DataOrganizer

Dove finiscono i dati che inserisci nell’AI? Il modello li memorizza? Altri possono vederli? Per rispondere bisogna capire cos’è fisicamente un modello.

La domanda sulla sicurezza dei dati nell’AI è legittima e merita una risposta migliore di «i nostri sistemi sono sicuri». Per capire davvero cosa succede ai dati che dai a un modello, devi prima sapere cos’è un modello. Non in senso commerciale, ma in senso fisico.

Livello 01

Il modello è un file. Un grande file di numeri.

Prima di rispondere alla tua domanda, il modello deve esistere da qualche parte. E esiste in una forma sorprendentemente prosaica: un file su disco. Contiene miliardi di numeri, ognuno dei quali ha codificato uno schema appreso durante l’addestramento. Non ci sono frasi, ricordi o tabelle. Solo numeri. Per un modello grande questo file pesa da alcune decine a qualche centinaio di gigabyte.

Perché il modello funzioni, il file viene caricato nella memoria delle schede grafiche (GPU) in un data center. Non su un normale server, ma su macchine specializzate con decine di schede collegate tra loro. Una sola tua domanda avvia un’operazione matematica su miliardi di questi numeri, eseguita in parallelo, in una frazione di secondo.

Livello 02

Finestra di contesto: la memoria di lavoro temporanea

Se il modello è un file di numeri congelato, come fa a «sapere» cosa gli chiedi? Attraverso la cosiddetta finestra di contesto, uno spazio temporaneo in cui finisce tutto ciò che fa parte della conversazione in corso: la tua domanda, la cronologia della conversazione, i dati recuperati tramite MCP, le istruzioni di sistema. Tutto è presente contemporaneamente, come documenti sparsi sulla scrivania davanti a un esperto.

Quando la conversazione finisce, la scrivania viene sgomberata. Nulla resta nel modello. Nulla finisce nei pesi. La conversazione successiva inizia da una scrivania vuota.

Livello 03

Vettori: una parola meno minacciosa di quanto sembri

Parlando di AI compare spesso la parola «vettore» o «vector store». Suona tecnica e mette un po’ in allarme. In realtà si tratta di un modo per trasformare il significato in numeri.

Immagina uno spazio multidimensionale in cui ogni parola e ogni frase ha il suo posto. Le parole con significato simile sono vicine. «Fattura» e «ricevuta»: vicine. «Ricavo» e «reddito»: vicine. «Cane» e «trattore»: lontane. Un vettore è semplicemente un insieme di coordinate in questo spazio.

Un vector store è un database di queste rappresentazioni, usato quando vuoi che il modello trovi rapidamente il passaggio giusto in una grande raccolta di documenti. Ma il modello non «vive» in questo database e non lo assorbe. Lo consulta, prende ciò che serve per la finestra di contesto e risponde. È un dizionario, non una memoria.

Livello 04

Calcolatrice, macchina statistica o qualcos’altro?

Ora che è chiaro come funziona fisicamente il modello, si può rispondere onestamente alla domanda del titolo. La calcolatrice è deterministica: lo stesso input dà sempre lo stesso output, senza alcuna comprensione del contesto. La macchinetta statistica cerca schemi nei numeri, ma non collega i concetti. Il modello linguistico fa una terza cosa: comprende il significato, collega contesti diversi, trae conclusioni. Però non si ricorda di te e non impara da te in tempo reale.

La definizione più vicina è quella di un esperto senza memoria episodica. Ha letto tutto, ma ogni incontro riparte da zero. Porti i documenti, li esamina con te, se ne va. Non li porta con sé. Non li condivide con il cliente successivo.

Livello 05

Cosa significa per la sicurezza dei tuoi dati

Senza il consenso all’addestramento, i tuoi dati non finiscono nei pesi del modello. Non aggiornano il modello generale e non diventano parte della conoscenza usata da altri utenti. Il modello che oggi ha risposto alla tua domanda è identico a quello di prima della conversazione.