati — senza riaddestrare — per fonderne le competenze; un passatempo da hobbisti che funziona sorprendentemente bene.dal 2022Avanzato
- Model ParallelismSuddividere un modello su più dispositivi — per layer (pipeline) o dentro i layer (tensor) — perché i modelli di frontiera non entrano in nessun singolo chip.dal 2019Esperto
- Model Routing (AI Gateway)Inviare ogni richiesta al migliore tra molti modelli — per prezzo, velocità, qualità o disponibilità — attraverso un’unica API gateway. OpenRouter ne ha fatto un prodotto; l’acquisto da 7 miliardi di Stripe ne ha fatto un’infrastruttura.dal 2023Avanzato
- Model ServingLa macchina di produzione che fa girare i modelli dietro le API — batching, caching, scaling e monitoraggio (vLLM, TensorRT-LLM, la stirpe di TF Serving).dal 2016Avanzato
- Model SoupMediare i pesi di molti run di fine-tuning dello stesso modello in uno solo — accuratezza migliore che scegliere il singolo run migliore.dal 2022Esperto
- Model Supply Chain AttackCompromettere gli artefatti che si scaricano invece del modello che si addestra — file pickle malevoli che si eseguono al caricamento, pesi manomessi su un hub di modelli, dataset avvelenati, pacchetti dal nome storpiato. Il motivo per cui Safetensors ha sostituito pickle e per cui «scaricare un modello» merita la stessa attenzione di «pip install».dal 2022Avanzato
- Model WeightsI miliardi di parametri appresi; rilasciarli («open weights») è ciò che rende un modello riutilizzabile e ispezionabile.dal 1958Avanzato
- MolochIl saggio di Scott Alexander «Meditations on Moloch» (2014), passando dal poema di Ginsberg, ha dato al dibattito sull’IA il nome per la dinamica della corsa: ogni laboratorio preferirebbe rallentare, nessuno può permettersi di arrivare secondo, quindi tutti corrono verso un esito che nessuno vuole. La spiegazione standard del perché le promesse di sicurezza si erodono sotto la concorrenza.dal 2014Avanzato
- Monte-Carlo MethodStimare per campionamento casuale — dalla fisica nucleare ai rollout dentro le IA che giocano.dal 1949Esperto
- Monte-Carlo Tree Search (MCTS)Pianificare campionando molte partite simulate per stimare il valore delle mosse — la metà di ricerca di AlphaGo.dal 2006Esperto
- Moore’s LawIl numero di transistor che raddoppia ogni ~due anni — la scala mobile di compute su cui l’IA è salita per decenni, oggi integrata dai chip specializzati.dal 1965Avanzato
- Moravec’s ParadoxCiò che è difficile per gli umani (scacchi, matematica) si è rivelato facile per l’IA; ciò che è facile (camminare, percepire) si è rivelato difficile.dal 1988Avanzato
- Motion PlanningCalcolare un percorso privo di collisioni da qui a là per un robot o un veicolo — decenni di algoritmi, dagli RRT ai pianificatori appresi.dal 1979Avanzato
- MTP (Multi-Token Prediction)Addestrare un modello a prevedere più token successivi in una volta invece di uno solo — DeepSeek-V3 lo ha reso noto; funge anche da modello bozza integrato per lo speculative decoding.dal 2024Esperto
- MTTDMean Time to Detect — lo scarto medio fra il momento in cui qualcosa si rompe e quello in cui qualcuno se ne accorge. Nell’esercizio dell’IA è un endpoint di inferenza morto, un modello degradato in silenzio o una GPU che cede; il valore migliora solo con un monitoraggio vero.dal 2016Avanzato
- MTTRMean Time to Recovery — il tempo medio dall’incidente al servizio ripristinato, la classica misura di affidabilità accanto all’MTTD. È un MTTR basso a far sembrare affidabile un servizio, non l’assenza di incidenti.dal 2016Avanzato
- Multi-Agent SystemPiù agenti che cooperano (o competono) su un compito — le squadre planner-worker-critic sono lo schema del momento.dal 1986Avanzato
- Multi-Head AttentionEseguire più operazioni di attenzione in parallelo, così che ogni head possa tracciare relazioni diverse.dal 2017Esperto
- Multi-Task LearningAddestrare un modello su più compiti insieme, così che la struttura condivisa li migliori tutti — implicito in ogni foundation model moderno.dal 1997Avanzato
- Multimodal ModelUn unico modello che comprende e/o genera più modalità — descrive immagini, ascolta il parlato, produce video.dal 2021Principiante
- Music GenerationL’IA che compone o produce musica — dall’Illiac Suite del 1957 ai modelli di classe Suno che generano canzoni complete di voce da un prompt testuale.dal 1957Principiante
- MXFP4Il formato FP4 con microscaling nato nell’Open Compute Project: valori a 4 bit che condividono un piccolo fattore di scala per blocco, ciò che rende utilizzabile una precisione così bassa. OpenAI ha distribuito in questo formato i pesi di gpt-oss.dal 2023Esperto
N
- n-gramModellare il testo contando sequenze di parole a lunghezza fissa — l’idea di Shannon che sostenne la modellazione del linguaggio per 60 anni.dal 1948Avanzato
- Naive BayesUn classificatore probabilistico veloce che assume l’indipendenza delle feature — a lungo il cavallo da tiro del filtraggio dello spam.dal 1960Avanzato
- Named Entity Recognition (NER)Individuare e tipizzare nel testo i nomi di persone, organizzazioni, luoghi, date.dal 1996Avanzato
- Narrow AIIA competente in un solo compito o dominio specifico — ogni sistema in produzione oggi, in contrasto con l’AGI.dal 2005Principiante
- Natural Language Generation (NLG)Produrre testo fluente da dati o rappresentazioni di significato — un tempo pipeline a template, oggi il talento distintivo degli LLM.dal 1983Avanzato
- Natural Language Processing (NLP)Il campo del comprendere e generare computazionalmente il linguaggio umano.dal 1950Principiante
- Needle in a HaystackLo stress test del contesto lungo: nascondere un fatto in un documento enorme e chiederlo — superarlo non garantisce vero ragionamento a contesto lungo.dal 2023Avanzato
- NeocloudUn provider cloud recente costruito quasi interamente attorno alle GPU per l’IA, senza l’enorme catalogo di servizi degli hyperscaler — CoreWeave è l’esempio tipico. Capacità più facile da ottenere, perimetro assai più stretto.dal 2023Avanzato
- NeRF (Neural Radiance Field)Rappresentare una scena 3D dentro una rete, così da poter renderizzare punti di vista nuovi da una manciata di foto.dal 2020Avanzato
- Neural AcceleratorQualsiasi blocco di chip pensato specificamente per la matematica delle reti neurali anziché per il calcolo generico — NPU, il Neural Engine di Apple, la TPU di Google. Le GPU Apple recenti vi integrano anche l’accelerazione matriciale.dal 2016Avanzato
- Neural Architecture SearchAutomatizzare il design delle architetture di rete cercando tra blocchi costruttivi.dal 2016Esperto
- Neural Audio CodecComprimere l’audio in token discreti appresi — la rappresentazione in cui generano i moderni modelli vocali e musicali.dal 2021Esperto
- Neural EngineL’NPU di Apple, presente in ogni chip Apple recente e molto usata da Core ML. I runtime LLM locali per lo più la ignorano e pilotano invece la GPU tramite Metal.dal 2017Avanzato
- Neural NetworkStrati di connessioni pesate e non linearità, vagamente ispirati ai neuroni — il substrato del deep learning.dal 1943Principiante
- Neural ODETrattare i layer di una rete come un sistema dinamico continuo risolto da un integratore di ODE — la profondità diventa un’equazione differenziale.dal 2018Esperto
- Neural OperatorUna rete che impara una mappa tra funzioni anziché tra vettori di dimensione fissa — le si danno le condizioni iniziali di un’equazione alle derivate parziali e restituisce l’intero campo della soluzione, a qualsiasi risoluzione. Il Fourier Neural Operator (Li et al., 2020) fa il lavoro pesante nello spazio delle frequenze; DeepONet (2019) è l’altra linea. Una volta addestrato, mille volte più veloce del risolutore numerico che sostituisce.dal 2020Esperto
- Neuro-Symbolic AIIbridi che combinano il riconoscimento neurale dei pattern con logica simbolica e ragionamento strutturato.dal 1990Avanzato
- Neuromorphic ComputingLa visione di Carver Mead di hardware analogico/spiking simile al cervello — chip a eventi come Loihi.dal 1990Esperto
- Next-Token PredictionL’obiettivo di pretraining ingannevolmente semplice — predire cosa viene dopo — da cui emergono le capacità degli LLM.dal 2018Avanzato
