Filosofia e Intelligenza Artificiale

Fatta salva una serie di obiettivi di fondo (conoscenza e comprensione della disciplina, capacità di applicare conoscenza e comprensione, capacità critica e di giudizio, capacità di comunicare quanto si è appreso, capacità di proseguire lo studio in modo autonomo), il corso si propone di raggiungere più specificamente i seguenti ulteriori obiettivi: a) acquisizione delle nozioni chiave e dei principali nuclei teorici della semiotica, con particolare riferimento alla semiotica cognitiva come campo interdisciplinare tra scienze cognitive, semiotica, linguistica, filosofia del linguaggio e psicologia sociale; b) sviluppo delle capacità di contestualizzazione storico-teorica dei principali temi caratterizzanti le ricerche semiotiche contemporanee; c) sviluppo delle abilità riflessive, argomentative e critiche attraverso la discussione collettiva dei materiali bibliografici; d) incoraggiamento a intraprendere percorsi individuali di ricerca nel solco delle tematiche affrontate nel corso.

Segno e significato nella prospettiva della Semiotica cognitiva

Il corso si propone un approfondimento sulla nozione di segno e sul cortocircuito che la lega alla nozione di significato. Si metteranno a confronto le due principali tradizioni della semiotica, quella risalente a Peirce e quella che fa capo a Ferdinand de Saussure e alla sua successiva rielaborazione in chiave spiccatamente strutturale. Nell’ambito di questi ampi e articolati paradigmi teorici si indagherà, in particolare, il rapporto tra semiotica e semantica, individuando le principali aporie della sovrapposizione tra significato e funzione segnica. A partire dalla lettura critica dei contributi più recenti, si proverà a districare il campo di ricerca della semiotica cognitiva, che nasce con la vocazione di costituire un terreno di incontro e confronto tra le discipline dedite all’indagine del multiforme fenomeno del significato, esplicitandone i modelli teorico-filosofici di riferimento. In quest’ottica, si rivedranno alcune nozioni chiave legate alla dimensione semantica e semiotica - intenzionalità, (inter)soggettività, coscienza, normatività ecc.

L’esame prevede un colloquio orale (70% del voto finale) e un elaborato scritto (30% del voto finale), entrambi in inglese. Gli studenti frequentanti potranno concordare con la docente la produzione di una tesina (max 15.000 battute) in cui si dovrà analizzare criticamente uno dei testi presenti nel programma d’esame. L’elaborato dovrà essere consegnato tramite e-mail all’indirizzo istituzionale della docente almeno una settimana prima dell’appello scelto. In alternativa, la tesina può essere sostituita con una presentazione durante il corso con la modalità della flipped-classroom. Nel caso non si opti per la produzione della tesina o per la presentazione durante il corso, l’esame sarà svolto interamente nella modalità del colloquio orale.

1. Saussure, F. de (1916), Course in General Linguistics. Translated by Wade Baskin (1959; ed. 2011). Edited by Perry Meisel and Haun Saussy. Alcune parti selezionate del testo saranno commentate e comparate con la versione originale in francese (ed. 1922) e con la traduzione italiana di T. De Mauro (1967).

2. Pelkey, J. (2015). Peircean Evolutionary Linguistics: A Prospectus. 10.5840/cpsem201446.

3. Di Paolo, E. A.; Cuffari, E. Clare & De Jaegher, H. (2018). Linguistic Bodies: The Continuity Between Life and Language. Cambridge, MA, USA: MIT Press.

4. Sonesson, G. (2012). The Phenomenological Road to Cognitive Semiotics. In P. Couto Cantero, G. Enríquez Veloso, A. Passeri, & J.M. Paz Gago (Eds.), Culture of communication /Communication of culture. Proceedings of the 10th World Congress of the International Association for Semiotic Studies (IASS/AIS) (pp. 855-866). Universidade de Coruña. https://lucris.lub.lu.se/ws/portalfiles/portal/5916197/3437169.pdf

5. Sonesson, G. (2012). Semiosis Beyond Signs. On Two or Three Missing Links on the Way to Human Beings. 10.1007/978-94-007-2336-8_5.

6. Zlatev, J., & Konderak, P. (2023). Consciousness and Semiosis. In J. Pelkey (Ed.) Bloomsbury Semiotics Volume 1: History and Semiosis, 169-191. Bloomsbury Academic.

7. Zlatev, J. (2018). Meaning making from life to language: The Semiotic Hierarchy and phenomenology. Cognitive Semiotics. 11. 10.1515/cogsem-2018-0001.

Ulteriori riferimenti bibliografici saranno suggeriti durante le lezioni.

Oltre a concorrere al conseguimento degli obiettivi formativi generali del Corso di Laurea Magistrale in Filosofia e Intelligenza Artificiale, l’insegnamento si propone di sviluppare competenze specifiche articolate secondo i cinque Descrittori di Dublino: (descrittore A) acquisizione di una solida conoscenza del quadro teorico di riferimento e delle principali problematiche dell’estetica, nonché padronanza dei concetti fondamentali e della terminologia specialistica della disciplina; (descrittore B) sviluppo della capacità di comprendere, interpretare e analizzare criticamente i testi classici dell’estetica, collocandoli nel loro contesto teorico e problematizzandone i contenuti; (descrittore C) capacità di ricostruire e valutare criticamente questioni e problemi filosofici, formulando giudizi argomentati e partecipando in modo consapevole al dibattito sui temi oggetto di studio; (descrittore D) acquisizione della capacità di utilizzare in modo appropriato il lessico tecnico della disciplina e di esporre con chiarezza, rigore e coerenza argomentativa le questioni affrontate; (descrittore E) sviluppo dell’autonomia nello studio e nell’approfondimento personale delle problematiche filosofiche, attraverso l’acquisizione di un adeguato metodo di ricerca e l’individuazione critica della bibliografia di riferimento.

La mente enattiva: processi cognitivi, arte ed esperienza

Il corso intende ripensare i processi cognitivi all’interno dell’orizzonte aperto dalle nuove scienze cognitive 4E, per fare emergere la dimensione costitutiva della corporeità e, in particolare, di un corpo “agente”. Il paradigma della mente “incorporata” ed “enattiva” mira a superare il dualismo di “interno/esterno”, e con esso il modello “rappresentazionalista” della nostra esperienza del mondo, e permette di rimodulare la questione della “continuità/discontinuità” tra processi cognitivi umani e non umani. All’interno di questo quadro teorico, e attraverso la recente pubblicazione di uno dei suoi protagonisti, Shaun Gallagher, il corso si propone in primo luogo di offrire una panoramica delle diverse teorie, anche tra loro in conflitto, che formano la variegata famiglia delle cosiddette “scienze cognitive 4E” (embodied, embedded, enactive, extended). In secondo luogo, il corso si propone di analizzare una delle opere fondative delle nuove scienze cognitive, ovvero il testo di Varela, Thompson e Rosch, “The Embodied Mind” (nella sua recente traduzione italiana). L’analisi di quest’opera permetterà di approfondire il paradigma della mente incorporata e di analizzare le diverse questioni connesse a questo paradigma. In terzo luogo, attraverso la teoria “sensomotoria” della percezione proposta da Alva Noë, il corso intende ricomprendere cosa significa fare esperienza di quei particolari oggetti che chiamiamo “opere d’arte”.

La valutazione consiste in un esame orale di circa 30 minuti sui temi e testi affrontati a lezione. Verranno valutate: (1) la conoscenza delle teorie degli autori trattati; (2) la capacità di comprendere e analizzare criticamente i testi del programma d’esame; (3) capacità di discutere e di ricostruire temi e problemi affrontati a lezione; (4) capacità di padroneggiare il lessico degli autori trattati; (5) capacità di approfondire in modo personale e originale le teorie affrontate a lezione. Il pieno soddisfacimento dei punti (1) e (2) è condizione necessaria al superamento dell’esame. Voti superiori al 27 saranno attribuiti agli studenti che soddisfano tutti e cinque i punti indicati.

