Page 118 - Rassegna 2025-3

SCIENTIAE

Un esempio chiarirà il concetto: nella frase “il cane corre, la balena”, inizial-
mente il modello potrebbe prevedere la parola “grassa” ma, dopo una serie di aggiu-
stamenti dei vettori della rete, il sistema risponderà correttamente “nuota”. Questo
apprendimento è possibile solo su grandi quantità di dati ed è molto af ne a quello
che viene studiato nell’uomo, in particola modo, l’apprendimento associativo;
➣ il fondamento del linguaggio nativo e cross-culturale, con cui i LLM ven-
gono addestrati, è basato su feedback dato da valutatori indipendenti: la valutazio-
ne data consente di af nare la risposta f nale dimodoché la risposta data del model-
lo, sia coerente con la valutazione media dei valutatori (Chang, et al. 2020) .
9
Questa breve panoramica illustra il principale funzionamento dei LLM e la
loro versatilità.
Sebbene f nora abbiamo parlato di linguaggio, esistono altri modelli di LLM
capaci di andare oltre la mera generazione di testo, capaci cioè di produrre anche
immagini (gpT4-Vision).
La sorprendente capacità di apprendere e di portare a termine un’ampia
gamma di compiti, in maniera molto diversa, ha spinto numerosi ricercatori a som-
ministrare ai LLM test utilizzati nell’ambito della psicologia cognitiva (Tang,
Kejriwal, 2024). Quello che si è osservato corrisponde ad una produzione del fun-
zionamento della memoria umana in diversi contesti quali:
➣ associazione fra concetti;
➣ ragionamento controfattuale;
➣ problem solving;
➣ consapevolezza emotiva.
Ai f ni della presente trattazione ci occuperemo di riportare le evoluzioni rela-
tive all’associazione fra concetti e il ragionamento.
L’associazione di concetti è relativa alla capacità del sistema di legare fra due o
più termini, molto utilizzato per lo studio delle false memorie. Un recente studio
(Abdurahman et al. 2024) ha dimostrato come la capacità dei LLM di predire la rispo-
sta ad un test di associazione è paragonabile a quella di un essere umano: in questo stu-
dio gli autori hanno somministrato un test associativo DRM (Deese-Rodiger-Mc
Dermott) a GPT-4 e, sulla base dei dati riscontrati, gli autori concludono che i LLM
10
sono capaci di riprodurre la rete delle associazioni in maniera precisa e accurata.

9 Di consueto il linguaggio rappresenta l’espressione culturale di un popolo, pertanto, sebbene possiamo
accettare, con qualche riserva, la tensione per l’elemento culturale ed interculturale dei Modelli Linguistici
Allargati, questo dato tende ad attenuare una delle maggiori critiche sulla portata di questa tecnologia.
10 Il test consiste nel presentare una lista di parole associate fra loro. Queste parole sono tutte, singolar-
mente, associate ad un’altra parola che però non viene presentata: quello che si osserva dagli studi cli-
nici è la produzione di parole mai presentate ma altamente associate alle parole presentate (le così
dette false memorie).

116