Modelli linguistici di grandi dimensioni

  • 7 minuti

Capire come funziona l'intelligenza artificiale generativa può aiutare i docenti a rimanere all'avanguardia dei progressi tecnologici nel campo dell'istruzione. Approfondiamo il vocabolario dell'intelligenza artificiale.

Che cosa sono i modelli linguistici di grandi dimensioni?

Il modello linguistico di grandi dimensioni (LLM) si riferisce ai modelli di intelligenza artificiale come GPT-5.6 (e versioni future) di OpenAI, che vengono addestrati su enormi quantità di testo e possono generare risposte di conversazione sul posto prevedendo quali parole vengono dopo in una frase, come mettere insieme un puzzle. I modelli linguistici di grandi dimensioni possono eseguire varie attività di linguaggio naturale come:

  • Classificazione
  • Riepilogo
  • Conversione
  • Generazione di contenuto
  • Dialogo (ad esempio, assistenti virtuali)

I modelli linguistici di grandi dimensioni sono addestrati su miliardi di esempi linguistici provenienti da fonti diverse come libri, articoli e siti web, che li aiutano a rispondere con fatti, testi grammaticalmente corretti, argomentazioni e una parvenza di creatività.

Il popolare sistema ChatGPT di OpenAI è un esempio di questo tipo di intelligenza artificiale generativa. ChatGPT è alimentato da un modello linguistico di grandi dimensioni inventato in OpenAI basato sul modello GPT-5.6 (Generative Pretrained Transformer). ChatGPT è un'applicazione basata su un modello linguistico di grandi dimensioni ottimizzato per le chat interattive.

Le People che usano un'app basata su un modello linguistico di grandi dimensioni possono dirigere l'output del modello attraverso prompt, ovvero il testo che inseriscono nell'interfaccia dell'app. I prompt possono essere frasi o domande in linguaggio naturale, frammenti di codice o comandi, o qualsiasi combinazione di testo o codice.

Quando un prompt è specifico e dettagliato, i LLM possono generare testo, approfondire i punti principali, condensare le informazioni in punti chiave e rispondere alle domande in modo efficiente. L'arte di definire in modo creativo i prompt LLM è un campo emergente noto come prompt design e prompt engineering. Implica il processo di creazione di prompt efficaci ed efficienti per ottenere la risposta desiderata. Docenti e studenti potrebbero dover sperimentare la scelta di parole, frasi, simboli e formati giusti che guidano il modello per generare testi pertinenti e di alta qualità.

Alcuni suggerimenti per la scrittura di prompt efficaci sono:

  • Essere specifici.
  • Usa il modello giusto per l'attività.
  • Chiedi risultati da un certo punto di vista.
  • Guida il modello per generare la lunghezza desiderata.
  • Usare il pulsante Nuovo argomento per cambiare argomento

Per ulteriori suggerimenti[i]

Microsoft utilizza la tecnologia del modello linguistico di grandi dimensioni per potenziare le funzionalità di Copilot Chat.

Copilot Chat è come avere un assistente di ricerca, un pianificatore personale e un partner creativo al tuo fianco ogni volta che esegui ricerche sul Web. Grazie a questa serie di funzionalità basate sull'intelligenza artificiale, è possibile:

  • Fare una domanda vera e propria. Quando poni domande complesse, Copilot Chat può fornirti risposte dettagliate.
  • Ottenere una risposta concreta. Copilot Chat esamina i risultati della ricerca sul Web per fornire una risposta riepilogata.
  • Sii creativo. Quando hai bisogno di ispirazione, Copilot Chat può aiutarti a scrivere poesie, storie o persino a creare una nuova immagine.
  • Nell'esperienza di chat, puoi anche porre domande di completamento come "Puoi spiegarlo in termini più semplici" o "Dammi più opzioni" per ottenere risposte diverse e più dettagliate nella tua ricerca.

Nota

Controllare sempre i risultati. Anche se le risposte dei LLM appaiono convincenti, potrebbero essere imprecise, incomplete o inadeguate. I LLM non sono in grado di comprendere o valutare l'accuratezza delle risposte. È importante notare che Copilot Chat fornisce ai docenti e agli allievi fonti per il contenuto online che utilizza come dati nelle sue risposte, in modo che possano valutarlo prima di usarlo come fonte attendibile.

Un esempio pratico:

Un membro della facoltà di un'università deve scrivere un nuovo programma per un corso di pianificazione urbana. Iniziano chiedendo a Copilot Chat di scrivere un riassunto di un corso di livello universitario sulla pianificazione urbana. Il riepilogo è dettagliato ma non include tutti gli elementi del corso. Il docente modifica la richiesta in modo da includere la struttura del corso e specifica che il riepilogo è relativo a un programma del corso. La seconda iterazione è più vicina a ciò che serve per il syllabus. Copiano il testo, lo incollano in un documento Word e cambiano solo poche parole. Il riepilogo è fatto. Chiedono quindi a Copilot Chat di scrivere gli obiettivi di apprendimento per il corso in base alla struttura e al riepilogo. In pochi minuti completano questa attività e possono passare alla creazione del materiale didattico.

Sebbene i LLM siano impressionanti sotto molti punti di vista, sono più adatti a compiti che comportano la categorizzazione, la generazione di nuove idee o la sintesi di un testo piuttosto che il recupero di dettagli specifici da un grande insieme di dati.