Intelligenza Artificiale Generativa e applicazioni didattiche

INTELLIGENZA ARTIFICIALE

OBIETTIVI GENERALI DEL CORSO

• Consapevolezza
  Fornire una comprensione di base dell'IA e delle sue applicazioni pratiche, soprattutto in ambito educativo.
• Prompt
  Sviluppare la capacità di creare prompt efficaci per interagire con gli strumenti di IA generativa.
• Didattica
  Favorire l'adozione consapevole e responsabile dell'IA per arricchire la didattica e personalizzare l'apprendimento.
• Algoretica
  Utilizzare i principali strumenti di IA generativa e riflettere sulle implicazioni etiche della tecnologia.

LA LEZIONE DI OGGI

1. Comprendere definitivamente cos'è l'Intelligenza Artificiale
2. Il mindset giusto per pensare in termini di "prompt"
3. Profili algoretici e di responsabilità

COS'È L'IA?

IA Generativa - L'IA che ha fatto scalpore negli ultimi anni è quella generativa che ha portato l'intelligenza artificiale all'attenzione del grande pubblico. Strumenti come ChatGPT e DALL-E hanno dimostrato la capacità dell'IA di creare testi, immagini e molto altro.

L'IA TRADIZIONALE

IA TRADIZIONALE - L'IA che nasce nei primi laboratori di ricerca, negli anni '50 e '60. Questa IA era basata su algoritmi più semplici, come sistemi esperti e programmi di risoluzione di problemi logici, che per decenni hanno rappresentato il nucleo dell'intelligenza artificiale.

FrIL 1943
I primi studi sull'IA risalgono al 1943 con Warren McCulloch e Walter Pitts, che crearono un modello matematico per simulare il funzionamento dei neuroni. Questi studi sono stati fondamentali per sviluppare successivamente le reti neurali artificiali e le basi del machine learning.

ALCUNE TAPPE

• Turing
  (1950): Alan Turing pubblica l'articolo "Computing Machinery and Intelligence", proponendo il famoso "Test di Turing" per valutare l'intelligenza delle macchine. Considerato uno dei padri dell'IA.
• Mccarthy
  (1956): John McCarthy conia il termine "Intelligenza Artificiale" e organizza la Dartmouth Conference, considerata l'evento fondatore del campo dell'IA.
• Reti neurali
  (Anni '50-'60): nascono i primi modelli di reti neurali artificiali, ispirati al funzionamento del cervello umano. Questo rappresenta la base per lo sviluppo del cosiddetto machine learning.
• Deep learning
  (Anni '80 in poi): l'IA si evolve con il machine learning, le macchine imparano dai dati piuttosto che seguire regole predefinite. Con l'aumento della potenza di calcolo, il deep learning emerge come ulteriore tecnica avanzata.

MACHINE LEARNING E DEEP LEARNING

La classificazione e la regressione sono le attività fondamentali del machine learning. L'IA impara dai dati per fare previsioni o riconoscere schemi, attraverso un processo di training su numeri, testi, immagini, ecc. Questo approccio permette di analizzare enormi quantità di dati e ottenere una precisione superiore, anche per compiti complessi.

IN CAMPO MEDICO

• L'intelligenza artificiale è stata così utilizzata in campo medico molto prima dell'arrivo di ChatGPT e delle IA generative più recenti.
• L'IA tradizionale ha accelerato il processo di scoperta e test dei farmaci, analizzando grandi database per identificare potenziali composti chimici e prevedere i loro effetti.
• Strumenti di IA sono stati utilizzati con successo per l'analisi di immagini mediche (come radiografie e risonanze magnetiche), aiutando i medici a diagnosticare malattie in modo più preciso e rapido.

DOMANDA SUI COSTI

Secondo voi, quanto costa commercializzare un nuovo farmaco?

• $1.000 come un televisore
• $50.000 come un'auto di lusso
• $1 milione come un piccolo yacht
• $50 milioni come un aeroplano
• $1 miliardo come il PIL di una piccola nazione

RISPOSTA SUI COSTI

• Il costo per commercializzare un nuovo farmaco può superare un miliardo di dollari, e talvolta raggiungere cifre anche più elevate, come nel caso di alcuni chemioterapici che hanno richiesto fino a 4-5 miliardi di dollari. Tuttavia, solo circa il 10% dei farmaci sottoposti a sperimentazione clinica viene approvato, e nel settore delle malattie neurodegenerative, tra il 2003 e il 2012, solo lo 0,4% dei farmaci ha ottenuto l'approvazione.
• L'intelligenza artificiale svolge un ruolo cruciale in questo processo, aiutando a identificare quali farmaci abbiano maggiori probabilità di successo prima di intraprendere costosi studi clinici. Ciò permette di risparmiare risorse preziose, evitando di investire miliardi in farmaci che alla fine potrebbero non funzionare. L'IA, quindi, è considerata uno strumento fondamentale per aumentare l'efficienza e la precisione nella ricerca biomedica, specialmente in contesti di alto rischio come quello farmaceutico.