(1) Gallagher S., Paradigmi della cognizione incarnata ed enattiva, Mimesis, 2025; (2) Varela F.J., Thompson E., Rosch E., La mente nel corpo. Scienze cognitive ed esperienza umana, Astrolabio, 2024 (soltanto pp. 7-57 e pp. 197-285); (3) Noë A., Strani strumenti. L'arte e la natura umana, Einaudi, 2022 (soltanto pagine: 1-164).

La bibliografia di riferimento non costituisce materiale d'esame: (a) Caruana F., Borghi A., Il cervello in azione, il Mulino, Bologna, 2016

Fatta salva l'acquisizione degli obiettivi comuni al corso di laurea magistrale in Filosofia, il corso si propone di raggiungere i seguenti risultati. Conoscenza e capacità di comprensione (descrittore di Dublino A): conoscenza approfondita di alcuni orientamenti della filosofia morale contemporanea sviluppati nel dialogo tra filosofia, antropologia e letteratura; conoscenza dei principali concetti affrontati nel corso, quali forme di vita, esperienza ordinaria, critica, soggettività e democrazia; conoscenza dei testi in programma e del loro contesto filosofico e culturale. Capacità applicative (descrittore B): capacità di leggere, comprendere e interpretare criticamente testi filosofici, antropologici e letterari; capacità di mettere in relazione prospettive teoriche differenti e di applicarle all'analisi di problemi morali e politici contemporanei. Autonomia di giudizio (descrittore C): capacità di sviluppare una riflessione autonoma sui temi affrontati, confrontando criticamente gli autori e le loro posizioni. Abilità comunicative (descrittore D): capacità di utilizzare con proprietà il lessico della filosofia morale contemporanea e di argomentare con chiarezza sui temi trattati. Capacità di apprendimento (descrittore E): capacità di approfondire autonomamente gli argomenti del corso attraverso la lettura dei testi e della bibliografia critica.

Fatta salva l'acquisizione di una serie di obiettivi di fondo comuni al corso di laurea in filosofia, il corso si propone di raggiungere più specificamente i seguenti ulteriori obiettivi. Conoscenza e capacità di comprensione (descrittore di Dublino A): conoscenza di un problema filosofico in prospettiva storica; conoscenza di un periodo e contesto filosofico con attenzione alla lunga durata dei problemi trattati; conoscenza di concetti e termini chiave in prospettiva storica. Capacità applicative (descrittore B): capacità di comprensione e interpretazione di testi classici della disciplina; capacità di analisi dei testi oggetto di studio in chiave storica e critica. Autonomia di giudizio (descrittore C): capacità di ricostruire un contesto storico-filosofico; capacità di discutere il tema oggetto di studio (anche su sollecitazione del docente alla partecipazione attiva). Abilità comunicative (descrittore D): capacità di utilizzare un lessico tecnico; capacità di argomentare le questioni trattate. Capacità di apprendimento (descrittore E): capacità di approfondire questioni e problemi filosofici in modo anche personale (mediante l’apprendimento di un metodo, la ricerca di una bibliografia di riferimento, ecc.).

Il corso si prefigge di esplorare teoricamente e criticamente il nesso tra democrazia e organizzazione del lavoro, prendendo in considerazione alcune teorie normative della democrazia che hanno riflettuto in modo specifico su questo rapporto.

Si prenderanno in considerazione e si discuteranno criticamente le teorie della democrazia di Carole Pateman, di Robert Dahl, di Axel Honneth e di Christoph Dejours. Il filo conduttore di queste teorie è la tesi secondo la quale la qualità di una democrazia è strettamente dipendente dal presupposto di una distribuzione giusta, trasparente e inclusiva del lavoro all’interno della società. Gli aspetti più problematici delle democrazie contemporanee andrebbero in via prioritaria ricondotti alle tendenze negative che hanno investito il mondo del lavoro nelle società capitalistiche (precarizzazione, basse remunerazioni, disoccupazione strutturale, autoritarismo nei luoghi di lavoro). D’altra parte la possibilità di una ripresa della partecipazione democratica e dell’efficacia dell’attività politica sarebbe connessa a una democrazia economica e a una democratizzazione del lavoro.

• I settimana Introduzione generale al corso
• II settimana La concezione democratica di Carole Pateman
• III settimana Il nesso tra democratizzazione del lavoro e democrazia in Carole Pateman
• IV settimana La democrazia economica in Robert Dahl
• V settimana La democrazia economica in Robert Dahl
• VI settimanaAxel Honneth e la questione del lavoro
• VII settimanaAxel Honneth e il lavoratore sovrano
• VIII Axel HonnethIl lavoratore sovrano
• IX settimana Christoph DejoursPratica della democrazia
• X settimana Christoph Dejours Pratica della democrazia
• XI settimana Bilancio conclusivo del corso

L’esame prevede un colloquio orale e un elaborato scritto. L’elaborato verterà sull’analisi e discussione di un saggio critico relativo ad uno degli argomenti trattati nel corso, concordato con il docente su proposta dello studente, e dovrà essere consegnato in forma definitiva almeno due settimane prima dell’appello scelto. L’elaborato scritto inciderà per il 30% sul voto finale. Per superare le prove, lo studente dovrà dimostrare di: 1. conoscere approfonditamente il contenuto dei testi in programma; 2. saperlo restituire in modo chiaro e corretto (sia in forma orale che scritta), padroneggiando il lessico specialistico utilizzato dall’autore; 3. saper individuare gli snodi teorici più rilevanti e saperli discutere criticamente; 4. sapersi orientare autonomamente nella letteratura secondaria e saperla discutere criticamente. Il soddisfacimento dei punti 1 e 2 è condizione necessaria al superamento dell’esame. I voti superiori al 27 saranno attribuiti agli studenti le cui prove soddisfano tutti e quattro i punti indicati.

R. Dahl, La democrazia economica, Il Mulino, 1989.

A. Honneth, Il lavoratore sovrano. Lavoro e cittadinanza democratica, Il Mulino 2025

C. Dejours, Pratica della democrazia. Servitù volontaria, lavoro ed emancipazione, Mimesis 2024 (estratti).

D. Held, Modelli di democrazia, Il Mulino, 1996 (pp. 221-383; 409-446).

E. Renault, Democratizzare il lavoro, in E. Donaggio, J. Rose, M. Cairo (a cura di), Lavoro e libertà?, Mimesis, 2023, pp. 55-74.

C. Pateman, Partecipation and Democratic Theory, Cambridge University Press, 1970.

C. Pateman, Participatory Democracy Reviseted, in “Perspective on Politics”, vol. X, 1 (2012).

R. Frega, L. Herzog, C. Neuhouser, Workplace Democracy. The Recent Debate, in “Philosophy Compass”, n. 14 (2019).

Fatta salva l'acquisizione di una serie di obiettivi di fondo comuni al corso di laurea magistrale in filosofia, il corso si propone di raggiungere più specificamente i seguenti ulteriori obiettivi: Conoscenza e capacità di comprensione (descrittore di Dublino A): conoscenza dettagliata e articolata di un problema filosofico in prospettiva teoretica; conoscenza approfondita del contesto filosofico dei problemi trattati; conoscenza di concetti e termini chiave, anche molto specialistici, in prospettiva teoretica. Capacità applicative (descrittore B): capacità di comprensione ed ermeneutica di testi classici della disciplina, anche con consapevolezza dei problemi di traduzione; capacità di analisi critico-teorica di testi con un approccio maturo ed originale. Autonomia di giudizio (descrittore C): capacità di ricostruzione nel dettaglio di un contesto teoretico; capacità di argomentazione e di guadagno di una prospettiva personale sul tema in oggetto (anche mediante la partecipazione attiva di natura seminariale). Abilità comunicative (descrittore D): capacità di servirsi di un lessico tecnico, anche molto specifico; capacità di argomentare con proprietà di linguaggio sui temi trattati. Capacità di apprendimento (descrittore E): capacità di approfondire le questioni in modo anche spiccatamente personale, autonomo ed originale (tramite ricerche bibliografiche personali, approfondimenti specifici etc…).

