L’insegnamento “Laboratorio di Intelligenza Artificiale Applicata al Linguaggio” rientra nell’ambito delle attività formative di Scienze Cognitive della Comunicazione e dell’Azione.
Il laboratorio ha lo scopo di fornire agli studenti basi teoriche solide dell'AI applicata al linguaggio e una consolidata capacità di interazione con i Large Language Models (LLMs) tramite le più avanzate tecniche di prompt engineering.
Il raggiungimento di tali obiettivi avviene attraverso due fasi.
La prima, più teorica, prevede l’insegnamento del funzionamento delle reti neurali con particolare focus sui Transformers, ovvero l’architettura utilizzata nei modelli di linguaggio oggi comunemente utilizzati come ad esempio ChatGPT.
La seconda fase, pratica, prevede l’insegnamento delle tecniche di prompt engineering e l’applicazione, anche sperimentale, da parte dello studente di queste tecniche nei vari scenari che verranno presentati.
Obiettivi risultati
Alla fine del corso lo studente avrà compreso sia teoricamente che praticamente come funzionano questi modelli.
Teoricamente avrà compreso:
- in cosa le reti neurali sono simili al funzionamento umano e in cosa differiscono;
- come funzionano le reti neurali e in particolare quelle dei modelli linguistici (LLMs)
- quali tecniche di prompt engineering devono essere utilizzate a seconda del contesto e in generale come rapportarsi a questi modelli
- Come possono essere utilizzati nella società, nel lavoro, e i loro risvolti economico-sociali.
Praticamente lo studente sarà in grado di:
- Scrivere i prompt più adeguati per il caso richiesto e saper ottenere il massimo dai modelli linguistici
- capire i limiti di tali modelli e come possono essere utilizzati in una pipeline per creare automazioni linguistiche.
Nessuna conoscenza pregressa di codice è necessaria
Il laboratorio ha lo scopo di fornire agli studenti basi teoriche solide dell'AI applicata al linguaggio e una consolidata capacità di interazione con i Large Language Models (LLMs) tramite le più avanzate tecniche di prompt engineering.
Il raggiungimento di tali obiettivi avviene attraverso due fasi.
La prima, più teorica, prevede l’insegnamento del funzionamento delle reti neurali con particolare focus sui Transformers, ovvero l’architettura utilizzata nei modelli di linguaggio oggi comunemente utilizzati come ad esempio ChatGPT.
La seconda fase, pratica, prevede l’insegnamento delle tecniche di prompt engineering e l’applicazione, anche sperimentale, da parte dello studente di queste tecniche nei vari scenari che verranno presentati.
Obiettivi risultati
Alla fine del corso lo studente avrà compreso sia teoricamente che praticamente come funzionano questi modelli.
Teoricamente avrà compreso:
- in cosa le reti neurali sono simili al funzionamento umano e in cosa differiscono;
- come funzionano le reti neurali e in particolare quelle dei modelli linguistici (LLMs)
- quali tecniche di prompt engineering devono essere utilizzate a seconda del contesto e in generale come rapportarsi a questi modelli
- Come possono essere utilizzati nella società, nel lavoro, e i loro risvolti economico-sociali.
Praticamente lo studente sarà in grado di:
- Scrivere i prompt più adeguati per il caso richiesto e saper ottenere il massimo dai modelli linguistici
- capire i limiti di tali modelli e come possono essere utilizzati in una pipeline per creare automazioni linguistiche.
Nessuna conoscenza pregressa di codice è necessaria
scheda docente
materiale didattico
Il raggiungimento di questi obiettivi avverrà attraverso due fasi complementari.
La prima fase, prevalentemente teorica, sarà dedicata alla comprensione del funzionamento delle reti neurali e, in particolare, dell’architettura Transformer, alla base dei moderni Large Language Models. Verranno analizzati i principi fondamentali che permettono a questi sistemi di elaborare e generare linguaggio naturale, insieme ai loro principali limiti e rischi.
Saranno affrontati, tra gli altri, i temi dei bias, delle allucinazioni, della prompt injection, del rapporto uomo-macchina, dello human-in-the-loop e del ruolo del linguaggio nell’interazione con i sistemi di Intelligenza Artificiale. Verranno inoltre discussi gli impatti sociali, economici ed etici derivanti dalla diffusione dell’AI generativa.
La seconda fase, prevalentemente pratica, sarà dedicata alle tecniche di prompt engineering e al loro utilizzo nei diversi scenari applicativi presentati durante il corso. Gli studenti sperimenteranno direttamente l’interazione con i modelli linguistici e utilizzeranno questi strumenti per realizzare esercitazioni, artefatti digitali, assistenti personalizzati e semplici workflow basati sull’AI.
# Obiettivi formativi
Al termine del laboratorio lo studente avrà acquisito una comprensione sia teorica sia pratica del funzionamento dei moderni modelli linguistici e sarà in grado di utilizzare in maniera consapevole ed efficace le principali tecniche di interazione con i sistemi di AI generativa.
