Obiettivi, programma e contenuti dell’insegnamento, promosso dal Collegio Nuovo e inserito nel corso di laurea triennale in Comunicazione, Innovazione, Multimedialità (CIM) dell’Università di Pavia
Big data e algoritmi di apprendimento automatico: conoscenza, informazione, potere è un insegnamento a scelta inserito nel 3° anno del corso di laurea triennale in Comunicazione, Innovazione, Multimedialità (CIM) dell’Università di Pavia. L’insegnamento, promosso dal Collegio Nuovo di Pavia, a parte del settore SPS-08 (Sociologia dei processi culturali e comunicativi) e dà adito a 6 CFU. La presentazione del corso è disponibile anche in lingua inglese. Per tutti i miei insegnamenti all’Università di Pavia, invece, vedi qui.
Prerequisiti
Non sono richieste particolari competenze tecniche. La familiarità con Microsoft Excel o altri programmi dedicati alla produzione e alla gestione di fogli elettronici può aiutare. In tal senso suggerisco agli studenti meno esperti di prepararsi preliminarmente attraverso una delle diverse opportunità di formazione online (es.: Coursera, Udemy, …) oppure sfruttando gli innumerevoli tutorial disponibili su YouTube.
Sono utili anche alcune conoscenze di base di statistica: carattere, distribuzione, media aritmetica, scarto quadratico medio ecc.
Obiettivi formativi e risultati di apprendimento
Al termine del corso lo studente deve:
- comprendere i concetti di base relativi ai modelli interpretativi della realtà economica e sociale basati sul paradigma digitale (rappresentazione numerica del mondo e calcolabilità), i big data (le grandi aggregazioni di dati che fluiscono in tempo reale da molteplici fonti) e le nuove tecniche di intelligenza artificiale (apprendimento automatico e intelligenza artificiale generativa);
- saper valutare le principali implicazioni sociopolitiche, giuridiche, culturali ed etiche di tali modelli;
- essere in grado di applicare logiche e tecniche di prompt design nell’uso di alcune piattaforme di intelligenza artificiale generativa (ChatGPT, Midjourney).
Programma e contenuti
Il corso è articolato in tre parti: una parte introduttiva, una di approfondimento e una di laboratorio.
La parte introduttiva (7 lezioni, per un totale di 14 ore) permette di condividere il vocabolario di base necessario alla comprensione dell’oggetto dell’insegnamento: differenza fra dato, informazione e conoscenza; concetto di database e sistema per la gestione di database (DBMS); differenza fra database relazionali e non relazionali; elementi di storia dell’intelligenza artificiale; algoritmi di apprendimento automatico; differenza fra machine learning e deep learning, modelli linguistici (LLMs, Large Language Models) e intelligenza artificiale generativa ecc.
La parte di approfondimento (7 lezioni, per un totale di 14 ore) esplora la natura del fenomeno e le sue radici storiche, evidenziando i fattori che ne determinano la pervasività: esplosione dei big data, “datizzazione” dell’esperienza e diffusione del principio della calcolabilità nei principali ambiti della vita economica e sociale. In particolare, sono presi in considerazione tre domini nei quali il paradigma dei big data sta abilitando i cambiamenti più significativi:
- Informazione e giornalismo
- Marketing e pubblicità
- Bioinformatica, diagnostica medica e ricerca farmaceutica
La parte di laboratorio (6 incontri, per un totale di 12 ore) si organizza intorno all’ambito specifico dell’intelligenza artificiale generativa e delle applicazioni oggi disponibili per l’impiego dei grandi modelli linguistici. In particolare, il laboratorio offre agli studenti la possibilità di addestrarsi nelle principali tecniche di prompt engineering, collaborando con l’intelligenza artificiale per produrre contenuti originali e significativi (testi, immagini, audio e video).
Metodi didattici
Il corso è organizzato in:
- lezioni frontali (accompagnate da verifiche in corsa del livello di apprendimento tramite Wooclap);
- analisi di casi di studio;
- esercitazioni guidate;
- project work di gruppo.
