Strato 1, ingresso

Domanda: che cosa succede dentro un sistema di IA quando ti risponde?

Capire l'intelligenza artificiale, un nodo alla volta

White_name2 è una risorsa educativa gratuita. Spieghiamo come funzionano i modelli, dove sbagliano e come vengono usati, anche nella finanza come oggetto di studio. Non vendiamo prodotti, non promettiamo risultati. Ti diamo gli strumenti per capire.

Schema di una piccola rete neurale Tre nodi di ingresso (forma, colore, dimensione) collegati a quattro nodi nascosti, a loro volta collegati a due nodi di uscita (mela e pera). Ogni collegamento rappresenta un peso. Ingresso Strato nascosto Uscita peso forma colore dimensione mela pera
Una rete minima: tre ingressi, quattro nodi nascosti, due uscite. Le linee in ciano sono i collegamenti che pesano di più in questo esempio.

Strato 2, vocabolario

Domanda: da dove conviene partire?

Quattro parole che tornano ovunque

Questo sito è pensato per chi usa strumenti di IA a scuola, al lavoro o per curiosità, e vuole sapere cosa c'è sotto. Non serve saper programmare. Serve un po' di pazienza e queste quattro parole.

Modello
Una funzione matematica con molti parametri regolabili. Riceve numeri, restituisce numeri.
Dati
Gli esempi da cui il modello impara. Se sono parziali, anche il modello lo sarà.
Peso
Un singolo parametro. Dice quanto conta un collegamento tra due nodi.
Errore
La distanza tra ciò che il modello prevede e ciò che i dati indicano come corretto.

Strato 3, il ciclo

Domanda: che cosa vuol dire, in concreto, che un modello impara?

Come impara un modello, in cinque passi

Prendi il modello più piccolo possibile: tre ingressi, un'uscita. Segui un giro completo del ciclo. Poi immagina di ripeterlo milioni di volte.

Ciclo di apprendimento di un modello con tre ingressi e un'uscita aggiustamento dei pesi w1 w2 w3 errore ingressi previsione valore atteso
  1. Passo 1 di 5

    Input

    Il modello riceve numeri. Una foto diventa una griglia di valori, una frase diventa una sequenza di pezzi di testo codificati. Chiediti subito: che cosa c'è in quei numeri, e che cosa manca?

  2. Passo 2 di 5

    Pesi

    Ogni collegamento ha un peso, cioè un numero che dice quanto conta quell'ingresso. All'inizio i pesi sono quasi casuali. Il modello, quindi, non sa ancora niente.

  3. Passo 3 di 5

    Output

    Ingressi e pesi vengono combinati in un calcolo. Esce una previsione, per esempio 0,8 di probabilità che la foto mostri una mela. È aritmetica, non un'opinione.

  4. Passo 4 di 5

    Errore

    La previsione viene confrontata con il valore atteso preso dai dati di addestramento. La distanza tra i due si chiama errore, o perdita. Più è grande, più il modello ha sbagliato.

  5. Passo 5 di 5

    Aggiustamento

    Un algoritmo, di solito la discesa del gradiente, sposta ogni peso di poco, nella direzione che riduce l'errore. Ripeti il giro su molti esempi e i pesi si assestano. Questo è l'apprendimento.

Strato 6, verifica

Domanda: quali idee sull'IA reggono a un controllo?

Quattro convinzioni da mettere alla prova

Apri ogni voce e confronta la convinzione con ciò che sappiamo davvero.

ConvinzioneIl modello capisce quello che dice.

Cosa sappiamo. Un modello linguistico calcola quale sequenza di testo è probabile dopo quella che ha ricevuto. Può essere utile e preciso, ma non ha un controllo interno su che cosa sia vero.

ConvinzionePiù dati significa sempre risultati migliori.

Cosa sappiamo. Conta anche la qualità. Dati duplicati, sbilanciati o etichettati male possono peggiorare un modello, anche se sono tantissimi.

ConvinzioneUn algoritmo è neutrale perché è matematica.

Cosa sappiamo. La matematica è neutrale, le scelte intorno no: quali dati raccogliere, quale obiettivo ottimizzare, quale errore tollerare. Lì entrano i bias.

ConvinzioneUn modello addestrato sui mercati sa prevederli.

