ANGOLO 1729 · APPROFONDIMENTI
Dentro l’intelligenza artificiale, oltre la superficie.
Modelli, agenti, memoria, retrieval, sicurezza, valutazione e deployment. Una serie di approfondimento per capire non solo che cosa fa l’IA, ma come viene progettata, misurata e resa affidabile nei sistemi reali.
Come seguire il percorso
Questa serie parte da concetti già familiari e scende di un livello: dentro le architetture, le metriche, i compromessi e i meccanismi che rendono concreti i sistemi di IA. Gli articoli possono essere letti in sequenza, ma ciascuno è pensato anche come approfondimento autonomo.
Per iniziare — è utile avere familiarità con i concetti di base di modelli linguistici, RAG e agenti.
Per approfondire — entrano in gioco probabilità, metriche, retrieval, state management, sicurezza, quantizzazione e fine-tuning, sempre con esempi e schemi esplicativi.
Gli approfondimenti
Una serie dedicata ai meccanismi, alle metriche e alle scelte progettuali dell’intelligenza artificiale contemporanea.
-
19 – Prima del RAG: come un PDF diventa una fonte affidabile
Prima degli embedding: come preservare colonne, tabelle e note di un PDF. Una prova riproducibile mostra i limiti di estrazione e OCR e i controlli necessari per costruire fonti affidabili per il RAG.
-
20 – GraphRAG: quando cercare significa seguire relazioni
Quando unire frammenti non basta: GraphRAG collega enti, persone, atti e progetti. Un esempio riproducibile mostra percorsi e fonti, con costi, limiti e casi in cui il grafo non conviene.
-
21 – LLM come giudice: chi controlla il valutatore?
Come verificare un LLM giudice: rubrica, ordine invertito e lunghezza delle risposte. Due casi guidati, conteggi Python e un protocollo per il confronto umano indipendente.
-
22 – Quando l’IA dovrebbe dire “non ho elementi sufficienti”
Progettare l’astensione senza rinunciare a tutto: copertura, errori e risposte perse. Una simulazione riproducibile distingue punteggi, probabilità calibrate e sicurezza verbale.
-
23 – Agenti e operazioni duplicate: che cosa succede dopo un timeout?
Un timeout non prova che un’operazione sia fallita. Chiavi di idempotenza, registri e recupero: una prova Python mostra come un retry può creare una pratica duplicata e come evitarlo.
-
24 – Distillazione: che cosa impara davvero il modello più piccolo?
Che cosa si trasferisce dal docente allo studente? Distillazione, generalizzazione e perdita di qualità, con un laboratorio Python riproducibile, un grafico e criteri per valutare costi e licenze.
Un percorso che continua
Dentro l’IA nasce come secondo livello di lettura: dopo aver capito i concetti fondamentali, qui proviamo a vedere che cosa accade davvero quando quei concetti diventano sistemi. Nuovi articoli potranno aggiungersi nel tempo seguendo l’evoluzione di modelli, agenti e infrastrutture.
DALLA MIA BIBLIOTECA
Una selezione più tecnica per approfondire modelli, apprendimento, LLM e progettazione di sistemi di intelligenza artificiale.