L’insegnamento si propone di fornire alle studenti e agli studenti una comprensione generale dello sviluppo dei progetti sull’intelligenza artificiale.
Scopo dell’insegnamento è l’introduzione al tema dell’intelligenza delle macchine con particolare riguardo agli ultimi sviluppi della scienza dei dati.
Al termine dell’insegnamento gli studenti avranno acquisito le conoscenze di base a proposito del concetto di intelligenza e alla sua evoluzione per poter essere riscontrata nell’ambito delle strategie algoritmiche adottate dalle macchine digitali
Scopo dell’insegnamento è l’introduzione al tema dell’intelligenza delle macchine con particolare riguardo agli ultimi sviluppi della scienza dei dati.
Al termine dell’insegnamento gli studenti avranno acquisito le conoscenze di base a proposito del concetto di intelligenza e alla sua evoluzione per poter essere riscontrata nell’ambito delle strategie algoritmiche adottate dalle macchine digitali
scheda docente
materiale didattico
Il corso si occupa di illustrare il modo in cui nasce l'idea dell'intelligenza artificiale in concomitanza con l'avvento dei primi calcolatori. Il termine viene coniato ufficialmente nel 1956, ma già negli anni Quaranta si parlava di macchine dotate di intelligenza.
In particolare il test di Turing che ha suscitato tanto interesse e tanta letteratura è stato proposto da Alan Turing nel 1950. Molti anni sono passati da allora e molte cose sono cambiate nei metodi, nelle tecniche e nelle prospettive che sono state adottate per risolvere alcuni problemi considerati intelligenti.
Attualmente la presenza di tant soft bot, di tanti robot e di tanti strumenti artificiali che attraverso l'uso di algoritmi sembrano esprimere l'intelligenza ci costringono a ripensare il concetto di intelligenza umana e anche quello di macchine intelligenti.
Il fenomeno più interessante è la tendenza dell'uomo ad attribuire alla macchina capacità intelligenti principalmente quando non sa come funzioni esattamente il dispositivo al quale si affida.
Questa dimensione sociale nell'attribuizione di intelligenza era stata colta anche al principio da Alan Turing. Tuttavia tale tendenza rischia di produrre alcune conseguenze indesiderate per la società. Sappiamo infatti che non tutti padroneggiano l'innovazione, mentre un gruppo molto ristretto di progettisti e programmatori spesso tutti provenienti dallo stesso tipo di università e in larga misura bianchi lavorano e producono prototipi di intelligenza artificiale i cui obiettivi sono nelle mani di poche multinazionali.
Le tecniche di maggior successo nell'ambito dell'IA contemporanea sono quelle di machine learning. Tali tecniche sono basate sulla datificazione di molte attività sociali e si propongono di fare previsioni su quello che accadrà in futuro a partire dalla serie pregressa di informazioni disponibili.
Tra queste tecniche quelle che hanno ottenuto i risultati più notevoli sono quelle di deep learning, nelle quali gli strati di apprendimento sono molteplici e inaccessibili anche al programmatore stesso. La capacità di fare previsioni in contesti sociali anche sensibili come predictive policing, face recognition, clusterization, selezione del personale, selezione degli studenti per l'accesso universitario, premi assicurativi, accesso ai servizi del welfare, ecc. potrebbe dare luogo a self-fulfilling expectation, introducendo un carattere normativo che impone la previsione in contesti nei quali il futuro è incerto.
Esistono quindi problemi politici, etici e sociali rispetto a come vogliamo applicare gli strumenti dell'innovazione. Non basta innovare, dobbiamo riuscire a costruire degli strumenti che siano equi e servono a far crescere il benessere di tutti gli esseri umani e non solo di una ristretta minoranza.
Il corso si propone di dare gli strumenti per comprendere la dimensione politica, etica, sociale delle scelte tecnologiche intorno agli sviluppi dell'intelligenza artificiale
Margaret Boden (2019) intelligenza artificiale, Il Mulino, Bologna
Alan Turing (1994) Intelligenza meccanica, Bollati boringhieri, Torino, pp. 88-157.
