0. Introduzione: perch\u00e9 i docenti studiano l\u2019intelligenza artificiale?<\/h1>\n\n\n\n
Come in ogni occasione in cui qualche strumento viene inventato e proposto sul mercato delle professioni della conoscenza, ancora prima che parta l\u2019ennesimo progetto nazionale per la trasformazione delle classi tradizionali in ambienti innovativi dove gli studenti si preparino alle le professioni digitali del futuro e il personale scolastico alla transizione digitale,<\/em> alcuni insegnanti si sentono in dovere di aggiornarsi e di prepararsi al nuovo che avanza. Questo va ovviamente ascritto a loro merito: invece di lamentarsi del tempo perso necessario per imparare a usare questa o quella stravaganza voluta dal ministero, invece di laudare le tecnologie naturali di una volta e rimpiangere le buone vecchie LIM, si lanciano a studiare, giocare e sperimentare coinvolgendo la famiglia, gli amici e gli studenti. Sono docenti ottimisti, entusiasti, curiosi e insieme coscienziosi.<\/p>\n\n\n\n Le ragioni di questo interesse didattico sono diverse: dalla difesa dei \u201cnostri\u201d nei mercati del lavoro internazionali alla risposta rapida alle trasformazioni culturali in arrivo, con una quota di orgoglio professionale o semplicemente un desiderio inconscio di allinearsi alla moda del momento.<\/p>\n\n\n\n Stavolta non si tratta di afferrare la meteora del Metaverso, ma di preparare gli studenti a usare l\u2019intelligenza artificiale, cio\u00e8 le interfacce dialogiche di OpenAI, cio\u00e8 i prompt. I tre concetti sono spesso percepiti come uno solo: se il prompt di ChatGPT coincide con l\u2019intelligenza artificiale, imparare a usarlo significa avere una patente che permette di entrare nel Paese dei Balocchi intelligenti.<\/p>\n\n\n\n Questo, dal mio punto di vista, non \u00e8 un buon punto di partenza: ci sono mille tipi di \u201cintelligenza artificiale\u201d, mille modi di applicarla e mille interfacce diverse. Convincersi che conoscerne uno solo<\/em> sia la chiave per il futuro \u00e8 davvero ingenuo. E poi, anche ammettendo che si tratti della pi\u00f9 grande invenzione degli ultimi dieci anni, niente ci assicura che la maniera specifica per averci a che fare oggi \u2013 il prompt – rimanga la stessa anche solo per i prossimi sei mesi. Avere una visione d\u2019insieme: certo; vedere degli esempi per capire come funziona: d\u2019accordo; imparare il modo pi\u00f9 furbo per farsi scrivere una ricetta di cucina nello stile di Artusi… non saprei. Pu\u00f2 essere divertente, ma quali garanzie fornisce sull\u2019occupabilit\u00e0 futura (se questo era lo scopo)? Sarebbe come se negli anni \u201890 qualcuno avesse detto che per prepararsi alle professioni digitali bisognava imparare a usare il mouse<\/em>. Come? Dicevano proprio cos\u00ec? Pu\u00f2 darsi.<\/p>\n\n\n\n Un secondo limite che vedo in questa autoformazione \u00e8 la tonalit\u00e0 emotiva<\/em>. I docenti si preparano nei modi pi\u00f9 disparati, iscrivendosi a webinar, partecipando a convegni, comprando libri, in attesa di frequentare corsi veri e propri. Accedono a flussi di informazioni di qualit\u00e0 diversa, proposti da attori diversi, pubblici e privati, ma che hanno in comune una caratteristica: l\u2019adesione entusiasta e la scarsa propensione alla critica. Gli aggettivi usati per descrivere gli agenti artificiali creativi sono \u201centusiasmante, creativo, coinvolgente, dinamico, stimolante\u201d. Siamo ancora nella fase pubblicitaria, in cui il discente (il cliente) deve essere convinto della bont\u00e0 del prodotto. Si capisce anche che nessuno abbia voglia di spendere tempo e soldi per leggere un libro che parla male della novit\u00e0 del momento. La modalit\u00e0 critica appartiene tipicamente alla terza fase, quella che viene dopo l\u2019utilizzo quotidiano con l\u2019apparire dei problemi. Purtroppo a volte non \u00e8 possibile aspettare cos\u00ec tanto: a quel punto certe modalit\u00e0 si sono inserite nella pratica e diventano inamovibili.<\/p>\n\n\n\n Una vecchia conoscenza, un\u2019insegnante che conosco da trent\u2019anni, quando ho detto pubblicamente che non avevo ancora ben capito i vantaggi dell\u2019uso di ChatGPT in classe si \u00e8 meravigliata: \u201cma come, proprio tu che una volta eri tra quelli pi\u00f9 aggiornati e avanzati nel proporre tecnologie digitali?\u201d E\u2019 vero che quando ci frequentavamo ero uno di quelli che proponevano di usare, smontare, fare<\/em> e non solo stare a guardare; lo facevo anch\u2019io e mostravo i risultati dei miei esperimenti. Non \u00e8 che adesso sia diventato luddista tutto insieme; ma mi pare che un\u2019analisi critica mostri come quegli strumenti fossero pi\u00f9 smontabili e controllabili di questi. Forse, da vero boomer<\/em>, sono anche diventato un po\u2019 pi\u00f9 sospettoso sulle nuove tecnologie attuali di quanto non lo fossi sulle nuove tecnologie del passato. Ma \u00e8 un atteggiamento che rivendico come conquista dovuta all\u2019esperienza. E\u2019 un po\u2019 come il Lego: lo si pu\u00f2 usare e basta, oppure ci si pu\u00f2 domandare dove viene fabbricato e con quale plastica (se lo si fa, si scopre che i mattoncini sono fatti di Acrilonitrile Butadiene Stirene, un polimero derivato dal petrolio che ha un tempo di decomposizione stimato intorno ai 1300 anni. Noi forse non ci saremo pi\u00f9 ma i mattoncini saranno sempre l\u00e0).<\/p>\n\n\n\n Credo insomma che sia sempre utile collocare ogni nuova iniezione tecnologia nel suo contesto: da dove viene, a cosa serve, a chi porta vantaggi, cosa potrebbe diventare, quali rischi potrebbe nascondere. Pi\u00f9 la tecnologia sembra meravigliosa, gratuita, irrinunciabile, pi\u00f9 credo che occorra studiarla da vicino. L\u2019Omino di burro \u00e8 sempre molto abile a invitare a salire sul suo carro.<\/p>\n\n\n\n Le tecnologie non sono tutte uguali. Ci sono tecnologie che si possono smontare e tecnologie opache; tecnologie che possono potenziare l\u2019apprendimento e tecnologie che si limitano a liofilizzarlo; tecnologie nate o almeno adattate all\u2019educazione e tecnologie importate velocemente per massimizzare il recupero degli investimenti. Non si tratta di essere a favore o contro in generale, ma di scegliere<\/em>.<\/p>\n\n\n\n Nel testo che segue provo a ricostruire il senso di questa ennesima importazione nella scuola di uno strumento tecnologico nato altrove. Lo faccio cercando di collocarlo all\u2019interno di un contesto pi\u00f9 generale: quello delle macchine programmabili.