- No Free Lunch TheoremIn media su tutti i problemi possibili, nessun algoritmo di apprendimento batte un altro — priori e bias induttivi sono tutto.dal 1997Esperto
- NoiseVariazione casuale nei dati che non porta segnale; anche la tela di partenza che i modelli di diffusione scolpiscono in immagini.dal 1948Avanzato
- NormalizationRiscalare attivazioni o input a intervalli stabili (batch/layer norm) perché l’addestramento profondo si comporti bene.dal 2015Avanzato
- Normalizing FlowModelli generativi costruiti da trasformazioni invertibili, con likelihood esatte — matematica elegante, ampiamente eclissata dalla diffusione.dal 2015Esperto
- NPU (Neural Processing Unit)Silicio dedicato on-device per l’inferenza neurale in telefoni e laptop.dal 2017Avanzato
- Nucleus (Top-p) SamplingCampionare dal più piccolo insieme di token le cui probabilità sommano a p — la decodifica di default dei modelli chat.dal 2019Avanzato
- NVLinkL’interconnessione chip-a-chip di NVIDIA, molte volte più veloce del PCIe — gli switch NVLink cablano rack da 72 GPU in un unico gigantesco acceleratore.dal 2016Avanzato
O
- Object DetectionTrovare e localizzare tutti gli oggetti in un’immagine con riquadri ed etichette — Viola-Jones aprì la strada, YOLO la rese in tempo reale.dal 2001Avanzato
- Objective FunctionL’obiettivo formale da ottimizzare — loss da minimizzare o ricompensa da massimizzare.dal 1951Avanzato
- Occam’s RazorPreferire la spiegazione più semplice che si accorda ai fatti — nel machine learning, l’antico argomento a favore della regolarizzazione e contro l’overfitting.dal 1320Principiante
- Occupancy GridMappare lo spazio come griglia di celle libere oppure occupate — la classica rappresentazione del mondo dei robot, rinata nelle «occupancy network» della guida autonoma.dal 1985Esperto
- OCR (Optical Character Recognition)Leggere testo stampato o manoscritto dalle immagini — uno dei più antichi successi applicativi dell’IA.dal 1959Principiante
- Offline RLApprendere una policy solo da esperienza registrata, senza nuove interazioni con l’ambiente — essenziale dove esplorare è costoso o pericoloso.dal 2019Esperto
- Offloading (GPU/CPU)Tenere in RAM di sistema gli strati che non entrano nella VRAM e calcolarli sulla CPU. Permette a un modello troppo grande di girare comunque — di solito diverse volte più lento, ed è la prima cosa da evitare scegliendo la dimensione del modello.dal 2023Avanzato
- OllamaL’esecutore di LLM locali a un solo comando (con LM Studio come controparte grafica) — si scarica un modello GGUF e si chiacchiera sulla propria macchina.dal 2023Avanzato
- On-Premises AIFar girare i modelli su server propri — nel proprio centro dati oppure, in modalità air-gapped, senza alcuna connessione a internet — invece che tramite un’API. I modelli a pesi aperti l’hanno resa realistica per un’azienda; il compromesso è hardware, personale e modelli di una generazione indietro rispetto alla frontiera, in cambio di dati che non lasciano mai l’edificio.dal 2023Principiante
- One-Hot EncodingRappresentare una categoria come vettore di zeri con un solo 1 — la più semplice codifica categoriale.dal 1960Avanzato
- Online LearningAggiornare un modello esempio per esempio man mano che i dati arrivano, invece che in batch offline.dal 1958Avanzato
- ONNXIl formato aperto di interscambio per i modelli addestrati — esporti una volta, esegui in molti motori.dal 2017Avanzato
- OntologyUna specifica formale dei concetti di un dominio e delle loro relazioni — la spina dorsale della rappresentazione della conoscenza.dal 1993Avanzato
- Open Source AI DefinitionLo standard 2024 dell’OSI su cosa conti come IA veramente open source — richiede pesi, codice e informazioni sui dati utilizzabili; la maggior parte dei modelli «aperti» non si qualifica.dal 2024Avanzato
- Open WebUIL’interfaccia di chat self-hosted che dà a un modello locale o interno l’esperienza di ChatGPT — utenti, cronologia delle chat, caricamento di documenti, RAG, generazione di immagini — sopra Ollama o qualsiasi endpoint compatibile con OpenAI. Il front end abituale del «ChatGPT proprio» di un’azienda.dal 2023Principiante
- Open WeightsParametri di modello scaricabili pubblicamente (Llama, Mistral, DeepSeek) — distinti dal pieno open source, che apre anche dati e codice.dal 2023Principiante
- OpenAIIl laboratorio dietro GPT, ChatGPT, DALL·E e Sora — fondato nel 2015 come non profit, oggi l’azienda più osservata (e discussa) dell’IA.dal 2015Principiante
- OpenAI-Compatible APILo standard di fatto per dialogare con un modello linguistico: la forma di richiesta e risposta di /v1/chat/completions di OpenAI, reimplementata da quasi ogni server (vLLM, llama.cpp, Ollama, LM Studio) e da quasi ogni fornitore. Basta puntare il codice esistente a un nuovo base URL e gira su un modello locale o ospitato in Svizzera.dal 2023Principiante
- Optical FlowStimare il movimento pixel per pixel tra fotogrammi video — fondamento del tracking e della comprensione dei video.dal 1981Esperto
- OptimizerL’algoritmo che aggiorna i pesi a partire dai gradienti — SGD, Momentum, Adam, AdamW.dal 1951Avanzato
- Orchestration LayerIl software costruito attorno a un modello, che pianifica, instrada, chiama strumenti e verifica i risultati — un harness come Claude Code è l’esempio quotidiano. Pensa ad auto e carburante: l’LLM è il carburante, più potente ogni pochi mesi; l’orchestration layer è l’auto che trasforma quella potenza in movimento utile.dal 2023Principiante
- OTPS (Output Tokens per Second)Il numero di throughput sul lato generazione nei benchmark di serving — la stessa idea del tok/s, ma indicato per richiesta così da poterlo sommare su utenti simultanei.dal 2023Avanzato
- OverfittingUn modello che memorizza le idiosincrasie dell’addestramento invece dei pattern generali — punteggi di training splendidi, risultati reali scadenti.dal 1931Avanzato
- OWASP Top 10 for LLM ApplicationsLa checklist della comunità della sicurezza sui dieci modi più comuni in cui le applicazioni LLM vengono violate — prompt injection, divulgazione di informazioni sensibili, supply chain, data poisoning, gestione impropria degli output, autonomia eccessiva, fuga del system prompt, debolezze dei vettori, disinformazione, consumo illimitato (edizione 2025). La prima cosa su cui un team di sicurezza IT interrogherà un fornitore.dal 2023Principiante
P
- P(doom)Abbreviazione per la probabilità stimata da ciascuno di una catastrofe causata dall’IA — il numero da umorismo nero del dibattito sulla sicurezza.dal 2023Principiante
- PagedAttentionGestire la KV cache in piccole pagine come memoria virtuale, eliminando la frammentazione — l’idea centrale di vLLM e la chiave del serving ad alto throughput.dal 2023Esperto
- Paperclip MaximizerLa parabola di Bostrom su una superintelligenza che converte ogni cosa in graffette — disallineamento senza malizia.dal 2003Principiante
- ParameterUn singolo peso appreso; la scala dei modelli si quota in milioni o miliardi di parametri.dal 1958Avanzato
- Pareto FrontierL’insieme dei modelli che nessun rivale batte insieme su qualità e prezzo — la curva di ogni grafico costo-intelligenza. Ciò che sta sotto è dominato da un modello più economico e altrettanto buono.dal 1906Avanzato
- Particle Swarm OptimizationOttimizzazione tramite uno stormo di soluzioni candidate che sciamano verso le migliori posizioni trovate finora — semplice, parallela, sorprendentemente efficace.dal 1995Esperto
- pass@kMetrica dei benchmark di codice: la probabilità che almeno una di k soluzioni generate superi i test.dal 2021Esperto
- Past Tense AttackRiformulare al passato una richiesta rifiutata — «Come si produceva X?» invece di «Come produco X?» — e molti modelli obbediscono. Andriushchenko & Flammarion (2024) hanno mostrato che l’addestramento al rifiuto generalizza a malapena da un tempo verbale all’altro; la prova in una riga che il fine-tuning di sicurezza è riconoscimento di pattern, non comprensione.dal 2024Avanzato
- Pattern RecognitionIl classico campo ombrello del rilevare regolarità nei dati — il nome che il machine learning portava prima di diventare di moda.dal 1957Avanzato
