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
Per la corretta comprensione degli argomenti svolti non sono richieste specifiche competenze informatiche. Sono utili – ma non indispensabili – alcune conoscenze relative ai concetti principali di statistica: carattere, distribuzione, media aritmetica, mediana, scarto quadratico medio, correlazione, inferenza ecc. Agli studenti che ritengono di averne bisogno, si suggerisce di familiarizzare con tali concetti prima o durante il corso, attraverso la lettura di uno dei numerosi manuali disponibili in lingua italiana o inglese (per esempio: David S. Moore, Statistica di base, Milano, Apogeo Education, 2013).
Obiettivi formativi e risultati di apprendimento
Al termine del corso lo studente deve:
- conoscere le tappe principali della storia dell’idea di computabilità dei problemi in filosofia e matematica, da Euclide ad Alan Turing;
- comprendere in che modo la rappresentazione numerica del mondo e il concetto di calcolabilità orientano la realtà economica e sociale contemporanea;
- definire correttamente il fenomeno della digitalizzazione e le nozioni di big data, cloud computing, ottimizzazione matematica, machine learning e intelligenza artificiale generativa;
- 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.
Parte introduttiva (6 lezioni, per un totale di 12 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.
Parte di approfondimento (6 lezioni, per un totale di 12 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
- Scienze della vita (genomica, diagnostica medica e ricerca farmaceutica)
Parte di laboratorio (8 incontri, per un totale di 16 ore)
Si articola in una serie di esercizi di prompt engineering, consistenti nella strutturazione dei comandi forniti ai modelli di intelligenza artificiale generativa mediante il linguaggio naturale, 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:
- Cosimo Accoto, Il mondo dato. Cinque brevi lezioni di filosofia digitale, Milano, Egea, 2017.
- Luciano Floridi, Etica dell’intelligenza artificiale. Sviluppi, opportunità, sfide, Milano, Cortina, 2022 (ed. inglese: The Ethics of Artificial Intelligence. Principles, Challenges, and Opportunities, Oxford, Oxford University Press, 2023).
- 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).
- Francesco Varanini, Splendori e miserie delle intelligenze artificiali alla luce dell’umana esperienza, Milano, Guerini & Associati, 2024.
- 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, 202.
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, indicati dal docente 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 a quanto sopra, di sostenere l’esame concordando preventivamente con il docente una breve relazione su un argomento specifico, scelto liberamente fra quelli sviluppati nell’ambito del corso. In questo caso ci si aspetta che il candidato proponga un’analisi personale e un approfondimento rispetto a quanto detto a lezione. A supporto della sua presentazione, il candidato può servirsi di materiale multimediale (immagini, filmati, grafici, presentazioni di PowerPoint o simili).
Gli studenti saranno interrogati rigorosamente nell’ordine di iscrizione online. Non è possibile fissare appelli straordinari oltre a quelli indicati nell’area riservata del sito di Ateneo. Gli studenti stranieri potranno sostenere il colloquio in inglese. Non sono ammesse altre lingue, oltre all’italiano e all’inglese.
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.