<\/em><\/p>\n\n\n\n Anche se mi sono occupato professionalmente di programmazione, di intelligenza artificiale e di didattica, non \u00e8 un approccio dettato solo dalla mia storia personale e per fortuna non sono il solo a tentare di adottarlo:i<\/sup><\/a> anche da qualche altra parte si comincia a pensare che il rischio pi\u00f9 grande stia proprio nel ritenere che si possa ragionare e parlare di intelligenza artificiale (in generale, di qualsiasi tecnologia della conoscenza) da un solo punto di vista,<\/em> che sia quello epistemologico (complessit\u00e0), quello tecnico (efficienza), oppure quello didattico (efficacia). Nessuna tecnologia \u00e8 solo una faccenda di trovare le soluzioni migliori per risolvere problemi; per il semplice fatto che quella soluzione determinata che \u00e8 incarnata da una certa tecnologia creer\u00e0 problemi di altro tipo (per esempio, di sostenibilit\u00e0 ambientale o sociale). Cos\u00ec pure nessuna tecnologia pu\u00f2 essere astratta dal contesto per cui \u00e8 nata, presa in prestito e immersa nell\u2019ambiente educativo senza considerarne le logiche profonde, senza essere ripensata e adattata.<\/p>\n\n\n\n Nella prima parte ci occupiamo delle macchine che sembrano intelligenti<\/strong> (1), poi di quelle che fingono di esserlo <\/strong>(2); vediamo poi come \u00e8 nato il prompt<\/strong> (3) e dove altro lo possiamo incontrare. Infine cerchiamo di capire quale potrebbe essere il senso del suo uso didattico<\/strong> (4), se ce n\u2019\u00e8 uno (5).<\/p>\n\n\n\n Immaginate un bel seminario dal titolo accattivante: \u201cLe macchine intelligenti e la scuola: conflitto o opportunit\u00e0?\u201d. Si presenta come obiettivo, imparziale; non \u00e8 acritico ma lascia intravvedere la direzione in cui occorre procedere (dalla rilevazione dei rischi alla costruzione di possibilit\u00e0 operative). Ottimismo della ragione e curiosit\u00e0 non vi mancano, siete pronti a iscrivervi?<\/p>\n\n\n\n Un attimo. Gi\u00e0 in questo titolo sono visibili alcuni limiti tipici dell\u2019impostazione pi\u00f9 diffusa.<\/p>\n\n\n\n Prima di tutto, macchine e scuola<\/em>: due soggetti, due entit\u00e0 che inevitabilmente si confrontano. Come se ci fosse una natura artificiale che cresce, si sviluppa, produce i suoi frutti (le macchine appunto); e come se la scuola si trovasse in questo giardino incantato, novella Eva, e dovesse decidere come coglierli e mangiarli. Lieto fine: dopo qualche esitazione colpevole ogni invenzione viene assorbita dalla scuola, malgrado l\u2019opposizione dei tecnofobi arretrati e miopi.<\/p>\n\n\n\n E’ vero che non sono molte le tecnologie per l’educazione nate dentro<\/em> la scuola, come la tavoletta di cera riscrivibile dei romani o la lavagna di ardesia (che sembra sia stata introdotta negli Stati Uniti nell\u2019Ottocento nel quadro della formazione degli insegnanti: una tecnologia meta-educativa). Dalla tipografia alle fotocopie, dalle diapositive alla LIM: nessuna di queste tecnologie nasce per l’educazione e nemmeno per la formazione, ma tutt\u2019al pi\u00f9 nel quadro della comunicazione aziendale, per la diffusione rapida, economica ed efficace di informazioni.<\/p>\n\n\n\n Per\u00f2 l\u2019introduzione di queste tecnologie nella scuola non \u00e8 un processo naturale, continuo, unico. Si possono descrivere almeno tre modi con cui dispositivi nati in azienda sono stati successivamente usati nella scuola italiana: quello per cui sono i docenti pi\u00f9 creativi e divergenti ad andare a caccia di tecnologie da rubare e riadattare, quello per cui \u00e8 il ministero a distribuire strumenti a colpi di piani nazionali e finanziamenti su progetti e quello per cui sono le grandi aziende alle prese con un surplus di produzione che cercano di esportare quei dispositivi nella scuola costruendo ad hoc un discorso di valori incentrato sull’innovazione, l\u2019efficacia, le competenze del futuro.ii<\/sup><\/a><\/p>\n\n\n\n In poche parole: il primo passo da fare non \u00e8 accettare una certa tecnologia come inevitabile per poi domandarsi come sfruttarla, ma prima occorre domandarsi da dove viene e dove si vuole che ci porti, per poi decidere se e come usarla per i fini propri dell\u2019educazione.<\/p>\n\n\n\n In secondo luogo, penso che sia riduttivo parlare di macchine intelligenti<\/em> contrapposte a tutto il resto. Le macchine non sono stupide o intelligenti, l\u2019uno o l\u2019altro; personalmente preferisco vederle come disposte in maniera continua lungo le due dimensioni dell\u2019autonomia e della complessit\u00e0. Si va da quelle semplici e pochissimo autonome \u2013 la ruota – a quelle complesse che prendono decisioni in base alle variazioni del contesto (il termostato); da quelle che possono prendere un solo tipo di decisione (agire s\u00ec\/no), a quelle che hanno un set di decisioni possibili; fino a quelle che possono decidere di non agire affatto. In questo, analogico o digitale c\u2019entra poco, n\u00e9 c\u2019\u00e8 bisogno di scomodare sempre HAL 9000. Vedere le ultime incarnazioni della ruota su questo sfondo aiuta a mettere a fuoco dei temi trasversali<\/em> che a mio parere vale la pena approfondire e discutere con gli studenti: nel seguito ne indichiamo cinque.<\/p>\n\n\n\n 1. Le macchine non sono state inventate semplicemente per fare un lavoro: sono state inventate per fare un lavoro usando meno forza, anche se in pi\u00f9 tempo (come la carrucola); oppure per usare una forza diversa da quella muscolare umana (come l\u2019aratro o il motore elettrico); oppure per smontare un lavoro complesso in piccole azioni semplici che si possano ripetere e migliaia di volte, in maniera sempre uguale e senza errori (come la macchina tipografica).<\/p>\n\n\n\n Negli ultimi secoli ci siamo concentrati solo sull\u2019ultima abilit\u00e0 perch\u00e9 una volta scoperti il motore a scoppio e quello elettrico il problema dell\u2019uso della forza muscolare non si pone pi\u00f9; almeno cos\u00ec pare, fino al momento in cui scopriamo che le macchine che costruiscono i modelli linguistici sottostanti a ChatGPT consumano la stessa elettricit\u00e0 di un\u2019intera provincia italiana. Per lo pi\u00f9 si tratta di elettricit\u00e0 prodotta in loco tramite sterminati campi di pannelli fotovoltaici, quindi definita \u201cverde\u201d; ma gli effetti collaterali (dal consumo d\u2019acqua nel processo di estrazione dei minerali rari come il gallio e il germanio, allo smaltimento e stoccaggio dei rifiuti) non sono banali.<\/p>\n\n\n\n Primo tema trasversale su cui appuntare l\u2019attenzione: l\u2019energia.