AI generativa e assistenti personalizzati

Il sistema nervoso come riferimento introduttivo per lo studio dei sistemi di elaborazione.

• Neuroni, segnali e connessioni.
• Percezione, memoria, esperienza e apprendimento.
• Analogie e differenze tra sistemi biologici e artificiali.

Introduzione ai modelli matematici che costituiscono la base di alcune architetture neurali.

• Ingressi, connessioni, pesi e attivazione.
• Costruzione concettuale di un primo percettrone.
• Collegamento di più unità ed elaborazione di valori numerici.
• Esempio di rappresentazione numerica di un'immagine.

Come i modelli generativi utilizzano regolarità apprese durante l'addestramento e informazioni presenti nel contesto.

• Testi rappresentati come sequenze di token.
• Rappresentazioni numeriche e produzione delle risposte.
• Generazione di testi, immagini e altri contenuti.
• Possibilità, limiti ed errori dei sistemi generativi.

Utilizzare i modelli con maggiore consapevolezza, senza confondere una risposta convincente con una risposta necessariamente corretta.

• Definizione del compito e organizzazione del contesto.
• Formulazione e miglioramento delle istruzioni.
• Controllo di fonti, numeri e coerenza.
• Riconoscimento di limiti, ipotesi ed errori.

Un caso applicativo per comprendere come organizzare conoscenze e indicazioni operative intorno a uno specifico compito.

• Organizzazione delle conoscenze e dei documenti.
• Definizione delle istruzioni e dei criteri di risposta.
• Prove su casi concreti, controllo e correzione degli errori.
• Uso degli strumenti disponibili e distinzione tra dati osservati, calcoli e ipotesi.

Applicazioni presentate attraverso casi anonimi, orientate all'analisi di informazioni tecniche e operative.

• Lettura di misure e registri degli eventi.
• Ricostruzione di sequenze operative.
• Analisi di andamenti e preparazione di relazioni tecniche.
• Controllo delle informazioni utilizzate e dei risultati prodotti.