Przejdź do treści
promptowy.com / Glossario IA / LLM (Large Language Model)
Basi

LLM (Large Language Model)

Un LLM è un modello di intelligenza artificiale addestrato su enormi volumi di testo per comprendere il linguaggio umano e generare risposte coerenti.

Un LLM, acronimo dell'inglese Large Language Model (grande modello linguistico), è un sistema di intelligenza artificiale addestrato su enormi quantità di testo scritto per analizzare, comprendere e generare linguaggio umano. La sua funzione principale consiste nel prevedere e produrre la sequenza di parole più probabile a partire da un contesto fornito dall'utente.

A differenza di un programma tradizionale che segue regole fisse o cerca risposte preconfezionate all'interno di un catalogo, un LLM elabora le informazioni attraverso calcoli probabilistici. Non pensa e non possiede una reale comprensione del mondo, ma calcola quale parola, o porzione di parola, ha senso inserire dopo quella precedente in base a ciò che ha appreso durante la fase di addestramento.

Come funziona un modello linguistico

Alla base dei moderni LLM troviamo quasi sempre l'architettura dei transformer. Quando inseriamo una richiesta, il testo non viene elaborato come frasi complete, ma viene suddiviso in unità più piccole chiamate token, che possono corrispondere a singole parole, parti di vocaboli o perfino punteggiatura. Il modello analizza le relazioni reciproche tra tutti i token in ingresso, tenendo conto dell'intero contesto della conversazione.

I parametri interni del modello, stabiliti durante il lungo processo di addestramento iniziale, determinano la logica con cui le risposte vengono composte. Quando inviamo un messaggio a un assistente virtuale, non stiamo riaddestrando il modello né modificando la sua struttura permanente: stiamo semplicemente chiedendo al sistema di eseguire un'inferenza sui parametri esistenti, arricchita dalla cronologia recente dello scambio.

Un esempio pratico: la gestione di un condominio a Bologna

Immaginiamo un amministratore di condominio a Bologna che riceve una complessa perizia tecnica da un ingegnere su alcune infiltrazioni d'acqua nei garage sotterranei. Il testo originale contiene dettagli tecnici sul cemento armato, riferimenti normativi e date per i sopralluoghi.

L'amministratore vuole inviare una circolare chiara ed essenziale a tutte le famiglie dello stabile. Invece di chiedere genericamente di inventare un avviso, incolla la perizia nel sistema e specifica le istruzioni: riassumere i punti chiave in cinque righe, evidenziare chiaramente i giorni in cui i residenti dovranno lasciare liberi i garage e mantenere il recapito telefonico della ditta incaricata. L'LLM funge qui da redattore e semplificatore di un testo già esistente, senza aggiungere informazioni inventate.

Differenza tra LLM, chatbot e motori di ricerca

Spesso si tende a confondere questi tre strumenti, ma svolgono ruoli molto diversi all'interno delle applicazioni che usiamo ogni giorno:

  • LLM: è il motore linguistico puro, privo di occhi sul mondo esterno a meno che non gli vengano forniti dati al momento.
  • Chatbot: è l'interfaccia utente complessiva. Include il modello linguistico, ma gestisce anche la memoria della sessione, le impostazioni grafiche e gli accessi alle cartelle del dispositivo.
  • Motore di ricerca: esplora la rete in tempo reale per trovare pagine web indicizzate. Molte applicazioni moderne integrano un motore di ricerca all'LLM, ma se la funzione di navigazione web non è attiva o fallisce, il modello non conosce eventi accaduti dopo il suo addestramento, come gli orari odierni di un treno regionale o l'ultima delibera comunale.

Come formulare richieste efficaci ed evitare errori

Uno degli errori più diffusi consiste nel trattare l'LLM come un oracolo onnisciente, dandogli carta bianca su compiti delicati senza fornirgli materiale di partenza. Per ottenere risultati affidabili sul lavoro conviene seguire una procedura precisa:

  1. Fornire la base documentale: allegare o incollare il regolamento, l'estratto conto o l'appunto su cui lavorare.
  2. Definire chiaramente il ruolo e il destinatario: specificare se il testo finale è destinato a un fornitore, a un collega d'ufficio o a un cliente.
  3. Impostare il limite di veridicità: indicare espressamente di non inventare dettagli mancanti e di segnalare con un elenco separato eventuali lacune nel testo originale.
  4. Verificare i dati sensibili: rileggere sempre date, cifre, IBAN e impegni legali, confrontando riga per riga la risposta con il documento iniziale prima dell'invio finale.

Domande frequenti

Cosa significa la sigla LLM?

Significa Large Language Model, traducibile in italiano come grande modello linguistico, ovvero un sistema di intelligenza artificiale addestrato per comprendere e produrre testi complessi.

Un LLM cerca sempre le risposte su Google?

No, il modello genera risposte basandosi sulle probabilità statistiche apprese durante il suo addestramento, a meno che non sia integrato in un'applicazione collegata a internet con accesso a un motore di ricerca.

Perché a volte un modello linguistico fornisce informazioni false?

Perché un LLM calcola la plausibilità linguistica delle parole e non la loro veridicità reale. In assenza di fonti precise o contesti chiari, il sistema può produrre testi credibili ma del tutto inventati.

← Tutti i termini del Glossario IA

🛒 Sklep Kinetyka CapCut Pro 460 zł/rok Lovable Pro 450 zł/rok Replit Core 119 zł/rok Zobacz wszystko →
× ‹ powiększenie ›