Dizionario AI › Fondamenti AI

Apprendimento per trasferimento

Transfer Learning

L'apprendimento per trasferimento è la strategia di riutilizzare la conoscenza acquisita da un modello su un compito per affrontarne uno nuovo e correlato, invece di ripartire da zero. Un modello addestrato su grandi quantità di dati generali ha già imparato caratteristiche utili, come riconoscere forme o strutture linguistiche, che possono essere adattate a un problema specifico con pochi dati aggiuntivi. È come un musicista esperto di pianoforte che impara l'organo molto più in fretta di un principiante assoluto: gran parte delle competenze di base si trasferisce, riducendo enormemente il tempo di apprendimento. In pratica si parte da un modello pre-addestrato e lo si affina sul nuovo obiettivo.

Definizione

L'apprendimento per trasferimento è uno dei pilastri dell'AI moderna: rende possibile ottenere ottimi risultati con dataset modesti e budget contenuti, democratizzando l'accesso a modelli potenti. È la logica dietro il fine-tuning dei foundation model e spiega perché oggi raramente si addestra un modello complesso completamente da zero.

Termini correlati

• Fine-tuning
• Pre-addestramento
• Foundation Model
• Oblio catastrofico
• Distillazione

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.