Dati Generali
Periodo di attività
Primo Semestre (29/09/2025 - 12/12/2025)
Syllabus
Obiettivi Formativi
Al termine del corso lo studente deve: a) conoscere le tappe principali della storia dell’idea di computabilità dei problemi in filosofia e matematica, da Euclide ad Alan Turing; b) comprendere in che modo la rappresentazione numerica del mondo e il concetto di calcolabilità orientano la realtà economica e sociale contemporanea; c) definire correttamente il fenomeno della digitalizzazione e le nozioni di big data, cloud computing, ottimizzazione matematica, machine learning e intelligenza artificiale generativa; d) essere in grado di applicare logiche e tecniche di prompt design nell’uso di alcune piattaforme di intelligenza artificiale generativa (ChatGPT, Midjourney).
Prerequisiti
Per la corretta comprensione degli argomenti svolti non sono richieste specifiche competenze informatiche. Sono utili – ma non indispensabili – alcune conoscenze relative ai concetti principali di statistica: carattere, distribuzione, media aritmetica, mediana, scarto quadratico medio, correlazione, inferenza ecc. Agli studenti che ritengono di averne bisogno, si suggerisce di familiarizzare con tali concetti prima o durante il corso, attraverso la lettura di uno dei numerosi manuali disponibili in lingua italiana o inglese (per esempio: David S. Moore, Statistica di base, Milano, Apogeo Education, 2013).
Metodi didattici
Il corso è organizzato in: • lezioni frontali (accompagnate da verifiche in corsa del livello di apprendimento tramite Wooclap); • analisi di casi di studio; • esercitazioni guidate; • project work di gruppo. Per lo svolgimento delle lezioni frontali sono utilizzate presentazioni in PowerPoint o PDF, messe a disposizione degli studenti nella sezione dedicata all’insegnamento sulla piattaforma KIRO. Tale materiale è rilasciato in formato conforme ai principi di accessibilità per gli utenti con disabilità (struttura delle intestazioni, ordine di lettura, testo alternativo per le immagini, link autodescrittivi). Benché non obbligatoria, la frequenza è fortemente consigliata. In ogni caso: • per quanto riguarda la prima parte (introduzione) e la seconda (approfondimento), coloro che non possono partecipare in aula trovano su Kiro la videoregistrazione di ciascuna lezione; • per quanto riguarda la terza parte (laboratorio), essa non costituisce materia d’esame per coloro che non possono partecipare in aula, come specificato più avanti in Verifica dell’apprendimento.
Verifica Apprendimento
L’esame consiste in una prova orale individuale, della durata di circa 15-20 minuti, che può essere condotta in italiano o in inglese. Gli studenti possono liberamente scegliere se sostenere la prova come frequentanti o come non frequentanti, comunicando la loro scelta all’inizio dell’esame (non è necessario informare il docente in anticipo). Prova per studenti frequentanti: La prova è volta ad accertare le competenze acquisite relativamente ai contenuti esposti e discussi nel corso delle lezioni, compresa la parte di laboratorio. Il candidato deve rispondere ad almeno tre domande, corrispondenti ad altrettanti argomenti distinti, scelti dal docente e relativi ai diversi argomenti trattati. La valutazione finale si basa sul grado di approfondimento e comprensione degli argomenti presentati e sulla capacità di integrare le conoscenze acquisite durante il corso. Il voto finale è assegnato secondo una scala di valutazione da 0 a 30, distribuendo equamente il peso delle singole domande. Prova per studenti non frequentanti: La prova verte sulla conoscenza dei contenuti di una delle seguenti monografie, scelta liberamente dallo studente (non è necessario informare il docente in anticipo): • Alfio Quarteroni, L’intelligenza creata. L’AI e il nostro futuro, Milano, Hoepli, 2025. • Christopher Summerfield, These Strange New Minds. Ho AI Learned to Talk and What It Means, New York NY, Viking, 2025.
Testi
Al termine di ogni lezione viene fornita una bibliografia di riferimento relativa agli argomenti trattati. Non si tratta di letture obbligatorie, da affrontare per la preparazione dell’esame, ma di utili fonti di approfondimento.
Contenuti
Il corso è articolato in tre parti: una parte introduttiva, una di approfondimento e una di laboratorio. La parte introduttiva (8 lezioni, per un totale di 16 ore) permette di condividere il vocabolario di base necessario alla comprensione dell’oggetto dell’insegnamento: • differenza fra dato, informazione e conoscenza; • trinomio dato-algoritmo-soluzione; • concetto di database e sistema per la gestione di database (DBMS); • elementi di storia dell’intelligenza artificiale; • algoritmi di apprendimento automatico; • differenza fra machine learning e deep learning; • modelli linguistici (LLMs, Large Language Models) e intelligenza artificiale generativa: che cosa fanno (classificazione di testi/token, risposta a domande, generazione di testi e riassunti, traduzioni, riconoscimento del parlato, classificazione di immagini); • transformer: come funzionano (il meccanismo attenzione e l’architettura encoder-decoder). La parte di approfondimento (4 lezioni, per un totale di 8 ore) esplora la natura del fenomeno e le sue radici storiche, evidenziando i fattori che ne determinano la pervasività: esplosione dei big data, “datizzazione” dell’esperienza e diffusione del principio della calcolabilità nei principali ambiti della vita economica e sociale. In particolare, sono presi in considerazione due domini – coerenti con il percorso di studi in Comunicazione – nei quali il paradigma dei big data e l’intelligenza artificiale applicata stanno abilitando cambiamenti significativi: • Informazione e giornalismo • Marketing e pubblicità La parte di laboratorio (8 incontri, per un totale di 16 ore) si articola in una serie di esercizi di prompt engineering, consistenti nella strutturazione dei comandi forniti ai modelli di intelligenza artificiale generativa mediante il linguaggio naturale, per produrre contenuti originali e significativi (testi, immagini, audio e video).
Lingua Insegnamento
ITALIANO
Corsi
Corsi
3 anni
No Results Found
Persone
Persone
Docente
No Results Found