Profilo del Sistema di Istruzione e suoi Componenti

Approfondimenti

MERLOT

• MERLOT è l’acronimo di Multimedia Educational Resource for Learning and On-Line Teaching, una collezione di immagini, video, audio e in generale materiale didattico interattivo e recensioni.

Il repository è stato creato dall’Università della California, che si presenta come la più noto raccolta di risorse e learning objects (a oggi più di 38.000) a livello mondiale.

Molti sono i materiali dedicati alla didattica della storia, ma anche all’Information literacy, come quiz, giochi, tutorial, tutti catalogati, indicizzati e peer reviewed, ovvero selezionati e valutati da una comunità di esperti.

IA – Intelligenza Artificiale

• Cos’è l’Intelligenza Artificiale, perché tutti ne parlano e quali sono gli ambiti applicativi
  • https://www.ai4business.it/intelligenza-artificiale/intelligenza-artificiale-cose/

Cos’è l’Intelligenza Artificiale?

In modo semplicistico potremmo definire l’intelligenza artificiale come l’abilità di un sistema tecnologico di risolvere problemi o svolgere compiti e attività tipici della mente e dell’abilità umane. Guardando al settore informatico, potremmo identificare l’AI – Artificial Intelligence come la disciplina che si occupa di realizzare macchine (hardware e software) in grado di “agire” autonomamente (risolvere problemi, compiere azioni, ecc.).

1. A) Machine Learning cos’è:

Si tratta di un’insieme di metodi per consentire al software di adattarsi, metodi attraverso i quali si permette alle macchine di apprendere in modo che possano poi svolgere un compito o una attività senza che siano preventivamente programmati (senza cioè che vi sia un sistema pre-programmato che stabilisce come deve comportarsi e reagire un sistema di AI). In altre parole, si tratta di sistemi che servono ad “allenare” l’AI in modo che imparando, correggendo gli errori, allenando sé stessa possa poi svolgere autonomamente un compito/attività.

Ciò che caratterizza il Machine Learning è quindi il “modello di apprendimento” ed è proprio in base a questi modelli che si può fare una sorta di classificazione degli algoritmi:

– con supervisione didattica (apprendimento mediante esempi di input e di output per far capire all’AI come deve comportarsi);

– senza supervisione didattica (apprendimento mediante analisi dei risultati: in questo caso il software capisce come agire e il modello di apprendimento si adatta sulla base di output che permettono di mappano i risultati di determinate azioni e compiti che saranno chiamati a svolgere i software);

– reinforcement learning (apprendimento “meritocratico”: l’AI viene premiata quando raggiunge gli obiettivi, i risultati, esegue un’azione, ecc. In questo modo impara quali sono le azioni corrette e quelle errate).

1. B) Deep Learning cos’è:

In questo caso parliamo di modelli di apprendimento ispirati alla struttura ed al funzionamento del cervello biologico e, quindi, della mente umana. Se il Machine Learning può essere definito come il metodo che “allena” l’AI, il Deep Learning è quello che permette di emulare la mente dell’uomo. In questo caso, però, il modello matematico da solo non basta, il Deep Learning necessita di reti neurali artificiali progettate ad hoc (deep artificial neural networks) e di una capacità computazionale molto potente capace di “reggere” differenti strati di calcolo e analisi (che è quello che succede con le connessioni neurali del cervello umano). Può sembrare un livello tecnologico futuristico ma nella realtà questi sono sistemi già in uso nel riconoscimento di pattern, nel riconoscimento vocale o delle immagini e nei sistemi di Nlp – Natural Language Processing.

Come funziona l’Intelligenza Artificiale

Ciò che abbiamo visto finora è il funzionamento tecnologico dell’Intelligenza Artificiale (IA). Dal punto di vista delle abilità intellettuali, il funzionamento di una AI si sostanzia principalmente attraverso quattro differenti livelli funzionali:

– comprensione: attraverso la simulazione di capacità cognitive di correlazione dati ed eventi l’AI (Artificial Intelligence) è in grado di riconoscere testi, immagini, tabelle, video, voce ed estrapolarne informazioni;

– ragionamento: mediante la logica i sistemi riescono a collegare le molteplici informazioni raccolte (attraverso precisi algoritmi matematici e in modo automatizzato);

– apprendimento: in questo caso parliamo di sistemi con funzionalità specifiche per l’analisi degli input di dati e per la loro “corretta” restituzione in output (è il classico esempio dei sistemi di Machine Learning che con tecniche di apprendimento automatico portano le AI ad imparare e a svolgere varie funzioni);

– interazione (Human Machine Interaction): in questo caso ci si riferisce alle modalità di funzionamento dell’AI in relazione alla sua interazione con l’uomo. È qui che stanno fortemente avanzando i sistemi di Nlp – Natural Language Processing, tecnologie che consentono all’uomo di interagire con le macchine (e viceversa) sfruttando il linguaggio naturale.

Esempi

• Le Over The Top come Facebook, Google, Amazon, Apple e Microsoft
• Assistenti vocali/virtuali (chatbot, Siri di Apple, Cortana di Microsoft, Alexa di Amazon) che sfruttano l’Intelligenza Artificiale sia per il riconoscimento del linguaggio naturale sia per l’apprendimento e l’analisi delle abitudini e dei comportamenti degli utenti; analisi in real-time di grandi moli di dati per la comprensione del “sentiment” e delle esigenze delle persone per migliorare customer care, user experience, servizi di assistenza e supporto ma anche per creare e perfezionare sofisticati meccanismi di ingaggio con attività che si spingono fino alla previsione dei comportamenti di acquisto da cui derivare strategie di comunicazione e/o proposta di servizi. L’AI nel Marketing sta mostrando da un paio d’anni tutta la sua massima potenza e l’area di impiego maggiore è sicuramente quella della gestione della relazione con gli utenti.