Oltre il mito dell'intelligenza
Quando parliamo di AI generativa, spesso ci perdiamo in metafore fantascientifiche. Per chi vuole costruire automazioni, è fondamentale vedere l'AI per quello che è: un motore statistico incredibilmente sofisticato. Vediamo i tre pilastri tecnici che fanno funzionare un LLM.
1. I Token: l'alfabeto dell'AI
Un LLM non legge le parole come noi. Il testo viene spezzato in unità chiamate token. Un token può essere una parola intera, una parte di parola o persino un singolo carattere. In media, 1.000 token equivalgono a circa 750 parole. Quando invii un prompt, l'AI trasforma il tuo testo in una lunga lista di numeri (vettori) che rappresentano questi token.
2. La Probabilità: il gioco del completamento
Un LLM non "pensa", ma predice. Il suo unico obiettivo è: "Dato questo elenco di token, qual è il token più probabile che dovrebbe seguire?". È un'estensione iper-avanzata del completamento automatico del tuo smartphone. Non c'è una verità intrinseca, solo una distribuzione statistica basata su miliardi di testi letti durante l'addestramento.
3. Il Prompt: le tue istruzioni come input
Il prompt è semplicemente il punto di partenza della catena di probabilità. Più il tuo prompt è preciso, più restringi il campo delle "prossime parole possibili" che l'AI prenderà in considerazione, guidandola verso il risultato che ti serve per la tua automazione.
Esercizio Pratico: Il gioco del completamento
Prova a fare questo esercizio per capire la natura probabilistica dell'AI:
- Apri un LLM (come ChatGPT o Claude).
- Scrivi: "Il colore del cielo è solitamente" e fermati.
- Non inviare il messaggio. Osserva come il modello "pensa" che la parola successiva sia "blu".
- Ora scrivi: "Il colore del cielo al tramonto è". Nota come la probabilità si sposta verso "rosso" o "arancione".
Hai appena visto il motore statistico in azione: hai cambiato l'input (il prompt), cambiando di conseguenza la distribuzione di probabilità del token successivo.