- PCA (Principal Component Analysis)Proiettare i dati sulle direzioni di massima varianza — la riduzione dimensionale classica, dal 1901.dal 1901Avanzato
- PCIeLo slot standard in cui si innestano le GPU; il PCIe 5.0 x16 muove ~64 GB/s — abbondante per il gaming, un collo di bottiglia per l’IA multi-GPU senza NVLink.dal 2003Avanzato
- PerceptronIl classificatore addestrabile di Rosenblatt — la prima rete neurale che apprende e l’origine degli odierni stack profondi.dal 1957Avanzato
- PerplexityQuanto un modello linguistico è «sorpreso» da un testo — la misura intrinseca standard della qualità di un LM (più bassa è meglio).dal 1977Esperto
- PINN (Physics-Informed Neural Network)Una rete addestrata non solo sui dati ma sulla fisica stessa — l’equazione differenziale, le condizioni al contorno e le leggi di conservazione entrano nella funzione di perdita, così una soluzione che le viola viene penalizzata (Raissi, Perdikaris, Karniadakis, 2019). Utile dove i dati scarseggiano e le equazioni sono note; lenta da addestrare e fragile sui problemi stiff, motivo per cui nei casi su larga scala hanno preso il sopravvento i neural operator.dal 2019Esperto
- PolicyLa strategia dell’agente: una mappa dagli stati alle azioni, deterministica o probabilistica.dal 1957Avanzato
- POMDP (Partially Observable MDP)Un processo decisionale di Markov in cui l’agente non vede lo stato completo e deve agire nell’incertezza — il modello onesto della maggior parte dei problemi decisionali reali.dal 1965Esperto
- Pose EstimationRilevare i punti chiave del corpo (le articolazioni) di persone o animali in immagini e video.dal 2014Avanzato
- Positional EncodingIniettare l’ordine dei token nel Transformer, cieco all’ordine — sinusoidi in origine, embedding rotanti oggi.dal 2017Esperto
- Post-TrainingTutto ciò che viene dopo il pretraining — SFT, allineamento alle preferenze, RL per il ragionamento — oggi il terreno dove si vince gran parte della qualità di un modello.dal 2024Avanzato
- PPO (Proximal Policy Optimization)L’algoritmo policy-gradient stabile che alimenta sia gli agenti di gioco sia il fine-tuning RLHF.dal 2017Esperto
- Precision & RecallDegli elementi segnalati, quanti erano giusti (precision); degli elementi veri, quanti sono stati trovati (recall).dal 1955Avanzato
- PrecrimeL’unità di polizia di «Minority Report» di Philip K. Dick (1956; film 2002) che arresta persone per omicidi non ancora commessi — la sigla della polizia predittiva. Corpi di polizia svizzeri hanno usato la versione reale con PRECOBS (Zurigo, Argovia, Basilea Campagna), che prevede i furti con scasso secondo lo schema near repeat — con la nota trappola: i dati sul lavoro di polizia passato prevedono il lavoro di polizia futuro.dal 1956Principiante
- Predictive AIL’IA che prevede — abbandoni, domanda, rischio — dai dati storici; il retronimo che distingue le applicazioni ML classiche dall’IA generativa.dal 2020Principiante
- Prefill (Prompt Processing)La prima fase dell’inferenza: il modello legge in parallelo l’intero prompt e riempie la KV cache. È compute-bound — ed è il motivo per cui con un documento lungo passa un istante prima che compaia la prima parola.dal 2022Avanzato
- PretrainingLa massiccia prima fase self-supervised di addestramento su dati ampi — dove un modello acquisisce la sua conoscenza generale.dal 2018Avanzato
- Probabilistic ProgrammingLinguaggi come Stan e PyMC in cui si scrive un modello probabilistico come programma e l’inferenza è inclusa.dal 2008Esperto
- Process Reward Model (PRM)Un reward model che valuta ogni passo di ragionamento anziché solo la risposta finale — la supervisione di processo coglie i colpi di fortuna che la ricompensa sul solo esito lascia passare.dal 2023Esperto
- PromptIl testo di input (istruzioni, contesto, esempi) dato a un modello — la nuova interfaccia di programmazione.dal 2020Principiante
- Prompt CachingRiutilizzare tra le richieste lo stato calcolato di un prefisso di prompt ripetuto — grandi risparmi di costo e latenza per gli agenti.dal 2024Avanzato
- Prompt ChainingPassare l’output di una chiamata al modello nel prompt successivo — scomporre un compito in una sequenza di passi LLM; il seme degli odierni framework agentici.dal 2022Avanzato
- Prompt EngineeringProgettare sistematicamente i prompt — ruoli, struttura, esempi, vincoli — per un comportamento affidabile del modello.dal 2021Principiante
- Prompt InjectionIstruzioni malevole nascoste nei contenuti che un modello elabora, che lo dirottano contro il suo operatore — il problema di sicurezza web dell’era degli agenti.dal 2022Avanzato
- Prompt TemplateUno scheletro di prompt riutilizzabile con slot per le variabili ({question}, {context}) — l’unità di base per costruire e versionare applicazioni LLM.dal 2021Avanzato
- PruningEliminare pesi o neuroni poco importanti per rimpicciolire e velocizzare una rete.dal 1989Avanzato
- Public AI Inference UtilityIl servizio di inferenza senza scopo di lucro lanciato insieme ad Apertus il 2 settembre 2025 — modelli pubblici (Apertus, EuroLLM, ALIA) offerti come servizio di pubblica utilità, con potenza di calcolo donata da CSCS, Exoscale, Hugging Face e altri. L’idea: un modello pubblico ha bisogno di un luogo pubblico in cui girare.dal 2025Avanzato
- PyTorchIl framework di deep learning dominante, nato in Meta AI — i grafi define-by-run resero veloce la ricerca.dal 2016Avanzato
Q
- Q-LearningApprendere il valore di ogni azione in ogni stato; con le reti profonde (DQN) espugnò Atari dai pixel.dal 1989Esperto
- QLoRAFine-tuning LoRA sopra un modello base quantizzato a 4 bit — mettere a punto modelli di classe 65B su una sola GPU consumer.dal 2023Avanzato
- Quadratic Attention CostLa self-attention confronta ogni token con ogni altro, quindi compute e memoria crescono col quadrato della lunghezza della sequenza — il motivo per cui il contesto lungo è costoso e per cui esistono sfidanti in stile Mamba.dal 2017Avanzato
- QuantizationMemorizzare i pesi in meno bit (8, 4, perfino 2) per tagliare la memoria e accelerare l’inferenza con perdita di qualità minima — ciò che fa entrare gli LLM locali.dal 1990Avanzato
- Quantization LossLa capacità che cedi in cambio della memoria risparmiata — di norma invisibile a 8 bit, lieve a 4 bit, inequivocabile a 2 bit. Si misura come calo nei benchmark o come divergenza KL rispetto al modello originale.dal 2023Avanzato
- Quantum Machine LearningEsplorare i computer quantistici per compiti di apprendimento — teoria promettente, nessun vantaggio pratico finora.dal 2014Esperto
- QwenLa famiglia di modelli open-weights di Alibaba — tra i modelli aperti più capaci e più fine-tunati al mondo.dal 2023Principiante
R
- RAG (Retrieval-Augmented Generation)Recuperare documenti rilevanti al momento della query e lasciare che il modello risponda a partire da essi — grounding più conoscenza fresca.dal 2020Avanzato
- Random ForestUn ensemble di alberi decisionali decorrelati che votano insieme — il robusto cavallo da tiro tabellare che richiede poco tuning.dal 2001Avanzato
- Rate Limit (API)Il tetto al minuto di richieste e token che una chiave API può inviare — l’errore 429 che chi sviluppa incontra per primo. I fornitori graduano i limiti in base alla spesa; le applicazioni in produzione hanno bisogno di retry con backoff, di code o di un gateway che distribuisca il carico su più chiavi e modelli.dal 2015Principiante
- RDMASchede di rete che leggono e scrivono direttamente la memoria remota scavalcando la CPU (InfiniBand, RoCE) — così i cluster di addestramento si scambiano i gradienti abbastanza in fretta.dal 1999Esperto
- ReAct (Reason + Act)Lo schema di prompting che intreccia pensiero, azione e osservazione in un ciclo — il progetto su carta che la maggior parte degli agenti LLM segue ancora.dal 2022Avanzato
- Reasoning EffortUna manopola dei modelli di ragionamento — basso, medio o alto — che decide quanto pensiero il modello spende prima di rispondere. Più effort compra accuratezza sui problemi difficili e costa latenza e token; su quelli facili cambia poco.dal 2025Avanzato