Illuminismo e Critica

A partire dal testo di Immanuel Kant sull’Illuminismo, il corso si prefigge di focalizzare il ruolo e gli effetti del razionalismo illuministico, la sua presunta universalità messa in crisi dalle esperienze drammatiche del XX secolo, ma anche le sue potenzialità ancora inespresse. La critica mossa da Theodor Adorno e Max Horkheimer nel famoso libro Dialettica dell’Illuminismo, scritto quando la Seconda guerra mondiale era ancora in corso, risente di un duplice sguardo: quello dell’Europa devastata dal fascismo, che gli autori si erano appena lasciati alle spalle, e quello della società americana, che li aveva accolti. Entrambe questi punti di vista, secondo Adorno e Horkheimer, sono differenti manifestazioni di una tendenza nefasta, che sarebbe al cuore dell’Illuminismo: quella cioè di rovesciarsi nel suo contrario, non solo nell’estrema barbarie del fascismo, ma anche nell’asservimento più nascosto delle società di massa delle democrazie liberali. Ma se la ragione non può essere oggetto di sacralizzazione, non può neppure essere bersaglio di una devastante demolizione. In questo orizzonte si muove la critica di Michel Foucault, che si concentra sulla possibilità di esercitare nuovamente un “uso libero” e “pubblico” della ragione, attraverso cui la critica dell’Illuminismo si apre a una radicale “ontologia dell’attualità”.

• Kant e l'illuminismo
• Testi di riferimento: Immanuel Kant, Risposta alla domanda che cos’è l’illuminismo?,
• Dialettica dell'Illuminismo
• Testi di riferimento: Max Horkheimer e Theodor Adorno, Dialettica dell’illuminismo
• Foucault e l'Illuminismo
• Testi di riferimento: - Michel Foucault, Che cos’è l’Illuminismo?- Michel Foucault, Che cos’è la critica?,

La valutazione consiste in un esame orale. Verranno valutate (anche durante il corso) 1. La conoscenza e la comprensione dei testi oggetto del corso, a partire dagli aspetti più generali, sino ai dettagli; sarà valutata in particolare la capacità delle studentesse e degli studenti di confrontarsi con testi filosofici e di analizzarne criticamente ed in modo personale aspetti specifici (punti di valutazione 1-12). 2. Le capacità espressive e di dominio, anche dettagliato, del lessico (punti 1-8). 3. Le conoscenze del contesto filosofico (rispetto al pensiero degli autori/delle autrici oggetto del corso e rispetto alle correnti filosofiche di riferimento) (punti 1-5). 4. La capacità di rielaborazione originale e di approfondimento personale delle questioni trattate (punti 1-5)

1. Immanuel Kant, Risposta alla domanda che cos’è l’illuminismo?, qualsiasi edizione o traduzione italiana accreditata (ad esempio in Scritti di storia, politica e diritto, a cura di F. Gonnelli, Laterza, Roma 1995, pp. 45-52).

2. Max Horkheimer e Theodor Adorno, Dialettica dell’illuminismo, Einaudi, Torino 2010.

3. Michel Foucault, Che cos’è l’Illuminismo?, n. 13 e n. 17, in Archivio Foucault 3. 1978-1985. Estetica dell’esistenza, etica e politica, a cura di A. Pandolfi, Feltrinelli, Milano 2020, pp. 217-232 e 253-261.

4. Michel Foucault, Che cos’è la critica?, ed. it. a cura di A. Di Gesu e M. Polleri, DeriveApprodi, Bologna 2024.

Guide alla lettura e introduzioni al pensiero e alle opere specifiche degli autori/autrici in programma. Letteratura secondaria su temi specifici sarà suggerita durante il corso

Al termine del corso lo studente avrà acquisito i seguenti risultati di apprendimento.
Conoscenza e comprensione: conoscenza dei principi teorici e matematici alla base dei principali modelli generativi (autoencoder variazionali, GAN, normalizing flow, modelli di diffusione, modelli linguistici di grandi dimensioni); comprensione delle architetture di deep learning e del meccanismo di attenzione alla base dei modelli generativi moderni; conoscenza delle tecniche di generazione per immagini, testo e dati multimodali. Capacità di applicare conoscenza e comprensione: essere in grado di implementare e addestrare modelli generativi in domini diversi (immagini, testo); saper applicare tecniche di allineamento e adattamento dei modelli linguistici (RLHF, DPO, LoRA) e di Retrieval-Augmented Generation; saper utilizzare librerie Python avanzate (es. PyTorch) per la progettazione di sistemi generativi. Autonomia di giudizio: saper valutare criticamente le prestazioni dei modelli generativi mediante metriche appropriate; saper analizzare limiti, rischi e potenzialità dei modelli generativi nei diversi contesti applicativi. Abilità comunicative: saper descrivere e motivare le scelte progettuali e i risultati sperimentali con terminologia tecnica appropriata. Capacità di apprendimento: saper aggiornare autonomamente le proprie conoscenze seguendo la letteratura scientifica di un settore in rapida evoluzione.

1. Introduzione alla Generative AI: panoramica e applicazioni.

2. Modellazione probabilistica: teoria, distribuzioni, MLE.

3. Modelli autoregressivi: linguaggio e immagini.

4. Variational Autoencoders (VAEs): inferenza variazionale e applicazioni.

5. Normalizing Flows: trasformazioni invertibili e distribuzioni complesse.

6. Generative Adversarial Networks (GANs): training avversario e miglioramenti.

7. Modelli basati su energia e punteggio: matching score ed energy functions.

8. Modelli a diffusione: processi stocastici e tecniche recenti.

9. Applicazioni su immagini: generazione e manipolazione.

10. Applicazioni su testo: modelli linguistici e sintesi.

11. Generazione di grafi e molecole: GNN e applicazioni scientifiche.

12. Valutazione dei modelli generativi: metriche e sfide.

• Generative AI

Lecture notes and materials provided by the instructor.

