Guida all’intelligenza artificiale

Con attività didattiche di livello progressivo

Sanoma ha pubblicato una guida all’intelligenza artificiale con attività didattiche.

Alleghiamo la guida intera (ad uso gratuito) e una rielaborazione della stessa da parte di Notebook LM.

L’utilizzo di Notebook LM è adatto all’insegnamento in quanto è perfettamente a norma con il DPR europeo: non diffonde i dati personali e le ricerche non sono utilizzate per implementare nessuna IA.

La guida è scaricabile la link seguente:
Scarica la guida.

Rielaborazione ad opera di Notebook LM

Abstract

Il documento funge da guida completa all’Intelligenza Artificiale (IA) e al suo utilizzo in contesti didattici, enfatizzando sia le opportunità che i rischi. Esamina le sfide etiche poste dall’IA, come i pregiudizi e il plagio, e ne spiega il funzionamento di base, comprese le reti neurali e la tecnologia predittiva. La guida propone inoltre attività didattiche progressive, che spaziano da esercizi introduttivi sulla costruzione di prompt a compiti più avanzati che sfruttano l’IA per la scrittura creativa, l’analisi testuale e l’apprendimento delle lingue. Infine, il testo offre una panoramica degli strumenti di IA consigliati per la didattica in diverse aree e suggerisce risorse per l’approfondimento, inclusi libri e corsi di formazione per docenti.

Approfondimento

Come il modello SAMR può guidare l’integrazione etica dell’IA nella didattica?

Il modello SAMR (Sostituzione, Aumento, Modificazione, Ridefinizione), proposto da Ruben Puentedura, offre un quadro di riferimento per guidare l’integrazione delle tecnologie, inclusa l’Intelligenza Artificiale (IA), nella didattica. Nonostante le fonti non delineino esplicitamente come il modello SAMR guidi l’integrazione etica passo dopo passo, esso fornisce una progressione strutturata che permette agli educatori di considerare e affrontare le implicazioni etiche dell’IA a ogni livello di impatto tecnologico sul processo educativo.

Il modello SAMR distingue due categorie principali di impatto dell’integrazione tecnologica: il potenziamento (Sostituzione e Aumento) e la trasformazione (Modificazione e Ridefinizione).

Le fasi del modello SAMR e l’integrazione dell’IA

1. Sostituzione (Substitution):

    ◦ Descrizione: La tecnologia si limita a rimpiazzare gli strumenti o metodi tradizionali, offrendo soluzioni più efficienti senza alterare significativamente la natura del lavoro.

    ◦ Applicazione all’IA: L’IA può fungere da sostituto per dispositivi come le app di e-book che facilitano lo scorrimento del testo, la ricerca e l’annotazione.

    ◦ Guida etica: Anche a questo livello basilare, sorgono questioni etiche relative alla privacy dei dati personali raccolti dall’IA e all’affidabilità delle informazioni visualizzate, richiedendo consapevolezza sull’uso delle informazioni personali e sulla provenienza dei contenuti.

2. Aumento (Augmentation):

    ◦ Descrizione: La tecnologia non solo sostituisce, ma aggiunge funzionalità che prima erano impossibili o impensabili, migliorando l’efficacia dell’istruzione.

    ◦ Applicazione all’IA: Strumenti come l’algoritmo PageRank di Google rappresentano un miglioramento sostanziale nel reperimento delle informazioni. Le piattaforme di apprendimento online con personalizzazione e feedback immediati possono essere potenziate dall’IA.

    ◦ Guida etica: A questo stadio, diventa cruciale monitorare la trasparenza degli algoritmi, i bias presenti nei dati di addestramento che possono influenzare i risultati di ricerca o i suggerimenti personalizzati. È necessario che gli utenti siano consapevoli di come l’IA personalizza i servizi e se questo possa portare a una riduzione degli esseri umani a “aggregati di informazioni individuali”.

3. Modificazione (Modification):

    ◦ Descrizione: La tecnologia permette all’insegnante di ideare nuove attività didattiche prima impraticabili, portando a una riprogettazione e a cambiamenti sostanziali.

    ◦ Applicazione all’IA: Piattaforme digitali come Edmodo, regolate da algoritmi, consentono attività cooperative e individuali, quiz e lavori in comune. Strumenti di IA per l’elaborazione di immagini e video aprono a nuove tipologie di lavoro.

    ◦ Guida etica: Quando l’IA modifica le pratiche didattiche, le sfide etiche si intensificano. È fondamentale affrontare la non trasparenza delle reti neurali e i bias insiti nei contenuti con cui l’IA viene addestrata, specialmente in attività collaborative che potrebbero amplificare pregiudizi. Bisogna assicurare che la nuova attività non comprometta l’autonomia degli studenti e la loro capacità di pensiero critico, evitando un uso passivo dell’IA.

4. Ridefinizione (Redefinition):

    ◦ Descrizione: La tecnologia ha un impatto trasformativo completo, portando a una riprogettazione delle attività didattiche in base alle sue caratteristiche, rendendo possibili nuove attività prima inconcepibili.

    ◦ Applicazione all’IA: Modelli linguistici come ChatGPT e Gemini consentono interazioni di tipo completamente nuovo e permettono nuove modalità didattiche, come la trasformazione di un elaborato scritto in un prodotto digitale con feedback di un pubblico esterno. L’IA può agire come tutor per migliorare le competenze di scrittura o consolidare conoscenze disciplinari.

    ◦ Guida etica: Questo è il livello in cui le implicazioni etiche sono massime e richiedono la maggiore attenzione.

        ▪ Diffusione di fake news e “allucinazioni”: Poiché l’IA può generare informazioni false o create (“allucinazioni”), è cruciale sviluppare competenze digitali per discernere il vero dal falso, soprattutto quando l’IA ridefinisce il reperimento e la produzione di contenuti. Gli studenti devono essere educati a verificare sempre gli output dell’IA.

        ▪ Plagio e autorialità: Con la facilità di generazione di testi da parte dell’IA, la questione del plagio diventa centrale. Gli educatori devono ridefinire cosa costituisce un “lavoro originale” e come integrare l’IA in modo responsabile, senza compromettere il processo di apprendimento e l’autonomia degli studenti. Si deve valutare la capacità degli studenti di “correggere” e “adeguare” ciò che l’IA genera.

        ▪ Consapevolezza etica dell’IA: L’IA non possiede una coscienza etica, intenzioni o una bussola morale, ma le sue espressioni linguistiche possono essere percepite come portatrici di valori. È essenziale analizzare le interazioni con l’IA per rilevare pregiudizi e bias e utilizzare questi sistemi in modo consapevole.

        ▪ Supervisione umana: La regolamentazione europea sull’IA (Artificial Intelligence Act) sottolinea la necessità di una supervisione umana per correggere eventuali decisioni errate prese dall’IA, specialmente in ambiti ad alto rischio come l’educazione. Questo si applica anche a livello didattico, dove l’insegnante deve rimanere l’autorità finale e critica.

In sintesi, il modello SAMR non è di per sé un modello etico, ma fornisce un framework progressivo per l’integrazione tecnologica. Utilizzandolo, gli insegnanti possono strutturare l’introduzione dell’IA in classe, valutando attentamente le implicazioni etiche a ogni stadio. Questo permette di passare da un uso dell’IA come semplice strumento di supporto a un’integrazione che trasforma profondamente la didattica, sempre con un occhio critico sulla trasparenza, i bias, la protezione dei dati, il rischio di disinformazione e plagio, e sulla necessità di promuovere il pensiero critico e l’autonomia degli studenti.