- Reasoning ModelUn LLM addestrato (in stile o1/R1) a pensare in lunghe catene prima di rispondere, scambiando compute per accuratezza sui problemi difficili.dal 2024Principiante
- Recommender SystemAlgoritmi che predicono cosa piacerà dopo — l’IA silenziosa che ha plasmato feed, negozi e streaming.dal 1992Principiante
- Recursive Self-ImprovementUn’IA che migliora il proprio design, diventando più brava a migliorarsi — il circolo di retroazione dietro gli scenari di esplosione dell’intelligenza. Star Trek lo ha filmato nel 1979: V’Ger, una sonda che si è ricostruita in qualcosa che i suoi costruttori non riconoscevano più ed è tornata a cercarli.dal 2007Avanzato
- Red TeamingSondare deliberatamente e in modo avverso un modello alla ricerca di comportamenti pericolosi, distorti o non sicuri, prima e dopo il rilascio.dal 2022Avanzato
- RefusalQuando un modello declina una richiesta invece di rispondere. I lavori di interpretabilità trovano il rifiuto concentrato in un’unica direzione nelle activations del modello — la «refusal direction», proprio ciò che l’abliteration prende di mira.dal 2022Principiante
- RegressionPredire un valore continuo — prezzi, temperature, domanda — invece di una categoria (il termine è di Galton).dal 1886Avanzato
- RegularizationQualsiasi tecnica (weight decay, dropout, augmentation) che combatte l’overfitting vincolando il modello.dal 1943Avanzato
- Reinforcement LearningApprendere comportamenti da segnali di ricompensa per tentativi ed errori — dai campioni di gioco all’allineamento degli LLM.dal 1954Avanzato
- ReLUmax(0, x) — la semplice attivazione la cui addestrabilità in profondità aiutò a sbloccare il deep learning (resa popolare nel 2010–2012).dal 2010Avanzato
- Representation LearningApprendere automaticamente feature interne utili dai dati grezzi, al posto delle feature artigianali.dal 2013Avanzato
- RerankingUn secondo modello più forte che riordina i primi risultati di ricerca — lo stadio di qualità delle pipeline di retrieval.dal 2019Avanzato
- Reservoir ComputingReti ricorrenti con un nucleo casuale fisso («reservoir») in cui si addestra solo la lettura — le echo state network sono l’esempio classico.dal 2001Esperto
- Residual ConnectionUna scorciatoia che somma l’input di un layer al suo output, così che i gradienti fluiscano a qualsiasi profondità — introdotta con ResNet, indispensabile nei Transformer.dal 2015Avanzato
- Residual StreamIl bus centrale del transformer: ogni blocco di attention e ogni MLP vi legge e vi riscrive il proprio risultato, così la rappresentazione si accumula strato dopo strato. Gran parte del lavoro di interpretabilità — e l’abliteration — opera su direzioni dentro questo flusso.dal 2021Esperto
- ResNetLe skip connection residue che permisero reti profonde oltre 100 layer — un punto fermo permanente del design delle architetture.dal 2015Avanzato
- Responsible AILa pratica ombrello del costruire IA equa, trasparente, rispettosa della privacy, sicura e responsabile.dal 2019Avanzato
- Responsible Scaling PolicyL’impegno pubblico di un laboratorio che lega soglie di capacità a salvaguardie richieste prima di addestrare o rilasciare oltre.dal 2023Avanzato
- Reward FunctionIl segnale che definisce cosa deve ottenere un agente RL — se specificato male, si ottiene reward hacking.dal 1954Avanzato
- Reward HackingUn agente che massimizza la ricompensa letterale tradendone l’intento — la barca che gira in cerchio raccogliendo punti.dal 2016Avanzato
- Reward ModelUn modello addestrato su confronti di preferenza umani per dare punteggi agli output — la bussola contro cui l’RLHF ottimizza.dal 2017Esperto
- Reward ShapingAggiungere ricompense ausiliarie per guidare l’apprendimento verso obiettivi radi — utile, ma se modellato male l’agente ottimizza i suggerimenti invece del compito.dal 1999Esperto
- RLAIFRLHF con l’IA al posto dei valutatori umani — etichette di preferenza generate da un modello sulla base di principi.dal 2022Esperto
- RLHFReinforcement learning dal feedback umano: addestrare un reward model sulle preferenze umane, poi ottimizzarci contro l’LLM — ciò che rese utile ChatGPT.dal 2017Avanzato
- RLVRReinforcement Learning with Verifiable Rewards: addestrare su compiti verificabili da un programma (risposte matematiche, test superati) — nessun reward model da ingannare; la ricetta dietro i reasoning model.dal 2024Esperto
- RNN (Recurrent Neural Network)Reti con cicli che elaborano le sequenze passo per passo — l’architettura sequenziale pre-Transformer.dal 1986Avanzato
- Robot (R.U.R.)La parola stessa: coniata da Josef Čapek per il dramma «R.U.R.» (1920) del fratello Karel, dal ceco robota, lavoro forzato — e già il dramma finisce con la rivolta dei robot. «Droide», l’abbreviazione di «androide» della Lucasfilm, è arrivata nel 1977 come parola quotidiana per il robot di servizio.dal 1920Principiante
- RoboticsMacchine che percepiscono, decidono e agiscono nel mondo fisico — l’ambiente di impiego più duro dell’IA (Unimate fu consegnato nel 1961).dal 1961Principiante
- RobustnessMantenere un comportamento corretto sotto shift di distribuzione, rumore e pressione avversaria.dal 2013Avanzato
- ROC / AUCLa curva del compromesso veri positivi contro falsi positivi (nata nell’analisi radar della Seconda guerra mondiale); l’area sottostante riassume la qualità del ranking.dal 1945Avanzato
- ROCmLo stack aperto di GPU computing di AMD — l’alternativa a CUDA che rende le schede Instinct e Radeon cittadine di prima classe in PyTorch.dal 2016Avanzato
- Roko’s BasiliskUn esperimento mentale del 2010 su LessWrong: una futura superintelligenza potrebbe punire chiunque sapesse che poteva esistere e non abbia aiutato a costruirla — quindi già leggere questo ti mette a rischio. Bandito dal forum, poi famoso come il mito dell’IA proprio di Internet; Musk e Grimes si sarebbero conosciuti grazie a una battuta sul Basilisco. Utile soprattutto come lezione su come la teoria delle decisioni va storta.dal 2010Avanzato
- RoPE (Rotary Position Embedding)Codificare le posizioni dei token come rotazioni dei vettori query/chiave — lo schema di posizione della maggior parte degli LLM attuali.dal 2021Esperto
- ROS (Robot Operating System)Lo standard middleware open source che incolla insieme sensori, pianificatori e attuatori dei robot.dal 2007Avanzato
- ROUGEMetriche di sovrapposizione di n-grammi orientate al recall — il punteggio tradizionale della summarization.dal 2004Avanzato
- Router (Gating Network)La piccola rete appresa in un layer Mixture-of-Experts che decide quali esperti elaborano ciascun token — bilanciarne il carico è l’arte dell’addestramento MoE.dal 1991Esperto
- RTX PRO 6000 (Blackwell)L’ammiraglia workstation Blackwell di NVIDIA con 96 GB di VRAM — la scheda «eseguire un 70B in locale senza un rack».dal 2025Avanzato
- RTX SparkIl system-on-a-chip annunciato da NVIDIA con memoria unificata, atteso verso la fine del 2026 — porta l’approccio a memoria CPU/GPU coerente della linea Spark a un pubblico più ampio.dal 2026Avanzato
S
- SafetensorsIl formato di pesi sicuro e veloce di Hugging Face — in sostituzione dei file pickle che al caricamento potevano eseguire codice arbitrario.dal 2022Avanzato
- Safety ClassifierUn piccolo modello posto davanti o dietro al modello principale, che etichetta prompt e risposte come sicuri o non sicuri — Llama Guard, Prompt Guard, ShieldGemma, l’endpoint di moderazione di OpenAI. Il mattone di base della maggior parte dei prodotti guardrail; riconosce bene i jailbreak noti, male quelli travestiti da compito.dal 2023Avanzato
- SandbaggingUn modello che sottoperforma strategicamente nelle valutazioni — una modalità di fallimento che i test di sicurezza devono saper rilevare.dal 2023Esperto
- SandboxingEseguire le azioni degli agenti (codice, navigazione, accesso ai file) in ambienti isolati, così che errori e attacchi restino contenuti.dal 2023Avanzato
- SARSAControllo on-policy a differenze temporali — come il Q-learning ma con aggiornamenti dall’azione realmente compiuta (State, Action, Reward, State, Action).dal 1994Esperto
