© Pint of Science, 2025. All rights reserved.
Una chiacchierata introduttiva su cosa c'è dietro ai modelli di linguaggio tipo GPT. Cosa riescono a fare bene, cosa non possono fare proprio, delle curiosità su come funzionano e come si pensa di usarli nel futuro.
Large Language Models: Ma di cosa stanno parlando?
Emanuele Panizon
(Area Science Park)
Emanuele Panizon è Ricercatore presso l’Istituto RIT situato in Area Science Park a Trieste. In questo ruolo, partecipa all’attività scientifica del gruppo di ricerca LADE, applicando tecniche di machine learning – tra cui i Large Language Models e il Reinforcement Learning – nel campo delle scienze della vita.
Nel 2016 ha conseguito il dottorato di ricerca in Fisica presso l’Università di Genova, con una tesi sulle proprietà strutturali e chimiche di nanoleghe metalliche. Successivamente si è interessato allo studio dell’attrito e della dissipazione nella nanoscala, prima con una borsa di post-dottorato alla SISSA di Trieste (2016-2018), e poi all’Università di Costanza, in Germania (2019-2020). In Germania si è interessato di materia attiva, e in particolare degli aspetti emergenti del comportamento di gruppi di agenti: poche regole individuali condivise da un numero elevato di semplici agenti possono portare a comportamenti del gruppo molto più complessi. Seguendo questa linea di ricerca ha ottenuto una borsa di post-dottorato presso il dipartimento di Quantitative Life Science presso l’ICTP, a Trieste (2021-2023), in cui ha studiato il problema della ricerca olfattiva tramite il metodo dell’Apprendimento per Rinforzo (Reinforcement Learning).
Nel 2016 ha conseguito il dottorato di ricerca in Fisica presso l’Università di Genova, con una tesi sulle proprietà strutturali e chimiche di nanoleghe metalliche. Successivamente si è interessato allo studio dell’attrito e della dissipazione nella nanoscala, prima con una borsa di post-dottorato alla SISSA di Trieste (2016-2018), e poi all’Università di Costanza, in Germania (2019-2020). In Germania si è interessato di materia attiva, e in particolare degli aspetti emergenti del comportamento di gruppi di agenti: poche regole individuali condivise da un numero elevato di semplici agenti possono portare a comportamenti del gruppo molto più complessi. Seguendo questa linea di ricerca ha ottenuto una borsa di post-dottorato presso il dipartimento di Quantitative Life Science presso l’ICTP, a Trieste (2021-2023), in cui ha studiato il problema della ricerca olfattiva tramite il metodo dell’Apprendimento per Rinforzo (Reinforcement Learning).
Map data © OpenStreetMap contributors.