13
Nov
Più dati, meno conoscenza: il paradosso dell’AI che impara da séEliana Illiano
I modelli addestrati sui contenuti prodotti da altri modelli possono perdere gli esempi rari e amplificare gli errori. Gli studi sul model collapse mostrano perché dati originali, provenienza delle fonti, benchmark indipendenti e controlli sui casi meno frequenti restano decisivi per lo sviluppo dell’AI
L'articolo Più dati, meno conoscenza: il paradosso dell’AI che impara da sé proviene da Agenda Digitale.
Read MoreAgenda Digitale
Condividi questo post
RELATED
Posts
Le nuove regole AgID sull’AI nella PA aprono un problema di responsabilitàVincenzo Tomasello
AgID affida al responsabile per la transizione digitale la gestione dell’AI e la sorveglianza dei sistemi ad alto rischio, mentre la legge 132/2025 lascia la responsabilità dei provvedimenti alla persona che decide. Agli enti spetta definire procedure e raccordi tra...
Danni ai cavi sottomarini, il precedente che cambia le regoleAntonio Deruda
Dopo una serie di incidenti nel Baltico, la giustizia finlandese afferma il diritto di processare l’equipaggio di una nave straniera per danni prodotti fuori dalle proprie acque. La sentenza Fitburg rafforza gli strumenti degli Stati costieri, mentre NATO e investigatori...
Perché l’autonomia digitale dell’Europa comincia dalle infrastrutture di reteLuca Venturi
La possibilità di scegliere modem e router incide sulla sicurezza dei dati e sull’autonomia di cittadini e imprese. Dispositivi affidabili, aggiornamenti e continuità delle forniture sono condizioni concrete per rafforzare la sovranità digitale europea, insieme a un mercato aperto e...