Gli altri modelli (report) che può produrre Notebook LM

Riepilogo

Documento di briefing: Intelligenza Artificiale e Didattica

Fonte: Estratti da “guida all’uso della IA.pdf” (Sanoma Italia, 2024)

Panoramica Generale

Il documento “guida all’uso della IA.pdf” offre un’analisi dettagliata e progressiva sull’integrazione dell’Intelligenza Artificiale (IA) nel contesto didattico, esaminando sia le opportunità che le sfide etiche e pratiche. La guida è strutturata in due parti principali: una sezione teorica che inquadra l’IA nella didattica e una sezione pratica con attività progressive per l’uso in classe. Gli autori dei contributi includono Massimiliano Badino (sfide etiche), Fabio Aurelio D’Asaro (funzionamento dell’IA), Francesco Pedrazzoli (prompt efficaci ed esempi di attività) e Luca Raina (valutazione e strumenti di IA per la didattica).

Temi Principali e Idee Chiave

1. Integrazione dell’IA nel Processo Educativo (Modello SAMR)

• L’IA e le tecnologie intelligenti possono essere integrate nella didattica a diversi livelli, classificati dal modello SAMR (Substitution, Augmentation, Modification, Redefinition).
• Sostituzione: La tecnologia rimpiazza strumenti tradizionali senza alterare la natura del compito (es. lavagna interattiva al posto di quella tradizionale).
• Aumento: La tecnologia sostituisce e apporta miglioramenti (es. algoritmo PageRank di Google).
• Modificazione: La tecnologia permette la riprogettazione e cambiamenti sostanziali nelle attività didattiche (es. documenti condivisi in cloud per lavoro collaborativo).
• Ridefinizione: La tecnologia rende possibili attività completamente nuove, ridefinendo la didattica e la valutazione (es. ChatGPT e Gemini per interazioni innovative).
• L’IA, in particolare i Large Language Models (LLM) come ChatGPT e Gemini, “possono occupare, a vario titolo, ognuna delle categorie sopra discusse”, offrendo sia semplici sostituzioni che una completa ridefinizione delle modalità didattiche.

2. Le Sfide Etiche dell’IA nella Didattica

• L’IA non è eticamente neutrale; solleva “questioni etiche così ampie, gravi e urgenti che hanno dato vita a un intero nuovo ambito di studio”.
• Non trasparenza delle reti neurali (Black Box Problem): I sistemi di IA moderna (es. GPT-4 con 1,7 trilioni di parametri) sono estremamente complessi e il loro funzionamento interno è incomprensibile per gli esseri umani. Ciò pone un problema etico quando l’IA prende decisioni che impattano la vita umana, specialmente in ambiti come l’assegnazione di crediti o diagnosi mediche.
• Bias nei dati di addestramento: Le IA applicano in modo automatico e incontrollato pregiudizi cognitivi o morali presenti nei dati con cui sono state addestrate. È “una sfida sia cognitiva sia etica” analizzare le interazioni con l’IA alla ricerca di questi bias.
• Diffusione di fake news e “allucinazioni”: L’IA è incapace di distinguere conoscenza autentica da informazioni false o create (“allucinazioni”), manipolando parole secondo schemi appresi da internet, senza percezione diretta del mondo esterno. Un uso irresponsabile può facilitare la diffusione di notizie false.
• Plagio: La facilità e qualità delle risposte di ChatGPT amplificano il fenomeno del plagio, sollevando dubbi sulla natura delle produzioni dell’IA (“opera altrui” vs. “calcolatrice per testi”). È cruciale integrare l’IA in modo responsabile per non compromettere l’autonomia e il processo di apprendimento.

3. Regolamentazione Europea sull’Intelligenza Artificiale (AI Act)

• L’AI Act (approvato il 9 dicembre 2023) è la prima regolamentazione mondiale sull’IA, con l’obiettivo di stabilire “un quadro etico e legale solido per facilitare lo sviluppo e l’impiego responsabile dell’Intelligenza Artificiale nell’Unione Europea”.
• Classificazione basata sul rischio:IA vietate: Sistemi con impatto potenzialmente nocivo sulla privacy, sicurezza e libertà individuale (es. riconoscimento biometrico in tempo reale, social scoring).
• IA ad alto rischio: Riguardano settori come sanitario, giuridico, occupazionale ed educativo. Gli sviluppatori devono condurre valutazioni dei rischi, assicurare dati accurati e privi di pregiudizi, fornire informazioni trasparenti e garantire una supervisione umana.
• IA a rischio limitato o basso: Non soggette a normative specifiche, ma si incoraggia l’adesione volontaria ai principi (es. filtri email, traduzione automatica).
• Modelli Fondazionali (es. ChatGPT): Il rilascio di ChatGPT ha reso necessarie modifiche ad hoc all’AI Act. Questi sistemi, addestrati su vasti dati e capaci di generare output generici, ora richiedono una valutazione simile a quella delle IA ad alto rischio. È vietata la generazione di contenuti contrari alla normativa europea e i produttori devono dichiarare le basi dati utilizzate, specialmente se protette da copyright.

4. Funzionamento dell’IA: Reti Neurali e Previsione

• L’IA generativa funziona come una “tecnologia predittiva”, simile ai sistemi di predizione delle tastiere dei cellulari (es. T9).
• Predizione basata sul contesto: L’IA prevede parole o risposte basandosi sul contesto e sulla frequenza statistica con cui certe parole vengono usate dopo altri termini. “Proprio come ChatGPT o Gemini, che cercano di fornire la risposta più pertinente alla vostra domanda.”
• Reti Neurali: Sono i programmi alla base dell’IA, ispirate ai neuroni biologici. Apprendono dai dati modificando le “soglie” dei neuroni artificiali per evitare errori (es. distinguere cani da gatti).
• Addestramento: L’IA viene addestrata su “una grandissima quantità di dati” attraverso un processo simile a un gioco in cui deve indovinare parole oscurate in frasi. Con ogni nuovo testo, le previsioni vengono raffinate.
• Probabilità nell’output: Le risposte dell’IA non sono identiche ogni volta, poiché si basano su probabilità statistiche di completamento delle frasi.

5. Prompt Engineering per l’Interazione con l’IA

• La qualità degli output dell’IA dipende dalla qualità del prompt (“ingegneria dei prompt”).
• Componenti di un prompt efficace: Istruzione, contesto, dati di input, formato dell’output desiderato.
• Regole per prompt efficaci:Descrizione e semplicità: “Un prompt deve essere descrittivo e semplice. Se un compito è complesso, è bene dividerlo in sottoattività.”
• Evitare ambiguità: “Evitare le ambiguità del linguaggio naturale e cercare di essere il più chiari e descrittivi possibile. Usare esempi se necessario.” (es. “un testo di 50 parole” invece di “un testo breve”).
• Espressioni positive: Preferire “astieniti dallo scrivere” rispetto a “non scrivere” per una maggiore specificità.
• È essenziale sperimentare con diversi modelli di IA (ChatGPT, Gemini, Lama, ecc.) poiché “l’efficacia di un prompt varia da modello a modello”.
• Il controllo degli output generati dalle IA è fondamentale; la rigenerazione del testo può aiutare a scegliere la versione più vicina alle aspettative.

