Dizionario AI › Fondamenti AI
Falsifiability
La falsificabilità è il criterio proposto dal filosofo Karl Popper nel 1934 per distinguere un'affermazione scientifica da una che non lo è: un'affermazione è scientifica se esiste un'osservazione che potrebbe smentirla. "Domani pioverà o non pioverà" non è falsificabile; "domani a Milano cadranno almeno dieci millimetri di pioggia" lo è. Il valore di un'affermazione sta in ciò che rischia.
Applicata all'intelligenza artificiale, la falsificabilità è lo strumento più semplice per leggere un output. Una risposta che non si potrebbe mai smentire (un consiglio generico, una previsione senza data, una stima senza fonte) non contiene informazione, per quanto sia ben scritta. Una risposta che espone un numero, una data, un documento da cui proviene, può essere controllata e quindi vale qualcosa. Chi lavora con un modello impara a chiedere, per ogni affermazione, "cosa la smentirebbe?", e a diffidare delle risposte per cui non esiste niente.
La regola operativa: una previsione si pubblica con la data e con il segnale che la ucciderebbe; un'affermazione si accetta con il documento che la sostiene. Senza l'una o l'altro, è un'opinione.
Negli scenari di Grace, un obiettivo scritto bene è falsificabile: "una email di risposta al cliente in meno di 120 parole che proponga due date" si può verificare, "una buona risposta al cliente" no. La dimensione "Obiettivo" misura esattamente questo.
Dalla nostra rete
Magellano GPS: Fleet Tracking Made Simple
Real-time GPS tracking, remote engine lock, fuel and CO₂ reporting for your fleet.
Vai su magellanogps.com →Dal blog di Agora Intelligence
Dì quello che intendi. Ottieni quello che ti serve.
Grace Certified, la coach AI che allena e certifica il tuo prompt engineering, di Agora Intelligence.