Aqbeż għall-kontenut ewlieni
Malti— Agħżel lingwa
Menu

Kunċetti Ewlenin tal-AI Ġenerattiva

Lezzjoni 12 / 16 Aġġornat 2 ta’ Novembru 2026 Bidbieni
F'din il-paġna
  1. It-tgħallim tal-vokabolarju essenzjali
  2. RAG — Ġenerazzjoni Msaħħa bir-Rikupru
  3. Embeddings — Rappreżentazzjonijiet vettorjali
  4. Fine-tuning — Adattament fuq kejl
  5. Temperatura — Is-slider tal-kreattività
  6. Alluċinazzjonijiet — Meta l-mudell jinventa
  7. Grounding — Irbit mar-realtà
  8. Prompt — L-istruzzjoni lill-mudell
  9. Punti Ewlenin

Aġġornat fit-2 ta’ Novembru, 2026 — Le Chat issa sar Vibe. Mill-28 ta’ Mejju, 2026, Le Chat sar Vibe (għadu f’chat.mistral.ai): aġent wieħed għax-xogħol u l-kodiċi, li jżomm il-konversazzjonijiet, l-issettjar u s-sottoskrizzjonijiet tiegħek. L-esperjenza antika ta’ Le Chat tibqa’ aċċessibbli fil-modalità Chat; fil-modalità Work, l-aġenti saru ħiliet (invokati b’@), il-memorji saru l-bażi tal-għarfien, u t-tfittxija fil-fond saret il-ħila Deep Research. Il-pjanijiet issa jissejħu Mistral Free, Pro, Team, u Enterprise. Din il-lezzjoni tuża l-isem Vibe; xi menus deskritti hawnhekk jistgħu biddlu l-isem jew il-post tagħhom.

It-tgħallim tal-vokabolarju essenzjali

Hemm ftit termini li se ssib f’kull laqgħa, f’kull dokumentazzjoni, u f’kull diskussjoni ma’ tim tekniku dwar l-AI ġenerattiva: RAG, embeddings, fine-tuning, temperatura, alluċinazzjonijiet, grounding. Din il-lezzjoni tispjegahom wieħed wieħed, mhux bħala definizzjonijiet ta’ glossarju, iżda bħala għodod li tkun taf kif tuża f’konversazzjoni reali. Meta fornitur jipproponi “chatbot RAG b’embeddings ta’ Mistral”, tkun taf eżattament x’inhu jbigħlek—u liema mistoqsijiet għandek tagħmel.

RAG — Ġenerazzjoni Msaħħa bir-Rikupru

RAG (retrieval-augmented generation) hija waħda mill-aktar tekniki mifruxa biex ittejjeb il-kwalità tar-risposti ta’ LLM. Il-prinċipju jibda minn osservazzjoni sempliċi: minflok ma tiddependi biss fuq l-għarfien intern tal-mudell, tipprovdilu, fil-mument tal-mistoqsija, informazzjoni rilevanti estratta minn bażi tad-data esterna.

Il-mekkaniżmu jseħħ f’erba’ passi:

  1. L-utent jagħmel mistoqsija
  2. Sistema ta’ tfittxija tidentifika dokumenti rilevanti f’bażi tal-għarfien
  3. Dawn id-dokumenti jiġu injettati fil-kuntest tal-mudell
  4. Il-mudell jiġġenera r-risposta tiegħu abbażi ta’ din l-informazzjoni friska

Għaliex dan huwa daqshekk importanti? Għax RAG isolvi problema fundamentali tal-LLMs: l-għarfien tagħhom huwa ffriżat fid-data tat-taħriġ tagħhom. Mudell imħarreġ is-sena l-oħra ma jaf xejn dwar il-katalgu ġdid tal-prodotti tiegħek, ir-riorganizzazzjoni tad-dipartiment tiegħek, jew ir-regolamenti ppubblikati x-xahar li għadda. B’RAG, jista’ jwieġeb mistoqsijiet dwar avvenimenti riċenti, dwar data interna tal-kumpanija tiegħek, jew dwar dokumenti li tipprovdi. Imaġina dipartiment tar-riżorsi umani li jirċievi l-istess mistoqsijiet kull ġimgħa dwar il-ftehim kollettiv tax-xogħol: assistent RAG imqabbad mal-ftehimiet tal-kumpanija jwieġeb billi jikkonferma l-artikolu korrett, minflok ma jimprovvisa mill-memorja. Din hija t-teknika li tħaddem it-tfittxija fuq il-web ta’ Vibe u l-biċċa l-kbira tal-chatbots tal-intrapriżi.