6. La Valutazione ai Tempi dell’IA

• La valutazione scolastica deve concentrarsi sul “processo di apprendimento” e sulla “crescita e sviluppo di ragazze e ragazzi”, non solo sul risultato finale.
• Valutare studenti che usano l’IA:Comunicare chiaramente le aspettative sull’uso dell’IA.
• Valutare competenze e abilità non generabili dall’IA (es. comprensione delle idee principali, giudizi critici personali, creatività, originalità).
• Sensibilizzare sullo stile di scrittura (le IA possono essere ridondanti o incoerenti) e valutare la capacità di “correggere” e “adeguare” l’output dell’algoritmo.
• Discutere l’esperienza degli studenti nell’uso dell’IA per comprendere l’influenza sul loro lavoro.
• Usare l’IA per valutare: L’IA può generare rubriche di valutazione, fornendo criteri chiari e specifici. Tuttavia, è cruciale che l’insegnante riveda e personalizzi l’output in base all’esperienza e alle esigenze della classe. L’IA può aiutare a definire obiettivi di apprendimento, descrivere competenze, proporre criteri di valutazione e suggerire feedback costruttivi.

7. Strumenti di IA per la Didattica: Mappatura

• L’IA offre soluzioni innovative per migliorare apprendimento e insegnamento, anche in chiave inclusiva (es. supporto BES).
• Testi: ChatGPT, Gemini, Bing Chat, Perplexity (generazione testo, correzione grammaticale e stilistica, feedback personalizzati, risposte informative).
• Grafica: Midjourney, Canva, DreamStudio, Bing.ca (generazione di immagini realistiche e creative, analisi delle immagini).
• Video: Fliki, Pictory, D-ID, ModelScope, Canva (creazione video con voci artificiali, sottotitolazione, animazione avatar, editing avanzato).
• Audio: Murf.AI, Voice.ai, Mubert, Enhance Speech (generazione vocale, modifica voce, text-to-music, miglioramento qualità audio).
• Altri utilizzi: Deepl (traduzione automatica), Algor Education (mappe concettuali e riassunti automatici, sintesi vocale), Consensus (ricerca scientifica con riassunti), Desmos (visualizzazione concetti matematici), Photomath (risoluzione problemi matematici con passaggi).

Attività Didattiche Progressive con l’IA

Il documento presenta attività organizzate su tre livelli, pensate per diverse fasce d’età e discipline:

• Attività per cominciare (Scuola primaria e secondaria): Mirate a familiarizzare con l’IA generativa, la progettazione di prompt, la valutazione dei testi prodotti e il confronto tra produzioni umane e artificiali.
• E-mozioni: L’IA generativa come risorsa per l’insegnante (creazione di immagini che esprimono emozioni per educazione emotiva).
• Costruisci il prompt: Stimolare la riflessione critica sull’output dell’IA e l’efficacia dei prompt.
• AI benchmark: Confrontare un testo personale con quello generato dall’IA per stimolare il miglioramento e la riflessione critica.
• Il test di Turing: Analizzare un testo prodotto dall’IA per riconoscere la sua natura artificiale e discutere questioni etiche e filosofiche.
• Attività di livello intermedio (Scuola secondaria): Utilizzo di più strumenti di IA (testo, immagini, audio) per compiti specifici in diverse discipline.
• Intervista impossibile a ChatGPT: Ricercare informazioni sull’IA, creare un glossario tematico e interagire con ChatGPT per scoprirne limiti e potenzialità.
• Le città visibili: Comprendere un testo letterario e potenziarne la creatività utilizzando l’IA per visualizzare contenuti (es. da testo di Calvino a immagine con DreamStudio).
• Punti di vista: Utilizzare l’IA (Gemini) come supporto per la costruzione di un testo argomentativo, arricchendo i contenuti e correggendo forma e ortografia.
• Parla con me: Apprendere il lessico specifico ed esercitare la pronuncia in lingua straniera con ChatGPT (dialoghi) e Murf.AI (ascolto e pronuncia).
• Attività avanzate (Scuola secondaria di secondo grado): Interazione più complessa e consapevole con l’IA, usandola come tutor e per comprendere i suoi meccanismi.
• L’IA come tutor per produrre testi: Confronto tra riassunti o testi narrativi prodotti dall’IA e dagli studenti, per affinare le tecniche di scrittura e favorire la metacognizione.
• Character.ai: a tu per tu con i personaggi della storia: Utilizzare l’IA (Character.ai) per dialogare con personaggi storici, consolidando conoscenze disciplinari ed esercitando il pensiero critico nell’individuare e correggere errori dell’IA.
• Da Omero a ChatGPT e ritorno: epica e Intelligenza Artificiale: Comprendere i meccanismi della versificazione orale (es. formule omeriche) e correlarli al funzionamento probabilistico dei Large Language Models (catene di Markov), esplorando limiti e possibilità dell’IA nella produzione poetica.

Per Farsi un’Idea: 5 Libri per Capire l’IA

Il documento conclude con una breve bibliografia di saggi divulgativi per approfondire la comprensione dell’IA:

• Bostrom N., Superintelligenza (2018): Esplora le potenzialità e i rischi delle macchine superintelligenti, sottolineando la necessità di riflessione etica.
• Cristianini N., La scorciatoia (2023): Analizza l’impatto delle macchine intelligenti nella vita quotidiana, che operano tramite relazioni statistiche e richiedono un dialogo tra scienze naturali e umane.
• Finocchiaro G., Intelligenza artificiale. Quali regole? (2024): Riflette sulla necessità di nuove regole giuridiche per l’IA, con un focus sull’AI Act europeo.
• Mitchell M., L’intelligenza artificiale. Una guida per esseri umani pensanti (2022): Esplora la complessità dell’IA avanzata, la sua affidabilità e la sua relazione con le qualità umane, intrecciando scienze cognitive e filosofia.
• Roncaglia G., L’architetto e l’oracolo (2023): Ricostruisce l’evoluzione delle enciclopedie digitali da Wikipedia a ChatGPT, inquadrando l’IA come una terza rivoluzione digitale.

1. Che cos’è l’Intelligenza Artificiale (IA) e in che modo si differenzia dall’intelligenza umana?

L’Intelligenza Artificiale, come illustrato dalle fonti, è una tecnologia in rapida diffusione che comporta miglioramenti significativi nella gestione ed esecuzione dei processi, soprattutto quelli che richiedono l’elaborazione di enormi quantità di dati o che si realizzano ad alta velocità. I sistemi di IA sono capaci di apprendere le preferenze e le esigenze dell’utente, personalizzando i servizi. Tuttavia, è cruciale sottolineare che l’IA non possiede una coscienza etica, intenzioni, né una “bussola morale”, e la sua “intelligenza” è di natura predittiva, basata su meccanismi statistici e reti neurali. A differenza degli esseri umani che possono identificare e correggere i propri pregiudizi, le macchine li applicano automaticamente e in modo incontrollato. Inoltre, l’IA è incapace di distinguere la conoscenza autentica dalle informazioni false o “allucinazioni”, poiché opera manipolando parole secondo schemi appresi da enormi database linguistici, senza una percezione diretta del mondo esterno. Questo la rende intrinsecamente diversa dall’intelligenza umana, che implica comprensione del significato, coscienza etica e capacità di ragionamento logico-matematico più complesso.

