Oltre 50 definizioni chiare e aggiornate per comprendere l'Intelligenza Artificiale, il regolamento europeo AI Act, il RGPD e i grandi concetti dell'etica digitale.
Dall'AI Act alla spiegabilità, dal bias algoritmico alla supervisione umana: questo glossario raccoglie il vocabolario essenziale della Data Science, del Machine Learning e della governance etica dei sistemi di IA. Un riferimento pensato per i decision-maker, i giuristi, i data scientist e i responsabili della conformità.
Primo regolamento europeo sull'intelligenza artificiale (Regolamento UE 2024/1689). Disciplina la messa sul mercato e l'uso dei sistemi di IA secondo un approccio basato sul rischio (inaccettabile, elevato, limitato, minimo) e impone obblighi di trasparenza, governance e supervisione umana.
Insieme finito e ordinato di istruzioni per risolvere un problema o svolgere un compito. Nell'IA, l'algoritmo apprende le regole dai dati anziché riceverle in modo esplicito.
Valutazione indipendente di un sistema di IA volta a verificarne la conformità, l'equità e la robustezza. È il cuore dell'approccio dei label ADEL e della Piattaforma DEO.
Processo di sensibilizzazione e sviluppo delle competenze dei team sulle sfide della Data Science e dell'etica dell'IA, condizione di un'adozione responsabile.
Metodo di Machine Learning in cui il modello apprende da dati etichettati (ingressi associati a uscite note) per predire nuovi casi.
Metodo in cui il modello rileva autonomamente strutture, raggruppamenti o anomalie in dati non etichettati (clustering, riduzione della dimensionalità).
Distorsione sistematica dei risultati di un sistema di IA, che riproduce o amplifica le discriminazioni presenti nei dati di addestramento o nella concezione del modello. La sua rilevazione è una sfida centrale dell'IA responsabile.
Insiemi di dati di volume, velocità e varietà tali da superare gli strumenti di elaborazione tradizionali. Materia prima di numerosi modelli di IA.
Insieme di dati utilizzato per addestrare un modello. La sua qualità, rappresentatività e governance condizionano direttamente l'affidabilità e l'equità del sistema.
Commission Nationale de l'Informatique et des Libertés: l'autorità francese incaricata di vigilare sulla protezione dei dati personali e sull'applicazione del RGPD.
Principio che consiste nell'integrare i requisiti normativi (RGPD, AI Act) fin dalla progettazione di un sistema, e non a posteriori.
Insieme degli obblighi da rispettare per i sistemi di IA in base al loro livello di rischio: documentazione tecnica, gestione dei rischi, trasparenza, supervisione umana, registrazione.
Fase di pulizia e normalizzazione dei dati (correzione degli errori, gestione dei valori mancanti, deduplicazione) preliminare a qualsiasi modellazione affidabile.
Disciplina che combina statistica, informatica e competenze di dominio per estrarre valore dai dati, dalla raccolta alla modellazione predittiva.
Sotto-dominio del Machine Learning basato su reti neurali profonde a più strati, alla base dei recenti progressi in visione, linguaggio e IA generativa.
Ai sensi dell'AI Act, organizzazione che utilizza un sistema di IA sotto la propria responsabilità. Ha obblighi di supervisione umana e monitoraggio degli incidenti.
Piattaforma di auto-valutazione e audit della maturità etica dei sistemi di IA, a supporto dei label ADEL di GoodAlgo.
Data Protection Officer: il referente incaricato di gestire la conformità al RGPD all'interno di un'organizzazione.
Riflessione sui valori, doveri e responsabilità che devono guidare la progettazione e l'uso delle tecnologie digitali al servizio dell'essere umano.
Approccio sviluppato da Jérôme Béranger: far evolvere l'etica in modo continuo con la tecnologia, anziché cristallizzarla in regole statiche.
Integrazione dei principi etici fin dalla progettazione di un sistema digitale: trasparenza, equità, rispetto dei diritti fondamentali.
Capacità di spiegare in modo comprensibile le decisioni di un sistema di IA. Requisito chiave per la fiducia, l'audit e la conformità all'AI Act.
Proprietà di un modello che tratta individui e gruppi senza discriminazioni ingiustificate, misurata tramite test statistici dedicati.
Modello di grandissime dimensioni (foundation model) pre-addestrato su corpus immensi, adattabile a molteplici compiti — base delle moderne IA generative.
Ri-addestramento mirato di un modello pre-addestrato su dati specifici per adattarlo a un caso d'uso professionale.
Insieme delle politiche, dei ruoli e dei processi che garantiscono la qualità, la sicurezza e la conformità dei dati lungo tutto il loro ciclo di vita.
