Stampa libroStampa libro

Reading

Sito: DEMO - Federica Web Learning
Corso: Insegnare con l'AI: Progettazione
Unit: Reading
Stampato da: Utente ospite
Data: giovedì, 3 luglio 2025, 18:51

Indice Unit

1. Esempi di parametri


Questa scheda offre una panoramica sintetica dei principali parametri utilizzati per influenzare le risposte dei modelli di IA generativa.

Parametri di inferenza

Top-k

Limita la scelta del modello ai k token più probabili durante la generazione del testo, controllando la diversità dell'output.

Range Valori Intero positivo (es. 50)
Esempio Impostando top-k=50, il modello considererà solo le 50 opzioni più probabili per ogni passo nella generazione.
Top-p (Nucleus Sampling)

Considera i token con una probabilità cumulativa fino a p, permettendo una selezione più dinamica dei token rispetto a top-k.

Range Valori 0.0 - 1.0 (es. 0.9)
Esempio Con top-p=0.9, il modello includerà i token che coprono il 90% della probabilità cumulativa.
Temperatura

Controlla la casualità nella selezione dei token; valori più alti producono output più vari e creativi, mentre valori più bassi generano risposte più prevedibili.

Range Valori 0.0 - 1.0 (es. 0.2 per risposte conservative, 0.8 per risposte creative)
Esempio Una temperatura di 0.8 incoraggia il modello a esplorare opzioni meno probabili, risultando in risposte più creative.
Frequency Penalty

Penalizza la ripetizione di token nel testo generato, riducendo la probabilità che il modello ripeta le stesse parole o frasi.

Range Valori

0.0 - 2.0 (valori più alti aumentano la penalizzazione)

Esempio

Con frequency_penalty=1.0, il modello tende a evitare ripetizioni, rendendo il testo più vario

Presence Penalty

Penalizza la presenza di token già apparsi nel testo, incoraggiando il modello a introdurre nuovi argomenti o idee.

Range Valori -2.0 - 2.0 (valori positivi penalizzano la presenza, negativi la incentivano)
Esempio Impostando presence_penalty=1.0, il modello è spinto a introdurre concetti nuovi, evitando ridondanze.

2. Altri parametri utili

Limitatori

Impostano restrizioni specifiche sull'output generato per adattarlo a requisiti particolari.

Esempio
  • Numero massimo di caratteri: utile per piattaforme con limiti di spazio, come Twitter (es. 280 caratteri).
  • Struttura predefinita della risposta: richiedere una risposta in 3 paragrafi per una migliore organizzazione del contenuto.
  • Utilizzo specifico di parole chiave: assicurarsi che termini come "intelligenza artificiale" appaiano almeno una volta per paragrafo.
  • Lunghezza massima in righe o parole: definire un limite, ad esempio, 150 parole, per mantenere la concisione.
  • Formato della data e dell'ora: specificare il formato desiderato, come "gg/mm/aaaa", per uniformità.
Tono

Definisce lo stile e l'approccio della risposta, adattandola al pubblico o al contesto specifico.

Esempio
  • Professionale e formale: adatto per articoli accademici o comunicazioni ufficiali.
  • Informale e amichevole: ideale per post sui social media o blog personali.
  • Motivazionale ed entusiasta: perfetto per messaggi promozionali o discorsi ispirazionali.
  • Empatico e rassicurante: utile per rispondere a domande delicate o fornire supporto emotivo.
  • Neutro e oggettivo: appropriato per comunicati stampa o reportage giornalistici.
Delimitatori

Utilizzati per separare o evidenziare specifiche parti del testo all'interno di un prompt, aiutando a strutturare meglio la richiesta.

Esempio
  • Virgolette (" "): delimitano citazioni o parole specifiche.
  • Triple virgolette (""" """): ideali per delimitare blocchi di testo o istruzioni più estese.
  • Tag XML o HTML: utilizzati per strutturare sezioni specifiche o formattare l'output.
  • Parentesi quadre [ ]: indicano note o spiegazioni aggiuntive.
  • Doppie barre (//): utilizzate per separare sezioni o indicare commenti.
Contesto e Formato Dati

Specificano l'uso di fonti o informazioni particolari per arricchire l'output del modello, rendendolo più accurato e contestualizzato.

Esempio
  • Fonti specifiche: richiedere al modello di basarsi su dati provenienti da una determinata fonte (es. "Utilizzando i dati dell'ISTAT, descrivi l'andamento demografico in Italia negli ultimi 10 anni.")
  • Anno o periodo di riferimento: contestualizzare la risposta in un determinato arco temporale (es. "Analizza le tendenze tecnologiche nel settore educativo dal 2010 al 2020.").
  • Formato della risposta: specificare la struttura desiderata, come elenco puntato, tabella o paragrafi.

3. E adesso prova tu!


Esercitazione: Sperimentare i Parametri Avanzati di Prompting

Dopo aver seguito il video, questa attività ti permetterà di testare e ottimizzare i principali parametri avanzati di prompting, comprendendo come influenzano l’output generato dall’IA.


 Obiettivi dell’Attività

  • Comprendere l’effetto dei parametri avanzati sulla generazione di testo.
  • Sperimentare diverse combinazioni di parametri per ottimizzare le risposte.
  • Confrontare output generati con impostazioni diverse per valutare la coerenza, creatività e specificità delle risposte.
  • Applicare i parametri avanzati alla progettazione didattica, rendendo i prompt più mirati ed efficaci.


 Istruzioni per lo Svolgimento


1. Seleziona un Argomento e un Prompt Base

Scegli un argomento didattico di tuo interesse e formula un prompt di base per generare una spiegazione.

Esempio di prompt: "Spiega il concetto di Intelligenza Artificiale e il suo utilizzo nella didattica."


2. Sperimenta i Parametri Avanzati

Ora esegui il prompt base modificando progressivamente i seguenti parametri.



Suggerimento: Testa i parametri separatamente e poi combinali per trovare la configurazione ottimale.

3. Analizza e Confronta i Risultati

Osserva attentamente le risposte generate per ciascun parametro e confrontale in base a:

  • Completezza e coerenza delle informazioni.
  • Variabilità e creatività dell’output.
  • Struttura e organizzazione del testo.
  • Ripetizioni o introduzione di nuove idee in base a frequency/presence penalty.

Domande guida per l’analisi:

  • Quali parametri migliorano la precisione della risposta?
  • Quali rendono il testo più fluido e naturale?
  • In che modo la creatività varia in base alle impostazioni?
  • Quali combinazioni di parametri sembrano più adatte alla progettazione didattica?
4. Ottimizza il Prompt

Ora scegli la configurazione più efficace e migliora il prompt di base includendo i parametri specifici nel testo della richiesta.

Esempio di prompt ottimizzato: "Spiega il concetto di Intelligenza Artificiale e il suo utilizzo nella didattica. Usa un linguaggio chiaro e coinvolgente, con una struttura ben organizzata. Imposta temperatura=0.7, top-k=40, frequency penalty=1.0."

Esegui nuovamente il prompt ottimizzato e confronta i risultati con quelli precedenti!