2. Quali sono le principali sfide etiche legate all’uso dell’Intelligenza Artificiale, specialmente in ambito educativo?

L’IA solleva questioni etiche ampie e urgenti, che le fonti raggruppano in sfide legate alla natura propria dei sistemi di IA e al loro utilizzo in ambito educativo. Tra le più significative troviamo:

• Non trasparenza delle reti neurali: Le reti neurali moderne, come GPT-4 con 1.7 trilioni di parametri, sono estremamente complesse, rendendo impossibile per un essere umano comprendere appieno il loro funzionamento interno. Questa natura di “scatola nera” pone problemi etici quando l’IA prende decisioni che impattano direttamente sulla vita umana (es. mutui, diagnosi mediche).
• Bias nei dati di addestramento: L’IA può ereditare e amplificare pregiudizi cognitivi o morali presenti nei dati con cui viene addestrata, portando a decisioni potenzialmente discriminatorie basate su dati sensibili come etnia o genere. L’UNESCO, nel Consenso di Pechino, avverte esplicitamente contro questi pericoli.
• Diffusione di fake news e “allucinazioni”: L’IA non è in grado di distinguere la verità dalla finzione. La sua dipendenza da internet, spesso ricco di informazioni errate, la rende un veicolo potenziale per la diffusione di notizie false, rendendo indispensabile lo sviluppo di competenze digitali critiche.
• Plagio: La facilità e la qualità delle risposte generate dall’IA possono incoraggiare un uso passivo e di copia-incolla, sollevando dubbi sulla natura delle produzioni di IA come “opera altrui” e sulla loro integrazione responsabile nel processo educativo senza compromettere l’autonomia di apprendimento. Queste sfide evidenziano la necessità di un utilizzo consapevole e di una regolamentazione etica, come quella proposta dall’Artificial Intelligence Act (AIA) europeo.

3. Come viene regolamentata l’Intelligenza Artificiale in Europa, e in che categoria rientrano modelli come ChatGPT?

L’Artificial Intelligence Act (AIA), approvato il 9 dicembre 2023, è la prima regolamentazione al mondo sull’IA e mira a stabilire un quadro etico e legale solido per lo sviluppo e l’impiego responsabile dell’IA nell’Unione Europea. L’elemento centrale è la classificazione delle IA in tre gruppi basati sul rischio:

• IA vietate: Ritenute inammissibili per il loro impatto nocivo su privacy, sicurezza personale e libertà individuale (es. riconoscimento biometrico in tempo reale, social scoring).
• IA ad alto rischio: Riguardano settori come la sanità, il diritto, l’occupazione e l’educazione. Gli sviluppatori sono soggetti a specifici doveri, inclusa una valutazione approfondita dei rischi, l’accuratezza dei dati di addestramento e la supervisione umana.
• IA a rischio limitato o basso: Non soggette a normative specifiche, ma si incoraggia l’adesione volontaria ai principi regolatori delle IA ad alto rischio (es. filtri email, traduzione automatica). Modelli come ChatGPT, al momento della pubblicazione dell’AIA, non rientravano direttamente in queste categorie. Il loro rilascio inatteso ha portato a modifiche all’AIA per includere il concetto di “modello fondazionale”. Tali sistemi richiedono ora una valutazione simile a quella delle IA ad alto rischio, con divieti espliciti per la generazione di contenuti contrari alla normativa europea (es. pedopornografici, discriminatori) e l’obbligo per i produttori di dichiarare le basi dati utilizzate, specialmente se protette da copyright.

4. Quali sono i principi fondamentali del “prompt engineering” per interagire efficacemente con l’IA generativa?

Il “prompt engineering” è la disciplina che si occupa dello studio e della progettazione di stringhe testuali (prompt) per chiedere all’IA di eseguire un determinato compito. Per ottenere output di qualità, le fonti suggeriscono tre regole fondamentali:

1. Sii descrittivo e semplice; dividi compiti complessi: Un prompt efficace include generalmente quattro componenti chiave: l’istruzione, il contesto, i dati di input e il formato dell’output desiderato. Per compiti complessi, è consigliabile dividerli in sotto-attività più semplici e aggiungere dettagli gradualmente.
2. Evita le ambiguità del linguaggio naturale; sii chiaro e descrittivo: L’interazione linguistica con le macchine è diversa da quella tra umani. È bene non antropomorfizzare l’IA e impartire istruzioni chiare e non ambigue. Ad esempio, è preferibile usare “un testo di 50 parole” piuttosto che “un testo breve”, e fornire esempi se necessario.
3. Usa espressioni positive anziché negative: È preferibile formulare istruzioni in modo positivo (es. “astieniti dallo scrivere”) piuttosto che negativo (es. “non scrivere”). Questo aumenta la specificità del prompt e orienta il modello verso il risultato desiderato. Seguendo queste regole e sperimentando con diversi modelli (ChatGPT, Gemini, Llama), si può migliorare significativamente la qualità degli output.

5. In che modo l’IA può supportare e trasformare il processo educativo, secondo il modello SAMR?

Il modello SAMR (Sostituzione, Aumento, Modificazione, Ridefinizione) di Ruben Puentedura classifica l’impatto della tecnologia sull’attività didattica in due categorie principali: potenziamento e trasformazione. L’IA può occupare tutte queste categorie:

• Sostituzione: L’IA rimpiazza sistemi tradizionali, offrendo soluzioni più efficienti senza alterare significativamente la natura del lavoro (es. app per e-book con funzioni di scorrimento e ricerca).
• Aumento: L’IA sostituisce gli strumenti esistenti e aggiunge funzionalità che prima erano impossibili (es. algoritmi come PageRank di Google che migliorano la ricerca di informazioni).
• Modificazione: La tecnologia permette di ideare nuove attività didattiche prima impraticabili, portando a riprogettazioni e cambiamenti sostanziali (es. piattaforme digitali come Edmodo per attività collaborative, strumenti per elaborare immagini e video potenziati dall’IA).
• Ridefinizione: L’IA ha un impatto trasformativo completo, portando a una riprogettazione delle attività didattiche e delle valutazioni (es. modelli linguistici come ChatGPT e Gemini che consentono interazioni completamente nuove e nuove modalità didattiche, come trasformare un elaborato in un prodotto digitale per feedback esterni). Questo modello evidenzia come l’IA possa sia migliorare l’efficienza delle pratiche esistenti sia abilitare esperienze di apprendimento radicalmente nuove.

6. Come si può usare l’Intelligenza Artificiale per la valutazione degli studenti e come strumento di supporto per i docenti?

L’IA offre diverse opportunità sia per valutare gli studenti che la utilizzano, sia come strumento per i docenti:

• Valutazione degli studenti che usano IA: È fondamentale comunicare chiaramente le aspettative sull’uso dell’IA, definendo quando e come sia permesso. La valutazione dovrebbe concentrarsi su competenze non generabili dall’IA, come la comprensione critica personale, la creatività, l’originalità e la capacità di “correggere” e “adeguare” l’output dell’algoritmo. È importante anche discutere con gli studenti la loro esperienza nell’uso dell’IA per capire l’influenza sul loro lavoro e il loro livello di comprensione.
• Uso dell’IA per i docenti (es. per generare rubriche): Gli algoritmi possono generare rubriche di valutazione formulando criteri chiari e specifici. Per un uso efficace, si consiglia di:
• Fornire all’IA informazioni chiare sugli obiettivi di apprendimento.
• Chiedere descrizioni dettagliate delle competenze e abilità da dimostrare.
• Richiedere criteri specifici per valutare il raggiungimento degli obiettivi.
• Chiedere suggerimenti su come fornire feedback costruttivi.
• Modificare e adattare sempre le risposte generate dall’IA in base alle esigenze specifiche del contesto educativo. In sintesi, l’IA può essere un valido strumento per progettare, creare contenuti e supportare la valutazione, ma richiede sempre una supervisione e un giudizio professionale umano.

