Dati di addestramento
I dati di addestramento sono la grande raccolta di testi, codice e altri contenuti da cui un modello linguistico impara prima del rilascio. Determinano cosa il modello sa di brand, argomenti e fatti quando risponde senza cercare sul web.
Dati di addestramento sono tutto ciò che un modello linguistico legge mentre viene costruito. Per i large language model comprendono enormi quantità di pagine web pubbliche, libri, articoli, codice, discussioni nei forum e dataset in licenza. Da questo materiale il modello impara gli schemi del linguaggio e un'ampia immagine del mondo, compresi quali brand esistono, cosa fanno e come ne parlano le persone.
Ogni modello ha un knowledge cutoff: il momento dopo il quale non ha più visto nuovi dati di addestramento. Tutto ciò che è successo dopo è sconosciuto al modello, a meno che non recuperi informazioni tramite la ricerca.
Come vengono raccolti i dati di addestramento
Le aziende di AI raccolgono i dati di addestramento tramite web crawler come GPTBot (OpenAI), ClaudeBot (Anthropic) e altri, tramite grandi archivi pubblici del web come Common Crawl e tramite accordi di licenza con publisher e fornitori di dati. Google offre il token Google-Extended nel robots.txt, che permette ai proprietari dei siti di escludere i propri contenuti dall'addestramento dei modelli Gemini senza influire su Google Search.
Perché i dati di addestramento contano per i brand
Quando qualcuno fa una domanda a un assistente AI senza attivare una ricerca web, la risposta arriva dall'addestramento del modello. Se il tuo brand è comparso spesso e in modo coerente in fonti di qualità prima del cutoff, è più probabile che il modello ti conosca, ti descriva correttamente e ti consigli. Se sei comparso poco, o soprattutto in contesti datati o negativi, il modello potrebbe escluderti o sbagliare i dettagli.
È un canale lento. Non puoi aggiornare direttamente i dati di addestramento di un modello, e i cambiamenti si vedono solo quando viene addestrata una nuova versione. Questo lo rende un investimento a lungo termine, paragonabile a costruire la notorietà del brand.
Cosa puoi influenzare
- Pubblica sul tuo sito informazioni chiare e concrete sulla tua azienda, sui tuoi prodotti e sulle tue competenze.
- Fatti citare su testate affidabili e molto lette nel tuo mercato. È probabile che facciano parte dei dataset di addestramento.
- Mantieni coerenti il nome e le descrizioni del tuo brand, così il modello collega tutte le menzioni alla stessa entità.
- Decidi in modo consapevole quali crawler AI consentire. Bloccare i crawler di addestramento protegge i contenuti ma riduce anche la tua presenza nei modelli futuri.
Errori comuni
Dare per scontato che un modello conosca il tuo recente rebranding o il lancio di un prodotto, e confondere i crawler di addestramento con quelli di ricerca. Bloccare un bot di addestramento non impedisce a un tool AI di trovare la tua pagina con una ricerca in tempo reale, e bloccare un bot di ricerca non ti toglie dai dati di addestramento passati.
Domande sui dati di addestramento
Posso rimuovere il mio sito dai dati di addestramento dell'AI?
Non puoi rimuovere contenuti da modelli già addestrati. Puoi bloccare i crawler di addestramento come GPTBot o usare Google-Extended per tenere i nuovi contenuti fuori dai futuri addestramenti.
Cos'è un knowledge cutoff?
È la data dopo la quale un modello non ha dati di addestramento. Gli eventi più recenti gli sono sconosciuti, a meno che non cerchi sul web.
I dati di addestramento influiscono sul fatto che l'AI consigli il mio brand?
Sì. Quando un'AI risponde senza cercare, si basa su ciò che ha imparato durante l'addestramento, quindi i brand comparsi spesso in fonti affidabili hanno più probabilità di essere nominati.