<\/em><\/p>\n\n\n\n 2. Le macchine tradizionali si possono pensare come abilit\u00e0 congelate in mattoncini: abilit\u00e0 applicabili ripetutamente, indipendentemente da quelle delle persone che le usano. Un tipografo non deve essere uno scrittore e nemmeno un calligrafo. Staccare l\u2019abilit\u00e0 dalla persona produce dei vantaggi: per esempio, le macchine possono essere usate da persone deboli o inesperte, o possono lavorare continuamente per un tempo superiore alla giornata di lavoro, senza andare in ferie o in malattia. A chi giovino questi vantaggi \u00e8 un\u2019altra questione che \u00e8 legata al possesso delle macchine. La pubblicit\u00e0 della macchine per l\u2019automazione dei lavori di casa presenta la casalinga come l\u2019unica beneficiaria dell\u2019adozione della lavatrice o dell\u2019aspirapolvere, come le macchine per ufficio vengono presentate come aiutanti delle segretarie. Ma \u00e8 ovvio che questo dislocamento delle abilit\u00e0 dalla persona alla macchina ha degli effetti sulle relazioni tra persone, nella famiglia come nell\u2019ufficio o in fabbrica.<\/p>\n\n\n\n Secondo tema: i lavori che diventano obsoleti e le classi sociali che perdono potere d\u2019acquisto.<\/em><\/p>\n\n\n\n 3. Ha effetti – e questo dovrebbe farci riflettere per tempo – anche sulla formazione e sulla scuola: non ha senso insegnare alle persone delle abilit\u00e0 che sono di pertinenza delle macchine. N\u00e9 ogni formazione professionale pu\u00f2 essere convertita nella formazione per gestire le macchine. La macchina pu\u00f2 finire per sostituire l\u2019operaio, o anzi essere progettata apposta per finirla una buona volta con tutti i tipi di operai; nello stesso tempo, contribuisce alla chiusura dei corsi di formazione professionale, dalle lingue alla programmazione, e quindi permette di finirla una buona volta con tutti i tipi di docenti.<\/p>\n\n\n\n Terzo tema: il destino della formazione, per come la conosciamo ora.<\/em><\/p>\n\n\n\n 4. Appena si sale un po\u2019 di complessit\u00e0 e autonomia si trovano macchine che non fanno affatto sempre la stessa cosa, sia nel senso che eseguono una serie<\/em> di operazioni, sia nel senso che possono eseguire alcune operazioni al posto<\/em> di altre. Un carillon \u00e8 una macchina che \u00e8 in grado di eseguire sequenze di azioni (musicali) diverse, infinite sequenze di azioni. Ma pu\u00f2 eseguire solo sequenze musicali scritti per quella determinata macchina. La stessa cosa vale per il telaio Jacquard. Entrambe sono basate sull\u2019idea di \u201cprogramma\u201d, cio\u00e8 di serie di azioni scritte in maniera formalizzata, leggibili in maniera univoca ed eseguibili. Nel caso del telaio, quando si vuole avere risultato diverso, questo programma pu\u00f2 essere sostituito. Invece di cambiare tutta la macchina (con costi e tempi enormi), si cambia solo la scheda. E\u2019 la prima volta che l\u2019hardware si separa fisicamente dal software e i due fratelli seguono una strada diversa. Come se lo stesso corpo potesse ospitare anime diverse, a turno.<\/p>\n\n\n\n Anche le macchine digitali sono in grado di eseguire azioni diverse in base al programma che viene caricato. Solo che hanno in pi\u00f9 la possibilit\u00e0 di \u201capprendere\u201d abilit\u00e0 diverse e tenerle in memoria per sempre o finch\u00e9 non le si mette a dormire. Un telaio Jacquard non ha memoria; invece un computer s\u00ec: quando lo si sveglia, si ricorda tutto quello che ha appreso nel passato. Non \u00e8 solo una questione di comodit\u00e0: significa che un computer pu\u00f2 eseguire un programma nel contesto di un programma precedente. In sostanza, in questo modo si reinventa il concetto di cultura \u2013 conservabile, trasmissibile, sovrapponibile – che permette di andare oltre la natura. Sembra una banalit\u00e0, ma \u00e8 la base per tutte le finzioni presenti e future: un computer esegue un programma in base al quale si comporta come un altro computer<\/em>. In pratica il software si mangia l\u2019hardware, cio\u00e8 fa finta di essere un hardware diverso.<\/p>\n\n\n\n Quarto tema: la virtualizzazione.<\/em><\/p>\n\n\n\n 5. L\u2019enorme differenza tra un carillon e un computer \u00e8 che il computer non \u00e8 limitato ad un solo tipo di azioni, quindi di abilit\u00e0. Ad un computer si pu\u00f2 \u201cinsegnare ad imparare\u201d, non solo scrivendo nuovi programmi, ma inventando nuovi linguaggi con i quali scrivere altri programmi.<\/p>\n\n\n\n Tra le cose che pu\u00f2 imparare a fare un computer \u00e8 modificare o tradurre o scrivere nuovi programmi, che in fondo sono solo sequenze di simboli con un qualsiasi testo. Si tratta per la verit\u00e0 di cose non particolarmente nuove, che i computer fanno da sempre e, letteralmente, in continuazione. Il fatto che sappiano trattare testi in generale, compresi quelli delle lingue naturali, non dovrebbe stupirci pi\u00f9 di tanto. Se sapessimo che i computer passano la vita ad analizzare, riassumere, tradurre quel tipo particolare di testo che \u00e8 il codice sorgente di un programma forse saremmo meno colpiti dal fatto che lo sappiano fare con l\u2019italiano.<\/p>\n\n\n\n Quinto tema: la produzione automatica di testi.<\/em><\/p>\n\n\n\n Le macchine pi\u00f9 avanzate hanno la meta-abilit\u00e0 di sapere quale abilit\u00e0 applicare e quando farlo; le potremmo chiamare competenze<\/em>. Hanno dei magazzini di risorse, e possono andarle a scegliere per usare quella pi\u00f9 adatta. Non \u00e8 escluso che la definizione standard di \u201ccompetenza\u201d come capacit\u00e0 di selezionare le risorse pi\u00f9 adatte ad un problema derivi proprio da questo modo di funzionare delle macchine complesse; nel senso che quella definizione \u00e8 stata scritta in un\u2019ottica che paragona il cervello ad un computer e il pensiero al software.<\/p>\n\n\n\n Certi software, da tanto tempo, sono capaci di esercitare competenze che a noi umani sembrano \u201calte\u201d, cio\u00e8 vicine alle nostre: sanno giocare a scacchi, sanno risolvere problemi, in particolare quelli di ricerca all\u2019interno di archivi sterminati. Non brillano particolarmente nel campo della produzione di oggetti nuovi ma comunque lo fanno. Se i programmatori sono in grado di definire formalmente come si risolve un problema, o come si crea un minuetto, i software sanno farlo – con piccole variazioni dovute al caso, anche quello inserito dal programmatore con parsimonia.