Guglielmo Tamburrini (2020) Etica delle macchine, Carocci, Roma.
Programma
Le origini e le questioni etiche e politiche dell'intelligenza artificialeIl corso si occupa di illustrare il modo in cui nasce l'idea dell'intelligenza artificiale in concomitanza con l'avvento dei primi calcolatori. Il termine viene coniato ufficialmente nel 1956, ma già negli anni Quaranta si parlava di macchine dotate di intelligenza.
In particolare il test di Turing che ha suscitato tanto interesse e tanta letteratura è stato proposto da Alan Turing nel 1950. Molti anni sono passati da allora e molte cose sono cambiate nei metodi, nelle tecniche e nelle prospettive che sono state adottate per risolvere alcuni problemi considerati intelligenti.
Attualmente la presenza di tant soft bot, di tanti robot e di tanti strumenti artificiali che attraverso l'uso di algoritmi sembrano esprimere l'intelligenza ci costringono a ripensare il concetto di intelligenza umana e anche quello di macchine intelligenti.
Il fenomeno più interessante è la tendenza dell'uomo ad attribuire alla macchina capacità intelligenti principalmente quando non sa come funzioni esattamente il dispositivo al quale si affida.
Questa dimensione sociale nell'attribuizione di intelligenza era stata colta anche al principio da Alan Turing. Tuttavia tale tendenza rischia di produrre alcune conseguenze indesiderate per la società. Sappiamo infatti che non tutti padroneggiano l'innovazione, mentre un gruppo molto ristretto di progettisti e programmatori spesso tutti provenienti dallo stesso tipo di università e in larga misura bianchi lavorano e producono prototipi di intelligenza artificiale i cui obiettivi sono nelle mani di poche multinazionali.
Le tecniche di maggior successo nell'ambito dell'IA contemporanea sono quelle di machine learning. Tali tecniche sono basate sulla datificazione di molte attività sociali e si propongono di fare previsioni su quello che accadrà in futuro a partire dalla serie pregressa di informazioni disponibili.
Tra queste tecniche quelle che hanno ottenuto i risultati più notevoli sono quelle di deep learning, nelle quali gli strati di apprendimento sono molteplici e inaccessibili anche al programmatore stesso. La capacità di fare previsioni in contesti sociali anche sensibili come predictive policing, face recognition, clusterization, selezione del personale, selezione degli studenti per l'accesso universitario, premi assicurativi, accesso ai servizi del welfare, ecc. potrebbe dare luogo a self-fulfilling expectation, introducendo un carattere normativo che impone la previsione in contesti nei quali il futuro è incerto.
Esistono quindi problemi politici, etici e sociali rispetto a come vogliamo applicare gli strumenti dell'innovazione. Non basta innovare, dobbiamo riuscire a costruire degli strumenti che siano equi e servono a far crescere il benessere di tutti gli esseri umani e non solo di una ristretta minoranza.
Il corso si propone di dare gli strumenti per comprendere la dimensione politica, etica, sociale delle scelte tecnologiche intorno agli sviluppi dell'intelligenza artificiale
Testi Adottati
Eric Sadin (2019) Critica della ragione artificiale, una difesa dell'umanità, Luiss University Press, Roma, pp.7-158.Margaret Boden (2019) intelligenza artificiale, Il Mulino, Bologna
Alan Turing (1994) Intelligenza meccanica, Bollati boringhieri, Torino, pp. 88-157.
Guglielmo Tamburrini (2020) Etica delle macchine, Carocci, Roma.
Modalità Erogazione
Lezioni in presenza, salvo la possibilità che una nuova emergenza sanitaria renda impossibile fare lezione in aulaModalità Valutazione
nel corso è prevista una valutazione sperimentale per frequentanti, con la presentazione di un progetto di ricerca e la stesura di una tesina. per chi non frequenta la valutazione avviene con un test per valutare la conoscenza dei testi in programma.