Il corso di Morfologia Visiva ha un obiettivo di orientamento epistemologico: consentire a ciascuno studente di ordinare in modo coerente conoscenze tecnico-scientifiche, storico-critiche, semiotiche ed estetologiche, in vista del lavoro di ricerca e progetto che potrà confluire nella tesi di laurea magistrale. Il corso intende fornire strumenti concettuali e metodologici per comprendere la nozione di stile nell’epoca dell’estetica artificiale, cioè nel momento in cui i sistemi di intelligenza artificiale descrivono, classificano, trasferiscono e generano forme visive, atmosfere, immagini e artefatti progettuali. Gli studenti saranno guidati nell’analisi degli aspetti morfologici del design, considerati da prospettive percettive, cognitive, semiotiche e computazionali, con particolare attenzione agli artefatti visivi, agli spazi interni, agli ambienti museali e alle forme di comunicazione visiva. Il corso mira a: fornire una comprensione delle proprietà formali, plastiche, figurative, strutturali e percettive degli artefatti visivi e degli spazi; analizzare le categorie morfologiche e semiotiche attraverso cui forme, immagini, ambienti e interfacce producono senso; introdurre le modalità di valorizzazione della fruizione — pratica, critica, ludica, mitica/utopica — applicandole a casi di design, architettura, interior design, museo e comunicazione visiva; chiarire il ruolo dell’AI nei processi di riconoscimento, classificazione, interpretazione e generazione dello stile; sviluppare consapevolezza critica sull’uso di strumenti di AI generativa nel design, distinguendo il supporto all’ideazione dal giudizio progettuale e culturale. Al termine del corso, gli studenti saranno in grado di analizzare artefatti visivi e ambienti da una prospettiva morfologica, semiotica e cognitiva; riconoscere le relazioni tra forma, funzione, atmosfera e significato; utilizzare categorie teoriche per leggere e progettare immagini, interfacce e spazi; comprendere le potenzialità e i limiti dell’AI nella produzione di immagini e nella definizione computazionale dello stile.
Il corso si svolge in 48 ore di lezione frontale, articolate in 12 incontri da 4 ore, nel secondo semestre 22 febbraio – 4 giugno 2027. Calendario didattico orientativo, assumendo avvio lunedì 22 febbraio 2027. 1. 22 febbraio — Introduzione: morfologia naturale e morfologia artificiale. Forma, immagine, morphè, eidos, schema, imago, Bild. Goethe e la nozione moderna di morfologia. AI come protesi cognitiva dell’estetica naturale. 2. 1 marzo — Stile, pattern recognition e morfometria. Jackson Pollock, expertise computazionale, distinzione tra originali e falsi, descrittori plastici e iconici. Dalla stilistica soggettiva alle morfometrie oggettivabili. 3. 8 marzo — Informazione visiva e percezione naturale. Retina, fotorecettori, cellule gangliari, nervo ottico, corpi genicolati laterali, corteccia visiva. Prima transcodifica dell’informazione visiva. 4. 15 marzo — Colore, cromatologia e mappe cromatometriche. Teorie tricromatica e opposizionale, tinta, luminosità, saturazione, diagramma CIE, RGB, CMYK, colore come categoria semiotica e culturale. 5. 22 marzo — Visione naturale e visione artificiale. Immagine digitale, pixel, risoluzione, profondità colore, compressione, convoluzione, edge detection, filtri, analogie tra retina, corteccia visiva e computer vision. 6. 5 aprile — Gestalt, Prägnanz e organizzazione percettiva. Vicinanza, somiglianza, chiusura, continuità, figura/sfondo, simmetria, completamento figurale e amodale. Dalla buona forma all’estetica informazionale. 7. 12 aprile — Categorizzazione visiva e memoria delle immagini. Tipo Cognitivo, Contenuto Nucleare, Contenuto Enciclopedico, affordance, riconoscimento, memoria visiva, immagini mentali, templates, connessionismo. 8. 19 aprile — Morfologia artificiale I: reti neurali della visione. Perceptron, reti feedforward, feedback, reti convoluzionali, gradient descent, visione artificiale come modello sperimentale della percezione. 9. 26 aprile — Morfologia artificiale II: Deep Learning e LMM. CNN, autoencoder, VAE, GAN, diffusion models, spazio latente, multimodalità, LoRA, prompt, image generation e traduzione intersemiotica. 10. 3 maggio — Semiotica dell’immagine e del design. Greimas, Eco, Floch, Gruppo μ. Livello plastico e iconico, quadrato semiotico, valorizzazioni pratica, critica, ludica, mitica. 11. 10 maggio — Stile, atmosfera e affordance ambientali. Floch, Gibson, Fontanille, Griffero. Ambienti, interni, musei, musei diffusi e giardini come dispositivi atmosferico-stilistici. 12. 17 maggio — AI, stile e progetto. Analisi di casi, generazione di varianti, tassonomie atmosferiche, AI Style Literacy, discussione finale degli elaborati e orientamento alla tesi.