<\/p>\n\n\n\n Su questa relazione programmatore-programma si basa il senso didattico di insegnare a programmare ai bambini (e in generale a persone che nella vita non faranno i programmatori, piccoli e grandi). Il famigerato e bistrattato coding \u00e8 un modo di costruire dei modelli di situazione definendo le condizioni e le regole. E\u2019 un modo di capire le situazioni, di comprendere le relazioni tra cause ed effetti, potendo sperimentare direttamente e immediatamente, correggendo le regole fino ad arrivare al risultato atteso. Non \u00e8 tanto un gioco gradevole, un modo per esercitare la creativit\u00e0 e passare il tempo disegnando girandole e muovendo gattini, ma un laboratorio per la mente dove si mettono alla prova in maniera collettiva (e quindi discutibile) diverse interpretazioni del mondo. E\u2019 uno dei casi a mio parere pi\u00f9 significativi di ripensamento di una tecnologia nata altrove (la programmazione) e del suo adattamento al contesto e agli scopi della didattica. Non si fa coding per preparare futuri programmatori domani, ma per scoprire come funziona il mondo oggi.<\/p>\n\n\n\n Questa modalit\u00e0 (che chiamerei \u201ctradizionale\u201d, a segnalare che novit\u00e0 e tradizione si susseguono pi\u00f9 velocemente di quello che ci piacerebbe) viene messa in discussione dai servizi di intelligenza generativa. Il bello di questi servizi \u00e8 che la competenza che esibiscono non \u00e8 stata costruita a tavolino, ma \u00e8 stata imparata sul campo; solo che \u00e8 impossibile dire esattamente come.<\/p>\n\n\n\n In questi ultimi anni si sta diffondendo un approccio che epistemologicamente e eticamente sembra mettere in discussione tutto quello che abbiamo saputo o creduto di sapere. Un passaggio che vale la pena di evidenziare e di discutere, anche e soprattutto in ambito educativo.<\/p>\n\n\n\n Fino a poco fa, i computer erano al nostro fianco nell\u2019esplorazione dell\u2019universo, pi\u00f9 precisi di noi, instancabili, pi\u00f9 determinati nel non commettere errori e non trarre conclusioni avventate. Gli affidavamo il calcolo delle traiettorie degli aerei, sulla base della matematica e della fisica che avevamo verificato nel corso due millenni precedenti, perch\u00e9 eravamo certi che avrebbero fatto meno pasticci di noi. Li immaginavamo come servi affidabili e incorruttibili. Un po\u2019 come il primo Terminator impersonato da Arnold Schwartzenegger: magari brutale, ma efficace e soprattutto fedele.<\/p>\n\n\n\n Invece \u00e8 arrivata un\u2019altra generazione di Terminator, pi\u00f9 sottile, elegante, fluida. Il modello di software intelligente che va di moda oggi \u00e8 bravo a fare molte cose, ma soprattutto una in particolare: fingere<\/em>, cio\u00e8 cambiare aspetto e assumere quello di chiunque altro. Non sa risolvere un problema o creare un minuetto partendo dalla regole della musica occidentale settecentesca, per\u00f2 pu\u00f2 produrre degli artefatti che non sembrano artificiali, che assomigliano a qualcosa che avrebbe potuto produrre un essere umano. Di fatto, assomigliano a molte cose che esseri umani hanno prodotto, contemporaneamente.<\/p>\n\n\n\n Questa capacit\u00e0, dal punto di vista della storia dei media, non \u00e8 eccezionale ma \u00e8 proprio tipica dei computer. E\u2019 un caso limite di re-mediation<\/em>, cio\u00e8 della tendenza dei media digitali di copiare i corrispondenti analogici, di inglobarli, di sostituirli. Ne ho parlato e scritto pi\u00f9 volte perch\u00e9 \u00e8 una capacit\u00e0 da cui sono sempre stato affascinato; due esempi qui [https:\/\/www.stefanopenge.it\/wp\/strumenti-digitali-usati-analogicamente\/<\/a>] e qui [https:\/\/www.stefanopenge.it\/wp\/digitale-unetimologia-istruttiva\/<\/a>].<\/p>\n\n\n\n L\u2019impatto \u00e8 indubitabilmente straordinario e ha fatto intravvedere l\u2019avvento della \u201csingolarit\u00e0\u201d, cio\u00e8 del primo computer veramente intelligente e consapevole; tanto che mentre alcuni salutano l\u2019alba di una nuova era transumanista in altri ambienti si sono scatenate le paure dell\u2019intelligenza artificiale senza coscienza etica che presto dominer\u00e0 il mondo (come Skynet nella saga di Terminator).<\/p>\n\n\n\n Mentre alcuni si sono affrettati a descrivere i mutamenti nella pratica lavorativa quotidiana (almeno in certi settori: la pubblicit\u00e0, la comunicazione) e a cercare di sfruttarli professionalmente in termini di consulenza e formazione, tanti docenti di buona volont\u00e0 si sono impegnati a imparare a usare il \u201cprompt\u201d, anche senza sapere bene come funziona, e si sono sforzati di capire come sfruttarlo a fini educativi; con attenzione, certo, perch\u00e9 altrimenti gli studenti ci mettono un attimo a farsi scrivere il riassunto del terzo canto dell\u2019Inferno.<\/p>\n\n\n\n In generale, come per tutti i servizi digitali a cui siamo abituati, questi docenti lo usano senza fare troppo caso al fatto che il loro uso \u00e8 libero e gratuito. La messa a disposizione gratuita di uno strumento che ha avuto dei costi di sviluppo e di gestione stratosferici \u00e8, a mio parere, un indicatore di un progetto di marketing pi\u00f9 complesso, che inizia con il beta test su scala mondiale e poi passa per la commercializzazione di servizi personalizzati alle pubbliche amministrazioni, alle aziende, ai professionisti e, perch\u00e9 no?, alle scuole.<\/p>\n\n\n\n Parliamo allora del magico \u201cprompt\u201d, che \u00e8 il termine che si usa oggi per indicare le richieste (o ricette?) che si inviano ad un servizio online come ChatGPT per ottenere un testo (o un\u2019immagine, o un\u2019animazione, un audio, un video). Infatti il termine collettivo per tutti questi servizi \u00e8 \u201cintelligenza artificiale generativa\u201d.<\/p>\n\n\n\n Oggi prompt \u00e8 diventato un termine di moda, una buzz word<\/em>. E\u2019 la porta d\u2019ingresso per l\u2019oracolo, come direbbe Gino Roncaglia.iii<\/sup><\/a> Tra parentesi, \u00e8 curioso che dopo anni in cui la maniera di interagire con un computer usando la tastiera (anzich\u00e9 il mouse o il touchpad o le dita libere nello spazio virtuale) veniva considerata superata oggi \u00e8 diventata una modalit\u00e0 avanzatissima, quasi da hacker da salotto. Nemmeno i fieri possessori di Mac si sono lamentati. Anzi \u00e8 possibile che gli effetti completi in termini di mode culturali ancora siano da vedere. Nella prossima pubblicit\u00e0 di Nespresso si vedr\u00e0 George Clooney premere tasti per farsi fare il suo caff\u00e8 preferito.<\/p>\n\n\n\n Ma che significa prompt? Come spesso succede, c\u2019\u00e8 stato uno slittamento dalla forma alla materia, dallo strumento al contenuto. E\u2019 successo per \u201cSocial Network System\u201d, che sarebbero i software che gestiscono le reti sociali ma che sono diventati \u201ci social\u201d, cio\u00e8 i gruppi di persone con cui abbiamo a che fare. E\u2019 successo per \u201ccloud\u201d, che \u00e8 il modo di dividere i software su pi\u00f9 hardware virtualizzati, ma che \u00e8 diventato il luogo unico di ogni documento che non sta sul nostro PC. Tutti questi spostamenti di senso vanno nella direzione della semplificazione, cio\u00e8 della messa tra parentesi della complessit\u00e0 tecnica, ma anche di quella organizzativa e lavorativa. Appena i \u201csocial\u201d divengano oggetti dotati di natura propria ci si dimentica che sono costruiti con dei filtri applicati sulla base della profilazione degli utenti, a sua volta costruita leggendo e analizzando messaggi e azioni. Appena il \u201ccloud\u201d diventa un sinonimo di \u201cremoto, lontano, chiss\u00e0 dove\u201d ci si dimentica che la propriet\u00e0 di quel nostro documento una volta messo nella nuvola \u00e8 dubbia e cos\u00ec sono vaghi i confini dei suoi usi possibili da parte da qualcuno che non siamo noi.