Glossario del cinema IA: 24 termini spiegati ai principianti

La scrittura sul cinema e l’IA è piena di parole tecniche prese in prestito, spesso usate in modo vago. Questo glossario definisce quelle che incontrerete negli articoli sul cinema IA e sul girato prodotto dall’IA, più o meno nell’ordine in cui viene realizzata una singola inquadratura generata. Le definizioni sono volutamente semplici, e ognuna si chiude con la parte che conta sullo schermo.

Il modello e come impara

Modello

Un modello è un sistema che trasforma un input — un prompt, un’immagine, un fotogramma — in un output come un’inquadratura generata, un’etichetta o la parola successiva. Nella scrittura cinematografica, «modello» di solito indica l’intero strumento generativo, non un componente al suo interno.

Parametri e pesi

I numeri appresi dentro un modello. L’addestramento li modifica; l’inferenza li usa senza cambiarli. Quando un modello viene detto «grande», di solito si intende il conteggio dei parametri.

Addestramento

Il processo di modifica dei pesi di un modello su dei dati, di solito confrontando gli output con degli obiettivi e spostando i pesi per ridurre l’errore. L’addestramento costa ed è in gran parte già avvenuto prima che tocchiate lo strumento.

Inferenza

Eseguire un modello addestrato per ottenere un output. La generazione è inferenza: non avviene alcun apprendimento, e la conoscenza del modello è congelata nel punto in cui l’addestramento è terminato.

Prompt

Il testo di istruzione — e a volte l’immagine — che condiziona una generazione. Un prompt orienta l’output, ma non è codice. Prompt identici possono produrre risultati diversi tra modelli e versioni.

Token

Unità di testo che un modello elabora, spesso una parola o parte di una parola. Il numero di token conta perché i limiti di contesto e i costi si misurano in token.

Modello multimodale

Un modello che gestisce più di un tipo di input o output, come testo più immagini o audio. La maggior parte degli strumenti video attuali è multimodale almeno in questo senso.

Come si costruisce un’inquadratura generata

Spazio latente

Una rappresentazione numerica compressa di immagini o video. I modelli lavorano in questo spazio perché è più piccolo e più liscio dei pixel grezzi, e i punti vicini tendono ad assomigliarsi. Una «passeggiata latente» significa muoversi tra i punti per produrre un cambiamento graduale.

Autoencoder variazionale (VAE)

Una coppia di reti che comprimono un’immagine in una rappresentazione latente e la ricostruiscono. In molti strumenti per immagini il VAE è la parte che decodifica un risultato latente riportandolo in pixel.

Modello di diffusione

Un modello generativo addestrato a invertire un processo graduale di aggiunta di rumore: impara a rimuovere il rumore passo dopo passo finché appare un’immagine o una clip. L’approccio è stato esposto nel paper che ha introdotto i modelli di diffusione probabilistica con denoising.

Passi di campionamento

Il numero di passi di denoising che un modello compie. Più passi possono aggiungere dettaglio, ma aggiungono anche tempo e non garantiscono un risultato migliore.

Seed

Il numero casuale che avvia il rumore. Riusare un seed con lo stesso modello, le stesse impostazioni e lo stesso software può riprodurre un’immagine fedelmente. Cambiate versione del modello o piattaforma e il risultato può variare.

Scala di guidance

Un’impostazione che controlla con quanta forza il modello segue il prompt, spesso implementata come classifier-free guidance. Valori bassi danno output più liberi e sorprendenti; valori molto alti tendono a produrre risultati fragili o sovrasaturi.

Checkpoint

Un file salvato di pesi del modello, di solito che raccoglie i componenti necessari per eseguire un modello particolare. Checkpoint diversi della stessa famiglia possono apparire e comportarsi in modo molto diverso.

LoRA

Abbreviazione di Low-Rank Adaptation: un piccolo insieme di matrici addestrabili aggiunte a un modello di base congelato. Insegna uno stile, un personaggio o un concetto con molti meno parametri addestrabili del fine-tuning completo.

Fine-tuning

Ulteriore addestramento di un modello preaddestrato su nuovi dati. Il LoRA è un modo efficiente di farlo, e «fine-tuning» viene spesso usato in senso lato per qualsiasi adattamento.

ControlNet

Un componente aggiuntivo che condiziona un modello di diffusione su informazioni spaziali come una posa, una mappa di profondità o un’immagine di bordi, così l’output segue una struttura specifica invece di inventarne una.

Inpainting e outpainting

Riempire o sostituire parte di un’immagine (inpainting), o estenderla oltre la cornice originale (outpainting). Entrambi sono comuni nella pulizia delle inquadrature e nell’estensione delle scenografie.

Creare il movimento

Interpolazione dei fotogrammi

Sintetizzare nuovi fotogrammi tra quelli esistenti per aumentare la frequenza o rallentare il girato. Gli strumenti più vecchi usavano il flusso ottico; quelli più recenti usano modelli appresi. L’interpolazione può rendere il movimento più fluido, ma non può recuperare ciò che non è mai stato girato.

Coerenza temporale

Quanto una sequenza resta coerente da un fotogramma all’altro: volti, abiti, illuminazione e fisica. Una scarsa coerenza temporale si manifesta come sfarfallio, morphing o oggetti che cambiano tra un’inquadratura e l’altra.

L’output e la prova

Allucinazione

Un output plausibile ma falso: un oggetto che appare dal nulla, una mano con troppe dita, un testo che quasi scrive qualcosa. Il termine descrive una sicurezza senza fondamento, non un guasto tecnico con una causa unica.

Deepfake

Video o audio sintetico o manipolato, di solito del volto o della voce di una persona, realizzato con deep learning. La parola è spesso usata in senso lato per qualsiasi falso convincente, ma la definizione utile nomina una tecnica specifica e un danno specifico.

Upscaling IA

Aumentare la risoluzione con un modello appreso. Può rendere più nitido un dettaglio reale, ma può anche inventare dettagli che nella fonte non c’erano, ed è per questo che l’etica del restauro se ne occupa.

C2PA e Content Credentials

C2PA è uno standard tecnico aperto per registrare l’origine e la storia delle modifiche di un contenuto digitale. Content Credentials è il nome rivolto al pubblico di quei metadati. È un’affermazione firmata sulla provenienza, non una prova che il contenuto sia vero.

Perché questo vocabolario conta

Questi termini non sono neutri. Una recensione che dice che un’inquadratura è stata «fatta con l’IA» non vi dice quasi nulla: animazione disegnata a mano, un modello di diffusione e un deepfake rientrano tutti nella frase. Conoscere la pipeline permette di porre domande più precise — quale modello, addestrato su che cosa, eseguito da chi, montato come. Sono le domande che trasformano una reazione vaga in critica.

Per un percorso di visione tra i film che pongono le domande più grandi, cominciate dalla guida ai film a tema IA. Per il lato pratico della verifica del girato sintetico, vedete come riconoscere il girato generato dall’IA. E se volete la meccanica della produzione invece del vocabolario, leggete come funzionano i modelli video IA.