Non sono richieste competenze pregresse di programmazione o machine learning. È tuttavia utile una conoscenza di base della storia del design, della comunicazione visiva, della cultura del progetto e dei principali strumenti digitali per la produzione e l’elaborazione di immagini. Sono considerati prerequisiti consigliati: familiarità con le nozioni elementari di forma, immagine, colore, composizione, layout, artefatto visivo, spazio interno e comunicazione visiva; interesse per le relazioni tra design, estetica, semiotica e tecnologie digitali; disponibilità alla lettura di brevi testi teorici anche in lingua inglese. Il corso è pensato per studenti della laurea magistrale in Design della Comunicazione e non presuppone una formazione specialistica in estetica, semiotica o informatica. I concetti teorici saranno introdotti progressivamente e collegati a casi concreti di analisi e progettazione. È richiesta la disponibilità a sperimentare strumenti digitali e applicazioni di AI per la generazione o analisi di immagini, sempre in modo critico e documentato. Gli strumenti non saranno assunti come sostituti del progetto, ma come dispositivi per comprendere meglio i processi di categorizzazione, traduzione intersemiotica, riconoscimento stilistico e produzione di atmosfere visive.
Il corso combina lezioni frontali, analisi guidate, discussioni seminariali, esercitazioni applicative e revisioni collettive. Le lezioni teoriche introducono concetti di morfologia visiva, psicologia della percezione, semiotica del design, teoria dello stile, estetica artificiale e AI generativa. Ogni concetto sarà collegato a casi visivi, ambientali o progettuali. Una parte del corso sarà dedicata all’analisi di immagini, loghi, interfacce, ambienti interni, musei, allestimenti, spazi commerciali e dispositivi di comunicazione visiva. Gli studenti saranno invitati a osservare come forma, colore, texture, ritmo, composizione, densità, luce, materiali e configurazione spaziale concorrano alla costruzione di valori estetici, culturali e comunicativi. Le esercitazioni potranno prevedere: analisi morfologica di artefatti visivi; costruzione di piccole tassonomie stilistiche; confronto tra immagini generate e immagini storiche o progettuali; analisi di prompt e output AI; lettura semiotica di spazi interni o museali; interpretazione di atmosfere e affordance ambientali; elaborazione di mappe visive o diagrammi. L’intelligenza artificiale sarà utilizzata come oggetto di studio e come strumento sperimentale. Gli studenti potranno testare modelli di generazione di immagini, sistemi text-to-image, strumenti di classificazione o ricerca visuale, con attenzione ai limiti culturali, semantici, tecnici e autoriali di tali strumenti. Il corso non mira a insegnare l’uso tecnico di specifici software, ma a formare una competenza critica: comprendere che cosa accade quando categorie estetiche e progettuali come stile, atmosfera, forma, somiglianza, riconoscibilità e autorialità vengono trattate computazionalmente.
La verifica dell’apprendimento avverrà attraverso un colloquio finale e la presentazione di un elaborato individuale o di piccolo gruppo, concordato con il docente. L’elaborato dovrà dimostrare la capacità di applicare gli strumenti teorici del corso a un caso concreto di analisi morfologica, semiotica o progettuale. L’elaborato potrà consistere in una delle seguenti forme: analisi morfologica e semiotica di un artefatto visivo; analisi di un’identità visuale; studio atmosferico-stilistico di uno spazio interno, museale o commerciale; costruzione di una piccola tassonomia visiva; confronto tra immagini storiche e immagini generate da AI; analisi critica di una serie di prompt e output; progetto di comunicazione visiva fondato su categorie morfologiche esplicite; studio di un caso utile allo sviluppo della tesi. La valutazione terrà conto di: comprensione dei concetti teorici; uso appropriato del lessico morfologico, semiotico ed estetologico; capacità di analisi visiva; capacità di collegare aspetti percettivi, formali, culturali e tecnologici; chiarezza argomentativa; qualità della documentazione visiva; consapevolezza critica nell’eventuale uso di strumenti AI. Il colloquio finale verterà sui temi trattati a lezione, sui testi di riferimento e sull’elaborato prodotto. Sarà valutata la capacità dello studente di discutere il proprio lavoro non solo come esercizio grafico o progettuale, ma come processo interpretativo fondato su categorie teoriche riconoscibili. La partecipazione attiva alle discussioni e alle revisioni durante il corso contribuirà alla valutazione complessiva.
La bibliografia sarà precisata durante il corso, anche in relazione agli interessi di ricerca degli studenti e agli elaborati finali. I testi indicati costituiscono il quadro teorico principale. Testi di base Jean-Marie Floch, Sémiotique, marketing et communication. Umberto Eco, Kant e l’ornitorinco; Trattato di semiotica generale. James J. Gibson, The Ecological Approach to Visual Perception. Rudolf Arnheim, Arte e percezione visiva. Algirdas J. Greimas, Joseph Courtés, Semiotica. Dizionario ragionato della teoria del linguaggio. Groupe μ, Trattato del segno visivo. Tonino Griffero, testi sull’atmosferologia e sull’estetica delle atmosfere. Lev Manovich, Emanuele Arielli, Artificial Aesthetics. Mario Carpo, testi su architettura, computazione, AI e cultura del progetto. Testi e saggi specifici Fabrizio Gay, Irene Cazzaro, Environmental Affordances: Some Meetings Between Artificial Aesthetics and Interior Design Theory. Lior Shamir, “What makes a Pollock Pollock: a machine vision approach”. Leon A. Gatys, Alexander S. Ecker, Matthias Bethge, testi sul Neural Style Transfer. Testi selezionati su Deep Learning, GAN, diffusion models, Large Multimodal Models, AI interpretability, pattern recognition e computational stylistic analysis. Durante il corso saranno forniti materiali integrativi: slide, articoli, immagini, dataset esemplificativi, casi studio di design, architettura, museografia, comunicazione visiva e generazione AI.