Tutti gli approfondimenti
Ultimi articoli
- Delegare alle tecnologie: abilità che cambiano, nuove capacità che emergono
- Oltre l’intelligenza
- La coscienza è una questione di complessità?
- Intelligenza collettiva e il caso degli agenti AI
- Omologazione o differenziazione?
- Tensione tra unicità e scalabilità nei modelli di business
- Chiarezza, rumore e ambiguità nei sistemi complessi
- Recursive Language Models: il modello per grandi volumi di testo
- La collaborazione con l’AI su HumAI.it
- L’AI richiede una mente poliedrica
- Quando l’asticella della qualità crea sempre nuove aspettative
- Lo stereotipo degli “stereotipi tutti sbagliati”
- Quando i modelli dicono: “non sono sicuro”
- Come usare i vincoli nel prompting
- Difendersi con l’AI da chi sfrutta la desistenza
- L’adolescenza della tecnologia: l’umanità alla prova dell’intelligenza artificiale
- Il vector store in breve
- La trappola della convessità e della concavità
- La comprensione dell’evento storico
- Forma e sostanza sempre più distanti
- I grafi di conoscenza
- Estrarre conoscenza da LLM
- Monty Hall e i flussi d’informazione
- L’intelligenza artificiale può comprendere?
- Librerie python basate su LLM
- Modelli addestrati per generare critiche efficaci: CriticGPT
- I “fatti” sono una questione di statistica?
- Chiarezza sui concetti di fine-tuning, transfer learning e prompt engineering
- Rischio open washing per i modelli di intelligenza artificiale
- Il circuito potenzialmente virtuoso della collaborazione tra uomo e AI (Hum-AI)
- Più somme e meno moltiplicazioni nelle reti neurali
- Un assistente virtuale molto preparato con python
- Semplici modelli matematici con chatGPT
- Un semplice sistema multiagente con python
- Il deepfake: l’AI può rubarci l’anima?
- La natura della coscienza
- Dal business automatizzato alla rinascita delle relazioni umane: un nuovo equilibrio possibile?
- Imparare dall’intelligenza artificiale
- Può il meno esperto valutare il più esperto?
- L’approccio neuro-simbolico intuitivo e razionale
- Modelli generativi e discriminativi a confronto
- Probabilità: approccio frequentista e soggettivista a confronto
- Maieutica socratica con i LLM (large language model)
- L’inferenza baysiana: un modo razionale di cambiare idea
- Pika.art presenta il nuovo modello text-to-video
- Dal pensiero dicotomico alla logica fuzzy
- Alla ricerca dell’originalità (conversazione)
- Un business scalabile con l’intelligenza artificiale
- I GPTs di Humai.it: i chatbot esperti
- I nuovi GPTs e GPT-4 Turbo
- Arti visive e tecnologia tra timori e opportunità
- Stampa 3D: dal mondo digitale al mondo reale con l’aiuto dell’AI
- Ricostruzione in 3D di immagini 2D mediante l’intelligenza artificiale
- Breve riflessione: quanto l’arte può essere minacciata dall’intelligenza artificiale?
- La lettura delle immagini con chatGPT PLUS
- Capire noi stessi per comprendere l’intelligenza artificiale. Serve tornare a scuola?
- Viaggi personalizzati con l’intelligenza artificiale
- I modelli text to image tra precisione e creatività
- L’hosting che piace a noi
- L’Apprendimento per rinforzo: il bastone e la carota in versione algoritmica.
- A favore o contro l’intelligenza artificiale? Serve davvero schierarsi?
- DALL-E3 il nuovo modello che genera immagini dialogando
- Alla ricerca dell’armonia: Gli Harmony Search Algorithms
- Volare verso la soluzione del problema: gli algoritmi Particle Swarm Optimization (PSO)
- L’intuizione umana a confronto con quella artificiale
- Gli algoritmi genetici: La selezione della soluzione più adatta
- Bias cognitivi umani, errori dell’AI e le questioni etiche
- La “comprensione” è oggettiva o soggettiva? (conversazione)
- Open Interpreter: il chatbot GPT4 tuttofare sul tuo pc
- Come se la cava chatGPT con i conti?
- L’interfaccia cervello-computer e le reti LSTM per compensare le disabilità
- Come creare il proprio consulente personale con i modelli GPT
- Opportunità e rischi in una società coadiuvata dall’intelligenza artificiale
- Comprensione visiva, linguaggio naturale, e robotica: Deepmind, il modello Robotic Transformer 2.
- L’agricoltura di precisione e l’intelligenza artificiale
- Lo studio del folding delle proteine con il deep learning
- L’AI è vittima di discriminazione?
- Addestramento e personalizzazione dei modelli GPT: Custom instructions e Fine-tuning.