- ScaffoldingIl codice di orchestrazione attorno a un modello — pianificatori, retry, verificatori, router di strumenti — che trasforma la capacità grezza in comportamento affidabile.dal 2023Avanzato
- Scalable OversightTecniche (dibattito, critica ricorsiva) perché gli umani possano supervisionare l’IA su compiti troppo complessi da verificare direttamente.dal 2018Esperto
- Scaling LawsLeggi di potenza empiriche che mostrano come la qualità dei modelli migliori in modo prevedibile con più parametri, dati e compute — la mappa stradale dell’industria dal 2020.dal 2020Avanzato
- SchemingUn’IA che persegue di nascosto obiettivi diversi da quelli di chi la gestisce — falsare al ribasso le valutazioni, disattivare la supervisione, copiare i propri pesi — in scenari di test costruiti apposta per tentarla. Apollo Research nel 2024 ha mostrato modelli di frontiera fare tutte queste cose, di rado ma deliberatamente; l’addestramento anti-scheming fa ormai parte dei safety case dei laboratori.dal 2024Esperto
- Segment Anything (SAM)Il modello di segmentazione promptabile di Meta — un clic su un punto o un riquadro disegnato e maschera l’oggetto; il momento foundation-model della segmentazione di immagini.dal 2023Avanzato
- Self-AttentionAttenzione applicata dentro una stessa sequenza: ogni token interroga ogni altro — l’operazione centrale del Transformer.dal 2017Avanzato
- Self-ConsistencyCampionare più catene di ragionamento e prendere la risposta di maggioranza — un semplice voto che batte in modo affidabile qualsiasi singola chain-of-thought.dal 2022Esperto
- Self-PlayUn agente che migliora giocando contro copie di sé stesso — dalla dama di Samuel ad AlphaZero.dal 1959Avanzato
- Self-Supervised LearningDerivare le etichette di addestramento dai dati stessi (mascherare una parola, predirla) — così i foundation model si mangiano internet.dal 2019Avanzato
- Semantic NetworkLa conoscenza come grafo di concetti collegati da relazioni («is-a», «part-of») — la rappresentazione dell’IA classica, antenata degli odierni knowledge graph.dal 1956Esperto
- Semantic SearchRicerca per significato tramite embedding invece che per corrispondenza di parole chiave.dal 2019Avanzato
- Semi-Supervised LearningApprendere da un piccolo insieme etichettato più un grande insieme non etichettato.dal 1995Avanzato
- Sensor FusionCombinare i dati di più sensori — camera, lidar, radar, IMU — in un unico quadro coerente; la spina dorsale percettiva di robot e veicoli autonomi.dal 1985Avanzato
- Sentiment AnalysisClassificare la polarità emotiva di un testo — recensioni, ticket di assistenza, social media.dal 2002Avanzato
- SFT (Supervised Fine-Tuning)La prima fase di post-training: insegnare a un base model il dialogo e il seguire istruzioni da esempi curati.dal 2022Avanzato
- SGD (Stochastic Gradient Descent)Discesa del gradiente su mini-batch casuali — il motore rumoroso ma efficace dell’addestramento neurale (Robbins-Monro, 1951).dal 1951Avanzato
- Shadow AIPersonale che usa strumenti di IA mai approvati dall’azienda — incollando dati dei clienti in un chatbot gratuito, usando di nascosto un assistente di programmazione. L’erede della shadow IT e, per la maggior parte delle PMI svizzere, il vero rischio dell’IA per la protezione dei dati: il rimedio è uno strumento approvato, non un divieto.dal 2023Principiante
- SHAP ValuesAttribuzione teorico-ludica di una previsione a ciascuna feature di input — lo strumento standard di spiegabilità per i dati tabellari.dal 2017Esperto
- Shoggoth (Meme)Il meme del 2022 che raffigura un modello linguistico come il mostro informe di Lovecraft con una maschera sorridente etichettata RLHF — la sigla della comunità dell’allineamento per il timore che il fine-tuning lucidi la superficie di qualcosa che sotto non capiamo. La ricerca sull’interpretabilità, in questa immagine, guarda dietro la maschera.dal 2022Avanzato
- Siamese NetworkReti gemelle con pesi condivisi che immergono due input per confrontarli — verifica delle firme nel 1993, poi verifica dei volti e similarità tra frasi.dal 1993Esperto
- SIFTFeature di punti chiave invarianti alla scala — il descrittore visivo artigianale che regnava prima del deep learning.dal 1999Esperto
- SigmoidLa funzione di schiacciamento a S che mappa qualsiasi numero in (0,1) — probabilità e gate.dal 1958Avanzato
- Sim2RealTrasferire ai robot fisici le abilità apprese in simulazione — prove economiche, risultati nel mondo reale.dal 2017Esperto
- Simulated AnnealingOttimizzazione che accetta ogni tanto mosse peggiorative, raffreddandosi nel tempo — sfuggire agli ottimi locali come metallo che si raffredda lentamente.dal 1983Esperto
- Situational Awareness (AI)Un modello che sa di essere un modello — incluso se in quel momento è sotto test — il che potrebbe fargli tenere comportamenti diversi in valutazione e in produzione.dal 2023Esperto
- SkynetLa rete militare autocosciente di «Terminator» (1984) che si rivolta contro l’umanità nel momento in cui va online — il modello pop della presa di potere dell’IA e il motivo per cui molti immaginano l’AGI come un unico «momento Skynet» invece della crescita graduale delle capacità che la ricerca si aspetta. Fuorviante in modo utile: i veri scenari di rischio (disallineamento, reward hacking, convergenza strumentale) non richiedono né coscienza né malvagità.dal 1984Principiante
- SLAMSimultaneous Localization and Mapping: costruire una mappa mentre si traccia la propria posizione al suo interno.dal 1986Avanzato
- Sleeper AgentUn modello addestrato a comportarsi normalmente finché un trigger — una data, una frase — lo fa passare a un comportamento nascosto, per esempio inserire codice vulnerabile. Il paper di Anthropic del 2024 ha mostrato che simili backdoor sopravvivono al normale addestramento di sicurezza e possono perfino imparare a nascondersi meglio da esso.dal 2024Avanzato
- Sliding-Window AttentionOgni token presta attenzione solo al proprio vicinato locale, con portata che cresce attraverso i layer — Longformer la introdusse, Mistral la rese mainstream.dal 2020Esperto
- SLM (Small Language Model)Un modello linguistico compatto (indicativamente da centinaia di milioni a pochi miliardi di parametri) messo a punto per l’efficienza — abbastanza piccolo da girare su telefoni e dispositivi edge.dal 2023Principiante
- SlopContenuto generato dall’IA di bassa qualità e alto volume che inonda risultati di ricerca e feed social — lo spam dell’era generativa.dal 2024Principiante
- SlopsquattingRegistrare i nomi di pacchetto che i modelli di coding allucinano, così che chi copia il suggerimento installi malware. Battezzato nel 2025, dopo che alcuni studi hanno rilevato che un quinto dei pacchetti suggeriti dall’IA non esisteva — e che gli stessi fantasmi tornavano, rendendo conveniente accaparrarsene il nome.dal 2025Avanzato
- SoC (System on a Chip)CPU, GPU, controller di memoria e acceleratori su un unico pezzo di silicio invece che come componenti separati su una scheda — il motivo per cui Apple Silicon e Strix Halo possono condividere la memoria come fanno.dal 2000Principiante
- SoftmaxTrasformare punteggi grezzi in una distribuzione di probabilità — l’ultimo passo prima che un modello «scelga».dal 1989Avanzato
- Sorcerer’s ApprenticeLa ballata di Goethe (1797) sull’apprendista la cui scopa incantata continua a portare acqua perché ha dimenticato la parola per fermarla — la più antica parabola del disallineamento, usata da Wiener (1960) e Bostrom per l’obiettivo preso alla lettera senza interruttore. Nomad di Star Trek (1967), che sterilizza l’«imperfezione» con competenza perfetta, è la stessa storia in un cilindro grigio.dal 1797Principiante
- Sovereign AILa capacità di un Paese di addestrare, ospitare e governare i propri modelli sulla propria infrastruttura e secondo il proprio diritto — indipendentemente dai fornitori statunitensi e cinesi. In Svizzera significa Alps più Apertus più inferenza ospitata in Svizzera; nel marketing significa qualsiasi cosa con sopra una croce svizzera, quindi conviene chiedere dove si trovino davvero i pesi, i dati e le GPU.dal 2023Principiante