Embeddings — Rappreżentazzjonijiet vettorjali

L-embeddings huma rappreżentazzjonijiet numeriċi tat-test fil-forma ta’ vetturi, jiġifieri listi ta’ numri. Kull kelma, sentenza jew dokument tiġi ttrasformata f’punt f’ispazju matematiku b’dimensjonijiet għoljin. L-idea ewlenija tista’ tingħad f’sentenza waħda: żewġ testi semantikament qrib ikollhom embeddings li huma qrib f’dan l-ispazju. “Kelb” u “kanin” ikunu ġirien; “kelb” u “fowlder” ikunu ‘l bogħod ħafna, anke jekk l-ebda wieħed minn dawn il-pari ma jaqsam ittri komuni sinifikanti.

Din il-proprjetà tbiddel kollox għall-irkupru tal-informazzjoni. Tfittxija tradizzjonali b’kliem ewlieni ma ssibx dokument dwar “tkeċċija mutuali” jekk tfittex “tmiem kuntratt amikevoli”; tfittxija semantika permezz ta’ embeddings issibha, għax iż-żewġ formulazzjonijiet jippuntaw lejn l-istess żona tal-ispazju vettorjali. Lil hinn mit-tfittxija, l-embeddings jintużaw biex jikklassifikaw awtomatikament it-testi skont it-tema, jiskopru duplikati jew kontenut simili, u—kif rajna fil-lezzjoni preċedenti f’din it-taqsima—biex jagħżlu dokumenti rilevanti f’pipeline RAG. Mistral toffri mudelli ta’ embedding dedikati, Mistral Embed u Codestral Embed, li jittrasformaw it-test tiegħek f’vetturi użabbli.

Fine-tuning — Adattament fuq kejl

Il-fine-tuning jikkonsisti fil-kontinwazzjoni tat-taħriġ ta’ mudell imħarreġ minn qabel bid-data tiegħek stess, biex tadattah għal ħtieġa speċifika. L-aktar immaġni preċiża hija dik ta’ tabib ġenerali mħarreġ bħala speċjalista: l-għarfien ġenerali diġà hemm, inti żżid esperjenza mfassla apposta.

Tirrikorri għalih f’diversi sitwazzjonijiet. Ditta li trid li r-risposti kollha tal-klijenti tagħha jirrispettaw ton u stil speċifiku tista’ tagħmel fine-tuning ta’ mudell fuq l-aqwa skambji passati tagħha. Ditta tal-liġi jew dipartiment mediku jista’ jħaffer vokabolarju speċifiku għall-industrija li l-mudell ġeneralista jittratta b’mod ħafif. Tim li jipproċessa eluf ta’ emails kuljum jista’ jispeċjalizza mudell fuq kompitu speċifiku bħall-klassifikazzjoni jew l-estrazzjoni ta’ entitajiet, b’riżultati aħjar minn prompt ġeneriku. Fl-aħħar nett, id-distillation tikkonsisti fit-trasferiment tal-għarfien minn mudell kbir għal wieħed żgħir, biex jinkiseb rendiment simili bi spiża ferm aktar baxxa. F’Mistral, hija l-pjattaforma Forge li tippermettilek tagħmel fine-tuning ta’ mudelli Miftuħa: tħejji sett ta’ data ta’ pari mistoqsija-tweġiba, tniedi t-taħriġ, u tikseb mudell personalizzat li jista’ jiġi dispjegat permezz tal-API.

Temperatura — Is-slider tal-kreattività

It-temperatura hija parametru li jikkontrolla l-grad ta’ “kreattività”—teknikament, in-n każwali—fir-risposti tal-mudell. F’temperatura baxxa (0 sa 0.3), il-mudell jagħżel sistematikament l-aktar risposti probabbli: ir-riżultat huwa prevedibbli, preċiż u riproduċibbli, li jixraq għal kompiti fattwali, estrazzjoni ta’ data u kodiċi. F’temperatura medja (0.4 sa 0.7), tikseb bilanċ bejn il-kohorenza u l-varjetà li jixraq għall-biċċa l-kbira tal-użi konversazzjonali. F’temperatura għolja (0.8 sa 1.0), il-mudell jesplora formulazzjonijiet inqas ovvji: aktar kreattività, iżda wkoll aktar riskju ta’ żbalji—setting li għandu jinżamm għall-brainstorming u l-kitba kreattiva.

