Negli ultimi anni, l’uso di Large Language Models (LLM) come GPT ha rivoluzionato la capacità di automatizzare la generazione di testo, la sintesi di informazioni e l’assistenza cognitiva in compiti complessi. Un problema centrale persiste: i modelli tendono a rispondere usando informazioni memorizzate nei loro pesi, il che può portare a allucinazioni (cioè affermazioni false o non verificate). Per superare questo limite e avvicinarsi a una vera estrazione di conoscenza, la ricerca ha esplorato tecniche come la Retrieval-Augmented Generation (RAG) e metodi ibridi di ragionamento (es. Chain-of-Thought + retrieval).

---

Che cos’è la conoscenza nei modelli linguistici e perché RAG è importante

Un modello linguistico genera testo predicendo la parola successiva sulla base delle conoscenze statisticamente codificate nei suoi parametri. Ma ciò non è sufficiente quando la conoscenza richiesta è contestuale, dinamica o specialistica. È qui che entra in gioco Retrieval-Augmented Generation (RAG): un approccio che estende gli LLM con un modulo di recupero di informazioni da fonti esterne (basi di dati, documenti, repository di conoscenza) prima di generare la risposta.

In parole semplici:

• il modello interroga una raccolta di documenti,
• recupera quelli più rilevanti per la domanda,
• e infine genera una risposta ancorata a quelle fonti.

Questo approccio migliora l’accuratezza e la trasparenza delle risposte, perché il modello non si affida solo ai pattern appresi ma può “citare” conoscenza verificabile.

---

Come si può passare dall’informazione alla conoscenza spiegata

Accesso strutturato a fonti esterne (RAG)

Uno studio pubblicato sulla rivista Applied Sciences esplora come RAG venga utilizzato per trasformare dati complessi in asset di conoscenza. Gli autori mostrano che RAG può generare insight azione-guidati (actionable insights) dai dati, integrando modelli generativi con informazioni strutturate e non strutturate.

Parallelamente, un’altra rassegna sistematica ha analizzato oltre 60 studi su RAG con LLM nel contesto aziendale, mostrando che queste tecniche non solo mitigano le allucinazioni, ma sono efficaci anche per estrazione automatica di dati, sintesi e tracciamento di tendenze nei documenti.

---

L’integrazione con il ragionamento (Chain-of-Thought e oltre)

RAG da solo aiuta a recuperare informazioni, ma non sempre garantisce che il modello le colleghi logicamente in risposte profonde. Per questo la ricerca ha combinato RAG con tecniche di ragionamento esplicito come il Chain-of-Thought (CoT).

Un esempio è CoT-RAG, una proposta di framework che:

1. Usa grafi di conoscenza per guidare la generazione delle catene di ragionamento,
2. Integra recupero di casi rilevanti tramite RAG,
3. Esegue la “logica” in modo più strutturato, migliorando la credibilità delle risposte.

Questi approcci sono fondamentali se si vuole andare da un output testuale “bello da leggere” a un output che rappresenti una costruzione di conoscenza con evidenza, coerenza e verificabilità.

---

Studi recenti e risultati chiave

RAG come infrastruttura per conoscenza dinamica

La letteratura sul RAG esamina diverse tecniche di recupero — sparse, dense, e ibride — per accedere a conoscenza esterna e strutturarla per usi successivi nei modelli. Questo lavoro è fondamentale perché traduce fonti grezze (documenti, basi dati) in forme di conoscenza utilizzabili per il ragionamento automatico.

Multi-Agent e Knowledge Graph integration

Recenti proposte come MA-RAG affrontano le ambiguità complesse tramite agenti specialisti (es. planner, extractor, QA agent) che orchestrano diverse fasi del processo RAG, evidenziando come la scomposizione delle attività cognitive migliori l’accuratezza e la robustezza delle risposte.

Un altro studio integra knowledge graphs direttamente nel processo di recupero e generazione, migliorando l’interpretazione semantica di concetti complessi oltre il semplice matching di parole chiave.

Limiti e ostacoli ancora aperti

Benché RAG migliori l’affidabilità, non elimina completamente le allucinazioni, e il modo in cui informazioni vaghe o contraddittorie vengono selezionate e integrate resta un punto attivo di ricerca. Una meta-analisi ha evidenziato che la variabilità dei dataset, delle metriche di valutazione e dei task rende difficile confrontare risultati tra studi e definire un “gold standard” per l’estrazione di conoscenza affidabile.

---

Confronto con altri metodi di estrazione di conoscenza

Un concetto affine ma distinto dalla RAG è la literature-based discovery (LBD), usata tradizionalmente nella ricerca biomedica per collegare informazioni già pubblicate e scoprire relazioni implicite tra concetti. In LBD, se “A è collegato a B” e “B è collegato a C”, si verifica se esiste implicitamente una relazione tra A e C. Questo metodo è stato usato per generare ipotesi e scoprire nuovi insight dall’accumulo di letteratura.

LBD rappresenta una forma di estrazione di conoscenza emergente che può essere combinata con approcci RAG per rafforzare l’affidabilità delle connessioni concettuali generate da LLM.

---

Implicazioni per la creazione di siti/strumenti di conoscenza

Per progetti come la realizzazione di siti web che devono estrarre, rappresentare e veicolare conoscenza dalla AI, alcuni principi chiave emergono dalla letteratura:

• Retrieval ancorato alle fonti: includere moduli RAG che non solo generano risposte ma mostrano anche da dove vengono le informazioni.
• Ragionamento strutturato: combinare tecniche di ragionamento (CoT, RAT, grafi di conoscenza) con retrieval per produrre catene di conoscenza strutturate e verificabili.
• Valutazione rigorosa: impostare benchmark, metriche e test di robustezza espliciti per misurare accuratezza, coerenza, affidabilità e trasparenza.

