Software libero a scuola/AI get started

Per provare a capire un po' come funziona l'AI e per raccogliere idee per l'apprendimento.

Prefazione semplice

L'Intelligenza Artificiale è un software piuttosto complesso che imita, e aumenta, le capacità umane. L'intelligenza artificiale risponde in chat a moltissime domande oppure è in grado di riconoscere il soggetto di fotografie o di leggere un libro in pochissimo tempo.

Prefazione meno semplice

L’intelligenza artificiale (IA) ha molte definizioni, senza una che metta tutti d’accordo. Un rapporto del 2007 ha identificato 53 definizioni di “intelligenza” e 18 di IA. Il numero è in crescita. Wikipedia descrive l’IA come “l’intelligenza mostrata dalle macchine”, ma questa definizione è considerata vaga. La mancanza di una definizione chiara può creare problemi, specialmente nei seminari sull’etica dell’IA, dove spesso si chiede “Cosa si intende veramente per IA?”, portando a discussioni infinite e frustranti senza mai raggiungere un consenso.

Per quello che ci riguarda, possiamo prendere per buona la seguente definizione.

Intelligenza Artificiale

L’intelligenza artificiale (IA) è una tecnologia che permette ai computer di imparare e prendere decisioni. I computer possono seguire programmi, cioè serie di istruzioni scritte da persone, per analizzare grandi quantità di informazioni e scegliere le azioni migliori. Per esempio, possono giocare a scacchi, riconoscere immagini o tradurre lingue. Inoltre oggi possono anche produrre testi scritti, immagini, musica o video sulla base delle richieste (prompt) che gli vengono date. Questi ultimi tipi di IA vanno sotto il nome di Intelligenza Artificiale Generativa.

Benché la storia dell'idea dell'IA abbia radici molto antiche fin nella mitologia greca, possiamo dare un'idea della stoia moderna partendo dalla metà del secolo scorso con il primo modello di rete neurale ad opera di McCulloch e Pitts nel 1943. Da quel momento è stato un susseguirsi di slanci e rallentamenti fino agli ultimi anni in cui il Machine Learning (ML) prima e il Deep Learning (DL) hanno fatto esplodere questa tecnologia e i cui ultimi figli sono i Large Language Model (LLM) come ChatGPT.

Una poco esaustiva, ma essenziale, lista può essere la seguente:

• 1943: McCulloch e Pitts modellano una semplice rete neurale.
• 1950: Alan Turing propone il Test di Turing.
• 1956: Il termine “Intelligenza Artificiale” viene coniato alla Conferenza di Dartmouth.
• 1966: ELIZA, un primo programma di elaborazione del linguaggio naturale, viene creato.
• Anni ’80: La ricerca sull’IA riprende slancio con i sistemi esperti.
• 1989: Yann LeCun introduce le reti neurali convoluzionali (CNN) per il riconoscimento delle cifre scritte a mano.
• 1997: Deep Blue di IBM sconfigge il campione di scacchi Garry Kasparov.
• 2012: Le CNN rivoluzionano il deep learning con AlexNet, che vince l’ImageNet competition.
• 2017: Google introduce il modello Transformer, che diventa la base per molti sviluppi nell’elaborazione del linguaggio naturale, tra cui BERT e GPT.
• 2020: OpenAI lancia GPT-3, una versione avanzata dei modelli basati su Transformer, che porta alla creazione di ChatGPT.
• 2023: Progressi continui nei modelli linguistici di grandi dimensioni e nell’IA generativa, con tecnologie basate su Transformer che dominano il campo.
• 2024: Google lancia Gemini, un modello avanzato di IA, e Meta, grazie a Yann LeCun Chief AI Scientist for Facebook AI Research (FAIR), introduce LLaMA un modello allenato Open Source.

Potremmo dare un'idea grafica del mondo dell'IA con l'immagine seguente:

L’immagine illustra la struttura dell’intelligenza artificiale, mostrando come l’apprendimento automatico si suddivide in apprendimento supervisionato, non supervisionato e rinforzato, con l’apprendimento profondo che abbraccia tutte queste categorie.

L'intelligenza artificiale opensource

Ollama e lmstudio sono due software opensource che permettono di provare l'IA testuale sui propri computer, sempre che siano ragionevolmente potenti. Stable Diffusion è un software di IA che genera immagini. Una CPU aggiornata, una adeguata quantità di RAM, dai 32GB in su, ed una scheda grafica potenze e con anch'essa una forte dotazione di RAM, ad esempio Nvidia 3060 con 12 GB di RAM dedicata, permettono di ottenere risultati accettabili in termini di precisione e velocità di risposta. Una volta installato il software si deve procedere con la scelta di un modello (di linguaggio). Ci sono molti modelli opensource che si possono studiare ed eventualmente scaricare da Hugging Face.

