La personalizzazione delle intelligenze artificiali – Come usare l’IA per liberarci tempo

A cura di Eliana Bergaglio, Giovanni Mantegazza, Lorenzo Natali, Emiliano Pino, Ludovica Pinzone, Salvatore Varriale 

Alberto Puliafito, giornalista, produttore e fondatore di Slow News –  testata che promuove un approccio sostenibile e innovativo all’informazione – opera dal 2004 nell’ecosistema digitale, facendo delle intelligenze artificiali generative il fulcro del suo lavoro. Durante il seminario “La personalizzazione delle intelligenze artificiali: come usare l’IA per liberarci tempo”, tenutosi martedì 21 gennaio 2025 presso il Dipartimento di Lingue e Culture Moderne dell’Università di Genova, l’esperto ha offerto una panoramica pratica su come le IA siano uno strumento efficace per alleggerire attività ripetitive e time-consuming. Per approcciarsi all’argomento, Puliafito ha ritenuto doveroso partire da una premessa circa la recente svolta nazionalista e opportunista di OpenAI, che evidenzia come lo sviluppo dell’IA sia sempre più influenzato da fattori politici ed economici.

Immagine generata con ChatGPT 4o mini

La OpenAI, infatti, nelle prime settimane di gennaio 2025, ha pubblicato un documento (disponibile al seguente link) sullo sviluppo delle intelligenze artificiali che rappresenta, in realtà, l’escalation di una lobby, la quale intende favorire le grandi aziende tech statunitensi. Inoltre, il documento mostra come la OpenAI sia pronta a prendere una posizione netta presentando un’analisi che contrappone gli Stati Uniti alla Cina, mentre Europa e Regno Unito vengono considerati solo marginalmente come partner. 

Si tralascia, dunque, una visione più ampia, un’analisi che consideri l’impatto delle IA sul bene comune o sulle dinamiche globali. Il mondo viene, così, meramente semplificato in una lotta tra due superpotenze.

INTELLIGENZE ARTIFICIALI: UN’ARMA A DOPPIO TAGLIO?

Le IA – sarebbe meglio usare il plurale – rappresentano una delle più grandi rivoluzioni tecnologiche del nostro tempo, specialmente considerato l’enorme impatto da queste già esercitato in molteplici settori. Tuttavia, queste macchine pongono anche sfide complesse, paragonabili come sono  a “scatole nere” per l’opacità dei loro processi decisionali interni; difatti, possono essere utilizzate in modi estremamente diversi sfruttando progettazione e addestramenti mirati all’ottenimento di risultati ad hoc. Sebbene offrano vantaggi innumerevoli, dalla generazione di contenuti creativi all’assistenza medica, è fondamentale riconoscere come le IA non siano però strumenti neutri. Come sottolineato da Badino e colleghi (2024), «ChatGPT funziona come specchio amplificatore di disuguaglianze strutturali che trova disseminate nella rete». Altro aspetto cruciale, in tal senso, è l’accessibilità a queste tecnologie: di fatto è sempre più spiccato l’enorme divario competitivo tra chi è in grado di sviluppare e utilizzare le IA e chi, invece, tende e tenderà ad avere un ruolo sempre più marginale

Nonostante le suddette sfide, le IA generative continuano a evolvere rapidamente e a permeare sempre più aspetti della vita quotidiana. Ne è un chiaro esempio il settore editoriale ove le intelligenze artificiali, tra le tante possibilità offerte, potrebbero snellire il processo di valutazione delle opere proposte dagli autori offrendo poi ad essi, inoltre, feedback approfonditi, chiari ed “empatici”.

Insomma, i benefici offerti dalle IA sono innumerevoli; tuttavia ogni uso che se ne fa, come evidenziato da Quintarelli (2020), ha un impatto sociale e, pertanto, è fondamentale sviluppare un approccio etico e responsabile, affinché queste tecnologie siano uno strumento utilizzato a beneficio dell’umanità.

