Episode Transcript
[00:00:00] Speaker A: Unige Radio al Sesto Convegno sul Faculty Development. Bentornati, siamo con il professor Giovanni Adorni che ci parla adesso del suo progetto di Faculty Development. Buongiorno professore.
[00:00:11] Speaker B: Buongiorno a tutti.
[00:00:15] Speaker A: Allora, qual è stata l'esigenza o il problema principale da cui è nato il suo progetto e il suo intervento?
[00:00:20] Speaker B: Faccio una premessa, sono un tecnologo che si occupa di intelligenza artificiale da 1977 e ha seguito in questi anni un'evoluzione di questa disciplina fino ad arrivare agli ultimi anni in cui c'è stato un picco di questa tecnologia che ha stravolto veramente molti punti di vista che c'erano. è una tecnologia che sta avendo un impatto sull'educazione, sulla formazione e quindi ho cominciato a scontrarmi, a utilizzarla, a introdurla nell'ambito per esempio del corso di intelligenza artificiale per le digital humanities, Ho cominciato a vedere dei vantaggi di questa disciplina nei termini di avvicinare studenti con competenze di tipo non tecnologico, perché alla magistrata di Digital Humanities si iscrivono principalmente studenti che provengono da discipline tipo, da un attrennale di tipo umanistico, avvicinarli al problem solving che è una delle competenze digitali, la quinta competenza che l'Europa ha individuato nel suo framework Digicomp.
e fino ad arrivare al dato un problema, trovare la soluzione, descrivere la soluzione, fino ad arrivare a un'implementazione, a un coding di questa soluzione. E questo è stato reso possibile attraverso l'uso di AI generativa. Devo dire che dopo un primo impatto un po' brusco che hanno avuto gli studenti, che si sono trovati di fronte a una tecnologia oltretutto spinta da un docente, ma come? Schiaccio un bottone e mi risolve il problema? No. Quello che stiamo ora davanti è un processo di dialogo con l'intelligenza artificiale, discutere con l'AI per arrivare a una enne soluzioni di un problema e tra queste trovare quella migliore prima di passare alla fase di codifica reale.
però porta avanti anche un'altra esperienza, a questo punto con studenti di tipo tecnologico, nell'ambito di un'altra laura magistrale di ingegneria mecatronica, dove questa tecnologia l'abbiamo vista come copilota, compagno di discussione e di sviluppo. In che modo? Lì parliamo di un corso che si chiama Architetture Software di Sistemi Embedded, Sistemi IoT, dove gli studenti, siamo una magistrale, devono uscire fuori con delle competenze pratiche, sapere sviluppare, progettare e sviluppare sistemi embedded. quello che c'è in una lavatrice, quello che c'è nell'orologio che ha lei, no quello lì è un orologio meccanico, ma negli orologi elettronici dentro questo oggetto che sta utilizzando per la registrazione ci sono n sistemi embedded, automotive eccetera eccetera. Parliamo di sistemi un po' particolari dove bisogna ritagliare l'hardware e sull'hardware specifico la soluzione di un problema. Il corso l'abbiamo diviso in due parti, dove nella prima parte porta avanti tutta una metodologia di progettazione tradizionali. Finita la prima parte del corso, riniziamo da zero. Ogni studente è affiancato da un'AI generativa, quindi lo studente a quel punto è in grado di risolvere un problema. Utilizza l'AI generativa per un confronto e per riformulare il problema, per rivedere i vari passi della risoluzione del problema e alla fine abbiamo un risultato interessante che sono tempi di sviluppo di un prototipo enormemente ridotti. Si parla di oltre un 50% di riduzione dei tempi di sviluppo di un'applicazione finale. quindi il vantaggio come strumento sostanzialmente per migliorare la produttività lasciando in mano comunque al futuro ingegnere il controllo del sistema e comunque la responsabilità dello sviluppo del sistema.
[00:05:12] Speaker A: Ci sono una marea di cose che si potrebbero dire al riguardo perché mi sembrano due progetti alla fine dei conti estremamente profondi e variegati. Le chiedo giusto una cosa velocissima lei ha parlato dei punti di forza che sono abbastanza evidenti di questa applicazione dell'intelligenza artificiale ma avete anche riscontrato delle criticità nella realizzazione di questo progetto oppure no?
