Laboratorio Magico dell'IA
Un percorso didattico rigoroso che integra quattro sezioni principali: Fondamenti dell'Intelligenza Artificiale, Generazione con Modelli Grandi (GenAI e LLM), Agenti e Calcolo Evolutivo (in evidenza come caratteristica di PolyU) ed Etica. La logica del corso prosegue in modo sequenziale attraverso Percezione e Dati (Lezioni 1-3), Cognizione e Generazione (Lezioni 4-6), Agenti ed Evoluzione (Lezioni 7-9) e si conclude con Etica e Futuro (Lezione 10).
Panoramica del corso
Riepilogo del Contenuto
Il "Laboratorio Magico dell'Intelligenza Artificiale" è un corso rigoroso e integrato progettato per fornire una comprensione approfondita e progressiva dell'Intelligenza Artificiale moderna. Il curriculum è strutturato in quattro moduli progressivi: concetti fondamentali (Percezione & Dati), capacità generative avanzate (Cognizione & Generazione tramite LLM e Modelli di Diffusione), sistemi autonomi (Agenti & Calcolo Evolutivo) e governance etica (Etica & Futuro). Gli studenti passeranno dalla comprensione della rappresentazione numerica grezza dei dati al dominio della progettazione di sistemi complessi, arrivando a una visione completa della creazione e del deploy responsabile dell'IA.
Questo corso offre una comprensione rigorosa e integrata dell'IA moderna, coprendo i fondamenti dei dati, le tecniche di generazione basate su Large Language Model (LLM), l'architettura degli Agenti autonomi e le considerazioni etiche critiche necessarie per un deployment responsabile.
Obiettivi di Apprendimento
- Padroneggiare i fondamenti della percezione AI, della rappresentazione dei dati (Tensor) e delle attività fondamentali di apprendimento supervisionato come la Classificazione.
- Comprendere e controllare i Large Language Models (LLM) e l'AI generativa applicando concetti di predizione sequenziale, il meccanismo di Attenzione e tecniche avanzate di Prompt Engineering.
- Progettare e analizzare Agenti Intelligenti, integrando il ciclo Percezione-Decisione-Azione con metodi di ottimizzazione avanzati basati sulla popolazione come il Calcolo Evolutivo.
- Distinguere tra IA Generativa e Discriminativa e spiegare il processo meccanico dei Modelli di Diffusione per la generazione da testo a immagine.
- Valutare le sfide etiche intrinseche all'IA contemporanea (bias nei dati, allucinazioni nei modelli, deepfake) e proporre strategie per una Simbiosi Umano-AI responsabile.