(Clicca qui per saltare direttamente al programma del corso)
Premessa
Il corso è interclasse ed è offerto a tutte le studentesse e a tutti gli studenti iscritte/i a un qualsiasi Corso di Laurea (C.d.L.) dell'Ateneo senese che lo abbiano inserito come esame a scelta nel proprio piano di studi. Non sono richieste competenze di tipo tecnico/scientifico ad eccezione di quelle acquisite nelle scuole superiori. Le nozioni tecnico/scientifiche necessarie vengono introdotte informalmente nell'ambito del corso, che mira ad essere self-contained. Alcuni passaggi di natura matematica (non essenziali per la comprensione della materia e per la preparazione dell'esame) saranno riservati a chi frequenta C.d.L. in discipline STEM (matematica, fisica, ingegneria, informatica) e a volenterose/i di altri C.d.L. desiderose/i di mettersi in gioco.
L'esame rispetta la natura multidisciplinare del corso e la diversità dei percorsi di studio individuali. Esso si compone di due parti, entrambe alla portata di chi studia con la dovuta motivazione: un assignment e un test scritto. L'assignment consiste in un saggio breve in formato libero su un argomento pertinente il contenuto del corso. L'argomento e la lunghezza massima (ad es. 300 parole) saranno comunicati dal docente in classe nel corso del semestre e indi pubblicati sulla presente pagina web. L'assignment viene completato da ogni student(ess)* nei tempi e nei modi da quest* preferiti. Essendo un'occasione di crescita e di apprendimento, oltre che di scrittura (cosa rara), ci si aspetta un comportamento etico e positivo nei confronti di questa forma di prova. In ogni caso, il docente si avvarrà degli strumenti automatici di controllo anti-plagio messi a disposizione dall'Ateneo prima di procedere alla valutazione dei singoli saggi. Una volta valutato dal docente, un saggio può essere approvato o respinto. Nel primo caso le qualità del saggio concorre a formare un bias positivo sul processo finale di votazione. Se respinto, il saggio viene invece rispedito al mittente con chiare motivazioni e richieste di modifiche che, una volta ottemperate, porteranno alla stesura di una versione migliorata da sottomettere nuovamente all'attenzione del docente per la sua approvazione.
Assignment (A.A. 2024/2025): scrivere un long abstract in italiano di lunghezza non superiore a 400 parole in cui si racconti la propria esperienza pratica con il simulatore di reti neurali Playground.tensorflow (selezionare un dataset, provare l'esito del training con diverse architetture e iperparametri, discutere i risultati in termini di accuratezza e di valori dell'errore sul training set e sul test set in funzione delle diverse scelte architetturali, di iperparametri e del numero di epoche di addestramento). Si corredi pure la relazione con grafici e tabelle, se lo si ritiene opportuno.
Lo scritto si svolge sempre nella data (e all'ora accademica) dell'Appello come previsto dal calendario ufficiale per la sessione di esame in corso. Esso è in forma chiusa a quiz e viene somministrato come form di Google Moduli. Le iscritte e gli iscritti all'esame riceveranno una mail dal docente al proprio indirizzo @studenti.unisi.it prima dell'inizio della prova. La mail conterrà il link a una stanza virtuale di Google Meet dove lo scritto avrà luogo. Si raccomanda di essere pronte/i con alcuni minuti di anticipo (sebbene il sistema ESSE3 sia sovente lento nell'inoltrare le mail), in quanto eventuali ritardatari(e) potrebbero non essere ammesse/i al test. L'identificazione delle/dei presenti avviene tramite ESSE3 (segreteriaonline.unisi). Ciascun* potrà sostenere il test da qualsivoglia postazione tranquilla di sua scelta, a condizione che non ci siano altre persone ivi presenti. Durante l'esame la webcam deve rimanere accesa e il microfono spento.
Il link al Google Form con il test verrà inviato a tutte/i simultaneamente attraverso la chat di GMeet. Il tempo a disposizione per completare il test è di 21 minuti. Il form si compone di un primo box di testo libero dove inserire tassativamente il proprio nome e la propria matricola, seguito da 10 domande a risposta multipla (3 risposte per ogni domanda). Ognuna di esse ha una e una sola risposta corretta. Le/i candidat* potranno selezionare la risposta che ritengono giusta. Sinceratevi di finalizzare la sottomissione del form una volta completatata (o allo scadere del tempo a disposizione, che verrà annunciato dal docente con un minuto di anticipo), cliccando sull'apposito pulsante che troverete in fondo al form. Le risposte corrette valgono 3 punti, le rimanenti valgono 0. Tutti i punteggi verranno normalizzati (solo in positivo) prima della pubblicazione in base alle statistiche di performance della classe per quello specifico Appello. La soglia per il superamento dell'esame è pari a 18 punti. Se lo scritto non viene superato, sarà necessario ripeterlo in una data di Appello successiva.
