Handout: Introduzione all’Intelligenza Artificiale (AI)

Creato da Kerstin Petrick in collaborazione con ChatGPT-4o

1. Cos’è l’Intelligenza Artificiale?

L’intelligenza artificiale (AI) è la simulazione dell’intelligenza umana in macchine

programmate per pensare e agire come gli esseri umani.

Tipi di AI

• IA Debole (Narrow AI): Progettata per compiti specifici, come il riconoscimento facciale o
gli assistenti vocali.

• IA Forte (General AI): Un’IA ipotetica che potrebbe ragionare e apprendere come un
essere umano.

• Superintelligenza Artificiale (ASI): Un concetto teorico in cui l’IA supera l’intelligenza

umana in tutti gli ambiti.

2. Concetti Fondamentali dell’AI

Programmazione vs Machine Learning

• Programmazione tradizionale: I programmatori scrivono regole esplicite per ogni

scenario.

• Machine Learning (ML): L’IA apprende dalle esperienze e dai dati senza istruzioni esplicite.
Apprendimento Automatico (Machine Learning)

Esistono tre tipi principali di ML:

1. Supervisionato: Il modello impara da dati etichettati (es. classificazione di email

spam/non spam).

2. Non supervisionato: L’IA identifica schemi nei dati senza etichette (es. clustering di
utenti).

3. Apprendimento per rinforzo: L’IA impara tramite prove, errori e premi (es. AlphaGo).

Algoritmi e Reti Neurali

• Algoritmi: Insieme di istruzioni per risolvere un problema (es. ordinare numeri in ordine
crescente).

• Reti Neurali: Modelli che imitano il cervello umano per riconoscere schemi nei dati.

3. Come Funzionano i Modelli AI?

Fasi di Sviluppo di un Modello AI

1. Definizione dell’obiettivo (es. riconoscere immagini, rispondere a domande).

2. Selezione dei dati (dataset rilevante per il compito).

3. Sviluppo dell’algoritmo (es. reti neurali per la computer vision).

4. Implementazione (codice scritto con Python e librerie come TensorFlow o PyTorch).

5. Addestramento (il modello impara e ottimizza i parametri).

Meccanismo delle Reti Neurali

• Input: I dati grezzi (immagini, testo, suoni) vengono inseriti.

• Strati nascosti: Elaborano i dati attraverso operazioni matematiche.

• Output: La rete genera una previsione o una classificazione.

4. AI Generativa e Large Language Models (LLM)

Cos’è un Large Language Model (LLM)?

Un LLM è un modello AI progettato per comprendere e generare linguaggio umano,
basandosi su enormi quantità di dati testuali.

Come funziona un LLM?

• Tokenizzazione: Il testo viene suddiviso in unità più piccole (token).

• Meccanismo di Attenzione: Il modello si concentra sulle parti più importanti della frase.

• Decodifica Autoregressiva: Il modello genera il testo un pezzo alla volta, prevedendo la

parola successiva.

Esempi di AI Generativa

• Testo: ChatGPT, Google Bard

• Immagini: DALL·E, Midjourney

• Musica: Suno, AIVA

5. I Modelli GPT e il Loro Funzionamento

Cos’è un modello GPT?

I modelli GPT (Generative Pre-trained Transformer) sono una famiglia di LLM sviluppata da
OpenAI per generare testo in modo fluido e coerente.

Come funzionano i GPT?

1. Pre-training: Il modello viene addestrato su enormi quantità di dati testuali per

apprendere grammatica, struttura del linguaggio e conoscenze generali.

2. Tokenizzazione: Il testo viene trasformato in token (unità più piccole di testo),

permettendo al modello di processarlo in modo efficiente.

3. Meccanismo di Attenzione (Transformer): Il modello assegna un peso ai token più

rilevanti per il contesto, migliorando la qualità delle risposte.

4. Generazione del Testo: Il GPT prevede la parola successiva in una sequenza basandosi su
probabilità statistiche.

5. Fine-tuning: Il modello può essere specializzato su compiti specifici (es. supporto tecnico,
assistenza medica, chatbot personalizzati).

Perché i GPT sono così efficaci?

• Comprendono il contesto: Grazie al meccanismo di attenzione, possono mantenere il filo
logico in conversazioni lunghe.