Cosa sappiamo. I mercati cambiano comportamento nel tempo e i dati passati non descrivono il futuro. Un modello può trovare regolarità che spariscono appena le usi. Per questo qui la finanza è un oggetto di studio, mai un'indicazione operativa.

Strato 7, regole interne

Domanda: perché dovresti fidarti di quello che leggi qui?

Cinque principi editoriali

Non ti chiediamo fiducia sulla parola. Ti diciamo come lavoriamo, così puoi controllarci.

Leggi come verifichiamo
  • Fonti primarie prima di tutto

    Testi normativi, articoli scientifici, documentazione tecnica. Le sintesi di terzi servono solo come punto di partenza.

  • Limiti dichiarati

    Ogni spiegazione dice anche dove si ferma. Se un tema è incerto o discusso, lo scriviamo.

  • Nessun prodotto citato per promuoverlo

    Parliamo di tecniche e concetti. Non recensiamo e non consigliamo strumenti commerciali.

  • Esempi finanziari solo descrittivi

    Quando parliamo di credito, frodi o mercati, spieghiamo come funzionano i sistemi. Non diamo indicazioni su cosa fare con il tuo denaro.

  • Correzioni visibili

    Se troviamo un errore lo correggiamo e aggiorniamo la data. Puoi segnalarne uno dalla pagina contatti.

Strato 8, fonti

Domanda: da dove vengono le informazioni che usiamo?

Tipi di fonte e i loro limiti

Nessuna fonte è perfetta. Conoscere il limite di ognuna è metà del lavoro di verifica.

Tipi di fonte usati dalla redazione, cosa offrono e quale limite hanno
Tipo di fonte Cosa ti dice Limite da ricordare
Testi normativi ufficiali dell'Unione europea Che cosa è obbligatorio, per chi e da quando. Linguaggio tecnico; l'applicazione pratica si chiarisce con linee guida successive.
Pubblicazioni di banche centrali e autorità di vigilanza Come i regolatori osservano l'uso dell'IA nel settore finanziario. Descrivono rischi e tendenze generali, non casi singoli.
Letteratura accademica con revisione paritaria Metodi, esperimenti, risultati misurati. I risultati valgono nelle condizioni dello studio; servono più studi per generalizzare.
Documentazione tecnica dei modelli Come un sistema è stato addestrato e valutato, secondo chi l'ha costruito. È scritta da chi sviluppa il sistema; va letta con spirito critico.
Statistiche ufficiali Diffusione dell'IA in imprese e famiglie, competenze digitali. Arrivano con ritardo e usano definizioni che cambiano tra paesi.

Vuoi vedere il metodo applicato a un tema concreto?

Vai alle letture

Strato 9, domande frequenti

Domanda: che cosa ci chiedono più spesso?

Domande frequenti

Un progetto editoriale indipendente con sede a Genova, curato dalla redazione di White_name2. Non apparteniamo a gruppi industriali né a produttori di sistemi di intelligenza artificiale.

Con la pubblicità. Tutti i contenuti sono gratuiti. Non vendiamo prodotti o servizi finanziari, non vendiamo strumenti di IA, non gestiamo denaro e non riceviamo commissioni o compensi di affiliazione per raccomandare prodotti.

No. Il materiale è solo educativo. Quando parliamo di finanza descriviamo come funzionano i sistemi di IA in quel settore. Non diamo indicazioni personalizzate e non suggeriamo operazioni.

Solo ciò che ci invii con il modulo di contatto: nome, email, oggetto e messaggio. Nel tuo browser salviamo una sola preferenza tecnica, cookieConsent, con la tua scelta sui cookie. Niente profilazione.

Sì, tutti. Non ci sono abbonamenti, aree riservate o registrazioni.

No. Non recensiamo e non promuoviamo prodotti. Ti spieghiamo come valutarli da solo: che dati usano, che errori fanno, come controllare una risposta.

I testi sono scritti e verificati dalla redazione. Possiamo usare strumenti automatici per ricerche preliminari o correzioni ortografiche, ma ogni affermazione viene controllata su fonti primarie prima della pubblicazione.

Strato 10, uscita

Domanda: hai trovato un errore o vuoi proporre un tema?

Scrivi alla redazione

Questo canale serve per domande sui contenuti, segnalazioni e proposte. Non rispondiamo a richieste di consulenza finanziaria personale.

Usiamo questi dati solo per risponderti. Dettagli nell'informativa privacy.