Nota 1: si raccomanda di iscriversi sempre all'appello in cui si desidera sostenere l'esame tramite la piattaforma Esse3-segreteriaonline.
Nota 2: il docente non ha il potere di iscrivere/verbalizzare student* che non soddisfino i requisiti previsti per i singoli appelli (es. avere l'esame nel proprio piano di studi, avere pagato le tasse universitarie, ecc.).
1. Stuart Russell e Peter Norvig, "Intelligenza artificiale. Un approccio moderno". Pearson, 2010.
2. Nils J. Nilsson, "Artificial Intelligence: A New Synthesis". Morgan Kaufmann, 2011.
3. Valentino Braitenberg, "I veicoli pensanti - Saggio di psicologia sintetica". Mimesis Edizioni (ISBN 9788884835819), 2008.
4. Pierre Oleron, Jean Piaget, Barbel Inhelder e Pierre Greco, "Trattato di psicologia sperimentale 7 - L'intelligenza". Einaudi, 1976.
5. Carl Gustav Jung, "Tipi psicologici". Bollati - Boringhieri (ISBN 9788833922164), 2011.
6. Patricia S. Churchland e Terrence J. Sejnowski, "The Computational Brain". MIT Press, 1992.
7. Ian Goodfellow, Yoshua Bengio e Aaron Courville, "Deep Learning". MIT Press, 2016.
8. Antonino Freno e Edmondo Trentin,
"Hybrid Random Fields - A Scalable Approach to Structure and Parameter Learning in Probabilistic Graphical Models". Springer (ISBN
978-3-642-20307-7), 2011.
9. Edmondo Trentin, Libero arbitrio e macchine intelligenti. In Tugnoli, Claudio (a cura di), Libero arbitrio - Teorie e prassi della libertà: Liguori, 2014. ISBN: 978-88-207-5330-6.
Chi fosse interessata/o a un colloquio con il docente lo può contattare in ogni momento scrivendogli una mail. Il ricevimento viene offerto tanto in presenza quanto online via Google Meet su appuntamento flessibile (prego contattare il docente via email). A partire dall'inizio del corso (Marzo 2024) il ricevimento in presenza avrà luogo nell'ufficio del docente (stanza 211 del DIISM, presso il Complesso S. Niccolò) al venerdì a partire dalle ore 11.30. in caso di no-show la presenza del docente non sarà più garantita. Ogni sorta di domande e interventi è sempre la benvenuta durante le lezioni e nel corso dell'eventuale question time finale.
Martedì 16.00-19.30, Mercoledì 16.00-19.30 (il corso viene tenuto in presenza in Aula 149 del DIISM, Palazzo San Niccolò, Via Roma 53).
Nota: tutte le slide del corso, una volta pronte, sono scaricabili alla sezione "PROGRAMMA" (vedi sotto) cliccando sul rispettivo argomento.
1) UCI Machine Learning Repository of benchmark datasets of classification and regression problems: un archivio di numerosi dataset per testare i vostri algoritmi preferiti di apprendimento e di decision-making. Il tutto ben documentato e corredato di riferimenti bibliografici.
2) Simulatore originale di reti neurali per Linux (NeuroSimulator.tgz). Salvare il file in una directory, entrare nella directory, e digitare "tar -xvzf NeuroSimulator.tgz" per aprire l'archivio. Seguire poi le indicazioni dei file README.txt ivi contenuti.
3) Ambiente sperimentale per il task di classificazione "IRIS" (Anderson/Fisher) (3 classi, 4
feature ridotte a 2, discriminante lineare e MLP, Linux o.s.). Salvare il file in una directory, entrare nella directory, digitare "tar -xvzf iris.tgz", infine digitare "more README.txt" per istruzioni. I grafici possono essere visualizzati tramite "gnuplot".
