Attività in classe: guidare l'AI via dialogo per completare un'attività EvoX

Questa pagina è un'attività pratica in classe: con un breve prompt conversazionale guidi l'AI a generare ed eseguire un'attività di ottimizzazione EvoX di base, per poi verificarne i risultati con un approccio da collaudo ingegneristico. Il punto non è "farlo girare", ma validare«l'uomo indica la direzione, l'AI fornisce l'implementazione, l'uomo esegue il collaudo»il ciclo di lavoro AI Native.

Obiettivi dell'attività

Completare il ciclo minimo "prompt → generazione → esecuzione → collaudo" in un ambiente EvoX reale, e non limitarsi a ottenere del codice leggibile. Devi sperimentare in prima persona come guidare l'AI via dialogo per completare un'attività di ottimizzazione di base e verificarne l'output come farebbe un ingegnere.

Elementi per costruire il prompt (tutti indispensabili)

• Problema di ottimizzazione e funzione obiettivo: ad esempio la minimizzazione della funzione Rastrigin.
• Spazio di ricerca e dimensioni: ad esempio 10 dimensioni, con l'intervallo di valori di ciascuna dimensione.
• Scelta dell'algoritmo/dell'operatore: ad esempio l'algoritmo DE, gli operatori di crossover e mutazione.
• Dimensione della popolazione e numero di generazioni: ad esempio popolazione 128, 200 generazioni.
• Backend di calcolo: CPU o tensorizzazione su GPU.
• Output atteso: valore ottimo, curva di convergenza, log di esecuzione.

Scelta del livello di dettaglio del prompt

Un prompt troppo generico attiva le configurazioni predefinite dell'AI, rendendo difficile capire se soddisfa le intenzioni; un prompt troppo dettagliato si riduce a una codifica manuale. Si consiglia di specificare«vincoli e criteri di collaudo», lasciando i dettagli implementativi all'AI. Ad esempio, specifica il problema, l'algoritmo, la dimensione della popolazione e il numero di iterazioni, ma non serve indicare come chiamare concretamente le API.

Checklist dei risultati di esecuzione

• È stato realmente eseguito o è stato solo fornito il codice? — Controlla i log del terminale e i tempi di esecuzione.
• La curva di convergenza migliora in modo monotono e senza oscillazioni anomale? — La curva deve diminuire costantemente.
• Il valore ottimo è coerente con l'ordine di grandezza noto del problema? — Ad esempio, l'ottimo globale della funzione Rastrigin è 0.
• Il seed casuale e la configurazione sono riproducibili? — Ripetendo l'esecuzione con seed fisso si dovrebbero ottenere risultati identici o molto simili.

Domande di approfondimento dal punto di vista del collaudo

Quando i risultati non sono all'altezza delle aspettative, aggiungi vincoli tramite dialogo, ad esempio «riesegui con seed=42 fisso e fornisci media e varianza di tre ripetizioni». Osserva se l'AI è in grado di correggere in modo iterativo anziché riscrivere. Questo allena la tua capacità di descrivere con precisione il problema e i criteri di collaudo.

Divisione dei compiti uomo-macchina

L'uomo si occupa della definizione del problema, dei criteri delle metriche e della valutazione dei risultati; l'AI si occupa della scelta delle API, dell'organizzazione del codice e dell'esecuzione con debug. Attraverso questa attività, individuerai con maggiore chiarezza il tuo ruolo nel flusso di lavoro AI Native.

Confini rispetto ai contenuti adiacenti

Questa pagina si limita alla verifica del flusso per un'attività di base e non approfondisce temi successivi come l'evoluzione a due livelli di MetaDE, i compromessi multi-obiettivo o i multi-Agent di Genesis.

Esempio di prompt di riferimento

«Usa EvoX per trovare il minimo della funzione Rastrigin (10 dimensioni), con l'algoritmo DE, popolazione 128, 200 generazioni, backend di tensorizzazione su GPU, seed=42 fisso; esegui direttamente e restituisci la fitness ottima, il grafico della curva di convergenza e i log di esecuzione.»

In fase di collaudo verifica quattro punti: se è stato realmente eseguito, se la forma della curva di convergenza è ragionevole, se il valore ottimo è vicino a 0, se i risultati delle esecuzioni ripetute sono coerenti.