Glossario

Quando un modello di IA genera informazioni che sembrano plausibili ma sono di fatto errate o interamente inventate. In ambito legale, questo si manifesta comunemente come citazioni giurisprudenziali fittizie o riferimenti normativi inesatti.

Un modo per i sistemi software di comunicare tra loro. Le API di IA consentono agli sviluppatori di integrare funzionalità di intelligenza artificiale in altre applicazioni, comprese le piattaforme di tecnologia legale.

L'architettura di rete neurale alla base dei moderni LLM. Introdotta nel 2017, i transformer elaborano il testo considerando contemporaneamente le relazioni tra tutte le parole di un input.

Errori sistematici negli output dell'IA che riflettono pregiudizi nei dati di addestramento o nella progettazione del modello. In ambito legale, questo può influenzare le raccomandazioni sulle sentenze, gli strumenti di assunzione e le valutazioni del rischio.

Il dataset utilizzato per addestrare un modello di IA. Per gli LLM, questo include tipicamente libri, siti web, articoli accademici e altri testi. La composizione dei dati di addestramento influenza il comportamento e i bias del modello.

Strumenti di IA progettati per uso organizzativo con sicurezza avanzata, protezione dei dati, controlli di accesso e funzionalità di conformità — a differenza degli strumenti destinati al consumatore.

Il processo di ulteriore addestramento di un modello di IA generico su dati specializzati (ad esempio, testi giuridici) per migliorare le prestazioni in un dominio specifico.

La quantità massima di testo (misurata in token) che un LLM può elaborare in una singola interazione. Finestre di contesto più ampie consentono l'elaborazione di documenti più lunghi.

Un approccio strutturato per la creazione di prompt legali efficaci: Context (Contesto), Role (Ruolo), Action (Azione), Format (Formato), Tone (Tono). Sviluppato per Lawra per aiutare i professionisti legali a comunicare efficacemente con i sistemi di IA.

Sistemi di IA capaci di creare nuovi contenuti — testi, immagini, codice, audio — anziché limitarsi ad analizzare dati esistenti. ChatGPT, Claude, DALL-E e Midjourney ne sono esempi.

L'abilità di formulare prompt efficaci per ottenere gli output desiderati dall'IA. Implica la specificazione di contesto, ruolo, istruzioni, formato e vincoli.

Un ampio campo dell'informatica focalizzato sulla costruzione di sistemi capaci di svolgere compiti che tipicamente richiedono intelligenza umana, come il riconoscimento di pattern, la comprensione del linguaggio e il processo decisionale.

Un tipo di IA addestrata su grandi quantità di dati testuali, in grado di generare, riassumere, tradurre e analizzare il linguaggio umano. Esempi includono GPT-4, Claude e Gemini.

Un sottoinsieme dell'IA in cui i sistemi apprendono pattern dai dati anziché essere programmati esplicitamente. La base della maggior parte degli strumenti di IA moderni.

Un sottocampo dell'IA focalizzato sull'abilitare i computer a comprendere, interpretare e generare il linguaggio umano.

L'input testuale fornito a un sistema di IA per guidarne la risposta. Nella pratica legale, la qualità del prompt influisce direttamente sulla qualità dell'output.

Una tecnica che migliora le risposte dell'IA recuperando informazioni pertinenti da una base di conoscenza curata prima di generare l'output, riducendo le allucinazioni e migliorando l'accuratezza.

L'uso dell'IA e del machine learning per assistere nella revisione di grandi volumi di documenti durante la discovery nelle controversie legali. Approvata dai tribunali in molte giurisdizioni.

Il grado in cui il processo decisionale di un sistema di IA può essere compreso dagli esseri umani. Fondamentale nelle applicazioni legali dove le decisioni devono essere motivate e impugnabili.

L'unità di base del testo che un LLM elabora. Corrisponde approssimativamente a tre quarti di una parola in italiano. I modelli hanno limiti di token che vincolano la lunghezza dell'input e dell'output.