<\/p>\n\n\n\n Torniamo a prompt. In inglese significa letteralmente \u201cpronto\u201d ed era il simbolo che appariva, e appare ancora, nelle finestre di interazione testuale con i sistemi operativi dei computer. Per esempio, in Linux pu\u00f2 essere qualcosa di questo tipo:<\/p>\n\n\n\n [stefano@fedora -]$ \u25a1<\/p>\n\n\n\n mentre nei vecchi computer con il sistema MSDOS appariva cos\u00ec:<\/p>\n\n\n\n C:\\>_<\/p>\n\n\n\n In genere l\u2019ultimo carattere lampeggia, a significare che il software \u00e8 in esecuzione, non si \u00e8 bloccato, ma sta aspettando un comando. E\u2019 pronto<\/em>. A quel punto si possono scrivere comandi semplici oppure richiamare interi programmi passando dei valori come parametri. Ad esempio, in Linux il comando ls mostra l\u2019elenco dei file e delle directory (come era in DOS il comando DIR); ma:<\/p>\n\n\n\n ls -d *\/ | grep ‘Doc*’<\/p>\n\n\n\n fa qualcosa di pi\u00f9: mostra solo le cartelle il cui nome inizia per \u2018Doc\u2019. Si possono anche fare anche operazioni sofisticate che agiscono su blocchi di informazioni strutturate, come questa:<\/p>\n\n\n\n sed -e ‘s\/occhi\/orecchi\/g’ -e ‘s\/vidi\/sentii\/g’ inferno.txt<\/p>\n\n\n\n che sostituisce tutte le occorrenze della parola \u2018occhi\u2019 con \u2018orecchi\u2019 e \u2018vidi\u2019 con \u2018sentii\u2019 in un file di testo che presumibilmente contiene l\u2019inferno di Dante.<\/p>\n\n\n\n Da questo punto di vista, i prompt attuali sono un po\u2019 la stessa cosa: invocazioni di programmi (che per\u00f2 non conosciamo esattamente) a cui si passano come parametri una serie di valori. Ad esempio, in questo prompt:I would like to learn about <\/em>quantum mechanics<\/em>. Please provide me with a brief summary of <\/em>spin <\/em>that could be understood by a <\/em>10-year-old<\/em>.<\/em><\/p>\n\n\n\n ci sono tre <\/em>parametri <\/em>impliciti (<\/em>\u201carea\u201d, \u201cargomento\u201d e \u201ctarget\u201d<\/em>); <\/em>le espressioni <\/em>\u201c<\/em>q<\/em>uantum mechanics\u201d, \u201cspin\u201d e \u201c10-years-old\u201d sono i valori che assumono <\/em>quest<\/em>i parametri. <\/em>Tutta la frase \u00e8 uno schema che si pu\u00f2 svuotare e riempire con altre triple di valori (\u201cletteratura italiana\u201d, \u201cdonna dello schermo\u201d, \u201ccalciatore\u201d).<\/em><\/p>\n\n\n\n Da prompt \u00e8 stato derivato \u201cprompt engineering\u201d, cio\u00e8 la capacit\u00e0 di scrivere buoni prompt, che fa sentire ingegneri anche solo a pronunciarla. Una capacit\u00e0 che si insegna ormai in innumerevoli libri e corsi, alcuni dei quali dedicati a insegnanti e a studenti. Ingegnerizzare significa organizzare le cose in maniera efficiente; in questo caso, \u201cprompt eng<\/em>i<\/em>neering\u201d <\/em>significa semplicemente conoscere degli schemi e saper mettere i valori giusti al posto giusto. <\/em>Non sembra esattamente un arte e non ci vuole una vita per impararla; comunque, una volta messa da parte, non si capisce bene dove possa venire riusata.<\/em><\/p>\n\n\n\n In fondo \u201cscrivere prompt\u201d \u00e8 solo una particolare forma di programmazione. Si dice ad un computer (no, ad un software, anzi all\u2019interfaccia di un software) quello che si vuole che faccia.<\/p>\n\n\n\n Se questo sembra lontano dalla programmazione tradizionale forse \u00e8 solo perch\u00e9 non la si conosce a fondo e si pensa invariabilmente a una serie di stupidi comandi dati ad uno stupido robot che li esegue. Si pensa che programmare significhi specificare esattamente il risultato e il modo di raggiungerlo passo passo (l\u2019algoritmo).<\/p>\n\n\n\n Che i prompt possano usare parole italiane, anzich\u00e9 astrusi comandi in un simil-inglese separati da segni di interpunzione usati a casaccio, non \u00e8 nemmeno tanto strano: la storia dei linguaggi di programmazione ha gi\u00e0 visto tanti tentativi di staccarsi dalle lingue specialistiche per avvicinare alla programmazione anche le persone normali: \u00e8 il caso del COBOL, inventato negli anni \u201860 per far programmare anche i contabili e non solo gli ingegneri. L\u2019idea poi che i linguaggi di programmazione debbano per forza assomigliare all\u2019inglese \u00e8 falsa; ci sono linguaggi basati sull\u2019arabo, sul cinese e persino sul latino [https:\/\/www.codeshow.it\/Linguaggi\/Linguaggi_nazionali<\/a>].<\/p>\n\n\n\n Ma nemmeno \u00e8 detto che programmare sia per forza \u201cdare ordini\u201d. Ad esempio, nella programmazione detta \u201corientata agli oggetti\u201d si definiscono le conoscenze e le abilit\u00e0 di un tipo di oggetti. Pi\u00f9 oggetti insieme, collegati gerarchicamente oppure messi in relazione tramite la possibilit\u00e0 di scambiarsi informazioni, costituiscono un modello. Una volta costruito, il modello viene eseguito e se la vede da solo, senza interazioni con gli umani. E\u2019 come scrivere il copione e poi mettere in scena una rappresentazione teatrale.<\/p>\n\n\n\n O ancora: nella programmazione logica non si impartiscono comandi ma si specificano tre cose: dei fatti, delle regole, un obiettivo (o meglio un teorema da dimostrare). Dati e regole costituiscono un modello. L\u2019interprete Prolog cerca di dimostrare il teorema a partire dai fatti che gli sono noti usando le regole che ha appreso. Se ce la fa, si limita a dire \u201cVero\u201d. Il terreno su cui si muove, le vie e gli incroci sono disegnati dal programmatore; ma la strada che segue non viene tracciata da nessuno.<\/p>\n\n\n\n In tutti questi casi, non vengono specificati tutti i passi da compiere nell\u2019ordine in cui vanno compiuti, ma si fornisce una rappresentazione ad alto livello del sistema (nella programmazione ad oggetti) o degli obiettivi (nella programmazione logica). Resta il fatto che le regole secondo le quali il programma viene eseguito dal computer sono note ed eventualmente ricostruibili. Se proprio si vuole, a posteriori si pu\u00f2 chiedere all\u2019interprete Prolog di mostrare tutti i tentativi che ha fatto, quelli falliti e quelli che hanno avuto successo. Anche le regole \u201ccostruite\u201d dal programma stesso durante la sua esecuzione \u2013 che \u00e8 una delle caratteristiche che rende Prolog cos\u00ec flessibile e capace di risolvere problemi complessi – sono spiegabili secondo la grammatica che gli \u00e8 stata fornita.