Forum

La spiegazione fornita nel testo (scritto in dialetto triestino/veneto) è tecnicamente corretta e molto accurata riguardo al funzionamento dei Large Language Models (LLM) come ChatGPT, Claude o Gemini. Ecco l'analisi punto per punto del perché questa affermazione è vera: 1. Il problema dell'inventare ("Hallucination") Verifica: CORRETTO. L'IA non è un database di verità, ma un motore probabilistico. Se non ha un'informazione specifica aggiornata nel suo "addestramento" (che spesso si ferma a mesi prima), cerca di completare la frase con la cosa più probabile. Esempio Sissoko: Se l'IA vede "M. Sissoko" e non conosce il giocatore di basket "Mady", pescherà dalla sua memoria "Mohamed Sissoko" (ex calciatore della Juve), perché statisticamente è il "M. Sissoko" più famoso nei suoi dati. Esempio Filloy: Se l'IA non sa dove gioca oggi, lo assocerà alla squadra dove lo ha visto giocare più spesso nei testi su cui è stata allenata. 2. Fornire i dati ("Context Injection" o RAG) Verifica: CORRETTO. Questa tecnica si chiama RAG (Retrieval-Augmented Generation) o, più semplicemente, fornire il contesto. Se copi e incolli le statistiche aggiornate di Hackastat nel prompt, l'IA smette di usare la sua "memoria a lungo termine" (che può essere vecchia o sbagliata) e usa la sua capacità di ragionamento sui dati che ha appena ricevuto. Non deve "cercare", deve solo analizzare quello che le hai messo sotto il naso. In questo caso l'errore cala drasticamente. 3. Istruzioni precise ("Prompt Engineering") Verifica: CORRETTO. Più limiti dai all'IA, meglio lavora. Dirle: Questi sono i giocatori (Roster). Questi sono i numeri (Stat). Queste sono le definizioni tecniche (il "manuale" o i libri di Dan Peterson). Questo riduce lo "spazio di manovra" per le allucinazioni. L'IA non deve indovinare cosa significa una statistica, perché glielo hai spiegato tu nel prompt. 4. La verifica incrociata ("Self-Correction" o "LLM-as-a-Judge") Verifica: CORRETTO. È una tecnica avanzata molto usata oggi. Si chiama "Chain of Verification" o flusso "Critic/Refiner". L'IA 1 scrive l'articolo. L'IA 2 (o la stessa IA in un secondo passaggio) riceve i dati grezzi e l'articolo e le viene chiesto: "Controlla se ogni numero citato nel testo corrisponde alla tabella dati". Spesso l'IA è molto più brava a correggere errori (propri o altrui) che a generare testo perfetto al primo colpo. Conclusione L'autore del post ha capito perfettamente come aggirare i limiti dell'Intelligenza Artificiale: non fidarsi della sua memoria, ma usare la sua capacità di elaborazione fornendole dati freschi e regole precise.

