Corso IA

Corso IA

500,00 €

COD: IA2024 Categoria: Tag: , ,

Descrizione

Modulo 1 – Introduzione e inquadramento terminologico

Obiettivo del modulo: chiarire il panorama dell’intelligenza artificiale e le differenze di concetto tra espressioni che vengono spesso erroneamente utilizzate come sinonimo.

  1. Fondamenti: vita artificiale, psicologia cognitiva e altri riferimenti necessari.
  2. Planning e Problem Solving.
  3. Reti semantiche e rappresentazione della conoscenza (frame, cluster, cloud, wordcloud, script).
  4. Machine Learning e Deep Learning, Reti Neurali e connessionismo.
  5. Algoritmi e Sistemi Esperti.
  6. Machine Vision.
  7. Natural Language Processing.
  8. I 4 livelli secondo la scienza cognitiva: teoria computazionale, algoritmo, programma, implementazione.

Al termine del modulo verrà proposto un breve questionario per verificare l’allineamento sui concetti di base.

Modulo 2 – Contesto storico/evolutivo ed etica

Obiettivo del modulo: riflettere sulle origini dell’intelligenza artificiale e sulle sue relazioni con antenati e precursori negli ambiti della robotica, dell’automazione e dell’elaborazione dati.

  1. Introduzione: l’etica dell’automazione e l’etica del dataset.
  2. Le nuove leggi della robotica: le 3 leggi di Asimov, le 4 nuove leggi di Frank Pasquale.
  3. Automi e persone, Automatismo vs. Autonomia: l’Etica delle macchine.
  4. Big Data e Algoritmi.

Un esempio di problema etico: la face recognition.

Modulo 3 – Gli errori dell’IA

Obiettivo del modulo: evidenziare le origini di possibili errori commessi dagli strumenti che si avvalgono di intelligenza artificiale.

  1. I problemi di linguaggio: la teoria avverbiale della percezione e conseguenza sui sistemi.
  2. Explainable AI: la Black Box, i bias di programmazione e gli errori nella programmazione di sistemi robotici.
  3. Le correlazioni spurie, l’errore nell’occhio di chi legge.

Modulo 4 – Gli strumenti e le loro implicazioni

  1. Introduzione generale.
    • La scrittura dei prompt: comunicare con un AI.
    • La revisione dei risultati: comprendere un oggetto complesso.
    • Il controllo dei risultati: approssimazioni, errori e falsità.
    • La due diligence: etica del training dataset e nell’utilizzo del risultato.
  2. L’elaborazione di informazioni: LLM (ChatGPT vs. Gemini AI).
    • Funzionamento dei modelli di linguaggio e differenza tra i sistemi mainstream a disposizione.
    • Applicazione: elaborazione di un documento di specifiche progettuali per rispondere alle domande del progettista.
  3. La generazione di immagini (statiche e in movimento): l’estetica artificiale.
  4. Housekeeping: fathom, domotica, guida assistita, pianificazione ripensando la smart city, PARO.

Modulo 5 – Il Business Case

  1. Il business case nei progetti di innovazione.
    • Il “tema” del Business Case nel framework PRINCE2.
    • Output, outcome e benefit / dis-benefit: la giustificazione continua della proposta di innovazione.
    • Il ciclo di vita di un business case: sviluppo, verifica periodica, manutenzione e validazione.
    • Il piano di revisione dei benefici: il ruolo del senior user.
  2. Struttura di un business case.
    • Opzioni di business e diverse scale di aggressività per l’innovazione.
    • Previsione dei benefici.
    • Previsione degli svantaggi.
    • Tempi e costi.
    • Principali rischi e strumenti per la valutazione del rischio.
    • Valutazione d’investimento.
    • Executive summary e “gancio”.
  3. Workshop: creazione di un business case.