Regressione verso la media (dell’AI): perché i risultati mediocri sono colpa nostra, non sua.

Regressione verso la media (dell’AI): perché i risultati mediocri sono colpa nostra, non sua.

Tutti parlano di intelligenza artificiale.Molti la usano.Pochi la capiscono davvero.

Oggi parliamo di un fenomeno che vediamo ogni giorno:
l’appiattimento dei risultati generati dall’AI.
Testi tutti uguali. Idee già viste. Codici banali.

Ma siamo sicuri che sia colpa dell’intelligenza artificiale?
O forse è colpa nostra — e del modo in cui la usiamo?

In questa puntata analizziamo perché ChatGPT e gli altri LLM (Large Language Models) tendono a produrre risposte “medie”, e cosa possiamo fare per uscirne.

Scopriremo insieme:

• come funzionano davvero i modelli linguistici (spoiler: non “pensano”, calcolano probabilità)
  
• perché rispondono in modo generico
  
• e come il Prompt Engineering può trasformare un output mediocre in un risultato utile, preciso e “tailor-made”.

Parliamo anche del nuovo webinar verticali di Dati 365: tecniche di Prompt Engineering,con un ospite d’eccezione:
Giuseppe Ranieri, Data Scientist certificato Hugging Face e AI Strategist.

Insieme parleremo di:
⚙️ cosa sono token e RAG
🧠 come funzionano i LLM
🪄 e come scrivere prompt efficaci per ottenere risultati concreti e professionali.

📅 Quando: sabato 11 ottobre – ore 10:30
💻 Dove: https://dai-dati-alla-bi-393157.socialacademy.com/courses/webinar-dal-dato-alla-decisione-copia/product_page

📦 Replay e slide: disponibili dopo la diretta

Ci vediamo sabato!