Un Modello di Fondazione è un modello di IA su larga scala addestrato su una vasta quantità di dati (spesso su scala internet) che può essere adattato a una vasta gamma di compiti a valle. Rappresentano un cambio di paradigma da modelli specifici per compiti a motori generici.
Cosa rende un modello un "Modello di Fondazione"?
Deve essere ampiamente capace. A differenza dei modelli precedenti progettati per un compito (es. analisi del sentiment), un modello di fondazione può scrivere poesia, fare debug di codice, tradurre lingue e riassumere testo, tutto senza riaddestramento specifico.
Cos'è l'"Emergenza"?
I modelli di fondazione mostrano emergenza — capacità per le quali non sono stati esplicitamente addestrati. Per esempio, un modello addestrato semplicemente per prevedere la parola successiva in una frase potrebbe emergere con la capacità di tradurre lingue, scrivere codice o risolvere puzzle logici.
Come sono costruiti?
Il ciclo di vita coinvolge due stadi:
- Pre-addestramento: La fase costosa e intensiva di calcolo in cui il modello impara pattern generali da dataset massicci (es. "imparare a leggere e scrivere").
- Fine-tuning: La fase di adattamento in cui il modello è specializzato per un compito o comportamento specifico (es. "imparare a essere un assistente utile").
Principali Modelli di Fondazione
I modelli di fondazione prominenti includono la serie GPT (OpenAI), BERT (Google), Claude (Anthropic) e Stable Diffusion (Stability AI).
Frequently Asked Questions
I Modelli di Fondazione sono la stessa cosa degli LLM?
Gli LLM (Large Language Models) sono un *tipo* di modello di fondazione focalizzato sul testo. Ma i modelli di fondazione possono anche essere multimodali, gestendo immagini, audio e video.
Quali sono i rischi?
Poiché sono addestrati su dati internet, possono ereditare pregiudizi e contenuti tossici. Possono anche 'allucinare' (inventare cose) con sicurezza.
Up Next
Ready to Deepen Your Understanding?
Join our hands-on workshops to master these concepts and apply them to real-world problems.