Perché sui dati che no se ghe fornissi, l'AI "inventa" (nel senso che la da una risposta plausibile, con i dati non aggiornadi che la ga a disposizion)... M. Sissoko, l'AI pol sparar che M. sta per Muhammad, se non ga nelle sue memorie el nome Mady. Filloy, a casaccio, perché giogava con noi in A2.  Le stat invece xe ciapade da siti dedicadi (anche mi guardo sempre hackastat e lo go linkà più volte qua sul forum) e vien dade alla AI. Non la ga de andar a cercar in giro, no la ga de inventarse.  Probabilmente bisognassi dirghe: el roster xe questo, le stat xe queste, el significato delle stat te lo trovi qui, quo e qua, questo xe el manuale delle giovani marmotte, questo xe el libro scritto da Dan Peterson e cusì via. Tra l'altro, nulla vieta de richieder a una AI de verificar quel che ga scritto l'altra AI... te ghe ridà i dati e la risposta che te ga butà fora la prima, chiedendo se le robe batti. Me auto provo...   La spiegazione fornita nel testo (scritto in dialetto triestino/veneto) è tecnicamente corretta e molto accurata riguardo al funzionamento dei Large Language Models (LLM) come ChatGPT, Claude o Gemini. Ecco l'analisi punto per punto del perché questa affermazione è vera: 1. Il problema dell'inventare ("Hallucination") Verifica: CORRETTO. L'IA non è un database di verità, ma un motore probabilistico. Se non ha un'informazione specifica aggiornata nel suo "addestramento" (che spesso si ferma a mesi prima), cerca di completare la frase con la cosa più probabile. Esempio Sissoko: Se l'IA vede "M. Sissoko" e non conosce il giocatore di basket "Mady", pescherà dalla sua memoria "Mohamed Sissoko" (ex calciatore della Juve), perché statisticamente è il "M. Sissoko" più famoso nei suoi dati. Esempio Filloy: Se l'IA non sa dove gioca oggi, lo assocerà alla squadra dove lo ha visto giocare più spesso nei testi su cui è stata allenata. 2. Fornire i dati ("Context Injection" o RAG) Verifica: CORRETTO. Questa tecnica si chiama RAG (Retrieval-Augmented Generation) o, più semplicemente, fornire il contesto. Se copi e incolli le statistiche aggiornate di Hackastat nel prompt, l'IA smette di usare la sua "memoria a lungo termine" (che può essere vecchia o sbagliata) e usa la sua capacità di ragionamento sui dati che ha appena ricevuto. Non deve "cercare", deve solo analizzare quello che le hai messo sotto il naso. In questo caso l'errore cala drasticamente. 3. Istruzioni precise ("Prompt Engineering") Verifica: CORRETTO. Più limiti dai all'IA, meglio lavora. Dirle: Questi sono i giocatori (Roster). Questi sono i numeri (Stat). Queste sono le definizioni tecniche (il "manuale" o i libri di Dan Peterson). Questo riduce lo "spazio di manovra" per le allucinazioni. L'IA non deve indovinare cosa significa una statistica, perché glielo hai spiegato tu nel prompt. 4. La verifica incrociata ("Self-Correction" o "LLM-as-a-Judge") Verifica: CORRETTO. È una tecnica avanzata molto usata oggi. Si chiama "Chain of Verification" o flusso "Critic/Refiner". L'IA 1 scrive l'articolo. L'IA 2 (o la stessa IA in un secondo passaggio) riceve i dati grezzi e l'articolo e le viene chiesto: "Controlla se ogni numero citato nel testo corrisponde alla tabella dati". Spesso l'IA è molto più brava a correggere errori (propri o altrui) che a generare testo perfetto al primo colpo. Conclusione L'autore del post ha capito perfettamente come aggirare i limiti dell'Intelligenza Artificiale: non fidarsi della sua memoria, ma usare la sua capacità di elaborazione fornendole dati freschi e regole precise.

Ovviamente le residue speranze passano anche attraverso una presunta quota più bassa della quintultima. Posto i punteggi della 16^ del nostro girone dopo 16 giornate e alla fine. 2020-21   15 >>> 38 2021-22   16 >>> 42 2022-23  16 >>> 45  2023-24  17 >>> 44  2024-25  15 >>> 39 2025-26  15 >>> ?? Nei due campionati in cui la quintultima aveva, come quest'anno, 15 punti sono stati sufficienti una volta 30 ed un'altra 31 punti però con la quota superiore di un solo punto (16) ne servirono un anno 34 e l'altro 37, una bella differenza.  Io aspetterei ancora un po' a tagliare la "quota Mex" attualmente posta a 36 anche perché manca una squadra che rimanga staccata, come Alessandria o Clodia che negli ultimi due campionati non hanno raggiunto i 30 punti. 

https://hackastat.eu/

Caro Guido, qualcuno da Rimini che potrebbe farci comodo?