Intelligenza Artificiale al Galfer di Torino

Nei mesi di gennaio e febbraio 2025 presso il Liceo Scientifico Galileo Ferraris di Torino più noto come Galfer si sono tenuti i corsi gestiti da Dschola “Programmo e invento con l’I.A.” nell’ambito del Progetto Diderot promosso e finanziato dalla Fondazione CRT di Torino.

I corsi hanno coinvolto sei classi prime del liceo e sono stati richiesti dal dipartimento di matematica dell’istituto che ne ha anche gestito la programmazione didattica. Le classi coinvolte: 1G e 1L, 1C, 1E, 1H, 1I seguite dalle corrispondenti docenti di matematica L. Chiusano, Borra, Poggioli, Porta, Mazzei composte mediamente da 25 studenti per un totale di 152 studenti hanno “sperimentato con mano” l’approccio ai nuovi paradigmi della programmazione con l’Intelligenza Artificiale ovvero il Machine Learning con apprendimento supervisionato!

I corsi si sono svolti presso il laboratorio di informatica al terzo piano dell’istituto fornito di 25 postazioni individuali più una postazione docente con LIM e maxi schermo.

Ogni classe ha seguito tre laboratori di due ore ciascuno ed è stata supportata da materiale didattico fornito dal formatore e dall’associazione Dschola presente su una bacheca virtuale online (padlet.com).

Dopo una lezione introduttiva sulla nascita e la storia dell’I.A. e sui principali ambiti di impiego senza trascurare un accenno alle relative problematiche sollevate (Bias, Privacy, impatto sul lavoro, ecc.) gli studenti hanno sperimentato l’apprendimento automatico supervisionato (Machine Learning o ML) grazie alla piattaforma online gratuita Machine Learning for kids di Dave Lane (sviluppatore IBM) che permette anche ai più giovani di avvicinarsi al mondo dell’I.A. senza particolari conoscenze pregresse.

La piattaforma ML4K (acronimo) che si basa sull’I.A. di IBM Watson permette di addestrare ovvero creare un algoritmo in modo automatico su più ambiti: riconoscimento di testi, riconoscimento di immagini, riconoscimento di suoni, analisi numeriche e predittive.

Una volta addestrato il modello è possibile provarlo utilizzando diversi linguaggi di programmazione tra cui Scratch, Phyton e App Inventor

Gli studenti del Galfer hanno sperimentato il riconoscimento del testo e quello delle immagini. Come linguaggio hanno utilizzato Scratch che stando ad un breve sondaggio informale risultava già noto ai più dalle elementari e/o medie.

La prima esperienza è stata realizzare un piccolo chatBot, ovvero addestrare la macchina a riconoscere alcuni comandi scritti per realizzare una Smart Home, cioè una casa intelligente.

I comandi da riconoscere erano quattro: accendi la luce, spegni la luce, accendi la ventola e spegni la ventola declinati in almeno dieci modi diversi. Ovviamente l’obiettivo era che il ML fosse in grado di riconoscere anche i comandi “alternativi” non previsti nell’addestramento. Qualcuno ha “testato” il modello dando i comandi in dialetto toscano e piemontese. Il primo è stato riconosciuto il secondo no, ma è normale in quanto il modello non era stato addestrato per i dialetti.

Una volta creato e testato il modello, l’algoritmo è stato collaudato e simulato con Scratch mediante un programma che faceva vedere una lampada che si accendeva/spegneva e un ventola che girava o stava ferma a secondo del comando scritto inserito e riconosciuto.

Ad alcune classi è anche stato mostrato come trasformare il programma da chatBot ad Assistente vocale (tipo Alexia o Siri) utilizzando un’estensione di Scratch che trasforma la voce in testo (Riconoscimento della voce).

Nella seconda esperienza si trattava di riconoscere delle immagini. Si è pensato ad un problema che avesse anche una valenza educativa in ambito ecologico e la scelta è ricaduta sulla raccolta differenziata.

Gli studenti hanno etichettato quattro insiemi di immagini contenenti: plastica, vetro, carta ed organico con almeno dieci immagini per etichetta (classe). Una volta addestrato e testato il modello hanno realizzato un programma con Scratch per verificarne il corretto funzionamento ed eventualmente portare modifiche e migliorie al modello stesso.

Utilizzando il parametro della “confidence” (numero tra 0 e 100 che indica l’attendibilità del riconoscimento) hanno derivato la quinta classe cioè l’indifferenziata. Quindi tutte le immagini che avevano un grado di “confidence” inferiore ad un valore dato (tipicamente il 75%) venivano classificate come rifiuti indifferenziati.

Tutte le classi hanno partecipato con interesse ed entusiasmo ai laboratori ed agli argomenti svolti ponendo domande ed applicandosi con impegno e serietà tipico di classi ben gestite.

Da un breve sondaggio la quasi totalità degli studenti conosceva già chatGPT e alcuni conoscevano anche i principali concorrenti (Gemini di Google, Copilot di Microsoft, Perplextity, ecc.). Comunque chatGPT è la più nota e probabilmente da qualcuno anche utilizzata.

Uno studente, vedendo il filmato su Optimus il robot di Tesla, ha chiesto: “Risponde alle tre leggi delle robotica di Asimov?” … bella domanda!