Dizionario AI › Fondamenti AI

Funzione di perdita

Loss Function

La funzione di perdita è la misura numerica di quanto le previsioni di un modello si discostino dalle risposte corrette. Restituisce un valore alto quando il modello sbaglia molto e basso quando è vicino al giusto: è la bussola che guida tutto l'apprendimento. Pensa a un insegnante che assegna un voto di errore a ogni compito: l'obiettivo dello studente-modello è ridurre quel voto lezione dopo lezione. Esistono forme diverse a seconda del compito: l'errore quadratico medio per prevedere numeri, la cross-entropy per classificazioni e previsione del prossimo token. Il valore della perdita viene poi derivato dalla backpropagation per capire come correggere i parametri.

Definizione

La scelta della funzione di perdita definisce cosa significhi davvero 'fare bene' per il modello. Una perdita mal progettata può spingere l'addestramento verso comportamenti indesiderati, mentre una ben calibrata allinea l'ottimizzazione all'obiettivo reale che si vuole raggiungere.

Termini correlati

• Backpropagation
• Discesa del gradiente
• Logit
• Softmax
• Machine Learning

Altri termini in Fondamenti AI

• LLM (Large Language Model)
• Token
• Context Window
• Temperature
• Allucinazione (AI Hallucination)
• Fine-tuning
• RAG (Retrieval Augmented Generation)
• Embedding

Mettilo alla prova

• Scenario reale: applica questo concetto con un verdetto AI immediato.
• Palestra quotidiana: brevi esercizi per allenare i concetti del dizionario.
• Gioco Playoff: sfida altri giocatori, a eliminazione diretta.

📱 Scarica l'app Android (beta) iOS in arrivo

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.