CONSIGLI PER UN USO EFFICACE E CONSAPEVOLE DELLE IA

Immagine dell’assistente di OpenAI tratta da Tratta da Weetech Solution, What Is OpenAI’s ChatGPT, And How Can You Use It?, 2024

Puliafito ha presentato, infine, quattro possibili esempi applicativi di personalizzazione delle IA utili  per risparmiare tempo nello svolgimento di compiti quotidiani e/o ripetitivi: 

  1. la personalizzazione dell’account grazie alla quale è possibile programmare il comportamento dell’IA fornendole informazioni sugli utenti. Ad esempio, le si possono fornire  dettagli precisi su come si vuole che risponda o si comporti durante lo svolgimento di determinati compiti. Questa funzionalità aiuta a risparmiare tempo adattando le risposte alle preferenze personali; 
  2. l’uso della memoria, che avviene su specifica richiesta dell’utente, per permettere all’IA di ricordare eventi o informazioni circa i suoi interessi o lavori. In questo caso, è  importante effettuare una revisione periodica di quanto salvato in memoria, al fine di eliminare informazioni obsolete o non più utili, mediante la funzione “forget”; 
  3. l’organizzazione delle chat in cartelle tematiche al fine di raccogliere tutte le conversazioni relative a uno specifico argomento. Tale funzione fornisce indicazioni aggiuntive sulle modalità che l’IA deve adottare per la produzione delle risposte all’interno di un determinato progetto;
  4. la creazione di assistenti dedicati a compiti specifici come un assistente per LinkedIn che aiuti a scrivere e pubblicare post o un assistente per le call che generi sintesi di quanto emerso eliminando le parti ritenute non rilevanti. 

Le funzionalità precedentemente esplicate mostrano l’assoluto potenziale offerto dalle IA generative, strumenti in grado di semplificare e personalizzare i più disparati processi della nostra routine giornaliera. Non bisogna però dimenticare i limiti, non solo tecnologici, e i rischi da esse rappresentati. Tolta la già citata non neutralità degli strumenti e, non meno importante, la loro “imprecisione” (le allucinazioni non sono rare e diventano tanto più frequenti, quanto più specifiche sono le richieste), le IA portano enormi cambiamenti capaci di stravolgere lo scenario economico-politico. Basti pensare alla trasformazione radicale che sta prendendo piede nel mondo del lavoro e che richiederà, quantomeno, il ripensamento del rapporto tra capitale umano e attività lavorativa.


In conclusione, l’intervento di Puliafito ha sottolineato come le IA rappresentino un’opportunità straordinaria per accelerare l’ormai inevitabile cambiamento sociale. Ciononostante, risulta necessario mantenere un approccio critico e responsabile,  attento ai  processi di progettazione, ai materiali di addestramento e ai futuri utilizzi. Il tutto, sempre considerando che i loro “addestratori” (tutti noi, in un certo senso) sono influenzati da bias sociali, rischiosi per l’individuo e la società.

Tenendo in considerazione quanto asserito nei paragrafi precedenti, l’utilizzo delle IA richiede molta consapevolezza critica e altrettanta responsabilità.

BIBLIOGRAFIA

Badino M., D’Asaro F. A., Pedrazzoli F., 2024, Educare all’IA. La sfida didattica dell’Intelligenza Artificiale: Chat GPT e Gemini, Sanoma

Quintarelli S. (a cura di), 2020, Intelligenza Artificiale: Cos’è davvero, come funziona, che effetti avrà, Bollati Boringhieri.

Seminario sulla pubblicazione accademica in Open Access – J. Ingrin

A cura di Eliana Bergaglio, Giovanni Mantegazza, Giada Pantana

In data 24/01/2025 si è svolto presso il DISTAV di UniGE il seminario “ Pubblicare nel XXI secolo e diventare agenti di cambiamento” tenuto dal Prof. Jannick Ingrin dell’Université de Lille.
Il seminario si è aperto con un interrogativo, ovvero: “Qual è il motivo per cui si sceglie di partecipare a un convegno, una conferenza, un seminario, ecc.?”.
Si tratta di un quesito che prevede molteplici risposte, fra le quali la principale, almeno secondo il pensiero del professore è il fatto di presentare i propri risultati per verificarne la correttezza, la credibilità e la coerenza all’interno della comunità di riferimento.

Introduzione e Obiettivi

La presentazione ha avuto scopo di fornire una panoramica sulle opzioni di pubblicazione accademica oggi disponibili, con particolare attenzione al modello Open Access (OA). È stata enfatizzata da parte del docente l’importanza di scegliere consapevolmente dove pubblicare.
L’Open Access è descritto come la disponibilità gratuita e immediata online degli articoli di ricerca, con pieni diritti di riutilizzo. Si tratta innanzitutto di rendere il contenuto disponibile per chiunque, ovunque si trovi nel mondo, per permettere di leggere, accedere e costruire su di esso. Questo approccio consente alle persone di lavorare in modi nuovi con il materiale, aumentando così il valore della letteratura scientifica.