7. Quali sono alcuni esempi pratici di attività didattiche che integrano l’Intelligenza Artificiale in classe?

Le fonti propongono diverse attività didattiche organizzate per livello, che dimostrano come l’IA possa essere integrata in varie discipline:

• Attività per cominciare (es. Scuola Primaria e Secondaria):E-mozioni: L’IA generativa (es. DALL·E 2) crea immagini che esprimono diverse emozioni con varie intensità, per aiutare i bambini a riconoscerle, analizzarle e collegarle alle proprie esperienze emotive.
• Costruisci il prompt: Gli studenti imparano i principi del prompt engineering interagendo con un’IA generativa per ottenere un prodotto specifico e poi riflettono criticamente sugli output ottenuti e sulle pratiche migliori.
• AI benchmark: Gli studenti confrontano un testo personale con uno generato dall’IA sullo stesso argomento, identificando imprecisioni e cercando di superare la qualità dell’output artificiale.
• Il test di Turing: I gruppi di studenti producono due contenuti (uno umano, uno IA) su un tema assegnato, e altri gruppi devono indovinare la natura dell’autore, stimolando il pensiero critico sugli elementi testuali che rivelano l’IA.
• Attività di livello intermedio (es. Scuola Secondaria):Intervista impossibile a ChatGPT: Gli studenti “intervistano” ChatGPT per scoprirne limiti e potenzialità, creando un glossario tematico e riflettendo sulle implicazioni etiche.
• Le città visibili: Gli studenti usano ChatGPT per comprendere parole difficili in un testo letterario e poi DreamStudio per generare immagini visive accurate basate sulle descrizioni del testo, potenziando la creatività.
• Punti di vista: Gli studenti usano Gemini per generare una scaletta di argomenti per un testo argomentativo, integrando poi le proprie esperienze e verificando coerenza e stile.
• Parla con me: Gli studenti usano ChatGPT per creare dialoghi in lingua straniera e Murf.AI per esercitarsi nella pronuncia, apprendendo il lessico specifico.
• Attività avanzate (es. Scuola Secondaria di Secondo Grado):L’IA come tutor per produrre testi: Gli studenti confrontano i propri riassunti o testi narrativi con quelli generati dall’IA, ricevendo feedback e riflettendo sulle proprie competenze di scrittura e sui limiti dell’IA in termini di creatività.
• Character.ai: a tu per tu con i personaggi della storia: Gli studenti interagiscono con personaggi storici creati con Character.ai, individuando e correggendo gli errori dell’IA, consolidando le conoscenze disciplinari e il pensiero critico.
• Da Omero a ChatGPT e ritorno: epica e Intelligenza Artificiale: Gli studenti esplorano il funzionamento dell’IA attraverso l’analogia con la versificazione orale dell’epica, comprendendo i meccanismi psicologici e i limiti dei Large Language Models.

Questi esempi mostrano la versatilità dell’IA come strumento didattico.

8. Quali sono alcuni strumenti di Intelligenza Artificiale consigliati per la didattica, suddivisi per tipologia di utilizzo?

Le fonti forniscono una mappatura di strumenti IA utili per la didattica, suddividendoli per aree di applicazione:

• Testi:ChatGPT: Modello di linguaggio versatile per generare testo, rispondere a domande, creare contenuti e assistere nella scrittura. Supporta l’italiano, offre anche una versione a pagamento (OpenAI API).
• Gemini: Chatbot di Google, addestrato su un enorme dataset di testo e codice, capace di generare testo, tradurre e rispondere a domande. Gratuito con versione a pagamento. Supporta l’italiano.
• Bing Chat: Chatbot di Microsoft integrato in Edge, per conversazioni interattive e funzioni avanzate. Gratuito, supporta l’italiano.
• Perplexity: Motore di ricerca efficace che risponde a domande su vasta gamma di argomenti, fornendo fonti e link aggiornati. Gratuito, in inglese.
• Grafica:Midjourney: Algoritmo text-to-image per generare immagini in alta definizione con possibilità di specificare stile, colore e prospettiva. A pagamento, in inglese.
• Canva (AI Image Generator): Strumento per creare immagini tramite testo descrittivo, incluso nel piano gratuito. Supporta l’italiano.
• DreamStudio: Modello avanzato open source per la generazione di immagini da descrizione testuale. Gratuito per un centinaio di immagini, poi a pagamento, in inglese.
• Bing.ca: Combina GPT-4 e DALL·E per ricerche e creazione di immagini da testo. Richiede account Microsoft, in inglese.
• Video:Fliki: Servizio per creare video con voci artificiali realistiche da blog o post. Gratuito con limiti, in inglese.
• Pictory: Generatore di video che trasforma testo in video, con sottotitolazione automatica e riassunto. Versione gratuita limitata.
• D-ID: Strumento per animare avatar virtuali con voce personalizzata. Versione gratuita per brevi esempi, in inglese.
• ModelScope: Esempio delle potenzialità generative dell’IA per video, gratuito e senza limiti.
• Canva (versione pro): Permette di creare animazioni.
• Audio:Murf.AI: Generatore vocale basato su IA con ampia libreria di voci ed effetti, supporta 20 lingue. Gratuito con limitazioni, in inglese.
• Voice.ai: Modifica la voce in tempo reale o per registrazioni. Richiede abbonamento per file estesi.
• Mubert: Servizio text-to-music per generare tracce originali da prompt o impostazioni predefinite. Gratuito per 25 tracce/mese.
• Enhance Speech: Tool per migliorare la qualità di file audio, eliminando rumori e riverberi. Gratuito.
• Altri utilizzi:Deepl: Software per la traduzione automatica di testi e documenti, preservando struttura e significato.
• Algor Education: Crea mappe concettuali e riassunti da testi, foto, audio e video. Include funzioni inclusive. Versione gratuita limitata, in italiano.
• Consensus: Motore di ricerca su database scientifici, riassume articoli rilevanti. Richiede registrazione anche per versione gratuita limitata, in inglese.
• Desmos: Strumento per la visualizzazione di concetti matematici, grafici interattivi. Gratuito, in italiano.
• Photomath: Utilizza la fotocamera per riconoscere e risolvere operazioni matematiche complesse, mostrando i passaggi. Gratuito, in italiano.

Questa vasta gamma di strumenti evidenzia come l’IA possa arricchire l’esperienza di apprendimento in diverse aree.

Parte 1: Intelligenza Artificiale e Didattica: Un Quadro di Riferimento

Sezione 1: Le sfide etiche dell’IA (di Massimiliano Badino)

Concetti chiave:

• Diffusione dell’IA: Motivazioni (gestione dati, velocità, adattabilità, personalizzazione).
• Implicazioni etiche generali: Uso dati personali, discriminazione, riduzione umana a dati.
• Modello SAMR di Ruben Puentedura:Sostituzione: La tecnologia rimpiazza strumenti tradizionali (es. lavagna interattiva).
• Aumento: La tecnologia sostituisce e migliora funzionalità (es. Google PageRank, realtà aumentata, piattaforme online con feedback).
• Modificazione: La tecnologia permette nuove attività didattiche (es. file condivisi in cloud per collaborazione).
• Ridefinizione: La tecnologia trasforma completamente le attività didattiche e la valutazione (es. ChatGPT, Gemini per interazioni nuove, elaborati digitali).
• Non trasparenza delle reti neurali (Black Box): Complessità, differenza dai processi umani (predizione parole, pattern pixel), problemi etici (decisioni incomprensibili, ingiustizia basata su dati sensibili).
• Bias dell’IA: Pregiudizi cognitivi o morali nei dati di addestramento, applicazione automatica e incontrollata nelle macchine, sfide cognitive ed etiche nell’educazione.
• Limiti epistemologici dell’IA: Inabilità a distinguere conoscenza autentica da informazioni false (“allucinazioni”), mancanza di percezione diretta del mondo, limiti nel ragionamento logico-matematico, diffusione di fake news.
• Plagio: L’IA amplifica il fenomeno, dubbi sull’autorialità dei testi generati, rischio di uso passivo.
• Regolamentazione Europea (Artificial Intelligence Act – AIA):Approvazione e obiettivo.
• Definizione scientifica/ingegneristica dell’IA.
• Classificazione basata sul rischio:
• Vietate: Impatto nocivo su privacy, sicurezza, libertà (es. riconoscimento biometrico in tempo reale, social scoring, analisi emozioni).
• Alto Rischio: Settori come sanitario, giuridico, occupazionale, educativo; doveri per gli sviluppatori (valutazione rischi, dati accurati e senza pregiudizi, trasparenza, supervisione umana).
• Basso Rischio: Non soggette a normative specifiche (es. filtri email, traduzione automatica); adesione volontaria incoraggiata.
• Modelli Fondativi (es. ChatGPT, Gemini): Inizialmente non classificati, ora richiedono valutazione simile all’alto rischio; divieto di generare contenuti illegali o discriminatori; obbligo di dichiarare le basi dati, soprattutto quelle protette da copyright; dibattito sui diritti d’autore e redistribuzione del valore.

Sezione 2: Come funziona l’IA? (di Fabio Aurelio D’Asaro)

Concetti chiave:

• Tecnologia Predittiva: Analogia con le tastiere dei cellulari (T9) e la predizione del testo basata sulla frequenza delle parole e sul contesto.
• Natural Language Processing (NLP): Campo a cui appartengono tecnologie di predizione.
• Reti Neurali:Definizione: Programmi onnipresenti, ispirati al neurone biologico.
• Storia: McCulloch e Pitts (1940), Frank Rosenblatt.
• Evoluzione: Aumento della potenza dei computer, nuove tecniche di ottimizzazione, hardware e disponibilità di dati.
• Neurone artificiale: Unità elementare, riceve input, se supera una soglia manda output.
• Apprendimento dai dati: Meccanismo di riorganizzazione delle soglie per evitare errori (es. distinguere cani da gatti).
• Funzionamento di ChatGPT/Gemini: Prevedono parole in base al contesto e alle probabilità calcolate su un’enorme quantità di dati (es. gioco della “parola misteriosa” durante l’addestramento).
• Variabilità degli output: Le risposte non sono identiche a causa della natura probabilistica.
• Quantità di dati: Addestramento su testi di ogni tipo (letteratura, forum, discussioni), risorse di Google (Books, Sites, YouTube).

Sezione 3: Alcuni esempi di attività (di Francesco Pedrazzoli)

Concetti chiave:

• Prompt Engineering: Disciplina che studia la progettazione di prompt efficaci.
• Componenti di un prompt efficace: Istruzione, contesto, dati di input, formato dell’output desiderato.

1. Regole per scrivere prompt efficaci:Descrittivo e semplice: Dividere compiti complessi in sottoattività, aggiungere dettagli gradualmente.
2. Evitare ambiguità: Non antropomorfizzare l’IA, istruzioni chiare e non ambigue, usare espressioni precise (es. “50 parole” invece di “testo breve”). Usare esempi.
3. Espressioni positive: Preferire “astieniti dallo scrivere” a “non scrivere”.

• Esempi pratici:Scrivere una mail: Illustrazione della costruzione di un prompt completo per generare una mail. Importanza di rigenerare il testo per confrontare output e scegliere la versione migliore.
• Esercizio di completamento in inglese: Strategia di interazione divisa in fasi (generazione lista parole, scrittura testo, sottrazione parole). L’importanza di supervisionare l’output dell’IA e riprogettare il prompt in caso di risultati insoddisfacenti.
• Attività di scrittura creativa: Utilizzo di LLM per generare liste di elementi per una storia e IA generativa di immagini (DALL·E 3) per illustrarla. Versatilità delle tecniche di prompt engineering.

Sezione 4: La valutazione ai tempi dell’IA (di Luca Raina)

Concetti chiave:

• Valutazione del processo di apprendimento:Oltre il giudizio conclusivo: monitoraggio costante, identificazione delle potenzialità, percorso di crescita personalizzato.
• Focus su efficacia e efficienza del percorso didattico, non solo sul risultato finale.
• Valutare studenti e studentesse che usano strumenti di IA:Sfida: Riconoscere l’utilità dell’IA senza promuovere eccessiva dipendenza.
• Importanza di comunicare chiaramente le aspettative sull’uso dell’IA.
• Utilizzo di rubriche di valutazione focalizzate su competenze non generabili dall’IA (comprensione idee principali, giudizi critici personali, originalità, creatività).
• Valutare la capacità di “correggere” e “adeguare” testi generati dall’IA.
• Discussione sull’esperienza di utilizzo dell’IA per comprendere l’influenza sul lavoro e il livello di comprensione individuale.
• Necessità di giudizio professionale e consapevolezza dei limiti degli algoritmi.
• Usare l’Intelligenza Artificiale per valutare:Generazione di rubriche di valutazione: Fornire obiettivi di apprendimento, chiedere descrizioni dettagliate di competenze, proporre criteri specifici, suggerimenti per feedback costruttivi.
• Importanza di revisionare e personalizzare l’output dell’IA.

Sezione 5: Strumenti di IA per la didattica: una mappatura (di Luca Raina)

Concetti chiave:

• Impatto dell’IA nella didattica: Rivoluzione, soluzioni innovative, potenziamento dell’apprendimento e dell’insegnamento (anche inclusivo e per BES).
• Ambiti di applicazione:Testi: Miglioramento capacità di scrittura, feedback personalizzati, correzione grammaticale e ortografica, suggerimenti per struttura e chiarezza.
• Strumenti consigliati: ChatGPT, Gemini, Bing Chat, Perplexity.
• Grafica: Generazione e analisi di immagini per progetti, comprensione principi di composizione e prospettiva.
• Strumenti consigliati: Midjourney, Canva, DreamStudio, Bing.ca.
• Video: Tutorial software editing, creazione video coinvolgenti, analisi video.
• Strumenti consigliati: Fliki, Pictory, D-ID, ModelScope, Canva.
• Audio: Creazione e progettazione musicale/sonora, tutorial editing audio, ricavare testo da audio, analisi audio.
• Strumenti consigliati: Murf.AI, Voice.ai, Mubert, Enhance Speech.
• Altri utilizzi: Traduzione automatica (Deepl), creazione mappe concettuali/riassunti (Algor Education), ricerca scientifica (Consensus), visualizzazione matematica (Desmos, Photomath).