Installare l'AI su un proprio server

I software di IA possono essere installati ed usati sul proprio pc, in una rete locale o, se installati su un server esposto, in rete. Per le installazioni si possono servire diverse guide:

• Software libero a scuola/Ollama
• Software libero a scuola/Stable Diffusion
• Software libero a scuola/lmstudio

Esercitazioni per comprendere il funzionamento dell'AI

Un buon punto di partenza può essere la teacheble machine di Google.

Un interessante esercizio offerto dalla fondazione Bruno Kessler per Save the children.

Allenare l'AI

Le AI presenti in rete gemini di Goggle o chatgpt sono installate su pc molto potenti e vengono aggiornate dinamicamente. Inoltre è sempre possibile passare a versioni a pagamento ancor più performanti.

I software che permettono di utilizzare l'AI sui nostri pc di casa dipende dalla potenza della nostra macchina e dall'aggiornamento, manuale, dei modelli di linguaggio.

Ci potrebbe interessare, e a scuola ci interessa molto, però avere una AI locale per evitare di condividere dati e per renderla maggiormente informata su particolari argomenti: materie scolastiche, storia locale, geografia locale...

L'AI può essere allenata a svolgere questi compiti particolari. Per allenarla si può procedere in due modi: con un tuning, fine tuning, del modello di linguaggio oppure con un deposito di documentazione: modalità RAG.

Fine tuning

Premesso che ogni modello di linguaggio viene creato attraverso un training e che questa attività richiede macchine piuttosto potenti, probabilmente al di fuori della portata di un utente privato o di un istituto comprensivo.

Ottenuto un modello, ad esempio Llama3 o Phi3 mini, si può prodere podi al suo tuning, ammesso di poter disporre di un computer sufficientemente potente che dovrà lavorare per un tempo in genere non breve.

RAG (Retrieval-Augmented Generation)

RAG è un processo che permette al modello di linguaggio in uso di consultare dinamicamente un insieme di documenti e di dati prima di rispondere. Di fatto i modelli sono allenati su temi generali ma se c'è bisogno di farli ricercare informazioni su temi particolari: manuali d'uso, libri di storia locale...

Per allenare la AI in modlalità RAG si può procedere con script, in genere scritti in Python, oppure con software server appositi.

Preparare l'IA a consultare documenti non è una procedura semplice.

Intelligenza artificiale RAG - Come fare

Apprendimento con AI

Alcune proposte su come sia possibile usare l'AI per l'apprendimento. Uno dei maggiori esercizi sia che si tratti di una AI testuale, una chat, sia che si tratti di generare immagini è quello di imparare a scrivere bene il prompt delle richieste per provare ad ottenere quello che si desidera. Osservare e descrivere i dettagli diventa necessario. Fanno parte di un processo di apprendimento anche le azioni necessarie ad allenare l'AI: raccogliere foto, testi, catalogarli, renderli fruibili all'AI...

Riassumere una fiaba

Far provare i ragazzi a fornire all'AI il riassunto di una fiaba e controllare che l'AI la riconosca. Ovviamente escludendo al possibilità di fornire il titolo e il nome dei personaggi.

Descrivere un quadro

Con AI che genera immagini creare un prompt che generi il quadro osservato, non vale dare il titolo e l'autore.

Far disegnare un luogo mitico

Chiedere alla AI che genera immagini di generare una immagine che appartiene ad un racconto, ad un mito, ad un romanzo.

Studiare facendosi riassumere testi

Afronte di testi molto lunghi potrebbe essere interessante farceli riassumere dall'IA. Ad esempio estrerre dati di nostro interesse da resoconti particolarmente voluminosi.

Studiare a chi non piace leggere

L'IA è in grado di offrirci diversi riassunti di testi particolarmente lunghi e/o difficili, e, volendo può produrre una mappa cognitiva. A chi non piace leggere ma vuole studiare questa trasformezione può rivelarsi uno strumento estremamente utile.

Un personaggio famoso

Intervistare un personaggio famoso impersonato dall'AI.

Intervistare un monumento

Far impersonare all'AI un monumento, ma anche un fatto storico o qualsiasi altra cosa che si voglia intervistare.

Creare storyboards

• Story-Boards.ai

Preparare materiale per un allenamento RAG

Per allenare l'IA servono dati, tanti dati, e sotto varie forme.

• Raccogliere libri e documenti, convertirli nei formati migliori per poter essere studiati dall'IA, da docx a pdf a txt e così via.
• Preparare raccolte di foto divise in cartelle nominate con le specifiche rappresentate: razze canine, tipi di edificio e così via.

Scratch e l'AI

Una implementazione di scratch con'AI. Qui un'altra possibile variante di Scratch con AI.

Collegamenti esterni

• arcipelago educativo
• teachable machine
• Andreas Formiconi - Corso accelerato AI
• scratch con AI
• machinelearningforkids AI

AI opensource a scuola

• Ollama
• Stable Diffusion
• lmstudio

AI online

• Deepai - Chat e immagini
• ChatGPT - Libri storia valle di ledro

Ai genera immagini online

• Crayon - Genera immagini
• Huggingface - Flux1
• StableDiffusionWeb StableDiffusion

AI genera storie e fumetti

Story-Boards.ai