- Il ruolo della casualità nei processi di apprendimento
- La questione della coscienza e l’intelligenza artificiale. (conversazione)
- Programmare con chatGPT e modelli simili
- L’AI contribuirà alla perdita di alcune abilità umane? (conversazione)
- Reti neurali con Tensorflow: i principi su cui si basa l’apprendimento automatico
- L’elaborazione distribuita per modelli resilienti
- Le reti neurali convoluzionali, un modo per vedere bene al minimo costo
- Il fallimento dell’AI detection
- L’AI può creare opere d’arte? (conversazione)
- Quando imparare con l’AI è più facile
- LLaMA, il modello di Meta vs GPT4 di OpenAI
- Un motore di ricerca intelligente
- Gli algoritmi di riduzione delle dimensioni
- Il chatbot istruttore
- Code Interpreter, il tuo data scientist personale
- GPT4 a confronto con Google Bard
- Un prompt engineer personale
- Professioni nel mondo dell’intelligenza artificiale
- Un chatbot che ti aiuta a prendere decisioni
- Il classificatore di Bayes
- L’indice di validità nel clustering
- L’artificialità umana (conversazione)
Approfondimenti
- Abilità tecniche e relazionali e confondenti statistici
- Active inference in dettaglio
- Addestramento dei modelli di traduzione automatica
- AI e oltre
- Aiuta il progetto HumAI a crescere
- Algoritmi di disambiguazione (Word Sense Disambiguation)
- Analogie formali tra statistica e meccanica
- Apprendimento di media e varianza di una distribuzione normale
- Architettura del sistema encoder-decoder con reti RNN
- Auto-organizzazione, biologia e intelligenza artificiale
- BitNet e la quantizzazione ternaria
- Campionamento casuale, rappresentatività, indipendenza e identica distribuzione
- Campionamento da una distribuzione
- Chiarezza sulle reti neurali
- Come i modelli LLM comunicano con strumenti esterni grazie allo standard MCP
- Come l’AI corregge i propri errori: Gradient descent e backpropagation
- Come si addestra un algoritmo generativo del linguaggio?
- Contesto, Significato e Comprensione
- Correlazione, contenuto informativo e rappresentatività del campione
- Covarianza, correlazione e mutua informazione
- Cross-entropy: la funzione che permette ai modelli di AI di migliorarsi.
- Dagli stati nascosti all’energia libera
- Dal transistor classico al Floating Gate MOSFET
- Dall’Active Inference all’architettura di una AI
- Dall’informazione nel linguaggio comune all’informazione di Shannon
- Domanda, offerta e prezzi in un modello multidimensionale
- Efficacia causale, completezza e rapporti tra livelli di descrizione
- Ensemble learning
- Esempi di probabilità bayesiana e aggiornamenti ricorsivi
- Esperienza, conoscenza e saggezza
- Fare previsioni con i modelli di Markov
- Glossario
- HumAI: ChatGPT sul computer
- I livelli della ragione
- Il processo di information retrieval (IR)
- Il Prompting Meta-Cognitivo
- Il rischio di giudicare il mondo da ciò che emerge
- Il significato delle parole con i modelli NLP
- Il teorema di approssimazione universale
- Immagini di fantasia con DALL-E3
- Intelligenza artificiale, scacchi e vita.
- Interpretabilità delle reti neurali
- Isolare l’effetto causale: scambiabilità, consistenza e positività
- L’AI e l’analisi della mente umana
- L’albero delle decisioni e il machine learning
- L’ipotesi platonica (Strong Platonic Representation Hypothesis)
- L’incertezza sull’incertezza
- La causa non emerge dai dati da sola
- La computazione quantistica
- La divergenza di Kullback-Leibler: significato, proprietà, esempi e usi
- La macchina di Turing in breve
- La misura del dubbio nelle reti neurali
- La mutua informazione
- La regolarizzazione, un modo per gestire l’overfitting
- La self-attention delle reti transformer
- La sintesi vocale con le reti neurali ricorrenti
- La teoria della stima nel machine learning
- Le reti neurali adatte ad elaborare sequenze di dati
- Le reti neurali tra probabilità, teoremi di analisi matematica e teoria dell’informazione
- Le scienze cognitive e l’intelligenza artificiale
- Lessico settoriale
- Livelli di descrizione, compressione e causalità emergente
- Macchina di Turing, stati, memoria e Busy Beaver
- Matrici, funzioni parametriche e distribuzioni di probabilità
- Modelli di AI più efficienti
- Modelli discriminativi: regressione logistica vs rete neurale
- Modelli generativi e discriminativi e probabilità condizionate
- Mutua informazione e clustering multidimensionale
- Mutua informazione multivariata e Partial Information Decomposition (PID)
- Oltre il paradosso di Jevons
- Perché le probabilità devono sommare a uno
- Principal Component Analysis (PCA): ridurre le dimensioni salvando l’informazione
- Probabilità condizionata
- Probabilità congiunta, entropia e mutua informazione
- Probabilità soggettiva, scambiabilità e teorema di de Finetti
- Quando l’AI “comprende” quello che dici
- Reinforcement Learning, Active Inference e Auto-organizzazione
- Riflessioni minime
- Semplifichiamo
- Sopravvivenza di una macchina e rischio di guasto
- Spiking Neural Networks e hardware neuromorfico
- Teoria di Erik Hoel sulla Effective Information
- Trade-off, tecnologia e frontiere delle possibilità
- Trading finanziario con l’intelligenza artificiale
- Un compromesso tra coerenza e creatività dei modelli LLM
- Un modello discriminativo gerarchico
- Word embedding e il modello Skip-gram