Scena 1 di 7
Micro-lezione visuale · Tappa 07 di 10 · 6–8 minuti
Dal testo ai numeri
Come una parola diventa una posizione in uno spazio, e perché le parole simili finiscono vicine.
Le sei tappe precedenti hanno costruito una macchina completa: strati di neuroni, una misura dell'errore, un modo di scendere e un modo di distribuire le correzioni. Tutto però su immagini di cifre. Da qui in avanti cambiamo problema — il testo — senza cambiare la macchina. Cambia soltanto come il mondo viene tradotto in numeri.
Come usare questa lezione
Somiglianza non è verità.
Questa tappa mostra una cosa notevole: una macchina che non ha mai ricevuto una definizione riesce a collocare cane vicino a gatto e lontano da frigorifero, solo osservando in quali frasi le parole compaiono. È il fondamento della ricerca semantica, dei sistemi che recuperano documenti pertinenti e di buona parte di ciò che oggi si chiama AI applicata ai contenuti.
Ed è anche il suo limite preciso, da tenere presente quando si valuta uno di questi strumenti: la vicinanza misura la somiglianza d'uso, non la correttezza. Due clausole contrattuali che compaiono in contesti simili finiscono vicine anche quando dicono cose opposte. Il sistema recupera ciò che assomiglia alla domanda, e assomigliare non è rispondere.
Questa lezione copre gli stessi concetti della prima parte del quinto capitolo della serie Neural networks di Grant Sanderson (3Blue1Brown), che resta il riferimento migliore per chi voglia poi affrontarne la matematica. Testi, esempi e diagrammi di questa pagina sono originali.
Fonti di questa pagina