Conoscere i concetti di base della rappresentazione della conoscenza in Intelligenza Artificiale. Conoscere i linguaggi di riferimento della rappresentazione della conoscenza basata sulla logica, in particolare le famiglie dei linguaggi di rappresentazione della conoscenza basate sul concetto di classe (class-based) e sul concetto di regola (rule-based), e le principali tecniche di ragionamento per tali linguaggi. Conoscere le principali tecnologie basate su tali formalismi di rappresentazione della conoscenza, in particolare i linguaggi RDF e OWL, con l'obiettivo di progettare e gestire una base di conoscenza ontologica. Conoscere gli approcci alla rappresentazione numerica (embedding) di conoscenza logico-simbolica (knowledge graph) e alla loro elaborazione. Conoscere elementi di rappresentazione della conoscenza e ragionamento nelle applicazioni di Intelligenza Artificiale non simbolica, in particolare nell’IA generativa e nei Large Language Models. Conoscenza e comprensione • Ricordare e definire i concetti e i principi fondamentali che guidano la rappresentazione della conoscenza (KR) all'interno dei sistemi informatici. • Comprendere la sintassi e la semantica formale dei formalismi logici basati su classi e di quelli basati su regole. • Comprendere i limiti espressivi di ALC, l'assunzione di mondo aperto (open-world assumption) tipica delle Logiche Descrittive e le differenze strutturali rispetto alla Logica del Primo Ordine (FOL) e a SQL. • Comprendere il funzionamento degli algoritmi fondamentali di ragionamento automatico per Logiche Descrittive e per Datalog. • Ricordare e comprendere gli standard, le tecnologie e i protocolli del Web Semantico definiti dal W3C, tra cui RDF, RDF Schema (RDFS), SPARQL, OWL e i diversi profili di OWL 2. • Comprendere la struttura e le proprietà dei Knowledge Graph, le metodologie di machine learning ad essi applicate e il concetto di Knowledge Graph embedding. • Comprendere l'intersezione tra la rappresentazione della conoscenza simbolica e i modelli linguistici di grandi dimensioni (Large Language Models - LLM), analizzando le reali capacità di ragionamento logico di questi ultimi e l'integrazione di OWL e Datalog al loro interno. Capacità di applicare conoscenza e comprensione • Applicare formalismi logici (Logiche Descrittive ALC, Datalog e ASP) per modellare domini di conoscenza reali, traducendo requisiti applicativi in vincoli, regole e assiomi formali. • Applicare l'algoritmo di Tableau per risolvere manualmente o in modo assistito compiti di ragionamento logico (reasoning tasks) su TBox e ABox espresse in ALC. • Applicare e implementare programmi Datalog e ASP per la risoluzione di problemi di ragionamento. • Applicare gli standard RDF, RDFS e OWL per la progettazione strutturata di ontologie e grafi di conoscenza, formulando query di interrogazione semantica complesse mediante il linguaggio SPARQL. • Applicare le specifiche tecniche dei profili OWL 2 (OWL 2 QL, OWL 2 RL e OWL 2 EL), sfruttando opportunamente la tecnica del query rewriting o la ABox materialization per ottimizzare l'interrogazione e l'accesso ai dati in base al profilo selezionato. • Utilizzare (applicare) in modo efficace strumenti software professionali e ampiamente diffusi nel settore, come l'editor di ontologie Protégé, per la modellazione e la validazione di ontologie reali. • Creare e sviluppare un progetto pratico e autonomo di ingegneria della conoscenza, integrando tecnologie semantiche, ontologie OWL, motori di regole logiche o grafi di conoscenza per risolvere uno specifico problema applicativo. Autonomia di giudizio • Analizzare e confrontare criticamente le differenze computazionali, espressive e strutturali tra i diversi modelli di gestione dei dati e della conoscenza (SQL vs Logiche Descrittive vs Datalog vs ASP). • Valutare la complessità computazionale delle operazioni di ragionamento all'interno di Datalog, ASP e dei vari profili OWL 2, al fine di selezionare lo strumento tecnologico e il formalismo più efficiente e scalabile per un dato scenario applicativo. • Valutare criticamente i limiti e i vantaggi dei sistemi basati su ragionamento logico formale rispetto ai moderni approcci sub-simbolici basati su machine learning, Knowledge Graph Embeddings e Large Language Models (LLM), comprendendo quando sia preferibile adottare soluzioni ibride o puramente simboliche. Abilità comunicative • Analizzare e strutturare in modo chiaro la documentazione e la presentazione di un progetto pratico di ingegneria della conoscenza, illustrando con rigore formale e terminologia appropriata le scelte di modellazione effettuate, i vincoli inseriti e i motori di ragionamento impiegati. • Comprendere come esporre e descrivere concetti teorici complessi (come i dettagli di un algoritmo di tableau, le logiche di query rewriting o la semantica Answer Set) a un pubblico di specialisti (ingegneri informatici) e non specialisti. Capacità di apprendimento • Comprendere e assimilare autonomamente l'evoluzione degli standard e delle raccomandazioni del W3C legati al Web Semantico e alle tecnologie semantiche d'avanguardia. • Analizzare in modo indipendente la letteratura scientifica più recente e i nuovi strumenti software per la rappresentazione della conoscenza, in particolare quelli incentrati sull'integrazione sinergica tra intelligenza artificiale simbolica (ontologie, logiche) e intelligenza artificiale generativa/sub-simbolica (LLM e machine learning su grafi).

1 - Introduction to knowledge representation

2 - Class-based formalisms

Description Logics

Reasoning in Description Logics

Description Logics vs. relational databases

3 - Rule-based formalisms

Brief introduction to logic programming

Datalog

Reasoning in Datalog

Datalog vs. Description Logics

Datalog extensions

Datalog with negation

Answer Set Programming (ASP)

Reasoning in ASP

Comparison with SQL

4 - Semantic technologies

Semantic Web

RDF, RDFS, SPARQL

Linked data

Ontologies

OWL

OWL profiles

Reasoning in OWL profiles

5 - Knowledge representation and Deep Learning

Deep Learning and Large Language Models

Knowledge graph embedding

The role of Knowledge Representation and Reasoning in Large Language Models

• Rappresentazione della conoscenza in Intelligenza Artificiale
• Rappresentazione della conoscenza basata sulla logica
• Rappresentazione della conoscenza e ragionamento basati su classi
• Rappresentazione della conoscenza e ragionamento basati su regole
• RDF, SPARQL, OWL
• Rappresentazione della conoscenza nell'apprendimento automatico

L'esame consiste in una prova scritta e un progetto pratico.

Dispense distribuite dal docente.

A) Gli studenti conosceranno la letteratura scientifica sugli argomenti trattati e saranno in grado di commentarla in modo critico; B) saranno in grado di formulare ipotesi linguistiche sulla base dei concetti e degli strumenti analitici acquisiti; C) saranno in grado integrare le conoscenze pregresse con le nuove in modo tale da saper gestire la complessità teorica e pratica dei concetti acquisiti; D) saranno poi in grado di comunicare conoscenze interloquendo con specialisti di studi linguistici e non specialisti. E) saranno da ultimo in grado di studiare in modo autogestito o autonomo gli argomenti proposti durante il corso e saranno stimolati a coltivare autonomamente i propri interessi scientifici.

Language Manipulation and AI in Conflicts and Emergency Contexts

Lingua di erogazione: English

Tipologia: Modulo teorico-analitico (lezioni frontali, analisi guidate, casi di studio)

Il modulo Language Manipulation and AI in Conflicts and Emergency Contexts, tenuto interamente in lingua inglese, esplora il ruolo del linguaggio nella costruzione, gestione e amplificazione dei conflitti e delle situazioni di emergenza, con particolare attenzione ai fenomeni di framing, manipolazione discorsiva e mediazione tecnologica attraverso l’intelligenza artificiale.

Il corso adotta una prospettiva linguistica e discorsiva, integrando strumenti della linguistica cognitiva, dell’analisi critica del discorso e degli studi sull’AI conversazionale. La crisi viene analizzata non solo come evento politico o sociale, ma come condizione discorsiva che trasforma le pratiche comunicative, restringe il campo del significato e ridefinisce le categorie di responsabilità, agency e vulnerabilità.

Nella prima parte del corso, l’attenzione è rivolta ai meccanismi di costruzione del significato in contesti di crisi, con un focus su metafore, frame e strategie discorsive che rendono il conflitto intelligibile e comunicabile. Successivamente, il corso affronta il passaggio dal framing alla manipolazione linguistica, analizzando come l’influenza discorsiva possa operare anche in assenza di falsificazione esplicita, attraverso ambiguità strategica, omissione e ridefinizione della responsabilità.

Una parte centrale del modulo è dedicata all’analisi dell’intelligenza artificiale come amplificatore strutturale di narrazioni di crisi e conflitto. Gli studenti acquisiranno una comprensione critica del funzionamento dei sistemi di AI conversazionale, dei loro limiti strutturali e dei rischi specifici che emergono quando tali tecnologie vengono impiegate in contesti sensibili, inclusi fenomeni come deepfake, disinformazione e semplificazione narrativa.

Il corso si conclude con una riflessione su vulnerabilità linguistica, etica e responsabilità discorsiva, ponendo particolare attenzione all’impatto del linguaggio – umano e automatizzato – su gruppi vulnerabili e sul diritto all’informazione. Attraverso analisi guidate, casi di studio e un progetto critico finale, gli studenti svilupperanno competenze avanzate nell’analisi del discorso in contesti di crisi e nell’uso consapevole e responsabile degli strumenti linguistici e tecnologici.

La valutazione finale si basa su un esame scritto in presenza, strutturato in due parti, finalizzato a verificare in modo integrato la comprensione teorica dei contenuti del corso e la capacità di applicarli all’analisi di testi e pratiche discorsive.

