L’Intelligenza Artificiale (IA) sta entrando prepotentemente nelle nostre case e nei nostri ambienti di lavoro. È una vera e propria rivoluzione, non solo industriale ma anche sociale, che cambierà il nostro mondo e non potrà essere ignorata. Sarebbe però riduttivo credere che l’IA sia solo un nuovo, per quanto raffinato, strumento tecnologico; infatti il cuore, anzi il cervello, di questo nuovo attore ha una natura “matematica”. In questa sessione di studi tre esperti spiegano in un linguaggio non tecnico come l’IA si basa sulla matematica.

 
Saluti
 
L’Anima Numerica dell’Intelligenza Artificiale, Prof.ssa Giorgia Franchini, Dipartimento di Scienze Fisiche, Informatiche e Matematiche – UNIMORE

L’attribuzione dei Premi Nobel 2024 per la Fisica e per la Chimica ha sancito una svolta epocale: l’Intelligenza Artificiale (IA) non è più solo uno strumento tecnologico, ma un pilastro della scienza moderna. Tuttavia, dietro l’apparente "magia" di sistemi capaci di affrontare problemi di sfida in svariati settori (bioinformatica, scienze dei materiali, neuroscienze, guida autonoma, diagnostica medica, cybersecurity...) si nasconde un cuore pulsante fatto di numeri, algoritmi e calcolo ad alte prestazioni. In questo intervento cercheremo di rispondere alla domanda: "Intelligenza Artificiale: ma l'intelligenza dov'è?". Attraverso un percorso divulgativo, esploreremo come i concetti fondamentali di Matematica ed in particolare dell'Ottimizzazione Numerica — dalla minimizzazione di una funzione di perdita alla regolarizzazione dei dati — siano gli ingranaggi che permettono alle macchine di "imparare". Vedremo come l'IA si basi su eleganti e potentissimi modelli matematici di ottimizzazione volti a simulare la complessità del mondo reale.

 
Come creare e poi “domare” gli LLM con l’AI neuro-simbolica, Dott. Marcello Pellacani, Expert.IA

I Large Language Models (LLM) sono strumenti estremamente potenti, ma non sempre affidabili: possono generare errori, bias o informazioni incoerenti (allucinazioni). In questa chiacchierata vedremo come si addestra un LLM, dalle grandi quantità di dati fino alle tecniche di fine-tuning. Successivamente aggiungeremo il “guardiano” con l’uso di tecnologie neuro-simboliche per controllare e migliorare il comportamento del modello. Questi sistemi permettono di verificare le risposte, applicare regole e rendere l’AI più sicura e affidabile attraverso la creazione di agenti. L’obiettivo è capire come combinare potenza e controllo, trasformando gli LLM in strumenti realmente utilizzabili in contesti professionali e decisionali.
 

Numeri, alberi, lingue e intelligenze (artificiali), Prof. Claudio Giberti, Dipartimento di Scienze e Metodi dell’Ingegneria – UNIMORE

La scomposizione completa dei numeri naturali in fattori primi consente di associare a ciascun numero una rappresentazione sotto forma di struttura ad albero. Interpretando tali alberi come parole di Dyck, la sequenza dei numeri naturali genera un testo infinitamente lungo, che viene analizzato mediante tecniche statistiche e confrontato con i testi delle lingue naturali. L’analogia con il linguaggio naturale suggerisce inoltre di sottoporre la sequenza di parole di Dyck a un modello di intelligenza artificiale di tipo Large Language Model, progettato per apprendere e generare testo. Resta allora da chiedersi se un Large Language Model sia in grado di cogliere e “comprendere” la struttura del linguaggio generato dai numeri primi.

 
Ore 17.55
conclusioni