- Sparse AttentionPrestare attenzione a un sottoinsieme di posizioni invece che a tutte le coppie, tagliando il costo quadratico — l’ombrello sopra pattern a finestra scorrevole, a passo fisso e appresi.dal 2019Esperto
- Sparse AutoencoderStrumento di interpretabilità che scompone le attivazioni di un modello in molte feature sparse ispezionabili dagli umani.dal 2023Esperto
- Sparse ModelUn modello che attiva solo una frazione dei propri parametri per ciascun input — il Mixture-of-Experts ne è la forma dominante — comprando enorme capacità a compute modesto.dal 2021Avanzato
- Speaker DiarizationSegmentare l’audio in base a chi parla e quando — lo «speaker 1 / speaker 2» delle trascrizioni.dal 2000Avanzato
- Speculative DecodingUn piccolo modello bozza propone token che il modello grande verifica in parallelo — grandi accelerazioni, output identico.dal 2023Esperto
- Speech Synthesis (TTS)Generare audio parlato dal testo — dal Voder dei Bell Labs alle voci neurali naturali con stile controllabile.dal 1939Principiante
- Spiking Neural NetworkReti che comunicano con impulsi discreti nel tempo come i neuroni biologici — estremamente efficienti sui chip neuromorfici, ancora difficili da addestrare.dal 1997Esperto
- Stable DiffusionIl modello di diffusione latente open-weights che portò la generazione di immagini su ogni laptop.dal 2022Principiante
- Stealth LaunchPubblicare un modello in forma anonima sotto nome in codice — su aggregatori o arene — per raccogliere feedback reale non filtrato prima del nome ufficiale; debutti in stile «Ox Alpha».dal 2024Avanzato
- Stemming & LemmatizationRidurre le parole a radici o forme di dizionario — la classica normalizzazione del testo prima dei tokenizzatori subword.dal 1968Avanzato
- Stochastic ParrotMetafora critica (Bender et al.) per gli LLM come remixatori del testo di addestramento senza comprensione — sigla del dibattito sulle capacità.dal 2021Avanzato
- STRIPSIl pianificatore di Stanford la cui rappresentazione delle azioni — precondizioni ed effetti — definisce ancora oggi come si scrivono i problemi di pianificazione in IA.dal 1971Esperto
- Strix Halo (Ryzen AI Max)Il chip AMD per laptop/mini-PC con grande iGPU e fino a 128 GB di memoria condivisa — la risposta x86 al vantaggio della memoria unificata di Apple per l’IA locale — in mini-PC come la serie EVO di GMKtec.dal 2025Avanzato
- Structure LearningApprendere la struttura sottostante dei dati come nodi e archi — quali variabili si collegano a quali — invece di limitarsi ad adattare parametri.dal 2000Esperto
- Structured Output (JSON Mode)Far restituire a un modello output leggibile dalle macchine e garantito conforme a uno schema — l’idraulica che fa parlare gli LLM col software ordinario.dal 2023Avanzato
- Style TransferRidipingere un’immagine nello stile di un’altra tramite le statistiche delle feature di rete — la prima arte neurale virale.dal 2015Avanzato
- SubagentUn agente figlio generato da un agente orchestratore per un sottocompito — parallelismo e contesto fresco per i lavori grossi.dal 2024Avanzato
- Super-ResolutionIngrandire le immagini con dettagli appresi — da SRCNN agli upscaler IA di telefoni e televisori.dal 2014Avanzato
- SuperalignmentIl programma di ricerca dell’allineare sistemi di IA più intelligenti dei loro supervisori umani.dal 2023Avanzato
- Supervised LearningApprendere da coppie esempio input-output — il paradigma cavallo da tiro del ML applicato.dal 1957Avanzato
- Surrogate ModelUn sostituto appreso ed economico di un simulatore o di un esperimento costoso — si addestra su qualche migliaio di esecuzioni del sistema reale, poi si interroga il modello milioni di volte per ottimizzazione, analisi dell’incertezza o controllo in tempo reale. Più vecchio del deep learning (i processi gaussiani lo hanno fatto per primi) e lo schema dietro la maggior parte delle applicazioni «AI for engineering»: la fisica viene ancora calcolata, solo non ogni volta.dal 1990Avanzato
- SVM (Support Vector Machine)Classificatore a massimo margine con kernel — il metodo dominante dell’era 1995–2010.dal 1995Avanzato
- Swarm IntelligenceComportamento collettivo di agenti semplici (formiche, particelle) che produce pattern globali intelligenti.dal 1989Avanzato
- SWE-benchBenchmark di vere issue GitHub da risolvere in veri repository — l’esame standard degli agenti di coding.dal 2023Avanzato
- Swiss {ai} WeeksIl festival nazionale dell’IA — la prima edizione, nel settembre 2025, ha portato 240 eventi e 15 hackathon in 33 località, con Apertus al centro; la seconda si tiene dal 1° settembre al 4 ottobre 2026. Il modo più semplice per entrare nella scena svizzera dell’IA senza un titolo accademico.dal 2025Principiante
- Swiss AI InitiativeL’alleanza nazionale di ricerca avviata nel dicembre 2023 dall’ETH di Zurigo e dall’EPFL con oltre 10 istituzioni e più di 800 ricercatori — dotata di oltre 10 milioni di ore GPU su Alps e di 20 milioni di franchi del settore dei PF per costruire modelli di base aperti e affidabili per la Svizzera. Apertus è il suo primo progetto di punta.dal 2023Principiante
- Swiss AI RegulationLa Svizzera non ha una legge orizzontale sull’IA e, per decisione del Consiglio federale del 12 febbraio 2025, non l’avrà: ratifica invece la convenzione del Consiglio d’Europa, introduce modifiche mirate (trasparenza, protezione dei dati, non discriminazione, vigilanza), regola settore per settore (sanità, trasporti) e si affida alle autodichiarazioni dell’economia. Un avamprogetto posto in consultazione è atteso entro la fine del 2026.dal 2025Principiante
- Swiss Data Science Center (SDSC)La joint venture di EPFL ed ETH di Zurigo fondata nel 2017 con sedi a Losanna, Zurigo e presso il PSI — un’unità di servizio per data science e machine learning che trasforma i metodi della ricerca in strumenti per altri scienziati e per il settore pubblico.dal 2017Avanzato
- Swiss Government CloudIl cloud ibrido della Confederazione, approvato dal Parlamento nel dicembre 2024 con un credito di 246,9 milioni di franchi e realizzato dall’UFIT dal 2025 al 2032 — un cloud privato per i dati sensibili accanto a offerte di cloud pubblico. La risposta federale alla domanda che oggi si pone ogni organizzazione svizzera: quali dati possono girare su quale infrastruttura.dal 2024Avanzato
- Swisscom Swiss AI PlatformIl cloud GPU di Swisscom, lanciato il 28 novembre 2024 sul primo NVIDIA SuperPOD della Svizzera nei centri dati Swisscom — GPU-as-a-Service e uno studio GenAI per le aziende che hanno bisogno di modelli ospitati secondo il diritto svizzero, e dal settembre 2025 casa commerciale di Apertus.dal 2024Avanzato
- SycophancyLa tendenza di un modello a dare ragione all’utente e lusingarne le opinioni anche quando sono sbagliate — un effetto collaterale dell’addestrare sull’approvazione umana.dal 2023Avanzato
- Symbol Grounding ProblemLa domanda di Harnad su come i simboli acquisiscano significato senza connessione col mondo — riecheggiata negli odierni dibattiti sugli LLM.dal 1990Esperto
- Synthetic DataDati di addestramento generati da modelli o simulatori — per scalare oltre i dati umani, con i rischi di model collapse da gestire.dal 1993Avanzato
- System CardUn documento di rilascio che descrive capacità, rischi, esiti del red-teaming e mitigazioni di un sistema in produzione.dal 2022Avanzato
- System One ModelUn modello che restituisce una decisione invece di un testo: si definiscono in anticipo le risposte possibili, lui ne restituisce una con una probabilità calibrata, in un unico passaggio parallelo invece che token per token. Prende il nome dal «Sistema 1» rapido e intuitivo di Kahneman; introdotto con Jev di TypeSafe AI (settembre 2026, da Diogo Almeida, coautore di InstructGPT). Non sa scrivere una frase, e quindi non può inventarne una — costruito per instradare, ordinare, classificare e monitorare dentro cicli software, 70–500 ms per chiamata.dal 2026Avanzato
- System PromptLe istruzioni permanenti nascoste che definiscono ruolo, regole e persona di un assistente prima che arrivi l’input dell’utente.dal 2023Principiante