La prima parte dell’esame consiste in una prova a risposta multipla, composta da domande di tipo ragionato e applicativo, che coprono l’intero programma del corso. Le domande non mirano alla mera verifica nozionistica, ma richiedono la comprensione dei concetti teorici, delle categorie analitiche e delle metodologie discusse, nonché la capacità di riconoscerne l’applicazione in contesti comunicativi concreti. Questa parte dell’esame è progettata per valutare in modo sistematico la preparazione complessiva dello studente e la sua padronanza del lessico e degli strumenti concettuali del corso.

La seconda parte dell’esame prevede un’analisi guidata di un testo, fornito in sede d’esame e non noto in anticipo. Attraverso una serie di quesiti strutturati, allo studente viene richiesto di individuare e analizzare specifiche strategie linguistiche e discorsive, di collocarle all’interno delle categorie teoriche affrontate durante il corso e di riflettere in modo critico sulle loro implicazioni comunicative. La prova può includere anche brevi interventi di riscrittura o riformulazione testuale, volti a valutare la capacità di applicare consapevolmente i principi analitici appresi.

Il punteggio finale è espresso in trentesimi e tiene conto dei risultati ottenuti in entrambe le parti della prova, che concorrono in modo complementare alla valutazione complessiva delle competenze acquisite.

Bibliography

Badawi, H. (2023). Pro-Syrian regime versus anti-regime outlets: A comparative critical discourse analysis. International Journal of Management and Humanities, 9(10), 8–14.

Cole, B. (2022). The Syrian information and propaganda war: The role of cognitive bias. Palgrave Macmillan.

Mah, P. M. (2026). The role of deepfake, deception, and disinformation in conflict zones based on DL for NLP: A critical AI-era perspective. Comunicar: Revista Científica de Comunicación y Educación, 34(84), 228–246.

Podvornaia, A. (2013). The discursive battlefield of the “War on Terror”: Enabling strategies for garnering public support in the rhetoric of George W. Bush and Osama bin Laden. In A. Hodges (Ed.), Discourses of war and peace (pp. 69–94). Oxford University Press. https://doi.org/10.1093/acprof:oso/9780199937271.003.0004

Rasulić, K. (2020). Turning the heart into a neighbour: (Re)framing Kosovo in Serbian political discourse. In M. Huang & L. Holmgren (Eds.), The language of crisis: Metaphors, frames and discourses (pp. 111–136). Routledge.

Salah Abdelrahman Khalil, W. (2025). Analysis of the mechanisms of using artificial intelligence to manipulate social media content and mislead public opinion in the Middle East. Egyptian Journal of Mass Communication Research, 654–706.

Ullmann, S. (2020). Today, the long Arab winter has begun to thaw: A corpus-assisted discourse study of conceptual metaphors in political speech about the Arab revolution. In M. Huang & L. Holmgren (Eds.), The language of crisis: Metaphors, frames and discourses (pp. 137–168). Routledge.

van Dijk, T. A. (2006). Discourse and manipulation. Discourse & Society, 17(3), 359–383.

Waśniewska, M. P. (2018). A dog or a wolf – The role of connotations in animalistic metaphors and the process of dehumanisation. New Horizons in English Studies, 3(3), 3–17.

Reference

• Poibeau, T. (2023). Understanding conversational AI. MIT Press.

Obiettivi Generali Lo scopo del corso è quello di fornire una panoramica sulle tecniche più avanzate di elaborazione del linguaggio naturale e le loro applicazioni.
Obiettivi Specifici Gli studenti impareranno i principi del trattamento automatico delle lingue, comprendendo come le macchine possono interpretare, generare e rispondere al linguaggio umano. Questo include temi come la rappresentazione delle parole, i word e i sense embedding, le architetture neurali per l'NLP, la traduzione automatica, e più in generale la generazione di testo.
Conoscenza e Comprensione - Conoscenza delle architetture di reti neurali, come le reti neurali ricorrenti e i Transformer, utilizzate per l'elaborazione del linguaggio naturale. - Conoscenza dei metodi di apprendimento supervisionato e non supervisionato in NLP. - Conoscenza delle tecniche di semantica computazionale lessicale e frasale. - Comprensione dei modelli di linguaggio per interpretare e generare testo.
Applicazione di Conoscenza e Comprensione - Come sviluppare modelli per la comprensione del linguaggio - Come sviluppare modelli per la generazione del linguaggio - Come utilizzare le architetture neurali per l'NLP
Autonomia di Giudizio Gli studenti saranno in grado di valutare l'efficacia delle tecniche di NLP nelle diverse applicazioni.
Abilità Comunicative Gli studenti saranno in grado di spiegare i principi e le tecniche di elaborazione del linguaggio naturale.
Capacità di Apprendimento Successivo Gli studenti interessati alla ricerca scopriranno quali sono le principali sfide aperte nell'area dell'NLP, ottenendo le basi necessarie per studi più approfonditi in materia.

Si veda: https://github.com/iacopomasi/NLP

• Introduzione al Natural Language Processing
• Modelli N-gram; smoothing; interpolation; backoff
• Assegnazione part-of-speech (incluso POS tagging multilingue)
• Analisi sintattica: tecniche statistiche e neurali
• Semantica computazionale e semantica lessicale
• Lessici computazionali: WordNet
• Reti semantiche multilingue: BabelNet
• Word Sense Disambiguation; Entity Linking
• Multilinguismo nel Natural Language Processing
• Reti neurali, incorporamenti di parole e sensi e deep learning
• Etichettatura dei ruoli semantici neurali e analisi semantica
• Traduzione automatica statistica
• Generazione del linguaggio naturale e Question Answering
• Modelli di linguaggio neurale (Transformers, BERT, XLM-RoBERTa, GPT)
• Traduzione automatica neurale
• Applicazioni avanzate di NLP multimodale
• NLP fundamentals and downstream tasks - Part I [30 hours]
• Testi di riferimento: Jurafsky and Martin. Speech and Language Processing, Prentice Hall, third edition
• Deep Learning for NLP [25 hours]
• Testi di riferimento: Jurafsky and Martin. Speech and Language Processing, Prentice Hall, third edition
• Coding Sessions for Deep Learning for NLP [5 hours]
• Testi di riferimento: Jurafsky and Martin. Speech and Language Processing, Prentice Hall, third edition

L'esame comprende una parte scritta che testa la parte di teoria e una parte pratica in cui è necessario implementare e analizzare un sistema di NLP di base/avanzato. Essa può essere svolta con homework durante il corso o con un progetto finale.

• Jurafsky and Martin. Speech and Language Processing, Prentice Hall, third edition, in preparation.
• Jacob Eisenstein. Introduction to Natural Language Processing, MIT Press, 2019.
• Yoav Goldberg. Neural Network Methods for Natural Language Processing, Morgan & Claypool, 2017.
• https://d2l.ai/

Fatta salva l'acquisizione di una serie di obiettivi di fondo comuni al corso di laurea magistrale in filosofia, il corso si propone di raggiungere più specificamente i seguenti ulteriori obiettivi: Conoscenza e capacità di comprensione (descrittore di Dublino A): conoscenza dettagliata e articolata di un problema filosofico in prospettiva storica; conoscenza approfondita di un periodo e contesto filosofico con attenzione alla lunga durata dei problemi trattati; conoscenza di concetti e termini chiave, anche molto specialistici, in prospettiva storica. Capacità applicative (descrittore B): capacità di comprensione ed ermeneutica di testi classici della disciplina, anche con consapevolezza dei problemi di traduzione; capacità di profonda analisi storica e di critica teorica matura ed originale di testi. Autonomia di giudizio (descrittore C): capacità di ricostruzione nel dettaglio di un contesto storico-filosofico; capacità di argomentazione e di guadagno di una prospettiva personale sul tema in oggetto (anche mediante la partecipazione attiva di natura seminariale). Abilità comunicative (descrittore D): capacità di servirsi di un lessico tecnico, anche molto specifico; capacità di argomentare con proprietà di linguaggio sui temi trattati. Capacità di apprendimento (descrittore E): capacità di approfondire le questioni in modo anche spiccatamente personale, autonomo ed originale (tramite ricerche bibliografiche personali, approfondimenti specifici etc…).