LA SVOLTA: ENCODER E TRANSFORMER

Gli autoencoder comprimono e ricostruiscono dati per trovare rappresentazioni essenziali, i transformer gestiscono dati complessi e sequenziali, concentrandosi sulle informazioni più importanti per comprendere e generare testo. Con GPT, il Transformer è stato addestrato a prevedere la parola successiva in un testo, utilizzando una struttura probabilistica non deterministica, che rende i testi generati più interessanti e realistici.

L'ALLENAMENTO DI GPT

GPT è stato addestrato utilizzando enormi quantità di testo provenienti da internet per imparare a capire e generare frasi simili a quelle che usiamo ogni giorno. In pratica, ha "letto" una vasta gamma di testi e ha imparato a prevedere quale parola potrebbe venire dopo in una frase basandosi sulle parole precedenti. Immagina di avere una frase incompleta come: "Oggi sono andato al ... " e ti chiedono di completarla. Probabilmente penseresti a parole come "parco", "cinema" o "supermercato". Questo è simile a quello che fa GPT: cerca di indovinare la parola successiva valutando quelle già presenti. Ma invece di indovinare in modo casuale, GPT usa una "distribuzione di probabilità", cioè una lista di possibili parole classificate per probabilità, e sceglie una tra le più probabili.

OGGI NEL MONDO

• USA: nel 2023, gli investimenti in IA hanno superato i 50 miliardi di dollari, con un forte focus sulla ricerca avanzata, lo sviluppo di modelli generativi e l'applicazione nel settore privato e militare.
• CINA: ha investito oltre 30 miliardi di dollari nello stesso anno, concentrandosi principalmente sull'implementazione dell'IA in settori pubblici e infrastrutture, nonché sulla sorveglianza e automazione industriale.

NON È PIÙ UNA SCELTA

L'intelligenza artificiale è già presente in ogni aspetto della nostra vita, dalla tecnologia consumer ai servizi pubblici. L'unica reazione seria che possiamo avere è imparare a conoscerla, utilizzarla consapevolmente e sfruttarne il potenziale

IL FUTURO È ADESSO

L'intelligenza artificiale, pur essendo uno strumento potente e innovativo, non è esente da problemi. Tra i rischi principali vi sono le allucinazioni, ovvero la generazione di informazioni errate o fuorvianti, e i bias, che possono perpetuare discriminazioni già presenti nei dati di addestramento. Inoltre, fenomeni come i deepfake pongono sfide etiche e sociali, mentre la crescente autonomia dei sistemi solleva il timore di una potenziale perdita di controllo umano. Per questo motivo, è fondamentale promuovere una conoscenza ampia, diffusa e partecipata dell'IA, poiché le scelte che facciamo oggi delineano l'orizzonte futuro di questa tecnologia.

NON ESCLUDERE

Una governance responsabile deve garantire un equo accesso alle tecnologie di intelligenza artificiale. Se solo una parte della popolazione avrà accesso a questi "superpoteri" digitali, si rischia di creare profonde disparità sociali, con cittadini "di serie A" e "di serie B". L'IA, infatti, offre strumenti che potenziano produttività e competitività, trasformando radicalmente il modo di lavorare e imparare. Non consentire a tutti di usufruirne significherebbe limitare la mobilità sociale, generando esclusione e disuguaglianze sempre più marcate. Per evitare questo scenario, occorre sviluppare politiche inclusive che rendano l'IA accessibile a ogni cittadino.

I TOOLS

• Stiamo studiando un vasto "cassetto" di strumenti che ci servono per fare cose.
• Generare testi e codice: ChatGPT, Claude 3.5 Sonnet ...
• Generare immagini: Canva, Leonardo AI...
• Generare musica: Udio, Suno ...
• Generare video: Vidu, Haiper ...

IL LINGUAGGIO NATURALE

Come si utilizzano i tools? Questa è la vera rivoluzione: si utilizzano con linguaggio naturale. Non è necessario essere programmatori o esperti tecnici; il "linguaggio di programmazione" è la nostra lingua, il modo in cui parliamo ogni giorno.

IL MODELLO C.I.R.

A tanti tools corrisponde un solo mindset, cioè la capacità di scrivere prompt efficaci. Per creare prompt efficaci, è utile seguire il modello Contesto-Intento-Risposta (C.I.R.). Contesto: fornire informazioni rilevanti che inquadrano la richiesta (agisci come). Intento: esplicitare cosa si vuole ottenere (lezione, verifica). Risposta: descrivere il tipo di risultato atteso (test, tabella, grafico).

IA E DIDATTICA

1. NotebookLM
2. Algor
3. Animated Drawings
4. Canva
5. How would you use AI in class?

Ti diamo il benvenuto in NotebookLM

NotebookLM di Google è uno strumento di intelligenza artificiale progettato per assistere nella ricerca e nella scrittura. Permette di caricare documenti, analizzandoli grazie al modello Al Gemini. L'utente può fare domande sul contenuto e ricevere risposte con citazioni specifiche. Inoltre, NotebookLM può creare riassunti o podcast del materiale, facilitando l'analisi e la comprensione di grandi volumi di informazioni. È particolarmente utile per studenti e ricercatori che lavorano su molti documenti contemporaneamente.