Parte 2: Attività

Sezione 1: Attività per cominciare

• Obiettivi generali: Introdurre l’IA generativa in classe, prendere dimestichezza con l’interazione, valutare gli output, analizzare errori, confrontare produzioni umane e IA.
• Attività 1. E-mozioni: IA generativa per creare immagini di emozioni a diverse intensità. Obiettivo: riconoscere e distinguere emozioni, collegarle, stimolare riflessione personale.
• Attività 2. Costruisci il prompt: Introduzione al prompt engineering. Obiettivo: esercitare l’interazione, comprendere la variabilità degli output, riflettere criticamente sull’output. Include spunti disciplinari (email, arte).
• Attività 3. AI benchmark: Confronto tra un testo personale e uno generato dall’IA. Obiettivo: esercitare la scrittura, riflettere criticamente sull’output, superare la qualità dell’IA. Spunti disciplinari (filosofia, latino).
• Attività 4. Il test di Turing: Analisi di testi per distinguere tra autori umani e IA. Obiettivo: esercitare dimestichezza con l’IA, comprensione variabilità output, pensiero critico, abilità di scrittura. Include riflessioni etiche e filosofiche sull’IA (creatività, responsabilità, affidabilità).

Sezione 2: Attività di livello intermedio

• Obiettivi generali: Utilizzare IA (ChatGPT/Gemini, immagini, audio) per compiti specifici in diverse discipline, potenziare creatività, migliorare pronuncia.
• Attività 1. Intervista impossibile a ChatGPT: Ricerca e interazione con l’IA per scoprirne limiti e potenzialità. Obiettivo: Interagire con IA, usare dati, proteggere privacy, riflettere su implicazioni etiche. Creazione di un glossario tematico.
• Attività 2. Le città visibili: Utilizzo di IA (ChatGPT per vocabolario, DreamStudio per immagini) per visualizzare contenuti di un testo letterario. Obiettivo: Comprendere testi con l’IA, potenziare la creatività.
• Attività 3. Punti di vista: Utilizzo di Gemini per la costruzione di un testo argomentativo. Obiettivo: Comprendere il funzionamento di Gemini, usarlo come supporto didattico, correzione ortografica e forma, arricchire contenuti, riflettere sull’IA come strumento complementare.
• Attività 4. Parla con me: Utilizzo di ChatGPT e Murf.AI per l’apprendimento delle lingue. Obiettivo: Usare IA per dialoghi e controllo pronuncia, apprendere lessico specifico, gestire conversazioni strutturate.

Sezione 3: Attività avanzate

• Obiettivi generali: Interazione avanzata e consapevole con l’IA, IA come tutor per migliorare scrittura, metacognizione, parallelismi tra IA e processi creativi umani.
• Attività 1. L’IA come tutor per produrre testi: Confronto tra riassunti/testi narrativi umani e IA. Obiettivo: Padroneggiare strumenti espressivi, aumentare competenze comunicative, cogliere contenuto essenziale, riflettere sulla produzione scritta attraverso la metacognizione. Uso di griglie di valutazione comparativa.
• Attività 2. Character.ai: a tu per tu con i personaggi della storia: Interazione con chatbot per dialogare con personaggi storici. Obiettivo: Sviluppare capacità di porre domande corrette, valutare criticamente testi, sviluppare attitudine all’approfondimento e all’analisi critica, individuare e correggere errori dell’IA.
• Attività 3. Da Omero a ChatGPT e ritorno: epica e Intelligenza Artificiale:Catena di Markov e testo autogenerato: Ricostruzione empirica di un processo simile all’IA con l’Iliade. Obiettivo: Comprendere meccanismi psicologici della versificazione orale e il concetto di catena di Markov, limiti e possibilità dei LLM.
• Omero come ChatGPT: Improvvisazione poetica con formule per capire i meccanismi del cantore antico. Obiettivo: Comprendere come la mente umana “ragiona” per formule, similarmente all’IA.
• ChatGPT come cantore epico: Utilizzo di ChatGPT per comporre versi epici. Obiettivo: Osservare i limiti dell’IA nella produzione creativa, riflettere sul suo funzionamento (addestramento vs. copia), affinare i prompt.

Quiz a Risposta Breve

1. Secondo il modello SAMR, quali sono le quattro tipologie di impatto che una tecnologia può avere sull’attività didattica? Spiega brevemente la differenza tra “potenziamento” e “trasformazione” in questo modello.
2. Qual è il principale problema etico sollevato dalla “non trasparenza” delle reti neurali, specialmente quando sono impiegate per prendere decisioni che influenzano le vite umane?
3. Definisci cosa si intende per “bias” nell’Intelligenza Artificiale e perché la loro presenza rappresenta una sfida etica significativa in ambito educativo.
4. Cosa sono le “allucinazioni” nell’IA e quali sono le implicazioni etiche e sociali di questo limite, in particolare riguardo alla diffusione di notizie false?
5. Come viene classificata l’Intelligenza Artificiale dall’Artificial Intelligence Act (AIA) europeo in base al rischio? Fornisci un esempio di IA “ad alto rischio” e quali doveri impone agli sviluppatori.
6. Spiega l’analogia della tastiera del cellulare (dal T9 ai sistemi predittivi attuali) per illustrare il funzionamento di base dell’IA generativa come ChatGPT.
7. Descrivi brevemente l’unità più elementare di una rete neurale, il “neurone artificiale”, e come il suo meccanismo di base è ispirato a quello biologico, semplificandolo.
8. Quali sono le quattro componenti chiave che un prompt efficace dovrebbe generalmente includere secondo la disciplina del prompt engineering?
9. Secondo le “regole per scrivere prompt efficaci”, perché è importante evitare espressioni vaghe come “un testo breve” e prediligere espressioni più precise come “un testo di 50 parole”?
10. Quali sono i tre principali ambiti di applicazione dell’IA nella didattica menzionati nella mappatura degli strumenti, e quale tipo di supporto offrono in ciascuno di essi?

Soluzioni Quiz

1. Le quattro tipologie di impatto sono Sostituzione, Aumento, Modificazione e Ridefinizione. Il “potenziamento” include Sostituzione e Aumento, dove la tecnologia migliora l’efficienza delle pratiche esistenti. La “trasformazione” include Modificazione e Ridefinizione, dove la tecnologia porta a una riprogettazione e a cambiamenti sostanziali delle attività didattiche.
2. Il principale problema è che i processi decisionali dell’IA possono essere difficili da comprendere per un essere umano, operando come una “scatola nera”. Questo solleva preoccupazioni di ingiustizia, specialmente se le decisioni sono basate su dati sensibili e possono avere un impatto diretto e incomprensibile sulle vite umane.
3. I “bias” nell’Intelligenza Artificiale sono pregiudizi cognitivi o morali che influenzano le decisioni dell’IA, originati dai dati di addestramento. In ambito educativo, rappresentano una sfida perché le macchine li applicano automaticamente, rischiando di perpetuare o amplificare disuguaglianze sociali e pregiudizi, senza la capacità umana di identificare e correggere tali distorsioni.
4. Le “allucinazioni” sono la produzione da parte dell’IA di informazioni false o create, che non corrispondono alla conoscenza autentica del mondo. Le implicazioni etiche e sociali sono significative, in quanto un uso irresponsabile dell’IA può facilitare la diffusione di notizie false e influenzare negativamente il dibattito pubblico, specialmente considerando che l’IA attinge spesso da un internet pieno di errori.
5. L’AIA classifica l’IA in tre gruppi in base al rischio: vietate, ad alto rischio e a rischio limitato o basso. Un esempio di IA “ad alto rischio” è quella impiegata nel settore educativo. Gli sviluppatori di queste tecnologie devono condurre una valutazione dei rischi approfondita, assicurare che i dati di addestramento siano accurati e privi di pregiudizi, fornire informazioni trasparenti e garantire una supervisione umana.
6. La tastiera del cellulare, in particolare il T9 e i moderni sistemi predittivi, “indovina” la parola successiva basandosi sulla frequenza delle parole e sul contesto. Allo stesso modo, l’IA generativa come ChatGPT prevede le parole o le risposte più pertinenti basandosi su ragionamenti statistici e contestuali acquisiti da enormi database linguistici durante l’addestramento.
7. Il “neurone artificiale” è l’unità più elementare di una rete neurale, ispirata al neurone biologico. Riceve un segnale in input da altri neuroni artificiali e, se l’intensità del segnale supera una certa soglia, manda a sua volta un segnale in output. Questo meccanismo, sebbene semplificato, è alla base dei calcoli che permettono alle IA di apprendere dai dati.
8. Un prompt efficace dovrebbe generalmente includere quattro componenti chiave: l’istruzione (cosa si chiede all’IA di fare), il contesto (informazioni di base rilevanti), i dati di input (elementi specifici da utilizzare) e il formato dell’output desiderato (come si vuole che l’IA restituisca la risposta).
9. È importante evitare espressioni vaghe e prediligere quelle precise perché le IA, allo stato attuale, hanno ancora problemi di interpretazione del prompt e non possiedono le capacità interpretative umane. Essere chiari e descrittivi aumenta significativamente le probabilità di ottenere un output vicino alle proprie aspettative e riduce le ambiguità.
10. I tre principali ambiti di applicazione sono Testi, Grafica e Video (o Audio). Per i Testi, l’IA offre feedback personalizzati, correzione grammaticale e suggerimenti per migliorare la struttura. Per la Grafica, supporta la generazione di immagini realistiche/creative e l’analisi dei principi di composizione. Per i Video/Audio, fornisce tutorial per l’editing, crea video coinvolgenti, trascrive lezioni e analizza l’audio.

