Przejdź do treści
promptowy.com / Glossario IA / Pesi del modello (weights)
Modelli e addestramento

Pesi del modello (weights)

I pesi del modello sono i valori numerici appresi durante l'addestramento di una rete neurale, che racchiudono l'intera conoscenza e logica dell'intelligenza artificiale.

I pesi del modello (spesso indicati con il termine inglese weights) sono i valori numerici effettivi calcolati durante l'addestramento di una rete neurale artificiale. Dal punto di vista pratico, rappresentano la memoria e la conoscenza operativa del sistema: ogni decisione, previsione o testo generato da un modello linguistico o visivo è il risultato diretto di miliardi di calcoli matematici basati su questi numeri.

Quando si addestra un'architettura di intelligenza artificiale, la struttura di partenza è vuota e non possiede alcuna capacità autonoma. Attraverso l'elaborazione di enormi quantità di dati, la rete regola gradualmente la forza dei collegamenti tra i nodi artificiali. Questi valori di regolazione sono proprio i pesi: chi possiede questi file può eseguire il modello su un'infrastruttura privata, modificarlo o adattarlo a compiti specifici senza dover ricominciare da capo il processo di calcolo.

Come funzionano i pesi all'interno della rete

In una rete neurale, le informazioni in ingresso passano attraverso diversi strati di nodi interconnessi. Ogni connessione possiede un peso numerico che amplifica o attenua il segnale in transito prima che venga calcolata la risposta finale. Se un valore è elevato, quel particolare elemento o concetto ha un impatto dominante sulla decisione finale; se è vicino allo zero, viene quasi ignorato.

Al termine del ciclo di apprendimento, questi miliardi di parametri vengono salvati su disco sotto forma di archivi di grandi dimensioni, in formati dedicati come Safetensors. Questi file non contengono il testo originario dei libri o dei documenti usati per l'addestramento, ma contengono le formule matematiche estratte da quelle letture. Sono, in senso letterale, la mente numerica del software.

Modelli proprietari via API e modelli a pesi aperti

La disponibilità dei pesi definisce il modo in cui le aziende e gli sviluppatori possono utilizzare l'intelligenza artificiale. Sul mercato attuale esistono due grandi approcci:

  • Modelli a pesi chiusi: accessibili esclusivamente attraverso interfacce web o chiamate API gestite dal fornitore. L'utente invia una richiesta a un server esterno e riceve la risposta, ma non ha alcun accesso ai file dei pesi né al controllo dell'infrastruttura sottostante.
  • Modelli a pesi aperti: i creatori mettono i file numerici a disposizione per il download pubblico. Chiunque disponga dell'hardware idoneo può scaricare i pesi, ospitare il modello sui propri server e utilizzarlo senza dipendere da connessioni esterne o da fornitori terzi.

Un esempio pratico: un'officina meccanica o uno studio a Reggio Emilia

Immaginiamo una media impresa metalmeccanica a Reggio Emilia che desidera catalogare migliaia di schede tecniche riservate e disegni industriali protetti da segreto industriale. L'azienda vuole usare un assistente virtuale interno per aiutare i periti di officina a trovare istruzioni di montaggio in pochi secondi.

Se l'azienda decidesse di affidarsi a un modello chiuso, dovrebbe trasmettere i documenti tecnici su server remoti di terze parti, con potenziali dubbi sulla riservatezza contrattuale. Scaricando invece i pesi di un modello aperto direttamente su una workstation dotata di schede grafiche all'interno della propria sede, l'officina può far funzionare l'assistente a circuito chiuso. Nessun dato lascia le mura dell'azienda, e i periti possono persino perfezionare quei pesi (processo noto come fine-tuning) per insegnare al modello il gergo meccanico locale e le sigle dei pezzi proprietari.

L'errore comune: confondere pesi aperti con vero open source

Un equivoco frequente riguarda la sovrapposizione tra pesi distribuiti pubblicamente e il concetto tradizionale di software open source. Scaricare liberamente un archivio di pesi non equivale automaticamente ad avere una licenza priva di vincoli.

Molti laboratori rilasciano i propri pesi con licenze personalizzate che impongono limiti specifici: ad esempio, vietano l'utilizzo a fini commerciali per aziende che superano una certa soglia di utenti attivi, oppure impediscono l'uso dei pesi per addestrare modelli concorrenti. Inoltre, il codice sorgente per addestrare da zero la rete e i dati di partenza quasi mai vengono resi noti. Trattare un modello a pesi aperti come se fosse software con licenze permissive standard (come MIT o Apache) senza verificare le condizioni legali può portare a gravi violazioni delle licenze commerciali.

Domande frequenti

Cosa succede se perdo o corrompo il file dei pesi?

Il file dei pesi costituisce l'intera capacità operativa del modello; se viene danneggiato o rimosso, il programma non può funzionare e deve essere riscaricato dalla sorgente originaria o ripristinato da un backup.

I file dei pesi contengono i dati personali usati per addestrarli?

I pesi non conservano direttamente copie dei file o dei testi usati durante l'apprendimento, ma solo configurazioni matematiche astratte; tuttavia, con interrogazioni mirate, alcuni modelli possono occasionalmente riprodurre sequenze mnemoniche di dati frequenti.

Cosa significa fare il fine-tuning dei pesi?

Significa prendere un modello già addestrato e modificare leggermente i suoi pesi numerici esponendolo a un set ridotto di documenti specializzati, per adattarlo a un settore o a un linguaggio professionale specifico.

← 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 ›