book

Ingegneria dell'intelligenza artificiale

by Chip Huyen

October 2025

Intermediate to advanced

534 pages

17h 25m

Italian

O'Reilly Media, Inc.

Audio summary available

Read now

Unlock full access

Cosa tratta questo libroCosa non è questo libroPer chi è questo libroCome navigare in questo libroConvenzioni utilizzate in questo libroUsare gli esempi di codiceFormazione online O'ReillyCome contattarciRiconoscimenti
L'ascesa dell'ingegneria dell'intelligenza artificialeDai modelli linguistici ai modelli linguistici di grandi dimensioniDai modelli linguistici di grandi dimensioni ai modelli di baseDai modelli di base all'ingegneria dell'intelligenza artificialeCasi d'uso del modello FoundationCodificaProduzione di immagini e videoScritturaEducazioneBot conversazionaliAggregazione di informazioniOrganizzazione dei datiAutomazione del flusso di lavoroPianificare le applicazioni di intelligenza artificialeValutazione dei casi d'usoDefinizione delle aspettativePianificazione delle tappeManutenzioneLo stack dell'ingegneria dell'intelligenza artificialeI tre livelli dello stack dell'intelligenza artificialeIngegneria AI contro ingegneria MLIngegneria dell'intelligenza artificiale contro ingegneria full-stackRiassunto
Formazione dei datiModelli multilingueModelli specifici per il dominioModellazioneArchitettura del modelloDimensione del modelloPost-formazioneFinetuning supervisionatoFinetuning delle preferenzeCampionamentoFondamenti di campionamentoStrategie di campionamentoTempo di prova per il calcoloUscite strutturateLa natura probabilistica dell'IARiassunto
Le sfide della valutazione dei modelli di fondazioneComprendere le metriche di modellazione linguisticaEntropiaEntropia incrociataBit per carattere e bit per bytePerplessitàInterpretazione della perplessità e casi d'usoValutazione esattaCorrettezza funzionaleMisure di somiglianza con i dati di riferimentoIntroduzione all'incorporamentoL'intelligenza artificiale come giudicePerché l'intelligenza artificiale come giudice?Come usare l'IA come giudiceLimiti dell'IA come giudiceQuali modelli possono fungere da giudici?Classificare i modelli con una valutazione comparativaLe sfide della valutazione comparativaIl futuro della valutazione comparativaRiassunto
Criteri di valutazioneCapacità specifiche del dominioCapacità di generazioneCapacità di seguire le istruzioniCosto e latenzaSelezione dei modelliFlusso di lavoro per la selezione dei modelliCreazione del modello rispetto all'acquistoNavigare tra i benchmark pubbliciProgettare la tua pipeline di valutazionePasso 1. Valutare tutti i componenti di un sistemaPasso 2. Creare una linea guida di valutazione Passo 3. Definire i metodi e i dati di valutazioneSintesi
Introduzione al promptApprendimento in contesto: Zero-Shot e Few-ShotPrompt del sistema e prompt dell'utenteLunghezza del contesto ed efficienza del contestoLe migliori pratiche di ingegneria del promptScrivi istruzioni chiare ed espliciteFornire un contesto sufficienteSuddividere i compiti complessi in sottocompiti più sempliciDai al modello il tempo di pensareIterare i tuoi promptValutare gli strumenti per la progettazione dei promptOrganizzare e versionare i promptIngegneria del prompt difensivaPrompt proprietari e ingegneria inversa dei promptJailbreaking e Iniezione di promptEstrazione di informazioniDifese contro gli attacchi ai promptRiassunto
RAGArchitettura RAGAlgoritmi di recuperoOttimizzazione del recuperoRAG oltre i testiAgentiPanoramica sugli agentiStrumentiPianificazioneModalità di fallimento dell'agente e valutazioneMemoriaRiepilogo
Panoramica sulla messa a puntoQuando mettere a puntoMotivi per mettere a puntoMotivi per non mettere a puntoFinetuning e RAGColli di bottiglia della memoriaBackpropagation e parametri addestrabiliMatematica della memoriaRappresentazioni numericheQuantizzazioneTecniche di finetuningFinetuning efficiente dei parametriFusione di modelli e finetuning multi-taskTattiche di finetuningRiepilogo
Cura dei datiQualità dei datiCopertura dei datiQuantità dei datiAcquisizione e annotazione dei datiAumento e sintesi dei datiPerché la sintesi dei datiTecniche tradizionali di sintesi dei datiSintesi dei dati alimentata dall'intelligenza artificialeDistillazione dei modelliElaborazione dei datiIspezionare i datiDeduplicare i datiPulire e filtrare i datiFormattare i datiRiepilogo
Capire l'ottimizzazione dell'inferenzaPanoramica sull'inferenzaMetriche di prestazione dell'inferenzaAcceleratori di intelligenza artificialeOttimizzazione dell'inferenza Ottimizzazione dei modelliOttimizzazione del servizio di inferenzaRiepilogo

Architettura dell'ingegneria dell'intelligenza artificialePasso 1. Migliorare il contestoPasso 2. Inserire i guardrailPasso 3. Aggiungi un modello di router e gatewayPasso 4. Ridurre la latenza con le cachePasso 5. Aggiungere modelli di agentiMonitoraggio e osservabilitàOrchestrazione della pipeline AIFeedback dell'utenteEstrazione del feedback conversazionaleProgettazione del feedbackLimitazioni del feedbackSintesi

Content preview from Ingegneria dell'intelligenza artificiale

Capitolo 3. Metodologia di valutazione

Questo lavoro è stato tradotto utilizzando l'AI. Siamo lieti di ricevere il tuo feedback e i tuoi commenti: translation-feedback@oreilly.com

Più l'IA viene utilizzata, più aumentano le possibilità di guasti catastrofici. Abbiamo già assistito a molti fallimenti nel breve periodo in cui i modelli di fondazione sono stati introdotti. Un uomo si è suicidato dopo essere stato incoraggiato da un chatbot. Gli avvocati hanno presentato prove false allucinate dall'intelligenza artificiale. Air Canada è stata condannata a pagare i danni quando il suo chatbot AI ha fornito informazioni false a un passeggero. Senza un modo per controllare la qualità dei risultati dell'IA, il rischio dell'IA potrebbe superare i suoi benefici per molte applicazioni.

Quando i team si affrettano ad adottare l'IA, molti si rendono subito conto che l'ostacolo più grande per realizzare le applicazioni di IA è la valutazione. Per alcune applicazioni, la valutazione può assorbire la maggior parte dello sforzo di sviluppo.¹

Data l'importanza e la complessità della valutazione, questo libro contiene due capitoli dedicati ad essa. Questo capitolo tratta i diversi metodi di valutazione utilizzati per valutare i modelli aperti, il loro funzionamento e i loro limiti. Il capitolo successivo si concentra su come utilizzare questi metodi per selezionare i modelli per la tua applicazione e costruire una pipeline di valutazione per valutare la tua applicazione.

Sebbene la valutazione venga ...