Famiglia di sistemi di IA capaci di produrre contenuti originali (testo, immagine, audio, codice) a partire da istruzioni. Coperta dal label ADEL-AI Use.
General-Purpose AI: modelli di IA a uso generale soggetti a specifici obblighi di trasparenza e documentazione ai sensi dell'AI Act.
Categoria dell'AI Act che raggruppa le IA che possono incidere sulla salute, sicurezza o diritti fondamentali (reclutamento, credito, sanità, giustizia…). Soggetta agli obblighi più stringenti.
Produzione da parte di una IA generativa di un'informazione plausibile ma falsa. Rischio maggiore da gestire tramite la supervisione umana.
Insieme di tecniche che consentono alle macchine di svolgere compiti associati all'intelligenza umana: percezione, ragionamento, apprendimento, decisione.
Progettazione e uso dell'IA nel rispetto dell'etica, dei diritti fondamentali e della normativa, con trasparenza e responsabilità.
IA lecita, etica e robusta, secondo il quadro della Commissione Europea: un sistema degno di fiducia lungo tutto il suo ciclo di vita.
Fase di utilizzo operativo di un modello addestrato: produce previsioni o contenuti su nuovi dati in condizioni reali.
Certificazione GoodAlgo che attesta l'impegno etico di un attore o di un sistema di IA, disponibile nelle versioni ADEL-Project, ADEL-AI Act e ADEL-AI Use (livelli Bronze, Silver, Gold).
Large Language Model: modello di Deep Learning addestrato su immensi corpus testuali, capace di comprendere e generare linguaggio naturale.
Apprendimento automatico: ramo dell'IA in cui un modello apprende le regole dai dati anziché da istruzioni esplicite.
Costruzione di un modello matematico che rappresenta un fenomeno a partire dai dati, per predirlo o spiegarlo.
Livello di avanzamento di un'organizzazione nel suo percorso di IA responsabile, misurato dalla Piattaforma DEO e materializzato dai label ADEL.
Difetto di un modello eccessivamente adattato ai dati di addestramento, che generalizza male su nuovi dati.
Qualsiasi informazione riguardante una persona fisica identificata o identificabile, protetta dal RGPD.
Utilizzo di modelli statistici e di IA per anticipare eventi o comportamenti futuri a partire da dati storici.
Ai sensi dell'AI Act, entità che sviluppa o immette sul mercato un sistema di IA. Ha la maggior parte degli obblighi di conformità.
Strumento proprietario di GoodAlgo per l'auto-valutazione e il monitoraggio della maturità etica digitale dei progetti e sistemi di IA.
Regolamento Generale sulla Protezione dei Dati (UE 2016/679): quadro europeo a tutela dei dati personali dei cittadini e disciplina del loro trattamento.
Capacità di un sistema di IA di rimanere affidabile e sicuro di fronte a errori, dati insoliti o attacchi avversari. Requisito dell'AI Act.
Modello ispirato al cervello, composto da strati di neuroni artificiali, al cuore del Deep Learning.
Declinazione della Responsabilità Sociale d'Impresa alle sfide del digitale: etica degli algoritmi, sobrietà digitale, inclusione.
Principio che garantisce che un essere umano mantenga il controllo su un sistema di IA: potere di intervenire, correggere o interrompere una decisione. Obbligo per le IA ad alto rischio.
Valorizzazione di piccoli volumi di dati di qualità, spesso più pertinente e frugale del Big Data per molti casi industriali.
Ai sensi dell'AI Act, sistema automatizzato che, per obiettivi dati, genera risultati (previsioni, raccomandazioni, decisioni) che influenzano il suo ambiente.
Misure tecniche e organizzative che proteggono i dati da perdita, alterazione o accesso non autorizzato.
Capacità di rendere intelligibili il funzionamento e le finalità di un sistema di IA per i suoi utenti e le autorità.
Qualsiasi operazione su dati personali (raccolta, conservazione, analisi, condivisione), disciplinata dal RGPD.
Registrazione degli eventi di un sistema di IA che consente di ricostruire e verificare le sue decisioni a posteriori.
Trasformazione dei dati grezzi in valore aziendale: insight, automazione, supporto alle decisioni.
Rappresentazione grafica dei dati e dei risultati dell'IA per renderli leggibili e utilizzabili (es. lo strumento VIZIAA di GoodAlgo).
eXplainable AI: insieme di metodi che rendono le decisioni dei modelli di IA interpretabili dall'essere umano, indispensabile per la fiducia e la conformità.
Capacità di un modello di affrontare un compito senza esempi specifici precedenti, basandosi sulle sue conoscenze generalizzate.
I nostri esperti ti accompagnano dall'audit etico alla certificazione ADEL. Valuta gratuitamente la maturità dei tuoi sistemi di IA.