Fatta salva l'acquisizione di una serie di obiettivi di fondo comuni al corso di laurea magistrale in filosofia, il corso si propone di raggiungere più specificamente i seguenti ulteriori obiettivi: Conoscenza e capacità di comprensione (descrittore di Dublino A): conoscenza approfondita delle tematiche oggetto del corso, degli avvenimenti affrontati; acquisizione degli strumenti necessari all’analisi storica degli argomenti trattati; conoscenza di concetti e termini chiave, anche specialistici, in prospettiva storica. Capacità applicative (descrittore B): capacità di profonda analisi storica e di critica matura ed originale dei temi proposti. Autonomia di giudizio (descrittore C): capacità di ricostruzione nel dettaglio delle dinamiche storiche e delle questioni interpretative; capacità di argomentazione di una prospettiva personale sul tema in oggetto. Abilità comunicative (descrittore D): capacità di servirsi di un lessico tecnico; capacità di argomentare con proprietà di linguaggio sui temi trattati. Capacità di apprendimento (descrittore E): capacità di approfondire le questioni in modo anche spiccatamente personale, autonomo ed originale (tramite ricerche bibliografiche personali, approfondimenti specifici etc…).

Welfare e salute nell’Italia Repubblicana

Lo sviluppo dello Stato sociale è un aspetto chiave della storia contemporanea in Europa e le politiche per la salute rappresentano un ambito fondamentale di questa vicenda. L'obiettivo del corso è inquadrare i temi chiave dello Stato sociale, compresi i principali attori e gli snodi teorici, collocandoli nel contesto storico del Novecento e ricostruendone l’evoluzione con particolare attenzione al caso dell'Italia del secondo dopoguerra. La storia dell’Italia repubblicana verrà ripercorsa da questa prospettiva, analizzando le vicende del welfare, della salute e della sanità, considerando il contesto internazionale, le trasformazioni economiche, le dinamiche sociali, i processi politici, e i soggetti che ne hanno caratterizzato le traiettorie. Particolare attenzione sarà inoltre dedicata al decennio degli anni Settanta in Italia.

La valutazione consiste in un esame orale. In particolare, saranno valutati i seguenti aspetti: 1. la comprensione avanzata degli argomenti trattati nei testi in programma e la capacità di approfondirne i contenuti specifici (punti 1-15); 2. la capacità di argomentare in modo critico, autonomo e personale gli argomenti oggetto di studio (punti 1-10); 3. la proprietà di linguaggio, la capacità espressiva e l’utilizzo di un lessico disciplinare avanzato (punti 1-5).

Y. Kazepov-D. Carbone, Che cos’è il welfare state, Carocci, 2007

C. Saraceno, Il welfare. Tra vecchie e nuove diseguaglianze, Il Mulino 2021

C. Giorgi, Salute per tutti. Storia della sanità in Italia dal dopoguerra a oggi, Laterza 2024

C. Giorgi, Giulio A. Maccacaro: sapere per cambiare, in Giulio Alfredo Maccacaro, Per una medicina da rinnovare. Scritti 1966-1976, Pgreco, 2025, 2025, pp. I-XXX.

G. Crainz, Storia della Repubblica, Donzelli, 2016

Il corso si propone di raggiungere più specificamente i seguenti obiettivi: Conoscenza e capacità di comprensione (descrittore di Dublino A): conoscenza di un problema filosofico in prospettiva storica; conoscenza di un periodo e contesto filosofico con attenzione alla lunga durata dei problemi trattati; conoscenza di concetti e termini chiave in prospettiva storica. Capacità applicative (descrittore B): capacità di comprensione e interpretazione di testi classici della disciplina; capacità di analisi dei testi oggetto di studio in chiave storica e critica. Autonomia di giudizio (descrittore C): capacità di ricostruire un contesto storico-filosofico; capacità di discutere il tema oggetto di studio (anche su sollecitazione del docente alla partecipazione attiva). Abilità comunicative (descrittore D): capacità di utilizzare un lessico tecnico; capacità di argomentare le questioni trattate. Capacità di apprendimento (descrittore E): capacità di approfondire questioni e problemi filosofici in modo anche personale (mediante l’apprendimento di un metodo, la ricerca di una bibliografia di riferimento, ecc.).

Fatta salva l'acquisizione di una serie di obiettivi di fondo comuni ai corsi di laurea magistrale in filosofia e in filosofia e intelligenza artificiale, il corso si propone di raggiungere più specificamente i seguenti ulteriori obiettivi: Conoscenza e capacità di comprensione (descrittore di Dublino A): conoscenza dettagliata e articolata di un problema filosofico in prospettiva storica; conoscenza approfondita di un periodo e contesto filosofico con attenzione alla lunga durata dei problemi trattati; conoscenza di concetti e termini chiave, anche molto specialistici, in prospettiva storica. Capacità applicative (descrittore B): capacità di comprensione ed ermeneutica di testi classici della disciplina, anche con consapevolezza dei problemi di traduzione; capacità di profonda analisi storica e di critica teorica matura ed originale di testi. Autonomia di giudizio (descrittore C): capacità di ricostruzione nel dettaglio di un contesto storico-filosofico; capacità di argomentazione e di guadagno di una prospettiva personale sul tema in oggetto (anche mediante la partecipazione attiva di natura seminariale). Abilità comunicative (descrittore D): capacità di servirsi di un lessico tecnico, anche molto specifico; capacità di argomentare con proprietà di linguaggio sui temi trattati. Capacità di apprendimento (descrittore E): capacità di approfondire le questioni in modo anche spiccatamente personale, autonomo ed originale (tramite ricerche bibliografiche personali, approfondimenti specifici etc…).

Consentono allo studente di sostenere un'attività formativa conforme ai propri individuali interessi scientifici.

Without prejudice to the general learning outcomes expected at MA level (advanced knowledge and critical understanding of the discipline; ability to apply complex theoretical frameworks to novel and interdisciplinary contexts; high-level autonomy of judgment; rigorous and specialized communication skills; capacity to design and pursue further study and research independently), the course specifically aims to achieve the following additional objectives: acquisition of an in-depth and problem-oriented understanding of Elizabeth Anscombe’s theory of intention through close reading of Intention and key texts from contemporary philosophy of action; development of advanced skills in the critical interpretation and historical-theoretical contextualization of complex philosophical texts; mastery of a specialized philosophical vocabulary concerning intention, agency, normativity, and action, with particular attention to its relevance for debates on artificial intelligence and artificial agency; ability to critically compare classical and contemporary philosophical models of action with functionalist and computational approaches in AI research; development of advanced argumentative skills, both written and oral, enabling students to independently discuss and assess theoretical issues related to intentionality, responsibility, and the attribution of agency in human and artificial systems.

Edonismo e la natura del bene.

Il corso è articolato in due parti. La prima parte è dedicata all’analisi del significato del piacere e del ruolo che esso svolge nell’etica in alcuni autori fondamentali della tradizione moderna e utilitarista. Verranno esaminate in particolare le posizioni di David Hume, Jeremy Bentham, John Stuart Mill, Henry Sidgwick e G. E. Moore, con attenzione a come ciascuno concepisce il piacere, il suo valore e la sua funzione nel giudizio morale. La seconda parte affronta le discussioni filosofiche contemporanee sulla natura del piacere e sullo statuto dell’edonismo come teoria del valore. Ci si concentrerà su due questioni centrali: Che cos’è il piacere? (sensazione, atteggiamento, esperienza, preferenza soddisfatta, ecc.). Il piacere è davvero l’unica proprietà ultima che conferisce valore morale, come sostiene l’edonismo, oppure esistono altri beni intrinsecamente buoni? L’obiettivo del corso è fornire sia una base storica solida sia gli strumenti concettuali per valutare criticamente l’edonismo nelle sue forme classiche e contemporanee.

