Intelligenza Artificiale e Didattica - Verso una didattica dell'intelligenza artificiale - Rete #brAIn
←
→
Trascrizione del contenuto della pagina
Se il tuo browser non visualizza correttamente la pagina, ti preghiamo di leggere il contenuto della pagina quaggiù
Intelligenza Artificiale e Didattica Verso una didattica dell’intelligenza artificiale Alberto Montresor Dipartimento di Ingegneria e Scienza dell’Informazione Università di Trento
Contesto personale • Da alcuni anni, mi occupo di didattica dell’informatica e curo i rapporti fra le scuole del Trentino e il mio dipartimento • Allenamenti per le olimpiadi di Informatica • Piano Lauree Scientifiche • Corsi di aggiornamento per docenti • Data Science Summercamp • Collaboro alla co-progettazione di una “curvatura” (potenziamento) su Intelligenza Artificiale del Liceo Galilei (TN), iniziato nel 20/21.
IA a scuola: come e perché https://www.forbes.com/sites/tomvanderark/2020/02/12/how-to-teach-artificial-intelligence Quali aspetti dell’IA devono essere conosciuti dai giovani da tutti? • Riconoscere l’intelligenza artificiale • Usare l’intelligenza artificiale Quali aspetti dell’IA sono importanti per una carriera in ICT? • Progettare l’intelligenza artificiale
Five big ideas in Artificial Intelligence https://ai4k12.org/ • Perception • Representation & Reasoning • Learning • Natural interaction • Societal impact David S. Touretzky and Christina Gardner-McCune. Artificial Intelligence Thinking in K-12. To appear in Computational Thinking in K-12: Artificial Intelligence Literacy and Physical Computing, MIT Press 2022
Perception • Perception is more than sensing: • La percezione è l'estrazione di significato dai segnali dei sensori, utilizzando la conoscenza • Abstraction pipeline: • La trasformazione da segnale a significato avviene per fasi, con caratteristiche sempre più astratte e conoscenze di livello superiore applicate in ciascuna fase • Esempio: da segnali acustici a fonemi, parole, frasi e significato • Esempio: dal pixel ai lati, contorni, confini, superfici, ombre, riflessioni, oggetti, fino alla ricostruzione 3D
Representation • Gli agenti mantengono rappresentazioni del mondo e le usano per ragionare • Concetti informatici • Strutture Dati (rappresentazione) • Algoritmi (ragionamento) • Un esempio da dove iniziare: • Mappe • Ricerca di percorsi
Intuitively: A good attribute into subsets that are (ide Esempio: Representation con Decision Tree negative. Should I wait at this restaurant? Attendo un tavolo oppure no? Decision Tree Induction: Attribute Selection Intuitively: A good attribute splits the examples into subsets that are (ideally) all positive or all negative. Stuart J. Russell and Peter Norvig. Artificial Intelligence: A Modern Approach. Prentice Hall, 2020
Esempio: Representation con Decision Tree Come portarlo in classe • “20 Questions” • “Indovina chi ho visto oggi”
Learning Alcuni esempi • http://cognimates.me • https://teachablemachine.withgoogle.com/
Natural interaction: Giocare con il linguaggio https://parser.kitaev.io/ (Berkeley Neural Parser)
L’esperienza @ Galilei, Trento Un punto di partenza • Curvatura IA - Informatica ovunque • Un consiglio di classe molto affiatato • Partiamo dalle basi: informatica prima di AI • Riunioni periodiche, con esperti: • Tommaso Rosi, Didattica della fisica, Level@Up • Raffaella Bernardi, Natural Language Interaction @ UniTN • Open Data Trentino, dati aperti
Puoi anche leggere