<\/p>\n\n\n\n Software che interagiscono con le persone in linguaggio naturale sono stati immaginati e realizzati dai programmatori gi\u00e0 da molti decenni. A partire da Joseph Weizenbaum, che nel 1966 per dimostrare quanto le persone sono pronte ad attribuire coscienza a qualsiasi cosa, dalle nuvole ai calcolatori, scrive polemicamente \u201cEliza\u201d, un programma che simula una sessione con uno psicoterapeuta della scuola rogersiana. Eliza non capisce nulla, ma si limita a reagire a certe parole chiave con risposte preconfezionate. Anche cos\u00ec, c\u2019\u00e8 chi ci passa pomeriggi interi per provare a risolvere i propri problemi.<\/p>\n\n\n\n Poi si pu\u00f2 ricordare Will Crowther, un programmatore appassionato di speleologia e giocatore di Dungeons&Dragons che nel 1975 scrive \u201cColossal Cave Adventure\u201d, il primo gioco testuale in cui il giocatore per esplorare una caverna infinita deve rivolgersi al suo alter-ego virtuale e scrivere<\/em> piccole frasi come \u201cguarda in alto, vai a destra, prendi il martello\u201d. [https:\/\/www.codeshow.it\/Codici\/Colossal_Cave<\/a>]<\/p>\n\n\n\n Lo stesso Prolog, il linguaggio principe per la programmazione logica, era stato inventato da Alain Colmerauer negli anni \u201870 all\u2019universit\u00e0 di Marsiglia per scrivere programmi che permettessero di parlare al computer in francese. [https:\/\/www.codeshow.it\/Linguaggi\/Prolog<\/a> ]<\/p>\n\n\n\n Insomma la capacit\u00e0 di analizzare una richiesta scritta da una persona e produrre una risposta comprensibile \u00e8 una competenza sofisticata, ma non nuova. Come non \u00e8 nuova la capacit\u00e0 di analizzare un testo per individuarne le parti e \u201cmarcarle\u201d in base all\u2019argomento. Lo fanno gi\u00e0 tutti i software dei social network quando analizzano quello che scriviamo per costruire un profilo dei nostri interessi e delle nostre opinioni, facendo quella che si chiama \u201csentiment analysis\u201d (in cui \u201csentiment\u201d \u00e8 quell\u2019opinione di pancia, non razionalizzata, che ci rende insopportabile la Ferragni e ci rende simpatico Gigi Proietti).<\/p>\n\n\n\n Nel caso dei modelli GPT non si sta interagendo direttamente col modello linguistico (che \u00e8 un oggetto enorme con miliardi di parametri), ma appunto con un software specializzato che \u00e8 in grado di tradurre quello che scrive la persona in una serie di istruzioni che interrogano il modello. Questo software \u00e8 abbastanza sofisticato da sapere dire \u201cgrazie, scusa, ho sbagliato\u201d e individuare alcune parole importanti in un mucchio di altre.<\/p>\n\n\n\n Ma non \u00e8 il solo. Lo fanno anche i \u201cprompt\u201d dei motori di ricerca da un bel po\u2019 di tempo; si potrebbe scrivere: \u201cper favore, Google adorato, potresti dirmi se qualcuno da qualche parte ha scritto qualcosa sul terzo canto dell\u2019inferno? Grazie\u201d<\/p>\n\n\n\n ma in pratica \u00e8 sufficiente scrivere: \u201cterzo canto inferno\u201d<\/p>\n\n\n\n che sono le uniche parole importanti. Il risultato \u00e8 lo stesso; se non ci credete, provate.<\/p>\n\n\n\n In realt\u00e0 l\u2019interfaccia del motore di ricerca utilizza tutte<\/em> le parole per eliminare possibili ambiguit\u00e0; ma \u00e8 in grado di filtrare il rumore di fondo costituito da articoli, congiunzioni, verbi predicativi e parole troppo comuni per concentrarsi sulle altre.<\/p>\n\n\n\n La particolarit\u00e0 di questa maniera di programmare computer \u00e8 che lo si fa senza specificare <\/em>esattamente <\/em>come. <\/em>Non \u00e8 necessario specificare quello che si vuole ottenere, se non in maniera piuttosto vaga; ci pensa il software a estrarre le informazioni rilevanti e tradurle (abbiamo detto che i computer lo sanno fare bene) in istruzioni eseguibili. D\u2019altra parte il concetto di ricerca si \u00e8 trasformato parecchio: se prima era un bibliotecario a cui si forniscono le parole che devono comparire nell\u2019oggetto cercato, oggi \u00e8 un maggiordomo che propone soluzioni prima ancora che la domanda venga formulata e che il bisogno venga espresso. La trasparenza e l\u2019anticipazione dei bisogni sono, a mio avviso, due degli obiettivi perseguiti con pi\u00f9 costanza nel progresso dei servizi digitali. Non necessariamente a vantaggio nostro, come ho provato a raccontare qui [https:\/\/www.stefanopenge.it\/wp\/trasparenze\/<\/a>].<\/p>\n\n\n\n Quello che \u00e8 davvero nuovo \u00e8 la capacit\u00e0 di generare testi complessi sulla base di un modello anche stilistico oltre che di contenuto. Ed \u00e8 abbastanza nuova la maniera in cui questa performance avviene: non applicando regole ad un insieme di dati, ma costruendo un enorme modello linguistico in cui le parole siano collegate ad altre parole sia per vicinanza che per area semantica. Questo super-modello permette di predire quale parola \u00e8 pi\u00f9 probabile che segua una serie di parole precedenti. Un po\u2019 quello che fa il T-9 del nostro telefono, che ad ogni parola che scriviamo ci propone la parola successiva pi\u00f9 probabile sulla base delle sequenze pi\u00f9 frequenti, ma molto meglio.<\/p>\n\n\n\n Non c\u2019\u00e8 una vera comprensione del testo, se per comprensione intendiamo qualcosa di vicino a quello che noi immaginiamo di fare quando leggiamo un testo: una specie di ricerca delle parole nel dizionario dei significati, seguita da una somma di tutti i significati trovati. Ma c\u2019\u00e8 chi dice che in fondo anche noi, quando ascoltiamo e parliamo, utilizziamo strategie superficiali che hanno a che fare pi\u00f9 con la parentela tra le parole che con la proiezione sul piano lessicale e grammaticale dei significati di una serie di concetti. Per esempio, quando ascoltiamo qualcuno che parla una lingua nota ma non troppo tendiamo a cercare di cogliere frammenti e ricostruire il senso generale a partire da quelli e dalle intersezioni possibili tra i campi semantici relativi. Ad esempio, se intercettiamo \u201ccane\u201d e \u201cgrilletto\u201d la conversazione potrebbe riguardare delle armi da fuoco; ma se insieme c\u2019\u00e8 \u201cgatto\u201d allora probabilmente si tratta di Pinocchio. Capito, o meglio deciso, questo contesto, tutte le altre parole verranno interpretate nella direzione selezionata. Il cane sar\u00e0 Melampo, il legno quello del ciocco usato da Geppetto eccetera.