Origine e Evoluzione dell’Open Access


L’Open Access nasce come risposta a inefficienze e disuguaglianze del modello tradizionale di pubblicazione accademica. Il modello tradizionale ha comportato l’accesso limitato agli articoli scientifici, diversi problemi di copyright e la crescita dei costi di pubblicazione.
Dal 2000, l’OA ha visto una crescita significativa, affermandosi come alternativa dominante, con oltre il 56% delle pubblicazioni nel 2020 anche grazie alla digitalizzazione. Pur non producendo più materialmente gli articoli, le riviste scientifiche che ancora non usano l’OA come modello, hanno cominciato ad aumentare esponenzialmente i prezzi delle sottoscrizioni, ponendo ostacoli significativi all’accesso alle informazioni.

Modelli di Open Access

I tre modelli principali di OA che sono stati presentati sono i seguenti:
Green OA: pubblicazione gratuita tramite archiviazione secondaria in repository istituzionali o tematici. Non sempre include licenze di riutilizzo;
Gold OA: accesso gratuito al momento della pubblicazione, spesso tramite pagamento di Article Processing Charges (APC). L’APC è una tassa che gli autori devono pagare per pubblicare un articolo in una rivista ad accesso aperto al fine di coprire i costi associati al processo editoriale, come la revisione tra pari, l’editing, la gestione dei dati e la diffusione dell’articolo online. Il Gold OA include licenze di riutilizzo;
Diamond OA: modello senza APC, che garantisce accesso libero sia per gli autori che per i lettori. La sostenibilità di questo modello è tuttavia una sfida.
Importanza dell’Open Access nel XXI secolo
L’Open Access sta crescendo rapidamente, con un incremento maggiore nei modelli Gold. Disparità significative esistono tra discipline e regioni geografiche. Europa e Stati Uniti sono leader nella trasformazione verso l’OA, contribuendo alla diffusione globale delle conoscenze e alla riduzione delle disuguaglianze relative all’accesso all’informazione.

Dove Pubblicare: come scegliere

I parametri chiave da considerare nella scelta di una rivista esposti da Ingrin Jannick sono i seguenti:
Fattore di impatto (I.F. o impact factor): indice che valuta la rilevanza e visibilità della rivista. Si tratta di un indice sintetico riferito al numero medio di citazioni ottenute dagli articoli di una determinata rivista nei due anni precedenti rispetto all’anno di riferimento. È doveroso sottolineare che un alto fattore d’impatto non garantisce un’alta visibilità dell’articolo.
Costo (APC): i costi di pubblicazione variano significativamente da una rivista all’altra.
Tempistiche: la velocità di revisione e pubblicazione è molto variabile (es. da 30 a 340 giorni). Bisogna considerare che alcune riviste non indicano in maniera precisa i tempi di pubblicazione, bensì solo quelli previsti per la prima revisione.
Tasso di accettazione: metrica utile per valutare la probabilità di accettazione.
Qualità editoriale: assicurarsi che la rivista aderisca alle best practices (es. verifica nel DOAJ).

Conclusione

L’Open Access rappresenta il futuro della pubblicazione accademica, ma non tutti i modelli sono uguali in termini di sostenibilità, qualità e accessibilità. È cruciale scegliere attentamente dove pubblicare, considerando non solo l’APC e il fattore di impatto, ma anche la qualità della revisione e la velocità del processo editoriale.
Anche gli autori sono fondamentali nel processo di miglioramento del sistema editoriale globale poiché sono responsabili non solo di ciò che scrivono in prima persona, ma anche per quanto riguarda la scelta ponderata delle riviste su cui pubblicare.
L’OA è un modello gratuito, accessibile, immediato, online, che consente il riutilizzo del materiale, come affermato nel video proposto dal docente Ingrin. Questi aspetti permettono quindi alla conoscenza scientifica di diffondersi e crescere più velocemente.
Al contrario, l’accesso a pagamento agli articoli scientifici rappresenta un ostacolo enorme, non solo per i ricercatori in paesi meno sviluppati, ma anche per chi ha avuto difficoltà ad accedere a articoli scientifici per problemi pratici. Questo evidenzia la necessità di modelli alternativi, come l’Open Access, per garantire che la conoscenza sia fruibile e spendibile per chiunque ne abbia bisogno.
Un ultimo punto di riflessione proposto riguarda l’utilizzo consapevole dell’Open Access. Grazie alla facilità di pubblicazione del modello si è assistito alla proliferazione massiva delle pubblicazioni, sestuplicate negli ultimi quarant’anni, nonostante il numero dei ricercatori non sia proporzionalmente cresciuto. Ingrin conclude sottolineando l’importanza di portare avanti una ricerca scientifica responsabile e basata sulla qualità piuttosto che sulla quantità.

