eXplainable AI

Spiegare l’intelligenza artificiale: la sfida dei valori di Shapley

I valori di Shapley misurano il contributo dei token nei Large Language Models, aprendo nuove frontiere per la trasparenza algoritmica. Modelli ibridi come Mamba e RWKV superano i limiti dei Transformer, riducendo consumi e rendendo più praticabile l’analisi interpretativa, anche in contesti normativi come l’AI Act europeo

Pubblicato il 27 mar 2026

Ernesto Damiani

Università degli Studi di Milano

La ricerca sull’eXplainable AI (XAI) è oggi al centro del dibattito sull’intelligenza artificiale affidabile: spiegare perché un modello produce una certa risposta è diventato un requisito tecnico, etico e normativo. Al cuore di questa sfida ci sono i Large Language Models, sistemi potenti ma difficili da interpretare proprio a causa della loro architettura opaca.

@RIPRODUZIONE RISERVATA