1. LEZIONI
1.1 Verso una definizione di I.A.
Pseudo-definizione di I.A., pseudo-definizione di intelligenza, l'intelligenza nella scuola sperimentalista, verso una definizione sperimentalista di I.A.
1.2 Dal Test di Turing alla disputa su IA debole e IA forte
La macchina di Turing (MdT), definizione e funzionamento della MdT, demo di MdT (link al simulatore di MdT, file .json con MdT per connettivo NOT, file .json con MdT per connettivo AND), funzione calcolata da una MdT, funzioni calcolabili, la madre di tutte le domande sull'IA, the Imitation Game, Test di Turing, demo di agente conversazionale che "supera" il Test di Turing, l'IA debole (John Searle) e l'IA forte (P. Churchland & P. Churchland), l'esperimento mentale della "stanza cinese", l'esperimento mentale della "stanza luminosa".
1.3 Agenti stimolo - risposta
Il robot nel mondo a griglia di Nils Nilsson, percezione sensoriale del mondo, dalla percezione all'azione, esplicitazione delle azioni: sistemi di produzione e unità logiche a soglia (TLU), reti di TLU, il "neurone" di McCulloch e Pitts.
1.4 I veicoli pensanti di Valentino Braitenberg
"Per togliersi di mente il problema della mente"; Veicolo 1: il vagabondo; Veicolo 2: paura e aggressività Veicolo 3: amore; Veicolo 4: istinti, decisioni e volontà legge della maggior fatica analitica; Veicolo 5: cervelli, numeri e logica; demo 1, demo 2.
1.5 Reti neurali artificiali
Il "paradigma biologico di riferimentio", The big Q, la lezione di Kubrick e Clarke, The Big A, l'apprendimento nei Veicoli pensanti, cenni di teoria dei grafi, definizione di rete neurale artificiale (architettura, dinamica, apprendimento), tipi di apprendimento (supervisionato, non supervisionato, semi-supervisionato), Multilayer perceptron (MLP), algoritmo di apprendimento (backpropagation), demo, deep learning, meta-reti e altri mix, misture di esperti, funzioni di attivazione adattative, autoassociatori, esmpio applicativo: affective computing con echo state network. Simulatore di reti neurali Playground.tensorflow.
1.6 L'evoluzione nelle macchine
Veicolo 6: la selezione naturale (l'evoluzione nei Veicoli pensanti), computazione
evolutiva, algoritmi genetici, applicazione al problema delle 8 regine, demo: evoluzione di veicoli di Braitenberg che evitino gli ostacoli, alberi, programmazione genetica, esempio: navigazione autonoma nel mondo a griglia, algoritmi memetici (AM), applicazioni degli AM.
2. LABORATORI INTERDISCIPLINARI
In questo spazio vengono riportati gli interventi a cura degli altri Dipartimenti. Il programma degli interventi è da considerare prevalentemente stabile ma soggetto a possibili variazioni dovute a esigenze dei singoli relatori. Gli interventi sono previsti in presenza in Aula 149 (Palazzo San Niccolò), salvo diversa indicazione. Le date degli interventi vengono rese note nel corso del semestre, una volta concordate con i rispettivi Docenti.
2 aprile: Prof. Alessandro Palmieri (DGIUR), "Il quadro giuridico europeo sull'Intelligenza Artificiale".
29 aprile: Prof. Massimiliano Guderzo (Dipartimento di Scienze Politiche e Internazionali), "Viaggi in tandem nel passato: intelligenza artificiale, storia internazionale e studi di area".
30 aprile: Dr. Alessia Brucato, PhD (Univ. di Bari), "Telerilevamento satellitare e Intelligenza Artificiale per l'archeologia". Intervento in teleconferenza. A cura del Prof. Stefano Campana (DSSBC).
6 maggio: Ing. Christian Di Maio, "Introduzione alle tecnologie del linguaggio e ai tool basati su LLM". A cura del DIISM.
14 maggio: Ali Salman e Adna Softic', "AI agents and AI in bioinformatics". Intervento in teleconferenza in lingua inglese. A cura di Gabriele Cevenini e Ernesto Iadanza (DMB).
20 maggio: Prof. Carles Noguera i Clofent, "Verità e conseguenza: logica per l'AI". A cura del DIISM.
27 maggio: Incontro con le aziende. Dr. Massimo Boninsegna (CEO, EyePro System). Intervento in teleconferenza. A cura del DIISM.