<\/p>\n\n\n\n Forse addirittura i significati non sono niente altro che queste relazioni tra parole che rendono pi\u00f9 probabili certe costellazioni di parole rispetto ad altre nelle conversazioni. Se fosse cos\u00ec, ChatGPT non farebbe niente di diverso da quello che facciamo noi perch\u00e9 \u00e8 cos\u00ec che funziona il linguaggio in pratica.<\/p>\n\n\n\n Quindi: o noi non<\/em> siamo pi\u00f9 intelligenti dei grandi modelli linguistici, oppure questi modelli non sono affatto intelligenti.<\/p>\n\n\n\n Ma arriviamo all\u2019uso didattico del prompt, che era l\u2019obiettivo dichiarato di queste riflessioni.<\/p>\n\n\n\n Secondo le opinioni degli insegnanti intervistati dagli autori di ChatGPT [https:\/\/openai.com\/blog\/teaching-with-ai<\/a>], il prompt<\/em> si pu\u00f2 usare a scuola in tanti modi:<\/p>\n\n\n\n Probabilmente a noi europei, pi\u00f9 centrati sulla nostra storia delle letteratura che sui problemi linguistici degli immigrati, questi suggerimenti sembrano ingenui e comunque non praticabili nel contesto della didattica quotidiana, a parte il secondo, che attrae irresistibilmente con la sua promessa di far risparmiare tempo al docente.<\/p>\n\n\n\n Il quarto punto (far crescere il senso critico dei ragazzi) \u00e8 invece interessante. Curiosamente cita internet, e non i servizi intelligenti, come se i rischi fossero legati a cattivi hacker in agguato l\u00e0 nella notte della dark web; ma \u00e8 interessante proprio perch\u00e9 non \u00e8 un suggerimento che viene da qualche agenzia culturale luddista e anti-tecnologica, ma da chi spinge per il progresso veloce e inarrestabile a qualunque costo. Sembra un\u2019etichetta di una bevanda alcolica che recita \u201cBevi responsabilmente\u201d o di un pacchetto di sigarette \u201cIl fumo provoca il cancro\u201d.<\/p>\n\n\n\n Le prime raccomandazioni a non fidarsi troppo delle risposte dei servizi di dialogo artificiali come ChatGPT o Bard vengono infatti dai loro produttori, che sottolineano come ci possano essere \u201cimprecisioni\u201d nelle risposte. Dice Microsoft a proposito del suo motore di ricerca Bing potenziato con Copilot, cio\u00e8 la sua versione di GPT:<\/p>\n\n\n\n \u201cB<\/em>ing mira a basare tutte le sue risposte su fonti affidabili, ma l’intelligenza artificiale pu\u00f2 commettere errori e i contenuti di terze parti su Internet potrebbero non essere sempre accurati o affidabili. A volte Copilot travisa le informazioni trovate e potresti vedere risposte che sembrano convincenti ma sono incomplete, imprecise o inappropriate. Usa il tuo giudizio e ricontrolla i fatti prima di prendere decisioni o agire in base alle risposte di Copilot.\u201d<\/em> [https:\/\/www.microsoft.com\/it-it\/bing?#faq<\/a> ]<\/p>\n\n\n\n Ma qui si tratta di studenti, di ragazzi, che per ipotesi non hanno un giudizio sufficientemente solido da poter controllare i fatti (tant\u2019\u00e8 che la scuola ha per obiettivo proprio quello di insegnarglielo). Verrebbe da pensare che il limite dei 13 anni non \u00e8 sufficiente per assicurare un uso consapevole di questi strumenti.<\/p>\n\n\n\n Tra i materiali a supporto della formazione Microsoft suggerisce questi obiettivi (solo in inglese, anglosassone o statunitense):<\/p>\n\n\n\n \u2022 Explain the importance of fact#checking AI-generated content.<\/p>\n\n\n\n \u2022 Describe the importance of protecting personal data and privacy while using AI tools.<\/p>\n\n\n\n \u2022 Evaluate the potential for bias in AI#generated outputs and its implications.<\/p>\n\n\n\n \u2022 Recognize that generative AI is a tool rather than a social companion and apply their understanding of digital<\/p>\n\n\n\n wellbeing to ensure healthy digital usage<\/p>\n\n\n\n [https:\/\/learn.microsoft.com\/it-it\/training\/educator-center\/instructor-materials\/classroom-toolkit-unlock-generative-ai-safely-responsibly<\/a>]<\/p>\n\n\n\n Gli stessi obiettivi sono declinati nelle slide in formato Power Point scaricabili dallo stesso sito. Le attivit\u00e0 proposte mettono in campo Gina, un\u2019appassionata di ecologia, e Alex, un giovane programmatore; viene mostrato come possano usare Bing e Microsoft Copilot ma facendo attenzione ai rischi impliciti nel loro uso.<\/p>\n\n\n\n Personalmente trovo la situazione paradossale: come se si fornissero materiali didattici sull\u2019uso della armi, in cui per\u00f2 si citano i rischi legati ad un uso improprio. \u201cUsa pure il nostro revolver, ma fai attenzione a non spararti sui piedi\u201d. E\u2019 drammatico pensare che probabilmente negli Stati Uniti esiste davvero qualcosa del genere.<\/p>\n\n\n\n D\u2019altra parte, il cambio di direzione repentino che hanno dovuto effettuare le aziende stesse nella presentazione degli obiettivi di sviluppo delle intelligenze generative dovrebbe farci riflettere: da sostituito del motore di ricerca tradizionale (come il Multitask Unified Model promesso da Google nel 2021) sono diventate degli allegri generatori di finti acquerelli impressionisti o di riassunti di romanzi. Si pu\u00f2 chiedere a Bing (integrato in Edge ma anche in Skype) di generare men\u00f9 per una festa di compleanno dei figli, di pianificare un viaggio in Inghilterra oppure di creare una lezione sulla guerra di Secessione: insomma attivit\u00e0 a basso rischio. L\u2019educazione non \u00e8 un contesto critico, almeno nella concezione di Microsoft.<\/p>\n\n\n\n Queste scuse anticipate vengono proposte anche in prima persona singolare, come se ci fosse un soggetto che sa di poter sbagliare, si rende conto che questo \u00e8 un limite, \u00e8 capace di provare vergogna, eccetera. Ad esempio: \u201dI’m an AI preview, so I’m still learning. Sometimes I might say something weird. Don’t get mad at me, I’m just trying to get better!\u201d<\/p>\n\n\n\n Fa parte delle retorica corrente dell\u2019Intelligenza Artificiale: non viene presentata come un servizio (momentaneamente gratuito) gestito da un\u2019azienda, ma come un soggetto dotato di volont\u00e0 e fini.<\/p>\n\n\n\n Potremmo invece usare il prompt nella sua funzionalit\u00e0 pi\u00f9 ghiotta, cio\u00e8 la produzione di testi fasulli,<\/p>\n\n\n\n Se chiediamo un testo \u00e0 la D\u2019<\/em>A<\/em>nnunzio <\/em>che parla di una mareggiata autunnale vista da un villaggio della Maremma, poi possiamo confrontarlo con quello originale di Carducci. Cos\u00ec avremmo un esempio pratico della differenza tra le poetiche dei due autori ma applicate ad uno stesso tema. Magari poi potemmo fare il contrario e chiedere un testo \u00e0 la Carducci<\/em> che parla di un\u2019improvviso scroscio di pioggia estiva durante una gita nella pineta in Versilia. In fondo \u00e8 sempre Toscana.<\/p>\n\n\n\n Dicevamo che il coding \u00e8 un modo di riflettere su come certe regole applicate a certi dati possano produrre o no il risultato immaginato.