---

L’estrazione di conoscenza dai LLM non è semplicemente una questione di ottenere risposte “più accurate”, ma di costruire risultati che si possano verificare, spiegare e integrare in una struttura cognitiva coerente. Tecniche come Retrieval-Augmented Generation sono un passo pratico in questa direzione, perché forniscono un ponte tra la memoria statistica dei modelli e la conoscenza verificabile proveniente da fonti esterne.

La letteratura scientifica mostra che l’integrazione di retrieval, ragionamento esplicito, knowledge graphs e multi-agent frameworks è un terreno fertile per la ricerca futura, con potenziali applicazioni che vanno dall’impiego accademico alla gestione della conoscenza aziendale.

---

Riferimenti

• Fan W. A survey on RAG meeting LLMs: Towards Retrieval-Augmented LLMs.
• James A., Trovati M., Bolton S. RAG to generate knowledge assets.
• Li F. et al. CoT-RAG: Integrating Chain of Thought and RAG.
• Brown A. Systematic review of RAG.

Esempio su come procedere praticamente

Primo passo: chiedere esplicitamente il grounding su fonti

Domanda debole

“Parlami di RAG e LLM.”

Risposta: corretta ma generica, spesso non verificabile.

Domanda ancorata

“Spiegami cos’è la Retrieval-Augmented Generation citando studi scientifici o survey, indicando per ciascuno:
– contributo principale
– contesto di applicazione
– limiti dichiarati dagli autori.”

Questa forma obbliga il modello a strutturare la conoscenza e separa cosa sappiamo da quanto sappiamo. Introduce subito i limiti, che sono parte della conoscenza

Forzare la distinzione tra consenso, ipotesi e opinioni

Prompt chiave

“Per ciascuna affermazione che fai, indica se è:
(A) supportata da studi consolidati
(B) ipotesi plausibile ma dibattuta
(C) interpretazione emergente o speculativa.”

Esempio

“RAG riduce le allucinazioni degli LLM.”

Risposta ben ancorata:

A: diversi studi mostrano riduzione misurabile
B: dipende dalla qualità del retrieval
C: non è chiaro se migliori anche il ragionamento profondo

Questo trasforma l’output in conoscenza epistemica, non solo informazione.

Costruire una mappa degli studi invece di un elenco

Prompt consigliato

“Per il tema X, costruisci una mappa dei filoni di ricerca, non un elenco.
Per ogni filone indica:
– domanda a cui risponde
– metodi usati
– 2–3 studi rappresentativi
– cosa NON riesce a spiegare.”

Esempio
Tema: estrazione di conoscenza da LLM

Output ideale:

Filone 1: RAG classico (focus: grounding fattuale)
Filone 2: RAG + Chain-of-Thought (focus: coerenza logica)
Filone 3: Knowledge Graph + LLM (focus: relazioni semantiche)
Filone 4: ELK e interpretabilità (focus: cosa il modello “sa”)

Questa è conoscenza organizzata, non accumulo di paper.

Scegliere uno studio e “smontarlo” davvero

Prompt di approfondimento

“Approfondisci lo studio X come farebbe un revisore scientifico:
– problema che affronta
– perché i metodi precedenti fallivano
– risultati principali
– esperimenti cruciali
– critica più forte possibile
– cosa resta non dimostrato.”

questo prompt costringe il modello a ragionare contro se stesso, riduce l’effetto “paper summary marketing” e fa emergere i veri contributi

Individuare il punto poco chiaro

Prompt meta-cognitivo

“Individua il punto più ambiguo o controverso di questo studio.
– perché è ambiguo
– quali interpretazioni alternative esistono
– quali dati servirebbero per chiarirlo.”

Esempio

“Il miglioramento è dovuto al retrieval o al prompting più strutturato?”

Questo tipo di domanda è tipicamente umana, ma il modello può aiutarti a esplorarla.

Guidare l’approfondimento nella “direzione migliore”

Prompt direzionale

“Se volessi capire davvero questo tema in modo solido:
– quali 3 studi leggere per primi
– in quale ordine
– con quale obiettivo cognitivo (capire / criticare / applicare).”

Oppure:

“Qual è il collo di bottiglia concettuale attuale nella ricerca su X?”

Questo trasforma il modello in un orientatore epistemico, non in un motore di sintesi.

Verifica incrociata (anti-allucinazione)

Prompt di controllo

“Trova almeno una fonte che contraddice o limita quanto detto finora.
Se non esiste, spiegami perché (consenso reale o area poco studiata).”

Nota importante
Una risposta che dice “non ci sono studi solidi su questo punto” è conoscenza di alto valore, non una mancanza.

Trasformare tutto in sapere stabile
Prompt finale

“Scrivi una sintesi strutturata su X distinguendo chiaramente:
– ciò che sappiamo con buona confidenza
– ciò che è supportato ma controverso
– ciò che è ancora aperto
– implicazioni pratiche
– domande di ricerca future.”

Se vuoi informazione:

“Spiegami X.”

Se vuoi conoscenza:

“Spiegami X dicendomi come lo sappiamo, quanto è solido, cosa non sappiamo e cosa dovrei approfondire dopo.”