Cos’è un modello linguistico? È un programma addestrato su enormi quantità di testo per prevedere quale parola (o frammento di parola) è più probabile dopo quelle già scritte. Ripetendo questa previsione molte volte, produce frasi, email, riassunti e codice. ChatGPT, Claude e Gemini sono costruiti su modelli di questo tipo.
Cos’è un modello linguistico in termini semplici
Pensa al completamento automatico della tastiera del telefono, ma con una capacità di contesto enormemente maggiore. Un modello linguistico non cerca la risposta in un archivio: la costruisce un pezzo alla volta, scegliendo ogni volta il seguito più plausibile in base a tutto ciò che c’è prima.
Questi pezzi si chiamano token: possono essere parole intere, parti di parola o segni di punteggiatura. La frase “intelligenza artificiale” può essere divisa in più token. Il modello lavora solo con questi, convertiti in numeri.
Che cos’è un modello linguistico di grandi dimensioni
Un modello linguistico di grandi dimensioni, in inglese Large Language Model o LLM, è la versione con un numero enorme di parametri. I parametri sono i valori numerici interni che si regolano durante l’addestramento e che contengono ciò che il modello ha “imparato”. “Grande” si riferisce a questi valori e alla quantità di testo usata per l’addestramento.
Come impara a scrivere: l’addestramento
L’apprendimento avviene in più fasi, e conoscerle aiuta a capire il comportamento dello strumento.
- Pre-addestramento. Il modello legge una quantità immensa di testi. Per ogni passaggio deve indovinare il token successivo. Se sbaglia, i parametri vengono corretti leggermente. Dopo moltissime ripetizioni impara grammatica, stile, nozioni e schemi di ragionamento.
- Messa a punto. Il modello viene addestrato su esempi di domande e risposte ben fatte, così impara a comportarsi da assistente e non solo a continuare un testo.
- Feedback umano. Persone valutano risposte alternative e il modello viene orientato verso quelle più utili, chiare e sicure.
Nessuno scrive regole grammaticali a mano: il modello ricava gli schemi dagli esempi.
Come funziona un LLM quando rispondi a un prompt
Quando scrivi una richiesta, il testo viene diviso in token. Una struttura chiamata Transformer usa un meccanismo di attenzione per pesare quali parole del contesto contano di più per ogni scelta. Per esempio, in “La banca ha chiuso lo sportello” capisce dal contesto che non si parla di un argine del fiume.
Poi il modello calcola una probabilità per ogni possibile token successivo e ne sceglie uno. Aggiunge il token al testo e ripete. Per questo la stessa domanda può dare risposte diverse: nella scelta entra un elemento di casualità.
Il modello può tenere presente solo una quantità limitata di testo alla volta, detta finestra di contesto. Ciò che esce da questa finestra non viene considerato.
Perché sbaglia e come usarlo meglio
Il modello è ottimizzato per produrre testo plausibile, non per verificare i fatti. Per questo può dare informazioni sbagliate con tono sicuro, fenomeno detto allucinazione. Rischi più alti: date, citazioni, numeri, fonti e dettagli molto specifici.
Alcune abitudini riducono gli errori:
- Fornisci tu il materiale di partenza (testo, dati) invece di chiedere di ricordarlo.
- Specifica ruolo, scopo, formato e lunghezza.
- Chiedi di dichiarare quando non è sicuro.
- Verifica sempre i fatti importanti su fonti ufficiali.
Ecco un prompt riutilizzabile:
“Agisci come un revisore di testi. Ti incollo una bozza di email per un cliente. Riscrivila in tono cordiale e professionale, massimo 120 parole. Se manca un’informazione necessaria, chiedimela prima di scrivere e non inventare dettagli.”
Se vuoi applicarlo al lavoro quotidiano, leggi come usare l'AI per scrivere email. Per ottenere risposte meno accondiscendenti trovi altri esempi in questi prompt per ChatGPT.
Domande frequenti
Un modello linguistico capisce davvero ciò che scrive?
Non nel senso umano. Rileva schemi statistici nel linguaggio e li usa molto bene, ottenendo risultati spesso coerenti. Non ha esperienza diretta del mondo né garanzia di correttezza.
Un LLM cerca le risposte su internet?
Di base no: genera il testo dalle conoscenze acquisite in addestramento. Alcuni prodotti collegano il modello a una ricerca web o a documenti, ma è una funzione aggiuntiva che dipende dallo strumento.
Perché la stessa domanda dà risposte diverse?
Perché la scelta del token successivo include una componente casuale. Un prompt più preciso rende le risposte più simili tra loro.
Cosa fare adesso
Apri un assistente come ChatGPT, Claude o Gemini e prova lo stesso compito due volte: prima con una richiesta vaga, poi con ruolo, formato e materiale di partenza. Confronta i risultati e controlla ogni dato prima di usarlo. Se vuoi andare oltre, scopri come creare un agente AI con ChatGPT.