• Generano testo coerente: Predicono parole con alta probabilità di coerenza semantica.

• Possono essere personalizzati: Alcuni modelli, come i Custom GPTs, possono essere
adattati a specifici settori o compiti.

Limiti dei GPT

• Non hanno una vera comprensione: Analizzano pattern nei dati, ma non hanno coscienza
o intenzionalità.

• Possono essere influenzati dai bias nei dati di addestramento.

• Dipendono dalla qualità dell’input: Prompt chiari e dettagliati producono risposte

migliori.

6. Implicazioni Etiche e Limiti dell’AI

Bias e Affidabilità

• Bias nei Dati: Se i dati di addestramento contengono pregiudizi, l’IA potrebbe produrre
risultati distorti.

• Limitazioni dell’IA: L’AI non “capisce” veramente, ma analizza dati secondo modelli
matematici.

Privacy e Sicurezza

• Trasparenza: È importante sapere quale modello AI si sta utilizzando.

• Sicurezza: I modelli AI devono essere progettati per evitare manipolazioni o usi dannosi.

7. Quiz di Autovalutazione

Rispondi alle seguenti domande in 2-3 frasi ciascuna:

1. Cosa si intende per “simulazione dell’intelligenza umana” nel contesto dell’AI?

2. Qual è la differenza tra IA Debole e IA Forte?

3. Quali sono le tre sottocategorie dell’apprendimento automatico?

4. Perché è importante conoscere il modello LLM utilizzato da un chatbot?

5. Come funziona un modello GPT e perché è così efficace?

8. Risorse Utili

• Mentimeter Quiz: https://www.menti.com/alpxhn6nuqeu

• Tokenizzazione AI: https://platform.openai.com/tokenizer

• Libri Consigliati:

• Stuart Russell, Peter Norvig - Artificial Intelligence: A Modern Approach

• Melanie Mitchell - Artificial Intelligence: A Guide for Thinking Humans

9. Risposte: Quiz di Autovalutazione

1. Cosa si intende per “simulazione dell’intelligenza umana” nel contesto dell’AI?

La simulazione dell’intelligenza umana nell’AI si riferisce alla capacità delle macchine di

imitare processi cognitivi come il ragionamento, l’apprendimento e la risoluzione dei
problemi. Tuttavia, l’AI non possiede una vera comprensione, ma elabora dati e schemi
statistici per generare risposte coerenti.

2. Qual è la differenza tra IA Debole e IA Forte?

L’IA Debole (Narrow AI) è progettata per svolgere compiti specifici, come il riconoscimento
vocale o la traduzione automatica, senza generalizzare ad altri ambiti. L’IA Forte (General AI)
è teorica e rappresenterebbe un sistema in grado di apprendere e adattarsi
autonomamente a qualsiasi compito cognitivo, come farebbe un essere umano.

3. Quali sono le tre sottocategorie dell’apprendimento automatico?

• Apprendimento Supervisionato: Il modello impara da dati etichettati, associando input a

output noti (es. classificazione di email spam/non spam).

• Apprendimento Non Supervisionato: Il modello analizza dati non etichettati per trovare
schemi e correlazioni (es. clustering di utenti).

• Apprendimento per Rinforzo: Il modello apprende tramite tentativi ed errori, ricevendo

ricompense per azioni corrette (es. AI nei videogiochi o robotica).

4. Perché è importante conoscere il modello LLM utilizzato da un chatbot?

Conoscere il modello LLM aiuta a valutare la qualità, i limiti e i potenziali bias delle risposte
generate dal chatbot. Inoltre, permette di capire se il modello è adatto a uno specifico
utilizzo, come assistenza tecnica, supporto medico o produzione di contenuti creativi.

5. Come funziona un modello GPT e perché è così efficace?

Un modello GPT (Generative Pre-trained Transformer) funziona attraverso un pre-

addestramento su enormi quantità di testo, imparando strutture linguistiche e conoscenze
generali. È efficace perché utilizza il meccanismo di attenzione (Transformer) per elaborare
il contesto in modo dinamico e generare testo coerente, prevedendo le parole successive
con alta accuratezza. Inoltre, può essere personalizzato (fine-tuning) per compiti specifici,
migliorando ulteriormente la sua precisione.