[00:05:32] Speaker B: Più che criticità ci sono elementi di riflessione, no? Criticità è ancora presto, sicuramente ci saranno, ci sono. La prima criticità è quella che se uno non governa bene il processo vede, siamo a Genova, lo dico nella genovese, i sistemi come un pomello, sciacca il pomello e il sistema ti risolve il problema. No.
lo sforzo grosso da parte dei docenti che adottano questi sistemi deve essere quello di spingere lo studente a vedere il sistema di assistenza non come un bottone da schiacciare ma come un compagno di dialogo per la coprogettazione, per discutere, per valutare insieme a questo compagno il problema, descriverlo dalla descrizione derivare la soluzione. Quindi spostare il livello, parliamo di metacoimizione, spostarsi a un livello più alto. In questo modo si evita questo pericolo. Ci sono delle criticità che sono questa tecnologia deve essere governata anche per controllare gli aspetti di tipo etico per essere in grado di riconoscere eventuali bias che ha questa tecnologia e quindi direzioni sbagliate verso cui ci può portare, soluzioni anche sbagliate. L'altro aspetto è che questa tecnologia costa in termini energetici, ha un impatto non piccolo rispetto dal punto di vista energetico e quindi bisogna usarla in modo adeguato ma soprattutto pensare a strumenti locali e quindi lo sforzo è verso l'utilizzo dei cosiddetti large language model locali o meglio small language model che possano girare con risorse più ridotte con un impatto più ridotto in modo locale.
[00:07:47] Speaker A: Auspicando una riduzione dei costi e dell'energia necessaria anche della maggior accesso alla potenza computazionale secondo lei che impatto può avere nel lungo termine l'utilizzo di queste tecnologie per gli studenti in particolare per appunto insegnare competenze tecniche, in questo caso mi riferisco alla parte di progetto che riguarda i studenti di ingegneria, su appunto sul lungo periodo. Se dovessi immaginare da qui a dieci anni come si immagina l'università del futuro grazie all'intelligenza artificiale?
[00:08:22] Speaker B: Qui a 10 anni è impossibile, di qui a due anni forse può essere, nel senso che ci troviamo di fronte, a parte le battute, a una tecnologia che ha un tempo di evoluzione. Negli ultimi mesi abbiamo veramente assistito a un cambio significativo, quindi fare delle previsioni è abbastanza difficile. Io credo che comunque ragionevolmente possa diventare intanto dal punto di vista dello studente un aiuto 24 ore su 24, 7 giorni su 7, che è importante per la formazione e per l'apprendimento di uno studente. L'altro aspetto che vedo è che questi sono più democratici, a parte problemi di bias, sono strumenti più democratici nel senso che quando lo studente si rivolge al docente spesso è genato, comunque ha del lo dico a Genovese di nuovo, magari si vergogna perché potrebbe dire delle belinate. Di fronte a questi sistemi no, cadono queste barriere. Da questo punto di vista credo che siano più democratici, nel senso che e quindi più utilizzabili, sempre tenendo presente che poi c'è l'impatto energetico di questi sistemi.
devono essere usati comunque con granosalis. Dal punto di vista del docente sicuramente il docente ha un ruolo importante e deve di qui a mesi non anni essere consapevole, imparare a usare questa tecnologia, essere consapevole e guidare gli studenti in modo adeguato sicuramente diventa uno strumento anche per lui per cambiare il modo per far didattica, sia per preparare le lezioni, per fare delle valutazioni, degli assessment di quello che lo studente impara. Quindi vedo un cambiamento abbastanza radicale nel modo di fare didattica e anche dal lato studente di fare tutta la parte di apprendimento. Credo che l'impatto più grosso però possa essere a livello di scuola dove gli docenti, scuola pre-università, dove i docenti hanno un ruolo ancora più importante perché è lì che devono guidare in modo adeguato gli studenti e quindi evitare che lo studente veda questi strumenti fin da subito, fin da giovane, come un bottone da schiacciare e un modo per semplificare il suo compito, però poi senza rendersene conto di impoverirsi. C'è giusto uscito da pochissimo uno studio dell'MIT che forse tutti avrete visto, l'immagine evocativa dei due cervelli, uno bianco e uno colorato, dove quello bianco c'è scritto studente che usa l'AI e l'altro studente che non usa l'AI. è una semplificazione quella, è vero se uno vede l'AI con un bottone, ma se si spinge a usarlo e si porta tutto un livello di meta reasoning, di meta ragionamento, credo che sia un'immagine sbagliata.
[00:12:17] Speaker A: Perfetto, grazie per le riflessioni, argomenti estremamente interessanti che hanno anche sfiorato un'ottica molto multidisciplinare e olistica dell'atteggiamento verso l'intelligenza artificiale. Le auguriamo un buon proseguimento dell'evento e una buona giornata.
[00:12:31] Speaker B: Grazie a voi e complimenti per la vostra radio e per il servizio che fate per tutti.