L’esame prevede un colloquio orale della durata di circa trenta minuti. Il colloquio verterà sull’intero programma. Per superare le prove lo studente dovrà dimostrare di: 1. conoscere il contenuto dei testi trattati; 2. di padroneggiare in modo corretto il lessico utilizzato dagli autori; 3. cogliere i temi e le questioni più rilevanti e saperli discutere criticamente; 4. saper elaborare autonomamente un’argomentazione relativa ai contenuti trattati. Il soddisfacimento dei punti 1 e 2 è condizione necessaria al superamento dell’esame. I voti superiori al 27 saranno attribuiti agli studenti le cui prove soddisfano tutti e quattro i punti indicati.

The required readings are the following:

1) Katarzyna de Lazari-Radek, 'The Philosophy of Pleasure An Introduction', Routledge, 2024;

2)

3)

In addition to these, PDF files will be made available on Classroom with contemporary articles and excerpts from classical authors, which students will be expected to study for the exam.

Conoscenza dei capisaldi del dibattito contemporaneo sui problemi filosofici che riguardano le tecnologie basate su Intelligenza Artificiale. Potenziamento delle capacità verbali e di scrittura filosofica attraverso presentazioni in aula, discussione e stesura di saggio finale.

L'obiettivo del corso è di comunicare agli studenti i concetti di base della gestione dei sistemi informativi a larga scala. Verranno esaminati in dettaglio due argomenti specifici, vale a dire i modelli informativi per la gestione dei Big Data e l'integrazione delle informazioni. Entrambi gli argomenti sono estremamente rilevanti nella società basata sui dati, in cui praticamente tutti i sistemi informativi di organizzazioni di dimensioni ragionevoli devono sia gestire grandi set di dati sia interagire con diverse fonti di dati. Obiettivi specifici: Studiare i modelli di dati utilizzati nella gestione di Big Data, in particolare i modelli di dati NoSQL, che includono i modelli di dati basati su colonne, su coppie chiave-valore e su documenti, e acquisire familiarità con le nozioni e le tecniche per l'integrazione delle informazioni. Conoscenza e comprensione: Dopo il corso lo studente avrà una buona conoscenza delle differenze e delle somiglianze tra il modello relazionale e le varie classi di modelli di dati NoSQL. Inoltre, gli studenti capiranno le questioni teoriche relative all'integrazione e allo scambio dei dati e avranno una buona conoscenza delle varie architetture dei sistemi di integrazione delle informazioni. Applicare conoscenza e comprensione: Gli studenti saranno in grado di progettare il proprio repository Big Data utilizzando uno dei modelli di dati adottati nella pratica, di scegliere un'architettura appropriata per l'integrazione delle informazioni e di costruire e mantenere un sistema di integrazione delle informazioni strutturato in base all'architettura scelta. Capacità critiche e di giudizio: Lo studente sarà in grado di valutare i requisiti per un sistema di gestione di Big Data e sarà in grado di scegliere il giusto modello di dati e l'infrastruttura adeguata. Analogamente, lo studente sarà in grado di comprendere i requisiti per uno specifico sistema di integrazione delle informazioni e scegliere gli approcci e le tecniche appropriate per la progettazione di una soluzione di alta qualità. Capacità comunicativa: Gli studenti acquisiranno una buona conoscenza su come illustrare i risultati di un processo di progettazione, sia nel contesto della gestione dei Big Data, sia nel contesto dei sistemi di integrazione delle informazioni. Capacità di apprendimento: Lo studente sarà in grado di comprendere qualsiasi nuova architettura e approccio alla gestione dei Big Data e all'integrazione delle informazioni che diventeranno popolari in futuro

Big Data Management:

---------------------------

• Introduzione ai Big Data
• Database Aggregati: Modelli di dati aggregati per NoSQL: Key-value, document, column-family; Modellazione dei dati; Modelli Distribuiti;
• Consistenza: consistenza in lettura ed in aggiornamento; il CAP Theorem; il framework Map Reduce.
• Document-based Data models: MongoDB
• Hadoop and its Ecosystem; Hive; Data Lakes.
• RDFS; SPARQL; Linked Open Data; Ontology-based Data Access

Information Integration:

----------------------------

• Architetture per l'integrazione dell'informazione
• Gestione distribuita dei dati
• Data federation
• Data exchange and data warehousing
• ETL (Extraction, Transformation and Loading), pulizia e riconciliazione dei dati
• Data integration
• Ontology-based data integration

L'esame prevede lo sviluppo di un piccolo progetto sia relativamente alla parte di Big Data, sia relativamente alla parte di Information Integration. Il progetto è incentrato sulla dimostrazione di un tool per la gestione di dati in ambito DataWarehousing, di modelli dati NoSQL e, per la parte di Information Integration, sulla dimostrazione di un tool per data integration o data federation. È anche accettabile lo sviluppo di una applicazione di esempio che faccia uso di questi tool. Il progetto viene presentato al docente con l'ausilio di slide. Oltre al progetto, lo studente sostiene una prova orale sugli argomenti del corso.

Appunti e Lucidi preparati dai docenti

NoSQL Distilled: A Brief Guide to the Emerging World of Polyglot Persistence.

Pramod J. Sadalage, Martin Fowler. Addison-Wesley. 2014.

Fatta salva l'acquisizione di una serie di obiettivi di fondo comuni al corso di laurea magistrale in filosofia, il corso si propone di raggiungere più specificamente i seguenti ulteriori obiettivi: Conoscenza e capacità di comprensione (descrittore di Dublino A): acquisizione di nozioni chiave e temi portanti di filosofia della logica; conoscenza più approfondita del dibattito sulle concezioni della verità; Capacità applicative (descrittore B): capacità di servirsi delle suddette nozioni per riconoscere in un testo filosofico le tesi dell’autore, gli argomenti addotti a sostegno di tali tesi e individuare i punti problematici. Autonomia di giudizio (descrittore C): capacità di valutare criticamente gli argomenti addotti a sostegno di una tesi filosofica. Abilità comunicative (descrittore D): capacità di servirsi in modo appropriato della terminologia logica e filosofica. Capacità di apprendimento (descrittore E): capacità di approfondire le questioni e di sviluppare argomenti originali.

Concezioni contemporanee della verità: Che cos’è la verità? Che genere di cose sono vere (o false)? La verità è una speciale proprietà delle cose che sono vere? Disponiamo di un concetto genuino di verità, o solo di una parola “vero”? Se la verità è una proprietà, che genere di proprietà? Il concetto di verità può essere definito? Sono domande che i filosofi hanno sempre posto. Quattro diversi modi di affrontarle sono oggetto di questo corso. Alcuni filosofi, I sostantivisti, pensano che la verità sia un concetto (o una proprietà) importante, interessante, fondamentale. Per i sostantivisti un’indagine chiarificatrice sulla verità può risolvere importanti problemi filosofici. Alcuni sostantivisti ritengono che un’indagine sulla verità debba assumere la forma di una definizione o di un’analisi: la verità può essere definita o analizzata in termini di altre nozioni indipendenti, come corrispondenza o coerenza. Un tipo diverso di sostantivismo è il primitivismo: per i primitivisti il concetto di verità è un concetto filosofico fondamentale, ma indefinibile e inanalizzabile. Altri filosofi, i deflazionisti, negano che la verità sia una proprietà o un concetto importante e negano che abbia un ruolo filosofico esplicativo. I deflazionisti si concentrano su una banale proprietà logica della parola “vero”: nel linguaggio ordinario l’enunciato risultante dall’applicazione di frasi come “… è vero” o “è vero che …” a un enunciato p è equivalente a p. Per i deflazionisti non v’è ragione di aspettarsi alcuna ulteriore più profonda indagine sulla verità. Un terzo gruppo di filosofi, pluralisti, pensano che vi sia più di una proprietà in virtù di cui enunciati di diverse aree del discorso sono veri: vi sono verità matematiche, verità morali e verità fisiche. Le verità morali, per esempio, sono vere in virtù di una proprietà diversa da quella che rende vere le verità fisiche. Considereremo le questioni discusse da deflazionisti, sostantivisti, pluralisti, primitivisti e non-primitivisti attraverso la lettura di articoli scritti da cinque filosofi contemporanei: Paul Horwich, Robert Brandom, Jamin Asay, Michael Lynch e Gila Sher.

