Idee di apprendimento attivo
L'Intelligenza Artificiale (IA) è la frontiera tecnologica che sta ridefinendo il nostro rapporto con l'informatica. Nel quinto anno, gli studenti passano dalla programmazione deterministica (dove ogni passo è codificato) al paradigma del Machine Learning, dove le macchine 'imparano' dai dati. Le Indicazioni Nazionali introducono questi concetti per preparare gli studenti a comprendere le tecnologie che guidano motori di ricerca, assistenti vocali e sistemi di raccomandazione.
Attività 01
Utilizzando strumenti visuali come 'Teachable Machine', i gruppi addestrano un modello a riconoscere immagini o suoni diversi. Devono poi testare i limiti del modello provando a 'ingannarlo' con input ambigui.
Cos'è il Machine Learning e come si differenzia dalla programmazione tradizionale?
Attività 02
Gli studenti si dispongono in file rappresentando i layer di una rete neurale. Si passano messaggi numerici applicando semplici operazioni (pesi e attivazione) per classificare un input iniziale, visualizzando come l'informazione si trasforma.
Quali sono le applicazioni pratiche delle reti neurali?
Attività 03
Gli studenti riflettono su problemi quotidiani (es. scegliere un film) e discutono se sia meglio risolverli con un algoritmo rigido o con un sistema che impara dalle preferenze passate, confrontando i risultati.
Come vengono addestrati i modelli di intelligenza artificiale?
Alcune note per insegnare questa unità
Attenzione a questi errori comuni
Credere che l'IA 'capisca' il significato di ciò che fa come un essere umano.
L'IA elabora pattern statistici e correlazioni matematiche, non ha coscienza o comprensione semantica. Mostrare come un'IA possa fallire clamorosamente su compiti banali per un umano aiuta a ridimensionare questa credenza.
Pensare che più dati significhino sempre un'IA migliore.
La qualità e la varietà dei dati sono più importanti della quantità. Dati distorti portano a modelli distorti. Un'attività di analisi di dataset 'sporchi' mostra chiaramente come il rumore possa peggiorare le prestazioni.
Metodologie usate in questo brief
Etica dell'Informatica e Bias Algoritmico
Analisi dei dilemmi etici legati all'uso degli algoritmi, inclusi i pregiudizi nei dati e la responsabilità decisionale delle macchine.
8 methodologies
Privacy, Dati e Normativa (GDPR)
Studio delle normative sulla protezione dei dati personali, con particolare attenzione al Regolamento Generale sulla Protezione dei Dati (GDPR).
8 methodologies