## Conoscenze teoriche
Lo studente avrà compreso:
- i principi fondamentali di funzionamento delle reti neurali e dei Large Language Models;
- il ruolo dell’architettura Transformer nei moderni sistemi di elaborazione del linguaggio;
- analogie e differenze tra il funzionamento dei sistemi di AI e alcuni processi cognitivi e linguistici umani;
- le principali tecniche di prompt engineering e i criteri per scegliere quelle più adeguate nei diversi contesti;
- i principali limiti dei modelli linguistici, tra cui bias, allucinazioni e vulnerabilità alla prompt injection;
- le principali applicazioni dell’AI generativa nella società e nel mondo del lavoro e i relativi impatti economici e sociali;
- le principali questioni etiche connesse all’utilizzo dell’AI e i principi per un suo impiego responsabile.
### Competenze pratiche
Lo studente sarà in grado di:
- progettare prompt adeguati agli obiettivi e al contesto di utilizzo;
- utilizzare tecniche di prompt engineering per migliorare qualità, affidabilità e controllabilità delle risposte;
- riconoscere i principali limiti dei modelli linguistici e adottare strategie per mitigarli;
- creare assistenti conversazionali personalizzati;
- utilizzare i modelli linguistici all’interno di semplici workflow e pipeline per automatizzare attività basate sul linguaggio;
- realizzare artefatti e piccoli progetti utilizzando strumenti di AI generativa.
Non è richiesta alcuna conoscenza pregressa di programmazione.
Durante il corso verranno svolte esercitazioni e attività progettuali in aula. Tali attività contribuiranno alla valutazione complessiva dello studente in vista della prova finale, che sarà scritta.
Programma
Il laboratorio ha l’obiettivo di fornire agli studenti solide basi teoriche sull’Intelligenza Artificiale applicata al linguaggio e una capacità avanzata di interazione con i Large Language Models (LLM), attraverso le principali tecniche di prompt engineering, la creazione di assistenti conversazionali personalizzati e lo sviluppo di semplici sistemi agentici.Il raggiungimento di questi obiettivi avverrà attraverso due fasi complementari.
La prima fase, prevalentemente teorica, sarà dedicata alla comprensione del funzionamento delle reti neurali e, in particolare, dell’architettura Transformer, alla base dei moderni Large Language Models. Verranno analizzati i principi fondamentali che permettono a questi sistemi di elaborare e generare linguaggio naturale, insieme ai loro principali limiti e rischi.
Saranno affrontati, tra gli altri, i temi dei bias, delle allucinazioni, della prompt injection, del rapporto uomo-macchina, dello human-in-the-loop e del ruolo del linguaggio nell’interazione con i sistemi di Intelligenza Artificiale. Verranno inoltre discussi gli impatti sociali, economici ed etici derivanti dalla diffusione dell’AI generativa.
La seconda fase, prevalentemente pratica, sarà dedicata alle tecniche di prompt engineering e al loro utilizzo nei diversi scenari applicativi presentati durante il corso. Gli studenti sperimenteranno direttamente l’interazione con i modelli linguistici e utilizzeranno questi strumenti per realizzare esercitazioni, artefatti digitali, assistenti personalizzati e semplici workflow basati sull’AI.
# Obiettivi formativi
Al termine del laboratorio lo studente avrà acquisito una comprensione sia teorica sia pratica del funzionamento dei moderni modelli linguistici e sarà in grado di utilizzare in maniera consapevole ed efficace le principali tecniche di interazione con i sistemi di AI generativa.
## Conoscenze teoriche
Lo studente avrà compreso:
- i principi fondamentali di funzionamento delle reti neurali e dei Large Language Models;
- il ruolo dell’architettura Transformer nei moderni sistemi di elaborazione del linguaggio;
- analogie e differenze tra il funzionamento dei sistemi di AI e alcuni processi cognitivi e linguistici umani;
- le principali tecniche di prompt engineering e i criteri per scegliere quelle più adeguate nei diversi contesti;
- i principali limiti dei modelli linguistici, tra cui bias, allucinazioni e vulnerabilità alla prompt injection;
- le principali applicazioni dell’AI generativa nella società e nel mondo del lavoro e i relativi impatti economici e sociali;
- le principali questioni etiche connesse all’utilizzo dell’AI e i principi per un suo impiego responsabile.
### Competenze pratiche
Lo studente sarà in grado di:
- progettare prompt adeguati agli obiettivi e al contesto di utilizzo;
- utilizzare tecniche di prompt engineering per migliorare qualità, affidabilità e controllabilità delle risposte;
- riconoscere i principali limiti dei modelli linguistici e adottare strategie per mitigarli;
- creare assistenti conversazionali personalizzati;
- utilizzare i modelli linguistici all’interno di semplici workflow e pipeline per automatizzare attività basate sul linguaggio;
- realizzare artefatti e piccoli progetti utilizzando strumenti di AI generativa.
Non è richiesta alcuna conoscenza pregressa di programmazione.
Durante il corso verranno svolte esercitazioni e attività progettuali in aula. Tali attività contribuiranno alla valutazione complessiva dello studente in vista della prova finale, che sarà scritta.
Testi Adottati
Presto verranno comunicati