Glossario

Apprendimento federato

Che cos’è Apprendimento federato?

L’apprendimento federato è un metodo di addestramento in cui un modello di IA impara su molti dispositivi o sedi senza che i dati grezzi lascino il luogo d’origine. Ogni partecipante addestra in locale e invia solo gli aggiornamenti del modello a un server centrale, che li combina. Ciò tutela la privacy ed è adatto, ad esempio, a ospedali che vogliono migliorare insieme un modello diagnostico o alle tastiere degli smartphone che imparano i suggerimenti di parole.

Temi

Privacy
Addestramento distribuito
Machine learning

Prova KI.ordo

Agenti, flussi e modelli in un’unica area di lavoro – demo gratuita di 24 ore.

Avvia demo

← Tutti i termini

Termini correlati

Normative sulla protezione dei dati

Le normative sulla protezione dei dati sono regole di legge sul trattamento dei dati personali. Nell'UE il riferimento è il Regolamento generale sulla protezione dei dati (GDPR), che richiede tra l'altro una base giuridica per ogni trattamento, la minimizzazione dei dati, trasparenza verso gli interessati e accordi sul trattamento con i fornitori. Quando si usa l'IA occorre chiarire quali dati finiscono negli input, nelle fonti di conoscenza e nei registri, e dove vengono trattati.

GDPR
protezione dei dati
+1

Dati di addestramento

I dati di addestramento sono gli esempi da cui un modello di IA apprende schemi: grandi raccolte di testi per i modelli linguistici, immagini etichettate per quelli visivi. La loro qualità, varietà e attualità determinano in larga misura quanto un modello sarà affidabile ed equo e quanto aggiornate saranno le sue conoscenze. Per le aziende conta inoltre se un fornitore usa i dati dei clienti per ulteriori addestramenti.

Dati
Addestramento
+1

Apprendimento automatico

L’apprendimento automatico (machine learning) è un ambito dell’intelligenza artificiale in cui i computer ricavano schemi dai dati invece di ricevere ogni regola programmata in modo esplicito. A seconda del compito, i modelli imparano da esempi etichettati (supervisionato), da dati non etichettati (non supervisionato) o tramite ricompense (per rinforzo). Le applicazioni vanno dai filtri antispam alle previsioni della domanda fino ai suggerimenti di prodotto. La qualità dipende molto da quantità e qualità dei dati di addestramento.

fondamenti
IA
+1

Dati sintetici

I dati sintetici sono generati artificialmente anziché raccolti nel mondo reale, ma ne riproducono schemi e caratteristiche. Sono utili quando i dati reali sono scarsi, costosi o delicati dal punto di vista della protezione dei dati, ad esempio per testare software, addestrare modelli o verificare un chatbot con richieste di esempio realistiche. È importante che rappresentino la realtà in modo sufficiente e non permettano di risalire a persone reali.

dati di test
protezione dati
+1

Modello