Fuq Vibe, it-temperatura tiġi ġestita awtomatikament; m’għandekx għalfejn taħseb fuqha. Permezz tal-API madankollu, tista’ tiddefinixxiha b’mod preċiż għal kull talba, u hija leva qawwija: l-istess mistoqsija magħmula f’0.1 u f’0.9 se tipproduċi tweġiba ta’ kontabilist f’każ wieħed, u tweġiba ta’ copywriter fl-ieħor.

Alluċinazzjonijiet — Meta l-mudell jinventa

L-alluċinazzjonijiet huma risposti li jidhru plawżibbli iżda li huma fattwalment żbaljati. Il-mudell “jinventa” informazzjoni, u—hawnhekk hemm il-periklu—jagħmel dan bl-istess ton kunfidenti bħal meta jgħid il-verità. Il-kawża hija strutturali: LLM jbassar tokens probabbli, mhux fatti vverifikati. Għalhekk jista’ jipproduċi test li huwa impeccabbli lingwistikament u falz fattwalment. Iż-żoni ta’ riskju huma identifikati sew: dati preċiżi, figuri u statistiċi, ċitazzjonijiet attribwiti lil nies reali, referenzi għal studji jew artikoli, u dettalji tekniċi speċifiċi. Itlob mudell għall-biblijografija ta’ awtur ftit magħruf: se jipprovdi volontiera titoli ta’ kotba kredebli ħafna… li ma jeżistux.

Ma teliminax l-alluċinazzjonijiet, tillimitahom. RAG jorbot ir-risposti ma’ sorsi vverifikati; temperatura baxxa tiffavorixxi l-aktar risposti probabbli; li titlob lill-mudell għas-sorsi—u mbagħad tivverifikahom int—jikxef l-invenzjonijiet; il-grounding, li naraw eżatt wara, jgħaqqad il-mudell ma’ data reali. U fuq kull suġġett kritiku, ir-regola tibqa’ assoluta: qatt ma trid temmen blindament f’risposta.

Grounding — Irbit mar-realtà

Il-grounding jirreferi għat-tekniki kollha li jgħaqqdu mudell ma’ sorsi ta’ informazzjoni affidabbli u aġġornati. RAG hija forma waħda, iżda l-kunċett huwa usa’. It-tfittxija fuq il-web tippermetti lill-mudell jivverifika l-fatti fuq l-Internet minflok ma jiġbed mill-memorja ffriżata tiegħu. Il-konnessjoni mal-bażijiet tad-data tagħtih aċċess għad-data interna tiegħek—l-inventarju attwali tiegħek, il-klijenti attwali tiegħek. Is-sejħa tal-funzjoni (function calling), fl-aħħar nett, tippermettilu jsejjaħ APIs esterni biex jikseb data f’ħin reali: it-temp, il-prezz ta’ stokk, l-istatus ta’ sistema. Id-differenza hija deċiżiva: il-grounding iħaddem minn assistent li “jaf affarijiet” għal assistent li “jista’ jivverifika affarijiet”.

Prompt — L-istruzzjoni lill-mudell

Il-prompt huwa t-test li tibgħat lill-mudell: l-istruzzjoni tiegħek, il-mistoqsija tiegħek, it-talba tiegħek. Il-kwalità tiegħu tiddetermina l-kbir dik tar-risposta—dan huwa s-suġġett ta’ lezzjoni sħiħa aktar tard f’dan il-kors. Żomm tliet kunċetti f’moħħok issa. Is-system prompt jiġbor flimkien l-istruzzjonijiet ġenerali mogħtija lill-mudell minn qabel (ton, rwol, restrizzjonijiet), konfigurabbli permezz tal-API. Il-user prompt huwa l-messaġġ attwali tiegħek, il-mistoqsija jew il-kompitu f’idejk. U l-few-shot prompting jikkonsisti fil-forniment ta’ eżempji ta’ risposti mistennija biex tiggwida lill-mudell: li turi spiss ikun aħjar milli tispjega.

Punti Ewlenin

  • RAG jarrikka r-risposti tal-mudell b’data esterna friska
  • Embeddings jittrasformaw it-test f’vetturi għat-tfittxija semantika
  • Fine-tuning jadatta mudell għall-ħtiġijiet speċifiċi tiegħek permezz ta’ Forge
  • Temperatura tikkontrolla l-bilanċ bejn il-preċiżjoni u l-kreattività
  • Alluċinazzjonijiet huma risposti plawżibbli iżda foloz; grounding jorbot il-mudell ma’ data verifikabbli biex jillimitahom