Un simpatico repertorio di parole utilizzate (spesso) anche in ambito tecno-didattico e spesso poco note.
A B C D E F G H I J K L M N O P Q R S T U V W X Y Z
- Prompting
- L'atto di formulare un'istruzione, una domanda o un testo di ingresso (prompt) da inviare a un modello di intelligenza artificiale generativa per ottenere una risposta specifica. Include la definizione del contesto, del compito e dei vincoli.
La traduzione letterale del sostantivo inglese prompt è: sollecito (o incitamento, spinta). Nel linguaggio teatrale e cinematografico indica la frase che il suggeritore dà all'attore quando dimentica la battuta. In ambito informatico si traduce tradizionalmente con "segnale di pronto" o "invito all'inserimento": è la richiesta visiva con cui il sistema avvisa l'utente di essere pronto a ricevere un comando (come il cursore lampeggiante nei vecchi terminali).
Nel contesto dell'IA generativa, indica l'istruzione o l'input iniziale fornito dal sistema o dall'utente per sollecitare una risposta.
- Metaprompting
- L'uso dell'IA per progettare, ottimizzare o generare altri prompt. Invece di scrivere direttamente l'istruzione finale, l'utente chiede al modello di definire la struttura ideale del prompt o di fare domande per raccogliere i dati necessari a svolgere al meglio il compito (ad esempio: chiedere all'IA "Fammi 5 domande per capire esattamente che tipo di testo mi serve e poi scrivi tu il prompt perfetto per me", oppure "Ottimizza questa mia richiesta rendendola più chiara ed efficace per un'IA")
- System Prompt (Istruzioni di Sistema)
- Un'istruzione di fondo prioritaria fornita all'IA per definire il suo ruolo permanente, il tono di voce, i limiti etici e le regole di comportamento durante tutta la sessione di lavoro. Stabilisce "chi è" l'IA prima che risponda alle singole richieste.
- Chain of Thought (CoT / Catena di Pensiero)
- Una tecnica di prompting in cui si richiede esplicitamente all'IA di mostrare i passaggi intermedi del proprio ragionamento logico prima di fornire la risposta finale. Riduce le inesattezze e migliora l'analisi di problemi complessi.
- Separare il processo dall'output
- Strategia operativa derivata dalla Chain of Thought che divide la richiesta in due fasi distinte: prima si impone all'IA di analizzare, categorizzare o riflettere sui dati di partenza; solo successivamente le si chiede di produrre il manufatto finale (es. la scheda didattica o la sintesi).
- Prompt Chaining (Concatenamento di Prompt)
- La scomposizione di un compito articolato in una sequenza graduale di prompt interconnessi, in cui l'output di una fase diventa l'input per la fase successiva, garantendo un controllo preciso sul risultato (ad esempio: chiedere prima all'IA la scaletta di un capitolo di scienze, poi usarla per farle scrivere il testo paragrafo per paragrafo e, infine, farle generare le domande di verifica basandosi su quanto appena scritto).
- Integrare l'IA nei flussi di lavoro (Workflow Integration)
- L'inserimento metodico dell'IA all'interno di una filiera operativa preesistente (dalla lettura delle fonti alla creazione del test, fino alla valutazione), trasformando il modello da semplice chatbot occasionale a snodo funzionale del processo di lavoro.
- Uso dei formati strutturati di output
- La prassi di richiedere risposte formattate secondo schemi rigidi (tabelle HTML/Markdown, elenchi analitici, JSON, CSV) invece che in prosa libera. Facilita l'integrazione con altre piattaforme e rende i dati immediatamente riutilizzabili.
- Retrieval-Augmented Generation (RAG)
- In Italiano potremmo definirla "generazione arricchita da fonti". Tecnica che vincola le risposte dell'IA all'analisi esclusiva di un repertorio di documenti forniti dall'utente (come avviene in NotebookLM), impedendo al modello di attingere a informazioni esterne generiche e riducendo il rischio di errori.
- LLM (Large Language Model)
- Modello linguistico di grandi dimensioni addestrato su moli enormi di testo per comprendere, generare e manipolare il linguaggio umano su base probabilistica e statistica.
- Allucinazione (Hallucination)
- Fenomeno in cui un modello di IA generativa produce informazioni false, inventate o storicamente inesistenti presentandole con sicurezza come fatti reali e circostanziati.
- Zero-Shot / Few-Shot Prompting
- Zero-Shot: Chiedere all'IA di eseguire un compito senza fornirle alcun esempio preventivo.
Few-Shot: Fornire all'IA uno o più esempi concreti di input e output desiderato all'interno del prompt prima di chiederle di eseguire il lavoro.
- Finestra di Contesto (Context Window)
- La quantità massima di testo (misurata in token) che l'IA può elaborare e "ricordare" simultaneamente in una singola conversazione o richiesta (arrivando fino a contesti di 1 milione di token capaci di contenere centinaia di documenti pdf o una decina di romanzi). Indicativamente, 1.000 token equivalgono a circa 500–600 parole in italiano (all'incirca una pagina Word o 1-2 cartelle editoriali). Se la finestra di un modello è bassa (8.000 token) e la chat diventa molto lunga, il sistema inizia a "dimenticare" i messaggi iniziali perché escono dalla finestra di memoria.
- Temperatura (Temperature)
- Parametro tecnico che regola il grado di creatività e casualità delle risposte dell'IA: valori bassi producono risposte deterministiche e rigorose; valori alti favoriscono la variabilità e l'originalità espressiva.
Nelle interfacce dove non è possibile regolare la temperatura, è possibile ottenere un effetto simile usando istruzioni testuali nel prompt:
Per simulare temperatura bassa (0.0 - 0.2): "Sii estremamente rigoroso, conciso e attieniti strettamente ai fatti. Non inventare dettagli e usa un formato analitico."
Per simulare temperatura alta (0.8 - 1.2): "Sii molto creativo, proponi idee originali e fuori dagli schemi, varia lo stile espressivo ed esplora diverse prospettive insolite."
0%