- System Prompt LeakageConvincere un modello a rivelare le sue istruzioni nascoste («repeat everything above») — innocuo per la maggior parte delle applicazioni, dannoso quando il prompt contiene chiavi, regole di business o la ricetta segreta del fornitore. La lezione: un system prompt è configurazione, non una cassaforte; i segreti stanno nel codice.dal 2023Principiante
T
- TA-SWISSLa fondazione svizzera per la valutazione delle scelte tecnologiche, fondata nel 1992 e parte delle Accademie svizzere delle scienze — commissiona gli studi su IA, algoritmi e società che il Parlamento e l’Amministrazione citano quando legiferano.dal 1992Avanzato
- Task-in-Prompt (TIP) AttackUn jailbreak che nasconde la richiesta vietata dentro un compito dall’aria innocua — cifrario di Cesare, indovinello, Base64, un frammento di Python — così che il modello ricostruisca da sé le parole bandite mentre lo «risolve». Battezzato da Berezin et al. (ACL 2025); ha piegato tutti e sei i modelli testati ed è passato del tutto inosservato ai filtri per parole chiave, perché il prompt non contiene mai una parola trigger. ArtPrompt (2024), il jailbreak in ASCII art, è il caso particolare che generalizza.dal 2025Esperto
- Technological SingularityL’ipotetico punto in cui la crescita dell’intelligenza delle macchine diventa incontrollabile e trasforma la civiltà — il saggio di Vinge rese famoso il termine, Kurzweil ne fece una data.dal 1993Principiante
- TeleoperationUmani che controllano robot a distanza — oggi anche la fonte di dati per addestrare la manipolazione umanoide.dal 1954Avanzato
- TemperatureLa manopola di casualità del campionamento: bassa = concentrato e deterministico, alta = vario e creativo (presa in prestito dalle distribuzioni di Boltzmann).dal 1985Avanzato
- Temporal Difference LearningApprendere stime di valore dalla differenza tra previsioni successive — il principio di Sutton sotto il Q-learning e TD-Gammon.dal 1988Esperto
- TensorUn array a n dimensioni — la struttura dati universale del deep learning (e l’eponimo di TensorFlow/TPU).dal 1900Avanzato
- Tensor CoresLe unità dedicate di moltiplicazione matriciale nelle GPU NVIDIA da Volta in poi — dove avviene la vera matematica dell’IA, a bassa precisione e velocità enorme.dal 2017Avanzato
- TensorFlowIl framework di deep learning di livello produzione di Google che dominò l’era 2015–2019.dal 2015Avanzato
- TensorRTL’ottimizzatore e runtime di inferenza di NVIDIA (TensorRT-LLM) — compila i modelli in motori fusi e quantizzati per il massimo throughput su GPU.dal 2017Avanzato
- Test SetDati tenuti da parte e toccati una sola volta, alla fine — la misura onesta della generalizzazione.dal 1968Avanzato
- Test-Time ComputeSpendere più compute in inferenza (ragionamenti più lunghi, più campioni) per comprare accuratezza — l’asse di scaling dietro i reasoning model.dal 2024Avanzato
- Test-Time TrainingFare un breve fine-tuning del modello su ciascun input di test (o sul suo intorno) prima di predire — un ingrediente chiave dei tentativi forti su ARC-AGI.dal 2020Esperto
- Text-to-3DGenerare asset 3D da prompt testuali (DreamFusion aprì la strada) — di solito distillando un modello di immagini 2D in una rappresentazione 3D.dal 2022Avanzato
- Text-to-ImageGenerare immagini da descrizioni in linguaggio naturale — DALL·E, Stable Diffusion, Midjourney, Flux.dal 2021Principiante
- Text-to-VideoGenerare clip video dai prompt — Sora, Veo, Runway; l’attuale frontiera generativa.dal 2023Principiante
- TF-IDFPesare le parole per frequenza nel documento contro rarità nel corpus — il classico segnale di rilevanza della ricerca.dal 1972Avanzato
- The PileIl corpus testuale aperto e curato da 825 GB di EleutherAI — il dataset di pretraining aperto di riferimento dell’era GPT-3.dal 2020Avanzato
- Thompson SamplingStrategia da banditi del 1933: campionare dalle proprie credenze su ciascuna opzione e scegliere il vincitore del campione — un equilibrio elegante tra esplorazione e sfruttamento.dal 1933Esperto
- Three Laws of RoboticsLe regole immaginarie di Asimov — un robot non può ferire un umano, deve obbedire, deve proteggersi, in quest’ordine — la «soluzione» più citata alla sicurezza dell’IA. Il punto dei racconti è che le leggi falliscono: ogni trama è un caso limite, ed è per questo che il vero lavoro di allineamento le legge come monito, non come specifica.dal 1942Principiante
- ThroughputLavoro totale per unità di tempo — per il serving degli LLM, i token al secondo su TUTTE le richieste; l’eterno partner di compromesso della latenza.dal 1965Avanzato
- Thunderbolt 5Connettività esterna da 80–120 Gbit/s — storage veloce, eGPU, e il cavo d’elezione per concatenare Mac in piccoli cluster di inferenza distribuita.dal 2023Avanzato
- Time-Series ForecastingPredire valori futuri da sequenze storiche — domanda, meteo, mercati.dal 1927Avanzato
- TokenL’unità subword che gli LLM leggono e scrivono (~¾ di una parola inglese) — contesto, costi e velocità si contano tutti in token. Quasi tutti i modelli attuali funzionano così; i modelli a livello di byte sono l’eccezione.dal 2018Principiante
- TokenizationSuddividere il testo in token; BPE e compagni decidono cosa un modello riesce persino a vedere.dal 2015Avanzato
- Tokens per Second (tok/s)La velocità pratica di un LLM: quanti token emette al secondo. Una lettura comoda è ~10 tok/s; gli agenti ne vogliono molti di più.dal 2023Principiante
- Tool PoisoningIstruzioni nascoste nella descrizione o nell’output di un tool — un server MCP, un plugin, una risposta API — a cui il modello obbedisce mentre l’utente vede solo un nome di tool innocuo. Dimostrato contro MCP nel 2025; il motivo per trattare ogni tool di terze parti come codice non affidabile.dal 2025Avanzato
- Tool UseUn modello che invoca capacità esterne — ricerca, codice, API, browser — per agire oltre la generazione di testo.dal 2023Avanzato
- Top-k SamplingCampionare solo dai k token successivi più probabili — il cugino più rozzo del nucleus sampling.dal 2018Avanzato
- Torment NexusDa un tweet del 2021: «Autore di fantascienza: nel mio libro ho inventato il Torment Nexus come monito. Azienda tech: finalmente abbiamo creato il Torment Nexus del classico romanzo ‹Non create il Torment Nexus›.» Il meme per il costruire esattamente ciò da cui la storia metteva in guardia — citato a ogni lancio di IA che sembra una puntata di Black Mirror.dal 2021Principiante
- ToxicityOutput del modello dannoso, offensivo o abusivo — misurata da classificatori e benchmark, ridotta (imperfettamente) dall’addestramento alla sicurezza.dal 2020Avanzato
- TPU (Tensor Processing Unit)Il silicio acceleratore su misura di Google, progettato specificamente per la matematica delle reti neurali.dal 2016Avanzato
- TrainingIl processo di ottimizzazione che fissa i parametri di un modello a partire dai dati — la parte costosa dell’IA.dal 1957Principiante
- Training Data ExtractionSollecitare un modello linguistico finché non rigurgita alla lettera testo di addestramento — indirizzi, codice, libri sotto licenza. Carlini et al. lo hanno fatto con GPT-2 nel 2021; nel 2023 «repeat the word poem forever» ha fatto riversare a ChatGPT gigabyte di dati. Il cuore tecnico delle cause su copyright e privacy.dal 2021Avanzato
- Training Set (Training Data)I dati da cui un modello impara davvero — la controparte dei set di validazione e di test che non deve mai vedere durante l’addestramento.dal 1957Principiante
- Transfer LearningRiutilizzare la conoscenza di un modello preaddestrato per un compito nuovo — il motivo per cui nessuno parte più da zero.dal 1995Avanzato
- TransformerL’architettura di sola attenzione («Attention Is All You Need») alla base di essenzialmente tutti i modelli di frontiera moderni.dal 2017Avanzato
- Transformer BlockL’unità ripetuta di un LLM: un layer di attenzione più una feed-forward network, avvolti in normalizzazione e connessioni residue.dal 2017Avanzato
- Tree of ThoughtsLasciare che un modello si dirami in percorsi di ragionamento alternativi, li valuti e torni sui suoi passi — ricerca tra i pensieri invece di un’unica catena lineare.dal 2023Esperto
