Intelligenza Artificiale: Concetti Fondamentali

Intelligenza Artificiale: Concetti Fondamentali

• Intelligenza Artificiale Generale (AGI): Tecnologia in fase di sviluppo, ancora lontana dalla realizzazione, che mira a sviluppare un'IA con capacità intellettuali paragonabili a quelle umane. Si adatta e comprende il mondo come un essere umano. Esempi includono ricerca medica autonoma e creazione di farmaci.

• Intelligenza Artificiale Ristretta (o Specializzata): Progettate per compiti specifici, non possiedono intelligenza generale umana. Un esempio è il riconoscimento facciale per sbloccare uno smartphone.

• Intelligenza Artificiale Generativa: Crea contenuti nuovi (immagini, testo, audio) simili a quelli umani, imitando uno stile o caratteristiche di dati preesistenti. Esempi includono software per composizioni musicali.

• Reti Neurali Convoluzionali (CNN): Utilizzate nel riconoscimento immagini per identificare oggetti, persone, luoghi o azioni in immagini digitali. Consentono un'analisi di immagini, come la diagnosi precoce di malattie in immagini radiologiche.

• Machine Learning (ML): I computer imparano e migliorano le prestazioni dalle esperienze passate, senza programmazione specifica. Identifica pattern nei dati per previsioni e decisioni (es. sistema anti-spam). Migliora le prestazioni tramite apprendimento da esperienze passate.

• Modellazione Predittiva: Usa dati storici e analisi statistiche per prevedere eventi futuri, come valutazione del rischio di sinistri in un'assicurazione.

• Elaborazione Linguaggio Naturale (NLP): IA che comprende e manipola il linguaggio umano. Consente ai computer di leggere, ascoltare, interpretare e capire il linguaggio umano (es. valutazione di risposte aperte da parte di un insegnante).

• Large Language Models (LLM): Sistemi IA addestrati su grandi quantità di testo per comprendere e generare linguaggio naturale in modo coerente e contestualizzato (es. assistenti virtuali per scrivere email).

• GPT (Generative Pre-trained Transformer): Un modello linguistico basato sull'apprendimento profondo per produrre testo simile a quello umano. Viene pre-addestrato su un vasto dataset, successivamente affinato per compiti specifici. Esempi includono generazione di articoli, poesia e conversazioni.

• Riconoscimento Immagini: Processo automatico per identificare oggetti, persone, luoghi o azioni in immagini digitali. Utilizzano reti neurali convoluzionali (CNN)

Etica e Esplicabilità nell'IA

• Esplicabilità: Capacità di spiegare le decisioni dei modelli di IA. Garantisce trasparenza e responsabilità, come un sistema di credito che spiega le motivazioni delle sue decisioni.

• Etica dell'IA: Studio delle implicazioni morali e sociali dell'IA, includendo privacy, pregiudizi, responsabilità e impatto sociale e sul lavoro (es. prove scolastiche con IA e problematiche etiche di equità e trasparenza).

• Giustizia: Distribuzione equa dei benefici e dei danni derivanti dall'IA, evitando discriminazioni e garantendo l'accesso a tutti . Esempi includono sistemi di selezione del personale privi di pregiudizi.

Quiz e Piattaforma per Studi

• La piattaforma permette la creazione e condivisione di quiz e test.

• Crea quiz e test automaticamente da contenuti esistenti usando AI.

• Condivisione con compagni di classe o esportazione in Excel e sistemi LMS.

• Correzioni automatiche con statistiche e report dettagliati.

• L'utilizzo di reti neurali convoluzionali (CNN) per la creazione di quiz e test.