Per lo svolgimento delle lezioni frontali sono utilizzate presentazioni in PowerPoint o PDF, messe a disposizione degli studenti nella sezione dedicata all’insegnamento sulla piattaforma KIRO. Tale materiale è rilasciato in formato conforme ai principi di accessibilità per gli utenti con disabilità (struttura delle intestazioni, ordine di lettura, testo alternativo per le immagini, link autodescrittivi). La frequenza alle lezioni e alle esercitazioni è fortemente consigliata. Tuttavia, agli studenti che non possono seguire le lezioni viene messa a disposizione la videoregistrazione delle singole lezioni.
Testo di riferimento
Al termine di ogni lezione viene fornita una bibliografia di riferimento relativa agli argomenti trattati. Di seguito si riporta un elenco di monografie utili ad approfondire la tematica del corso nel suo complesso:
- Hannah Fry, Hello World. Essere umani nell’era delle macchine, Bollati Torino, Boringhieri, 2019 (ed. originale Hello World. How to Be Human in the Age of the Machine, London, Black Swan, 2019)
- Astrid Howe, Artificial Intelligence for Beginners: An Introduction to Machine Learning, Neural Networks, and Deep Learning, Astrid Howe, 2023.
- Helga Nowotny, Le macchine di Dio. Gli algoritmi predittivi e l’illusione del controllo, Roma, LUISS University Press, 2022 (ed. originale In AI We Trust. Power, Illusion and Control of Predictive Algorithms, Cambridge, Polity Press, 2021).
- Stuart J. Russell, Peter Norvig, Intelligenza artificiale. Un approccio moderno, Milano, Pearson, 2021 (ed. originale Artificial Intelligence: A Modern Approach. Global Edition, London, Pearson Education, 2021).
- Toby Walsh, Machines Behaving Badly: The Morality of AI, Cheltenham, The History Press, 2022.
- Toby Walsh, Faking It. Artificial Intelligence in a Human World, Cheltenham, The History Press, 2023.
Si precisa che i suddetti testi non sono intesi come letture obbligatorie, da affrontare per la preparazione dell’esame, ma come utili fonti di approfondimento.
Modalità di verifica dell’apprendimento
L’esame consiste in una prova orale individuale, della durata di circa 15- 20 minuti, volta ad accertare le competenze acquisite relativamente ai contenuti del corso. La prova verte su almeno tre argomenti distinti e relativi ai diversi argomenti trattati. La valutazione finale si basa sul grado di approfondimento e comprensione degli argomenti presentati e sulla capacità di integrare le conoscenze acquisite durante il corso. Il voto finale è assegnato secondo una scala di valutazione da 0 a 30, distribuendo equamente il peso delle singole domande. Durante la prova lo studente può servirsi di materiale multimediale a supporto della sua argomentazione (immagini, filmati, grafici, presentazioni di PowerPoint o simili).
Solo agli studenti che non possono frequentare le lezioni è offerta la possibilità, in alternativa, di sostenere l’esame presentando una relazione orale – eventualmente accompagnata da un supporto multimediale (PowerPoint o simili) – sulla seguente monografia: Luciano Floridi, Etica dell’intelligenza artificiale. Sviluppi, opportunità, sfide, Milano, Raffaello Cortina Editore, 2022 (ed. originale rivista, The Ethics of Artificial Intelligence. Principles, Challanges, and Opportunities, Oxford, Oxford University Press, 2023.
Gli studenti saranno interrogati rigorosamente nell’ordine di iscrizione online. Non è possibile fissare appelli straordinari oltre a quelli sopra indicati. Gli studenti stranieri potranno sostenere il colloquio in inglese. Non sono ammesse altre lingue, oltre all’italiano e all’inglese.
Calendario delle lezioni
L’insegnamento si svolgerà in Aula 6 di Scienze Politiche e Sociali dal 27 settembre al 25 novembre 2022 dalle ore 11 alle 13 nei giorni di martedì e dalle 13 alle 15 nei giorni di giovedì. Poiché aggiornamenti del calendario sono sempre possibili per esigenze organizzative dell’Università, si prega di verificare sedi e orari qui.
Appelli di esame
Le date degli appelli d’esame saranno rese note all’interno dell’area riservata del sito dell’Università, non appena fissate dalla segreteria di CIM-CoD.
Sede e orario di ricevimento
Ricevo su appuntamento. Invito gli studenti a contattarmi preventivamente via e-mail: paolo.costa@unipv.it.
Bibliografia di approfondimento
Per una bibliografia tascabile su big data e intelligenza artificiale, si rimanda qui.