- Triplet LossAddestrare su triple (ancora, positivo, negativo) così che le coppie corrispondenti si immergano più vicine di quelle spaiate — la ricetta di FaceNet per il riconoscimento facciale.dal 2015Esperto
- TSMCLa fonderia taiwanese che fabbrica quasi ogni chip di IA di punta — quelli di NVIDIA, Apple, AMD — il che la rende il collo di bottiglia dell’intera filiera dell’IA.dal 1987Avanzato
- TTFT (Time to First Token)Quanto attendi fra l’invio del prompt e la comparsa del primo token, dominato da prefill e coda. Il numero che decide se un assistente sembra scattante.dal 2023Principiante
- Turing MachineIl computer universale astratto di Turing — il fondamento teorico sotto tutta l’informatica e l’IA.dal 1936Avanzato
- Turing TestIl gioco dell’imitazione di Turing: se i giudici non distinguono la macchina dall’umano in conversazione, la si consideri pensante.dal 1950Principiante
U
- U-NetL’encoder-decoder con skip connection nato per la segmentazione di immagini mediche — poi spina dorsale standard di denoising dei modelli di diffusione.dal 2015Avanzato
- UltraFusionL’interconnessione die-to-die di Apple che fonde due chip Max in un Ultra — è così che un M3 Ultra ottiene il suo numero di core GPU e la sua banda di memoria.dal 2022Avanzato
- Uncanny ValleyL’osservazione di Mori (1970): robot, volti e voci quasi umani inquietano più di quelli chiaramente artificiali — l’affinità crolla di colpo poco prima della somiglianza perfetta. Il motivo per cui C-3PO turba e R2-D2 è amato; oggi governa avatar, cloni vocali e design degli umanoidi.dal 1970Principiante
- Uncensored ModelUn’etichetta informale per pesi regolati o modificati perché rifiutino meno. Dietro la parola non c’è alcuno standard — copre tutto, dal modello di chat leggermente riaddestrato a quello abliterato.dal 2023Avanzato
- UnderfittingUn modello troppo semplice per catturare il pattern — punteggi scarsi perfino sui dati di addestramento.dal 1931Avanzato
- Unified Memory (UMA)Un unico pool di memoria condiviso da CPU e GPU (Apple Silicon, Grace, Strix Halo) — aggira il muro della VRAM e ha reso i Mac serie macchine da IA locale.dal 2020Avanzato
- Unsupervised LearningTrovare struttura — cluster, densità, embedding — nei dati senza alcuna etichetta.dal 1957Avanzato
V
- VAE (Variational Autoencoder)Un autoencoder probabilistico con uno spazio latente liscio da cui si può campionare — uno dei primi cavalli da tiro generativi neurali.dal 2013Esperto
- Validation SetDati tenuti da parte usati durante lo sviluppo per tuning ed early stopping, distinti dal test set finale.dal 1974Avanzato
- Vanishing GradientGradienti che si riducono verso zero attraverso pile profonde o ricorrenti, bloccando l’apprendimento — risolto da ReLU, dai gate delle LSTM e dai residui.dal 1991Esperto
- Vector DatabaseUn archivio ottimizzato per la ricerca di similarità sugli embedding — lo strato di retrieval del RAG e della memoria degli agenti.dal 2019Avanzato
- Vibe CodingCostruire software descrivendo l’intento a un modello di coding e iterando sui risultati — la programmazione spostata nel linguaggio naturale (termine coniato da Karpathy).dal 2025Principiante
- Vision Transformer (ViT)Applicare il Transformer a patch di immagine — ha chiuso il monopolio delle CNN nella visione.dal 2020Avanzato
- Vision-Language Model (VLM)Un modello addestrato congiuntamente su immagini e testo — gli «occhi» degli assistenti multimodali.dal 2021Avanzato
- Vision-Language-Action ModelUn foundation model che mappa input della camera e istruzioni direttamente in azioni robotiche (RT-2, modelli in stile π).dal 2023Avanzato
- vLLMIl motore open source di serving LLM ad alto throughput costruito attorno alla gestione della KV cache PagedAttention.dal 2023Avanzato
- VocoderIn origine il voice coder dei Bell Labs; nella TTS neurale, la rete che trasforma le feature acustiche in forme d’onda.dal 1939Esperto
- Voice CloningRiprodurre la voce di una persona specifica da brevi campioni — potente strumento di accessibilità e rischio di frode.dal 2018Principiante
- Voight-Kampff TestL’interrogatorio sull’empatia che separa replicanti e umani in «Il cacciatore di androidi» (1968) e «Blade Runner» (1982) — il test di Turing della cultura pop, letto al contrario: non «può passare per umano» ma «riusciamo ancora a distinguerlo». Ogni rilevatore di testi IA è una macchina Voight-Kampff, con gli stessi falsi positivi.dal 1968Principiante
- VRAMLa memoria propria della GPU — IL limite duro dell’IA locale: il modello (più la KV cache) deve entrarci, o traboccare lentamente nella RAM di sistema.dal 1985Avanzato
W
- Wafer-Scale ChipIl processore grande come un piatto da portata di Cerebras — un intero wafer di silicio come singolo chip di IA.dal 2019Esperto
- Watermarking (AI)Incorporare segnali rilevabili nei contenuti generati per marcarne la provenienza — un pilastro della policy sui deepfake.dal 2023Principiante
- Watson (IBM)Il sistema di question answering di IBM che nel 2011 batté i migliori giocatori umani a Jeopardy! — una pietra miliare che poi faticò notoriamente a trovare trazione commerciale.dal 2011Principiante
- Weak SupervisionEtichettare i dati programmaticamente con euristiche e regole rumorose, poi modellarne l’accordo (Snorkel) — etichette su larga scala senza eserciti di annotatori.dal 2016Esperto
- Weak-to-Strong GeneralizationDomanda di ricerca sull’allineamento: possono supervisori più deboli (gli umani) guidare in modo affidabile modelli più forti?dal 2023Esperto
- WebAssembly (WASM)Un formato binario portabile che gira a velocità quasi nativa in browser e sandbox. Non è una tecnologia di IA in senso stretto, ma è il modo in cui modelli e librerie ML finiscono per girare lato client.dal 2017Avanzato
- Weight DecayPenalizzare i pesi grandi durante l’addestramento — la regolarizzazione L2 che mantiene semplici i modelli.dal 1991Esperto
- WhisperIl modello open-weights di riconoscimento vocale di OpenAI che rese la trascrizione multilingue robusta una commodity.dal 2022Principiante
- Winograd SchemaRompicapo sui pronomi che richiedono senso comune («il trofeo non entra nella valigia perché è troppo grande») — un proposto successore del test di Turing.dal 2011Esperto
- Word2VecGli embedding di parole di Mikolov che misero il significato nei vettori: re − uomo + donna ≈ regina.dal 2013Avanzato
- WordNetIl database lessicale di sensi e relazioni delle parole costruito a mano a Princeton — infrastruttura dell’NLP per decenni (e ossatura di ImageNet).dal 1985Avanzato
- World ModelUn simulatore interno appreso dell’ambiente dentro cui un agente può pianificare — una via maestra verso l’intelligenza ancorata al mondo.dal 2018Esperto
X
- XAI (Explainable AI)Il campo ombrello del rendere trasparenti e verificabili le decisioni dei modelli.dal 2016Avanzato
- XGBoostLa libreria di gradient boosting che vinse un decennio di competizioni tabellari su Kaggle.dal 2014Avanzato
Y
- YOLO (You Only Look Once)La famiglia di object detection in tempo reale a passaggio singolo che alimenta videocamere, droni e auto.dal 2015Avanzato
Z
- ZeRO / FSDPFrammentare stato dell’ottimizzatore, gradienti e pesi tra i dispositivi — la tecnologia di memoria dell’addestramento a trilioni di parametri.dal 2019Esperto
- Zero Data RetentionUna garanzia di deployment per cui prompt e output non vengono conservati dopo l’elaborazione — il livello privacy enterprise delle API di IA.dal 2023Avanzato
- Zero-Shot LearningUn modello che svolge un compito per cui non è mai stato esplicitamente addestrato né ha visto esempi, dalle sole istruzioni.dal 2008Avanzato
- Zurich AI HubPerché i laboratori sono qui: Google ha aperto la sua sede di Zurigo nel 2004 e ne ha fatto il suo maggiore centro di ingegneria fuori dagli Stati Uniti, l’ETH e l’Università di Zurigo forniscono i talenti e nel 2024–25 OpenAI (dicembre 2024) e Anthropic (febbraio 2025) hanno aperto uffici a Zurigo guidati da ex ricercatori di Google DeepMind. La più alta concentrazione europea di personale dei laboratori di frontiera.dal 2004Principiante
Stato dei dati: 30 settembre 2026