Terminologia e vocabolario dell'intelligenza artificiale, dalla A alla Z

iStock

AGI, agente AI, API, machine learning, allucinazione, distillazione: se questi termini ti sembrano familiari, sei già entrato nel mondo dell’intelligenza artificiale. Perché sono concetti usati ogni giorno e conoscerli è ormai fondamentale.

Se invece alcuni di questi lemmi ti sono ancora poco chiari, ecco un pratico vocabolario dell’IA con le definizioni principali e alcuni esempi per orientarti meglio.

• AGI
• Agente AI
• AI Generativa
• Apprendimento da rinforzo
• API
• Bias
• Chatbot
• Chain of thought (Catena del pensiero)
• Dataset
• Data center
• Deep learning
• Distillazione
• Endpoint API
• GPU
• Guardrail
• Hallucination
• LLM
• Machine learning
• Multimodale
• Modello linguistico
• NPU
• Open/closed source
• Open weight
• Prompt
• Ramageddon
• Rete neurale
• Slop AI
• Superintelligenza artificiale
• TPU
• Token
• Vibe coding

AGI

Artificial General Intelligence, cioè l’intelligenza artificiale generale. È un concetto ancora teorico e indica un’IA in grado di svolgere, a livelli pari o superiori all’uomo, la maggior parte dei compiti cognitivi.

Agente AI

Sistemi sempre più diffusi anche in ambito entreprise, gli agenti AI sono strumenti capaci di eseguire azioni online in autonomia per conto dell’utente. Un esempio è Comet di Perplexity: chiedigli di scrivere qualcosa in un quadrante aperto sul browser.

AI Generativa

Fulcro dell’ecosistema digitale odierno è l’AI generativa, un tipo particolare di modello progettato per generare contenuti (testi, immagini, audio o video) a partire dalle indicazioni fornite. Alla loro base ci sono i foundation model, addestrati su grandi quantità di dati e adattabili a diversi utilizzi.

Apprendimento da rinforzo

Essenziale per la creazione di un’intelligenza artificiale è l’apprendimento, soprattutto da rinforzo. Rispetto al deep learning, qui l’IA migliora le proprie decisioni interagendo con un ambiente dinamico, attraverso un processo di tentativi ed errori (“trial-and-error”).

API

Application Programming Interface, l’API è un insieme di regole e protocolli che consente a software diversi di comunicare tra loro e scambiarsi dati o funzionalità. In pratica, definisce come un’applicazione può accedere ai servizi di un’altra.

Bias

Da evitare assolutamente nella formazione di un’IA, i bias sono distorsioni o pregiudizi presenti nei dati o nei modelli che possono influenzare le risposte generate da un sistema.

Chatbot

Oltre a termini come IA o AI, si usa per chiamare questa tecnologia anche chatbot, ossia un software progettato per simulare una conversazione in linguaggio naturale con un utente.

Da non confondere con i modelli linguistici: il chatbot è infatti l’interfaccia attraverso cui l’utente interagisce con un modello linguistico. ChatGPT, ad esempio, è il chatbot, mentre GPT-5 è il suo modello linguistico.

Chain of thought (Catena del pensiero)

Tecnica adottata dall’intelligenza artificiale per risolvere un problema complesso in passaggi intermedi più semplici, al fine di migliorare la qualità del risultato finale.

Dataset

Raccolta strutturata di dati (numeri, immagini, testi…), un dataset è fondamentale per la formazione di un’intelligenza artificiale: consente di insegnarle come svolgere uno o più compiti. E più il dataset utilizzato in fase di addestramento è ampio e variegato, maggiori saranno le capacità acquisite dal modello.

Data center

Strutture chiave per l’intelligenza artificiale sono i data center, infrastrutture fisiche che ospitano server e sistemi di calcolo necessari all’erogazione di servizi digitali e alla gestione dei dati.

In ambito IA, sono anche gli ambienti in cui avvengono l’addestramento e l’esecuzione dei modelli su larga scala.

Deep learning

Una delle varie forme di apprendimento, il deep learning è un sistema auto-migliorante in cui gli algoritmi sono basati su reti neurali artificiali a più livelli (ANN multistrato).

Per farla breve, consente ai modelli di apprendere rappresentazioni complesse dei dati e di individuare correlazioni difficilmente accessibili con approcci più semplici.

Distillazione

La tecnica di distillazione viene utilizzata per estrarre conoscenza da un grande modello AI secondo un approccio “insegnante-studente”: gli sviluppatori inviano prompt al primo modello (“teacher”), e i risultati vengono utilizzati per addestrare il secondo (“student”).

Endpoint API

Sono punti di accesso specifici di un’API che permettono a un software di richiedere un’operazione o uno scambio di dati con un altro sistema. In pratica, gli endpoint API sono le interfacce operative usate dagli sviluppatori per creare integrazioni tra applicazioni diverse, consentendo anche ad agenti AI di interagire con servizi esterni senza intervento manuale.

GPU

Graphics Processing Unit, o unità di elaborazione grafica (GPU), si tratta di un processore progettato per accelerare l’elaborazione grafica e la generazione di immagini. Rispetto alle TPU o alle NPU, le GPU sono ottimizzate per il calcolo parallelo, che consiste nel dividere un problema complesso in più parti più piccole, elaborate simultaneamente da unità di calcolo multiple.

Guardrail

I guardrail sono vincoli e sistemi di controllo applicati ai modelli di intelligenza artificiale generativa per guidarne il comportamento e limitarne gli output. Servono a migliorare l’esperienza d’uso e a prevenire utilizzi impropri, riducendo la generazione di contenuti dannosi, la diffusione di disinformazione e la divulgazione di dati sensibili.