<\/p>\n\n\n\n Si pu\u00f2 fare fare la stessa cosa con il \u201cprompt\u201d di ChatGPT?<\/p>\n\n\n\n S\u00ec e no.<\/p>\n\n\n\n S\u00ec, perch\u00e9 ovviamente si pu\u00f2 provare a vedere cosa succede se si danno indicazioni diverse, in termini di stile o di riferimenti. Si pu\u00f2 addirittura creare un piccolissimo dataset di testi di un certo autore, costruire un modello su quella base e vedere cosa viene prodotto.<\/p>\n\n\n\n No, perch\u00e9 la maniera in cui viene costruito quel modello sulla base di quel dataset e la maniera in cui viene costruito un testo usando quel modello \u00e8 del tutto opaca, si potrebbe dire sia soggettivamente<\/em> che oggettivamente<\/em>.<\/p>\n\n\n\n Soggettivamente: \u00e8 opaca per chi la fa. Chi fa la richiesta \u00e8 un utente finale, che potr\u00e0 magari avere il ruolo di beta-tester ma non ha idea di cosa succeda tra il momento in cui preme il tasto \u201cinvio\u201d e il momento in cui appare una risposta scritta sullo schermo.<\/p>\n\n\n\n Ma \u00e8 anche oggettivamente opaca, cio\u00e8 \u00e8 opaca per tutti. La maniera di funzionare di questi software si basa sulla creazioni di ponti tra isole, ispirandosi un po\u2019 alla maniera in cui crediamo funzioni il cervello a livello cellulare. I ponti vengono creati in grande numero e continuamente disfatti e rifatti in base alla valutazione dei risultati che si ottengono. E\u2019 una strategia che non punta all\u2019ottimo ma solo al meglio relativo, che ha senso quando il numero di isole e ponti \u00e8 veramente grande, come appunto nel caso dei neuroni e delle connessioni.<\/p>\n\n\n\n E\u2019 il principio stesso del machine learning: si basa su una forma di induzione su un grandissimo numero di situazioni, catalogate con un grandissimo numero di parametri; troppi per essere elencati o controllati. E\u2019 il sogno finalmente realizzato degli scienziati inglesi del seicento: smettere di dedurre in maniera ferrea a partire da quattro idee astratte non verificabili ma finalmente costruire generalizzazioni praticamente utilizzabili a partire da dati reali. Naturalmente i vecchi empiristi lo sapevano gi\u00e0, che \u201cutilizzabile\u201d non significa \u201cvero\u201d, e che l\u2019applicazione del loro metodo avrebbe avuto qualche difficolt\u00e0 pratica. Se si hanno ha disposizione tutti i dati, allora la generalizzazione \u00e8 perfetta, ma un po\u2019 inutile, perch\u00e9 si limita a dire quello che gi\u00e0 si sa. Se non si hanno a disposizione tutti i dati, allora la generalizzazione \u00e8 utile, ma potrebbe essere sbagliata. Questa consapevolezza \u00e8 una versione applicata alla costruzione della conoscenza di altri principi regolativi che sono stati accettati da tempo in fisica: \u201cla perfezione non \u00e8 di questo mondo\u201d. Si pu\u00f2 avere una conoscenza imprecisa di tutto o una conoscenza dettagliata di qualcosa. Nella maggior parte dei casi, non \u00e8 possibile sapere in quale delle due situazioni ci si trovi, e questa \u00e8 la cosa pi\u00f9 scocciante.<\/p>\n\n\n\n Anche qui c\u2019\u00e8 un obiettivo specificato in termini vaghi, come nell\u2019interazione con Prolog; ma in questo caso l\u2019obiettivo viene fornito all\u2019interprete da qualcuno che non sa come \u00e8 stato costruito il modello. Non \u00e8 possibile vedere i dati (perch\u00e9 sono troppi) o le regole (perch\u00e9 non ci sono).<\/p>\n\n\n\n Che cosa si impara con queste simulazioni? Che lo stile di un autore non \u00e8 niente che non si possa apprendere, a posteriori, a partire dalle sue opere. Che non serve una comprensione profonda per riprodurlo ma bastano un numero sufficiente di esempi. Che il concetto stesso di stile (e quello derivato di storia degli stili, su cui \u00e8 costruita la nostra storia della letteratura) \u00e8 probabilmente sopravvalutato.<\/p>\n\n\n\n Che questo sia sufficiente (che \u00e8 quanto sostiene chi introduce questi strumenti in classe da \u201cutente felice\u201d, che ha diritto di non sapere cosa c\u2019\u00e8 sotto e dietro) non \u00e8 detto.<\/p>\n\n\n\n E\u2019 tanto? E\u2019 poco? Probabilmente meno di quello che si imparerebbe scrivendo un programma che produce poesie usando un lessico dannunziano e secondo forme metriche dannunziane. Perch\u00e9 in quel caso saremmo costretti a costruire quel lessico (cosa includiamo, cosa no?) e trovare un modo per rappresentare quelle forme metriche; e poi occuparci delle metafore, delle analogie, dei colori.<\/p>\n\n\n\n Per chiudere questo paragrafo: usare ChatGPT \u00e8 molto pi\u00f9 semplice che scrivere un programma e lo possono fare tutti.<\/p>\n\n\n\n Ma no, non \u00e8 la stessa cosa.<\/p>\n\n\n\n Ma allora cosa si pu\u00f2 fare con questa benedetta intelligenza artificiale generativa nell\u2019educazione? Va scansata, ignorata altezzosamente?<\/p>\n\n\n\n Certo che no. Perch\u00e9 al di l\u00e0 della sua forma attuale (il prompt appunto) si tratta di un passaggio importante non solo tecnico, ma culturale e sociale. La frenesia con cui persone che hanno ignorato fino a ieri l\u2019esistenza stessa di software \u201cintelligenti\u201d si sono buttate a creare testi e immagini sulla base di ricette ha una radice che merita di essere studiata e capita.<\/p>\n\n\n\n Si potrebbero \u201cimportare\u201d alcuni dei temi toccati fin qui all\u2019interno delle materie e delle lezioni tradizionali. Le storie (della filosofia, della letteratura, dell\u2019arte ) sono discipline in cui \u00e8 facile trovar loro posto.<\/p>\n\n\n\n Per esempio:<\/p>\n\n\n\n In sostanza si tratterebbe di ricondurre la novit\u00e0 nell\u2019alveo della tradizione. Un procedimento tipico della scuola, che tranquillizza tutti, ma a mio avvisto rischia di non porta a grandi passi avanti.<\/p>\n\n\n\n Forse si pu\u00f2 fare qualcosa di pi\u00f9.<\/p>\n\n\n\n Intanto la discussione che precede e segue l\u2019uso del prompt pu\u00f2 pi\u00f9 essere utile e interessante. Probabilmente questa \u00e8 la parte pi\u00f9 importante di ogni utilizzo didattico di tecnologie non create esplicitamente per l\u2019apprendimento, dai laboratori linguistici alle LIM: ricostruirne la genesi e gli obbiettivi, provare a capirne il funzionamento, valutarne il bilancio guadagni-concessioni.<\/p>\n\n\n\n<\/a>1. Macchine che sembrano intelligenti<\/h1>\n\n\n\n
<\/a>2. Macchine che fingono di essere intelligenti<\/h1>\n\n\n\n
<\/a>3. Il prompt prima del prompt<\/h1>\n\n\n\n
![\"\"](\"https:\/\/www.stefanopenge.it\/wp\/wp-content\/uploads\/2024\/09\/immagine-1.png\")
<\/figure>\n\n\n\n<\/a>4. Didattica del prompt<\/h1>\n\n\n\n
\n
<\/a>5. Temi in classe<\/h1>\n\n\n\n
\n