Written examination. Students must answer a number of questions concerning the adopted texts.

The questions will be especially aimed at evaluating:

1. understanding of the relevant concepts (this involves knowledge of the definition, if the concept is defined in the text, and knowledge of the role played by the concept in the text);

2. understanding of the main theses that are advocated or considered in the text;

3. understanding of the arguments that are meant to support the theses advocated or considered in the text;

4. critical skill (this involves the ability to recognize fallacies in the arguments and to find and counter objections to the theses considered in the text).

A final grade superior to 27 will be given to students who reach all the aforementioned goals.

1) Paul Horwich, «What is Truth?», in Truth-meaning-reality, Oxford University Press, Oxford, 2010, pp. 1-11.

2) Robert Brandom, «Expressive vs. Explanatory Deflationism About Truth», in R.Schantz (ed.), What is Truth?, DeGruyter, 2002, pp. 103-119.

3) Jamin Asay, «Primitivism about truth», in The Nature of Truth, ed. by Michael Lynch, Jeremy Wyatt, Junyeol Kim and Nathan Kellen, The Mit Press, Cambridge, sec. ed. 2021, pp. 525-538.

4) Michael P. Lynch, «Three Questions for Truth Pluralism», in Truth and Pluralism: current debates, ed. by Nikolaj J.L.L. Pedersen and Cory D. Wright, Oxford University Press, Oxford, 2013, pp. 21-41.

5) Gila Sher, «In search of a substantive theory of truth», The Journal of Philosophy, CI, 1, Jan. 2004, pp. 5-36.

M. P. Lynch, J. Wyatt, J. Kim, N. Kellen (eds) The Nature of Truth, The Mit Press, Cambridge first ed. 2001, sec. ed. 2021

Questo corso introduce i concetti relativi alla pianificazione automatica e ai meccanismi di ragionamento logico dell'intelligenza artificiale. Lo scopo del corso e' quello di permettere allo studente di usare i sistemi esistenti di pianificazione automatica e di capire i loro meccanismi interni, in modo da poterli sfruttare nel modo migliore ed eventualmente estendere a fronte di problemi specifici. Inoltre, lo studente verrà messo in condizione di comprendere i fondamenti teorici alla base dei meccanismi di ragionamento logico usati in intelligenza artificiale

La prova finale consiste nella stesura, nella presentazione e nella discussione davanti ad una commissione di un elaborato in italiano o in inglese, preparato autonomamente dallo studente. Alla prova finale sono assegnati 24 crediti.

Fatta salva una serie di obiettivi di fondo (conoscenza e comprensione della disciplina, capacità di applicare conoscenza e comprensione, capacità critica e di giudizio, capacità di comunicare quanto si è appreso, capacità di proseguire lo studio in modo autonomo), il corso si propone di raggiungere più specificamente i seguenti ulteriori obiettivi: a) acquisizione delle nozioni chiave e dei principali nuclei teorici della teoria del linguaggio in relazione all’intelligenza e alla cognizione umana; b) sviluppo delle capacità di contestualizzazione storico-teorica delle teorie della cognizione linguistica; individuazione delle affinità e differenze tra cognizione umana e intelligenza artificiale; c) sviluppo delle abilità riflessive, argomentative e critiche attraverso la discussione collettiva dei materiali bibliografici; d) incoraggiamento a intraprendere percorsi individuali di ricerca, nel solco delle tematiche affrontate nel corso o suggerite dalla lettura dei testi in programma.

Mente linguistica artificiale e mente linguistica naturale: dal cognitivismo classico ai modelli embodied

Lo sviluppo dei sistemi intelligenti di ultima generazione ha riaperto l’annoso dibattito sulle affinità e le differenze tra intelligenza umana e intelligenza artificiale, con un particolare accento sulla questione delle competenze linguistiche e comunicative. Mentre la cosiddetta GOFAI (Good Old-Fashioned Artificial Intelligence) fondata sui modelli simbolici si riferiva, più o meno esplicitamente, alla mente rappresentazionale del cognitivismo classico (non a caso fedele alla metafora mente-computer), i sistemi IA di ultima generazione sembrano funzionare proprio perché riconducibili a un modello anti-rappresentazionale della mente, che - liberatosi delle strutture e delle regole fornite alla macchina dal teorico della lingua - “apprende” autonomamente da un contesto testuale estesissimo. Entrambi i modelli, tuttavia, restano disembodied, essendo la macchina, ovviamente, priva di un corpo biologico gettato nel mondo. La comparazione tra il comportamento apparentemente intelligente di una macchina priva di intelligenza (se non in senso metaforico) e quello naturalmente intelligente dell’utente umano consente, dunque, di approfondire i modelli teorici di mente, corpo e linguaggio sottesi ai Foundation Model alla luce delle teorie recenti della cognizione linguistica, maturate, in particolare, nelle teorie sociali della cognizione, nella semiotica della cultura e nella semiotica cognitiva.

L’esame prevede un colloquio orale (70% del voto finale) e un elaborato scritto (30% del voto finale). Gli studenti frequentanti potranno concordare con la docente la produzione di una tesina (max 15.000 battute) in cui si dovrà analizzare criticamente uno dei testi presenti nel programma d’esame. L’elaborato dovrà essere consegnato tramite e-mail all’indirizzo istituzionale della docente almeno una settimana prima dell’appello scelto. In alternativa alla tesina, gli studenti frequentanti potranno optare per una presentazione durante il corso con la modalità della flipped-classroom. Nel caso non si opti per la produzione della tesina o per la presentazione, l’esame sarà svolto interamente nella modalità del colloquio orale.

1. Legrenzi, P. (2024), L'intelligenza del futuro. Perché gli algoritmi non ci sostituiranno, Milano, Mondadori.

2. Deacon, T. (1997), The symbolic species: The symbolic species: the co-evolution of language and the brain, W.W. Norton & Co (trad. it. La specie simbolica. Coevoluzione di cervello e capacità linguistiche, Giovanni Fioriti editore 2001).

3. Schilhab, T., Stjernfelt, T.,Deacon, T. (2012), The Symbolic Species Evolved, Springer (saggi scelti forniti dalla docente).

4. Mahowald, Kyle & Ivanova, Anna & Blank, Idan & Kanwisher, Nancy & Tenenbaum, Joshua & Fedorenko, Evelina. (2023). Dissociating language and thought in large language models: a cognitive perspective. 10.48550/arXiv.2301.06627.

Ulteriori letture e riferimenti bibliografici saranno suggeriti durante le lezioni e messe a disposizione, là dove possibile, nella Google Classrom alla quale gli studenti, frequentanti e non frequentanti, saranno invitati a iscriversi.

Il Tirocinio costituisce un'attività formativa finalizzata a favorire il contatto diretto con il mondo del lavoro e ad acquisire competenze professionali attraverso un'esperienza pratica in contesti qualificati. L'obiettivo è integrare la formazione universitaria con una sperimentazione sul campo, valorizzando il contributo che imprese, enti pubblici, istituzioni culturali e organizzazioni del terzo settore possono offrire in termini di competenze, metodologie, tecnologie e pratiche professionali.

L'idoneità è collegata con la tesi. Per acquisirla, bisogna concordare con il relatore un testo in lingua straniera (articolo, saggio, libro, etc.) di argomento attinente alla tesi. Bisogna quindi preparare un elaborato in italiano lungo circa 2 cartelle sul testo letto (una specie di recensione, o commento da inserire eventualmente nella tesi stessa) e sottoporlo al relatore, il quale fornirà un attestato. Per la verbalizzazione dell'idoneità bisogna quindi presentarsi a uno dei docenti indicati portando l'attestato e la prenotazione su Infostud. La Commissione risulta così composta: prof. Marco Mazzeo.