Il percorso mira a fornire una comprensione chiara, accessibile e concettualmente rigorosa dei fondamenti dell'Intelligenza Artificiale e dell'AI generativa, costruendo un lessico condiviso e spiegando in modo intuitivo il funzionamento dei modelli di apprendimento automatico e dei language model. Si propone di illustrare il ruolo centrale dei dati, delle rappresentazioni vettoriali e degli embedding, mostrando come testi, immagini e suoni siano tradotti in strutture computazionali. Parallelamente, si promuove una comprensione critica dei limiti strutturali dell'AI generativa, chiarendo capacità, vincoli e possibili fraintendimenti, e si analizzano i principali rischi etici e sociali, con particolare attenzione a bias, discriminazione e usi impropri. Il percorso introduce inoltre i principi di explainability, trasparenza e responsabilità, insieme ai principali riferimenti normativi e alle buone pratiche organizzative, guidando infine a un uso consapevole degli strumenti di AI generativa attraverso casi reali, sviluppo di competenze di prompt engineering e progettazione di casi d'uso coerenti con il proprio contesto professionale.
Al termine del corso, lo studente sarà in grado di definire l'intelligenza artificiale e l'AI generativa distinguendo tra approcci simbolici basati su regole e sistemi che apprendono dai dati, comprendendo il funzionamento dei modelli generativi. Lo studente saprà descrivere il ruolo dei dati nei processi di machine learning, dalle modalità di raccolta e codifica fino alla loro trasformazione in rappresentazioni numeriche, interpretando embedding e spazi vettoriali come strumenti per rappresentare testi, immagini e concetti in forma computazionale. Sarà in grado di comprendere a livello concettuale il funzionamento di reti neurali, deep learning e language model, riconoscendone i principi statistici di previsione e generazione, e saprà analizzare criticamente i limiti strutturali dei modelli in termini di approssimazione, generalizzazione, opacità e dipendenza dai dati di addestramento. Saprà anche riconoscere bias e rischi etici, applicando principi di explainability, trasparenza e responsabilità anche alla luce dei principali riferimenti normativi, e utilizzare consapevolmente strumenti di AI generativa in contesti professionali e formativi. Infine, saprà definire prompt efficaci e sviluppare casi d'uso coerenti e responsabili, integrando competenza tecnica, capacità critica e consapevolezza etica per un impiego strategico dell'AI generativa.
Il corso AI Literacy è erogato in modalità telematica tramite la piattaforma https://ailiteracy.unimi.it/
Questo insegnamento si articola in 3 moduli, suddivisi in 12 sezioni. Ogni sezione comprende un numero variabile di lezioni, della durata massima di 10 minuti ciascuna. Il corso prevede inoltre attività di didattica interattiva basate su strumenti di AI, finalizzate a supportare lo studio attraverso percorsi di apprendimento personalizzati.
Di seguito il dettaglio degli argomenti trattati:
MODULO 1 - Fondamenti dell'Intelligenza Artificiale Generativa
1.1 Introduzione all'Intelligenza Artificiale
1.2 Dati, codifica e rappresentazione
1.3 Operazioni coi dati
1.4 Reti neurali e deep learning
1.5 Embedding, language model e intelligenza artificiale generativa
MODULO 2 - Interpretabilità, regolamentazione e temi etici
2.1 Allucinazioni ed explainability
2.2 Bias, stereotipi e uniformità culturale
2.3 La regolazione della IA in Europa e in Italia
MODULO 3 - Strumenti, applicazioni e uso di AI Generativa (GenAI)
3.1 Tipologie ed evoluzione dei modelli di AI generativa
3.2 Valutazione dei modelli e principali applicazioni
3.3 Prompt Engineering
3.4 Casi d'uso della GenAI
La verifica dell'apprendimento avviene in due momenti distinti.
La prima verifica avviene in modalità di autovalutazione nel corso online dedicato all'insegnamento mediante il completamento di test con domande a risposta chiusa relativi alle unità didattiche che compongono i percorsi formativi. Il completamento di tutti i test di autovalutazione è condizione necessaria per poter accedere alla successiva verifica dell'apprendimento (esame finale).
La seconda verifica (esame finale) si svolge in aula informatica e consiste in una prova al computer composta da domande a risposta chiusa su tutti gli argomenti oggetto del programma dell'insegnamento. Le domande mirano a verificare l'acquisizione delle conoscenze previste dall'insegnamento. Durante la prova non sarà possibile utilizzare materiale cartaceo e non sarà possibile accedere a risorse web diverse da quelle esplicitamente abilitate sul computer impiegato per lo svolgimento della prova.
La valutazione dell'esame finale è espressa mediate un giudizio "approvato" - "non approvato". L'iscrizione all'esame finale e la comunicazione dell'esito della prova avvengono tramite il sistema di gestione esami d'ateneo.