Domande frequenti
Metodo e percorso
Come è strutturato il percorso?
Sei livelli progressivi: 0 alfabetizzazione, 1 prompt e context engineering, 2 API e integrazione, 3 RAG, 4 agenti e orchestrazione, 5 automazione reale. Ogni livello ha concetti da padroneggiare, una dispensa integrale, un quiz e un progetto pratico che fa da verifica. Nel percorso interattivo, la tab Oggi propone sempre il prossimo passo; la tab Percorso mostra la mappa completa.
Quali prerequisiti servono?
Nessuno per i Livelli 0 e 1, interamente concettuali. Dal Livello 2 servono basi di Python: variabili, funzioni, richieste HTTP. Se non le hai, usare un assistente AI come tutor di programmazione è la via più rapida per acquisirle — ed è a sua volta un esercizio previsto dal percorso.
Quanto tempo richiede, realisticamente?
Con 30 minuti al giorno: 2-3 settimane per il Livello 0, 2-3 mesi complessivi per i Livelli 1-3, altri 2-3 mesi per il 4 e il 5. Le stime contano meno della costanza: un livello è superato quando il suo progetto pratico funziona, non quando scade il tempo.
Posso saltare livelli o leggere in ordine libero?
Sì. Le dispense sono tutte aperte e i quiz funzionano da test d'ingresso: un punteggio pieno sul quiz di un livello indica che puoi partire dal successivo. L'ordine numerico resta quello consigliato, perché i concetti si accumulano.
Come vengono salvati i progressi?
In locale, nel browser (localStorage), a ogni azione. Con "Esporta progressi" (nel percorso interattivo) scarichi tutto in un file JSON per backup o cambio dispositivo; con un account gratuito i progressi si sincronizzano su server nell'Unione Europea e ti seguono su ogni dispositivo.
Capire gli LLM
Perché un modello produce informazioni false con tono sicuro?
Perché è addestrato a generare la continuazione più plausibile del testo, non quella vera: quando la conoscenza manca, la plausibilità resta — sono le allucinazioni, strutturali e non in via di correzione. Mitigazioni efficaci, in ordine: fornire le fonti nel prompt, attivare la ricerca web, verificare ogni fatto critico su fonte primaria.
Quanto è affidabile il ragionamento di un LLM?
È discontinuo — in letteratura si parla di jagged intelligence: eccellente nei compiti di trasformazione (sintesi, riscrittura, estrazione, codice su specifiche chiare), fragile su aritmetica, conteggi e fatti puntuali richiamati a memoria. Regola operativa: più il compito è "trasforma questo input in questo output", più è affidabile; più è "dimmi fatti dal nulla", più serve verifica.
Perché la stessa domanda produce risposte diverse?
La generazione campiona ogni token da una distribuzione di probabilità (la temperatura ne regola l'ampiezza): una casualità voluta, che rende il testo naturale. Via API si può ridurre fin quasi a zero; nei prodotti chat no. Rigenerare una risposta debole non è barare: è usare il non-determinismo a proprio favore.
Meglio modelli proprietari o open source?
Dipende dal vincolo dominante. Proprietari (Claude, GPT, Gemini): capacità massima, zero infrastruttura, dati che transitano da un fornitore esterno. Open source in locale (per esempio via Ollama): controllo e riservatezza completi, capacità inferiori a parità di hardware consumer. Il percorso include l'esperimento per farsi un'opinione diretta, non per sentito dire.
Ha senso studiare l'AI se gli strumenti cambiano ogni mese?
I prodotti cambiano, i fondamentali no: token e finestra di contesto, allucinazioni, prompt engineering, RAG, loop agentico sono stabili da anni e sono il criterio con cui valutare ogni novità. Questo sito insegna i fondamentali; per l'attualità ci sono la rassegna fonti settimanale e il blog.
Come uso un assistente AI per studiare senza imparare passivamente?
Tre pratiche: esponi prima la tua comprensione e chiedi di correggerla ("ecco cosa ho capito: dove sbaglio?"); fatti generare controesempi e domande, non riassunti; ricostruisci ogni concetto a memoria prima di verificarlo. Un assistente è un tutor socratico solo se lo obblighi a esserlo.
Sito e dati
Come vengono trattati i dati personali?
Senza account, XP e progressi restano nel tuo browser. Con account: email, progressi e profilo su Supabase, server nell'Unione Europea. Per le statistiche del sito usiamo una misurazione aggregata e senza cookie (Cloudflare Web Analytics) più alcuni eventi d'uso anonimi (es. avvii e completamenti del Livello 0): solo conteggi, senza dati personali, senza identificarti e senza collegarli all'account. Nessuna profilazione, nessuna cessione a terzi. I dettagli sono nell'informativa privacy.
I contenuti sono riutilizzabili?
Sì: licenza CC BY-SA 4.0 — puoi copiarli, modificarli e ridistribuirli citando la fonte e mantenendo la stessa licenza. Sono aggiornati a luglio 2026: per le informazioni critiche verifica sempre la fonte primaria.
Ho trovato un errore, o manca una domanda: dove lo segnalo?
Nel box Suggerimenti della pagina FAQ del percorso interattivo, oppure via email: privacy@learning-ai.it. Ogni segnalazione viene letta: le correzioni entrano nelle dispense, le domande ricorrenti in questa pagina.