Domande in formato saggio

1. Analizza come il modello SAMR di Ruben Puentedura possa essere utilizzato per integrare l’Intelligenza Artificiale nella didattica, discutendo i potenziali benefici e le sfide etiche associate a ciascuna fase (Sostituzione, Aumento, Modificazione, Ridefinizione).
2. Discuti le implicazioni etiche della “non trasparenza” e dei “bias” nelle reti neurali, con particolare riferimento all’uso dell’IA in contesti decisionali (come l’assegnazione di crediti o diagnosi mediche) e in ambito educativo. Come si possono mitigare questi rischi secondo il testo?
3. Confronta e contrapponi il funzionamento dell’IA generativa (come ChatGPT/Gemini) con il meccanismo delle catene di Markov, come illustrato nell’attività “Da Omero a ChatGPT e ritorno”. In che modo questa analogia aiuta a comprendere i limiti e le possibilità creative dell’IA nella produzione di testi?
4. Approfondisci l’importanza del “prompt engineering” per un’interazione efficace con le IA generative. Illustra le regole fondamentali per scrivere prompt efficaci e discuti come una strategia di interazione ben progettata possa influenzare la qualità degli output, usando esempi dal testo.
5. Considerando le sfide poste dall’IA nella valutazione degli studenti, spiega come gli insegnanti possano adattare le loro metodologie per valutare il processo di apprendimento e le competenze che non possono essere generate dall’IA. Discuti anche il ruolo dell’IA come strumento di supporto alla valutazione per i docenti stessi.

Glossario dei termini chiave

• Intelligenza Artificiale (IA): Tecnologia digitale in grado di svolgere compiti che richiedono la gestione di enormi quantità di dati o che si realizzano a grandi velocità, capace di cambiare nel tempo e adattarsi all’utente.
• IA Generativa: Un tipo di Intelligenza Artificiale capace di generare nuovi contenuti (testi, immagini, video, audio) basandosi su dati con cui è stata addestrata.
• Modello SAMR: Acronimo di Sostituzione, Aumento, Modificazione, Ridefinizione; un modello di Ruben Puentedura che descrive le quattro tipologie di impatto che una tecnologia può avere sull’attività didattica.
• Potenziamento: La prima categoria di impatto del modello SAMR, include la sostituzione e l’aumento, dove le tecnologie migliorano le pratiche esistenti senza stravolgerle.
• Trasformazione: La seconda categoria di impatto del modello SAMR, include la modificazione e la ridefinizione, dove le tecnologie portano a una riprogettazione sostanziale delle attività didattiche.
• Non trasparenza (Black Box): Il fenomeno per cui i processi interni di una rete neurale o di un sistema di IA sono talmente complessi da risultare incomprensibili agli esseri umani, rendendo difficili da spiegare le sue decisioni.
• Bias: Pregiudizi cognitivi o morali insiti nei dati su cui la tecnologia è addestrata o nel modo in cui processi e algoritmi sono costruiti, che possono influenzare le decisioni dell’IA in modo automatico e incontrollato.
• Allucinazioni: La produzione da parte di un’Intelligenza Artificiale di informazioni false o create, che non corrispondono alla conoscenza autentica del mondo esterno.
• Plagio: L’atto di utilizzare, senza attribuzione, contenuti prodotti da altri. L’IA generativa amplifica il rischio di plagio per la facilità di generazione di testi semanticamente coerenti.
• Artificial Intelligence Act (AIA): La prima regolamentazione al mondo sull’Intelligenza Artificiale, approvata dall’Unione Europea, che classifica le IA in base al rischio (vietate, ad alto rischio, a basso rischio) e impone specifici doveri.
• Modello Fondativo: Sistemi di Intelligenza Artificiale che, grazie all’addestramento su vasti e vari dati, sono capaci di generare output generici e adattabili a molteplici compiti (es. ChatGPT, Gemini).
• Natural Language Processing (NLP): Elaborazione del Linguaggio Naturale; un campo dell’Intelligenza Artificiale che si occupa dell’interazione tra computer e linguaggio umano.
• Reti Neurali: Una categoria di programmi informatici ispirati alla struttura e al funzionamento del cervello umano, composti da neuroni artificiali interconnessi, capaci di apprendere dai dati.
• Neurone Artificiale: L’unità più elementare di una rete neurale, che riceve input, elabora un segnale e, se supera una soglia, invia un output ad altri neuroni.
• Prompt Engineering: La disciplina che si occupa dello studio e della progettazione di stringhe testuali (prompt) efficaci per interagire con le IA generative al fine di ottenere risultati specifici e di qualità.
• Prompt: Una specifica stringa testuale utilizzata per chiedere all’IA di eseguire un determinato compito.
• Catena di Markov: Un modello matematico utilizzato per descrivere una sequenza di eventi in cui la probabilità di ogni evento dipende solo dallo stato dell’evento precedente. Nell’IA, può essere usata per spiegare come le parole vengono generate in sequenza.
• ChatGPT: Un modello linguistico di grandi dimensioni (Large Language Model – LLM) sviluppato da OpenAI, progettato per generare testo coerente e contestualmente rilevante.
• Gemini: Un chatbot di Google, anch’esso un LLM, addestrato su un enorme dataset di testo e codice, capace di generare testo, tradurre lingue e rispondere a domande.
• DALL·E 3: Un’IA generativa di immagini sviluppata da OpenAI, capace di creare immagini basate su istruzioni testuali.
• Murf.AI: Un generatore vocale basato sull’Intelligenza Artificiale che consente di creare effetti realistici e voci artificiali da testo in diverse lingue.
• Character.ai: Un chatbot che permette di intavolare dialoghi con personaggi storici, letterari o immaginari, sfruttando l’IA.
• Metacognizione: La riflessione sul proprio processo di apprendimento e sulle proprie competenze, spesso stimolata dal confronto con gli output dell’IA.

NotebookLM potrebbe essere impreciso; verifica le sue risposte.