9centRo Vivo
Trasparenza AI
Come utilizziamo l'intelligenza artificiale per valorizzare il patrimonio culturale - in modo responsabile, trasparente e verificabile.
Estrazione a più livelli di verifica
Ogni persona, luogo, opera, evento e organizzazione estratti dagli archivi passano attraverso una verifica a due fasi. Prima, un modello AI identifica le entità candidate e le classifica. Poi, una seconda fase richiede al modello di citare il passaggio esatto del testo originale che giustifica ogni estrazione.
Questo significa che ogni entità estratta è ancorata a un frammento specifico del testo originale. Quando passi il mouse su un'entità nella barra laterale, il passaggio corrispondente viene evidenziato nel testo - ciò che vedi è esattamente ciò che l'AI ha individuato. Se il modello non riesce a indicare un passaggio concreto, l'entità viene scartata.
23 gennaio 1971
Sono le vacanze dell'Epifania e tutto tace. Penso al Processo Valpreda, alle turbolenze che ci attendono. Ho visto Bobbio ieri a Torino, parlavamo della crisi delle istituzioni. Mi ha citato Kelsen, la Dottrina pura del diritto. «Il problema» diceva «è che i giuristi italiani leggono senza capire.» Siamo andati al Caffè San Carlo, dove c'era anche la Ginzburg. Ho ripreso in mano il mio saggio su Carnelutti e la teoria dell'azione.
Questo approccio rende il ragionamento dell'AI verificabile: i ricercatori possono sempre controllare perché una determinata persona, luogo o opera è stata identificata, e giudicare se l'estrazione è corretta. La stessa verifica a più livelli è applicata a toni, emozioni e categorie tematiche, ciascuno fondato su evidenze testuali specifiche.
Modelli deployati localmente
Il cuore della pipeline di estrazione gira su infrastruttura self-hosted. Questi modelli sono stati selezionati per le loro prestazioni e per la possibilità di essere eseguiti interamente su hardware locale, garantendo il pieno controllo sull'ambiente di elaborazione dei dati.
Estrazione di entità, classificazione, ragionamento
Estrazione di entità, ragionamento
Estrazione di entità, sintesi, classificazione
Classificazione di immagini, embedding visivi
Classificazione di testo zero-shot
Trascrizione audio
Traduzione automatica
Tutti i modelli elencati sopra girano interamente on-premise, senza chiamate esterne.
Modelli API a zero data retention
Per alcuni task specifici e complessi - come la disambiguazione o il confronto incrociato su centinaia di pagine - utilizziamo modelli tramite API. Solo dati non sensibili vengono inviati, e scegliamo esclusivamente fornitori che garantiscono zero data retention: prompt e output non vengono conservati dopo la risposta.
Prompt e output non vengono conservati dopo la risposta. Disponibile su tutti i piani API.
Stessa policy di zero retention. Più veloce ed economico per task ad alto volume.
La policy di zero data retention di Anthropic garantisce che nessun input o output venga conservato, registrato o usato per l'addestramento dopo la chiamata API.
Il nostro impegno
- Tracciabilità completa: ogni entità estratta dall'AI è collegata al passaggio del testo sorgente.
- Sovranità dei dati: solo dati non sensibili vengono inviati a servizi esterni.
- Trasparenza: i modelli AI utilizzati sono documentati e il loro ruolo nella pipeline è chiaramente descritto.
- Modelli aperti: privilegiamo modelli AI open-source e commercialmente friendly che qualsiasi istituzione può adottare.