Hallucination

Principale problema delle IA è l’hallucination, ossia l’allucinazione. In breve, è quando i modelli inventano cose, generando letteralmente informazioni che possono risultare fuorvianti e, in alcuni casi, avere conseguenze concrete se utilizzate senza verifica.

LLM

Un modello che può essere di piccole ma anche di grandi dimensioni, appunto LLM (Large Linguistic Model). Tra i più diffusi (si pensi a ChatGPT, Gemini, Llama…), sono modelli basati su reti neurali profonde, composti da miliardi di parametri e progettati per comprendere e generare linguaggio naturale.

Gli LLM apprendono le relazioni tra parole e frasi analizzando enormi quantità di testi, come libri, articoli e trascrizioni, costruendo una rappresentazione statistica del linguaggio. Se richiedi qualcosa a un LLM, il modello ti genera la risposta che si adatta al prompt.

Machine learning

Apprendimento automatico, il machine learning consente ai sistemi di apprendere dai dati senza essere esplicitamente programmati (o supervisionati).

In pratica si basa sull’analisi di grandi quantità di informazioni per individuare andamenti, schemi ricorrenti e correlazioni, a partire dai quali è possibile formulare previsioni in modo statistico.

Multimodale

Per multimodale si intende un sistema capace di elaborare e generare informazioni attraverso diversi formati, come testi, immagini e audio. A titolo d’esempio, prima ChatGPT era uni-nominale (produceva testi), oggi invece puoi farci di tutto. E lo stesso vale anche per gli altri chatbot.

Modello linguistico

Completamente diverso dal chatbot, un modello linguistico è un tipo di IA addestrato su vaste quantità di dati per comprendere, elaborare e generare linguaggio umano, attraverso varie tipologie di apprendimento (deep learning, da rinforzo…).

NPU

Altro processore come GPT o TPU, la Neural Processing Unit è pensata per offrire buone prestazioni con un’elevata efficienza energetica. Sono progettate più per essere integrate in computer e smartphone, dato che consentono l’elaborazione dei dati in locale.

Open/closed source

L’open source si riferisce al modello di sviluppo in cui il codice di un software o di un sistema AI viene reso pubblicamente accessibile. Può essere utilizzato, studiato e modificato liberamente dagli utenti. Un esempio è la famiglia di modelli Llama di Meta.

Di contro, il closed source è un sistema in cui il codice e i dettagli interni restano proprietari e non sono pubblicamente accessibili. È il caso, ad esempio, dei modelli GPT sviluppati da OpenAI.

Open weight

Rispetto ai source, gli open weight sono sistemi basati sui “pesi”, ossia dei parametri che, una volta fissati, determinano quanta importanza (o appunto peso) viene data alle diverse caratteristiche (o variabili di input) nei dati utilizzati per addestrare il sistema, modellando così l’output.

Se rilasciati con licenza open source, questi consentono di adattare il modello stesso a un progetto.

Prompt

In ambito IA, un prompt  è l’istruzione o richiesta formulata dall’utente in linguaggio naturale per ottenere una risposta da un modello. In pratica, tu elabori il prompt e il chatbot produce un risultato, detto output.

Ramageddon

Nuovo termine individuato da TechCrunch, Ramageddon indica la crescente scarsità di memoria RAM dovuta alla forte domanda generata dai sistemi di intelligenza artificiale. Con la fioritura del settore, le Big Tech (in lizza per avere l’IA più potente ed efficiente) stanno acquistando così tanta RAM per alimentare i loro data center che non ne rimane molta per tutti gli altri.

Rete neurale

Una rete neurale si riferisce alla struttura algoritmica composta da più livelli di “neuroni” artificiali, alla base del deep learning. È progettata per elaborare dati in modo gerarchico, apprendendo rappresentazioni sempre più complesse.

Slop AI

Parola inglese che significa “sbobba”, da anni è utilizzata per indicare in modo dispregiativo i contenuti assurdi e di pessimo gusto generati massicciamente con l’intelligenza artificiale e pubblicati online.

Superintelligenza artificiale

Artificial super-intelligence, la superintelligenza artificiale sarebbe un livello teorico in cui i sistemi sarebbero in grado di superare in modo significativo le capacità cognitive umane nella maggior parte dei campi. In pratica un’AGI con prestazioni intellettive superiori a quelle umane.

TPU

Sviluppato da Google, un Tensor Processing Units (TPU) viene utilizzato dalla Big Tech nei propri data center per l’addestramento e l’esecuzione dei modelli di intelligenza artificiale, tra cui Gemini 3. Il chip è infatti stato progettato per ottimizzare i calcoli tipici delle reti neurali.

Token

I token sono le unità di base con cui i modelli linguistici elaborano e generano testo. Vengono creati attraverso un processo chiamato tokenizzazione, che scompone il linguaggio in segmenti più piccoli comprensibili dal modello.

In ambito aziendale, i token determinano anche i costi: la maggior parte delle aziende di intelligenza artificiale addebita l’utilizzo del LLM in base al token, il che significa che più un’azienda utilizza, più paga.

Vibe coding

Per vibe coding si indica un approccio alla programmazione in cui si utilizza l’intelligenza artificiale per generare codice a partire da istruzioni in linguaggio naturale utilizzo delle AI per generare codice, con un intervento minimo dello sviluppatore. Esempi del genere: Cursor e Claude Code, che permettono di creare applicazioni descrivendone il funzionamento al modello.