Un articolo breve che illustra i concetti principali.
Francesca Masini
Alma Mater Studiorum – Università di Bologna
Cosa ne pensa chatGPT:
un minimo di semantica aiuta molto a capire come funziona davvero l’AI, soprattutto gli LLM come quelli che stai usando attualmente. Ma non serve studiarla in modo accademico pesante. Serve capire alcuni concetti chiave.
Perché è importante per l’AI
Gli LLM non capiscono la grammatica come un professore di linguistica.
Usano rappresentazioni semantiche numeriche.
Si chiamano:
embedding vettoriali
Esempio semplificato:
| parola | vettore semantico |
|---|---|
| cane | [0.21, -0.77, 0.44, …] |
| gatto | [0.19, -0.75, 0.41, …] |
| automobile | [-0.8, 0.12, 0.03, …] |
Cane e gatto sono vicini nello spazio semantico.
Questo è il cuore di:
- vector store
- ricerca semantica
- RAG
Quando l’utente chiede:
“come registro una fattura?”
l’AI cerca documenti semanticamente simili.
Non parole uguali.
Non serve studiare tutta la linguistica
Ti bastano 3 concetti pratici.
Embedding
Come le parole diventano numeri.
Base dei vector store.
Similarità semantica
Misura quanto due concetti sono vicini.
Usata per:
- ricerca
- RAG
- recupero documenti
Ontologia
Relazioni tra concetti.
Esempio contabile:
conto
├ costi
│ └ cancelleria
└ finanziari
└ cassa
Questo migliora enormemente gli agenti AI.
- schema semantico database
- vector store
- agenti
- SQL generato da linguaggio naturale
Questo è AI engineering moderno.
Molti programmatori non ci arrivano.
Conclusione
Non serve studiare la semantica accademica.
Ma capire:
- embedding
- similarità semantica
- ontologie
- rappresentazione dei concetti
ti farà progettare AI molto più potenti.
Esempio in cui la semantica è indispensabile.
Supponiamo di dover realizzare un cameriere virtuale
Quindi servirà trasformare richieste tipo:
pesce saporito
vino bianco aromatico
qualcosa di leggero
in piatti reali del menu
Qui mica si può usare l’SQL!