INS-0011 · Mappa del sistema AI operativo

Un modello non è il sistema completo.

AI, machine learning e deep learning descrivono famiglie di metodi. Un sistema reale comprende anche logica programmata, orchestrazione e controlli.

Il punto di partenza

Obiettivo e contesto operativo

Prima si definisce il lavoro; poi si scelgono i componenti.

  • Risultato
  • Utente
  • Ambiente
  • Conseguenza
Come si produce il risultato

Componenti del sistema

Le parti apprese e quelle programmate possono lavorare insieme.

Componenti appresi

Apprendono pattern dai dati per un compito definito.

Machine learning
Deep learning — un suo sottoinsieme
  • Predizione
  • Classificazione
  • Generazione

Componenti programmati

Seguono logiche e percorsi definiti esplicitamente.

  • Regole e soglie
  • Ricerca e retrieval
  • Ottimizzazione
  • Query e formule
  • Workflow
  • Fallback

Orchestrazione

Coordina i componenti e il passaggio del lavoro.

Workflow fisso

Passi e condizioni seguono una sequenza progettata.

Architettura agentica

Seleziona passi e strumenti entro limiti e permessi definiti.

Sintesi editoriale M4TIC: non è una tassonomia normativa, un modello universale o un certificato di conformità.

Equivalente testuale completo

Un sistema operativo parte da risultato, utente, ambiente e conseguenza. I componenti si dividono in parti apprese e programmate. Nel ramo appreso, il deep learning è un sottoinsieme del machine learning; predizione, classificazione e generazione descrivono output, non ulteriori livelli universali. Il ramo programmato comprende regole, retrieval, ottimizzazione, query, formule, workflow e fallback.

L’orchestrazione può seguire un workflow fisso oppure usare un’architettura agentica entro limiti. I controlli trasversali governano l’intero sistema.