Overfitting
Errore comune in cui un modello AI "impara a memoria" i dati di addestramento ma fallisce nel gestire nuovi dati mai visti.
Imparare a Memoria: Il Pericolo dell'Overfitting
L'Overfitting (Sovradattamento) accade quando l'AI diventa troppo brava a risolvere gli esercizi del libro ma non capisce la materia. Il modello riconosce perfettamente le foto che ha già visto, ma va in crisi di fronte a una nuova immagine leggermente diversa.
Come evitarlo
I data scientist usano tecniche di "Regolarizzazione" e "Dropout" (spegnere casualmente dei neuroni durante lo studio) per costringere l'AI a cercare pattern generali invece di memorizzare statistiche inutili.
L'Equilibrio Perfetto
L'obiettivo è il "Generalization": un modello che cattura l'essenza del problema. Un'AI che sa cos'è un cane, non un'AI che ricorda a memoria ogni singolo pelo dei cani visti durante l'addestramento.