Partendo dall'analisi metodologica pubblicata da Daniele Luttazzi su Il Fatto Quotidiano, questo lavoro identifica nel Variational Autoencoder (VAE) l'architettura neurale che meglio riflette i meccanismi di "emergenza" e "organizzazione dello spazio numerico" descritti dall'autore. L'articolo evidenzia come l'IA non impari elenchi di dati, ma una rete di connessioni; tecnicamente, il VAE traduce questa intuizione forzando la creazione di uno spazio latente regolarizzato dove segnali simili vengono mappati in regioni contigue. Attraverso il meccanismo di campionamento stocastico, il VAE permette di passare dalla semplice previsione della "parola successiva" alla generazione di un "archetipo linguistico", simile all'archetipo da noi chiamato ''pseudospettro'', rendendo possibile la decodifica si spettri anche in condizioni di elevato rumore.
Dall'Emergenza Linguistica alla Struttura Latente: Il Variational Autoencoder come Generatore di Archetipi / Sparavigna, Amelia Carolina. - ELETTRONICO. - (2026). [10.5281/zenodo.18709972]
Dall'Emergenza Linguistica alla Struttura Latente: Il Variational Autoencoder come Generatore di Archetipi
Amelia Carolina Sparavigna
2026
Abstract
Partendo dall'analisi metodologica pubblicata da Daniele Luttazzi su Il Fatto Quotidiano, questo lavoro identifica nel Variational Autoencoder (VAE) l'architettura neurale che meglio riflette i meccanismi di "emergenza" e "organizzazione dello spazio numerico" descritti dall'autore. L'articolo evidenzia come l'IA non impari elenchi di dati, ma una rete di connessioni; tecnicamente, il VAE traduce questa intuizione forzando la creazione di uno spazio latente regolarizzato dove segnali simili vengono mappati in regioni contigue. Attraverso il meccanismo di campionamento stocastico, il VAE permette di passare dalla semplice previsione della "parola successiva" alla generazione di un "archetipo linguistico", simile all'archetipo da noi chiamato ''pseudospettro'', rendendo possibile la decodifica si spettri anche in condizioni di elevato rumore.| File | Dimensione | Formato | |
|---|---|---|---|
|
dis1.pdf
accesso aperto
Tipologia:
1. Preprint / submitted version [pre- review]
Licenza:
Creative commons
Dimensione
75.01 kB
Formato
Adobe PDF
|
75.01 kB | Adobe PDF | Visualizza/Apri |
Pubblicazioni consigliate
I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
https://hdl.handle.net/11583/3007809