Evaluating Linguistic Abilities of Neural Language Models – Seminario IA, Alessio Miaschi, 9/12/2024

 

Autori: Costanza Mondo, Diana Di Matteo, Federico Lo Iacono

 

Gli ambiti di ricerca di Alessio Miaschi, ricercatore presso CNR – ILC, sono soprattutto l’interpretatività ed evaluation dei Large Language Models (LLMs). Il 9 dicembre, il suo seminario ha fornito un’esaustiva introduzione ai LLMs e delineato la loro evoluzione nel tempo, per concentrarsi poi sugli ambiti della loro interpretatività ed evaluation. La sua presentazione seguiva una struttura precisa che permetteva di seguire gli argomenti in modo scorrevole e chiaro:

1. Introduzione
2. Neural Language Models (NLMs)
3. Transformer-based LMs
4. Interpreting and evaluating NLMs
5. Conclusioni e sviluppi futuri

 

  1. Introduzione

    Il punto di partenza della storia del Large Language Models è la linguistica computazionale. Questa branca del sapere si concentra sullo sviluppo di sistemi che lavorano con il linguaggio, che essendo un sistema probabilistico richiede un modello basato sulle probabilità. Un LLM si occupa di assegnare una probabilità ad una sequenza di parole, in cui la probabilità di una parola dipende dalla probabilità di quelle che la precedono. Per molto tempo, i processi di funzionamento dei LLMs si sono basati sul conteggio delle sequenze in una quantità di testo. In seguito, per ridurre il considerevole costo computazionale di questa procedura, sono stati elaborati i modelli n-gramma (ngrams) che tengono in considerazione solo la probabilità delle due o tre parole precedenti a quella da generare e che richiedono quindi poche informazioni da elaborare. Come evidenziato da Miaschi, a differenza di ChatGPT, il modello ngram non può generalizzare su sequenze di parole che non ha mai incontrato.
    Così si è giunti a lavorare su un concetto molto importante: la rappresentatività, ossia un modo efficace di rappresentare le parole così che risultino intellegibili alle macchine. Volto a rappresentare le immagini e renderle computabili, il Representation Learning è una procedura di training che associa una parola a un vettore di numeri e visualizza le parole della lingua in uno spazio vettoriale da cui si possono ricavare informazioni sulla loro semantica e somiglianza in base alla vicinanza dei cluster verbali. In questo modo, i significati vengono assegnati tramite la disposizione spaziale.

 

  1. Neural Language Models (NLMs)


Come secondo punto del seminario, Miaschi ha poi introdotto i Neural Language Models (NLMs) come modelli di linguaggio composti da reti neurali artificiali addestrate a risolvere funzioni di language modelling. Ha fatto riferimento allo studio del 2003 di Bengio et al., in cui una macchina è stata addestrata secondo il Neural Probabilistic Language Model a prendere una sequenza (in cui a ogni parola è associato un vettore) e a predire una probabilità su ogni vocabolo della lingua. Da notare che questa macchina possedeva una rete neurale a un solo strato, in seguito sono state sviluppate reti neurali ricorrenti.
Nel 2017 dei ricercatori di Google svilupparono il Transformer Model che usa funzioni di encoder e decoder. L’encoder elabora un’immagine a partire da un testo, mentre il decoder genera testo a partire da un input testuale. Inoltre, questo modello adotta un meccanismo di attenzione per cui si crea una nuova architettura in cui la rete neurale si concentra sulla parte di sequenza più importante e genera parole in modo contestuale, assegnando pesi maggiori o minori a tutte le parole.

 

  1. Transformer-based LMs


Dal 2017 in poi nascono i Transformer-based Neural Language Models a cui Miaschi ha dedicato la terza parte della presentazione. Partendo dal paper del 2017 “Attention is All You Need” di Ashish Vaswani, Noam Shazeer, Niki Parmar, Jakob Uszkoreit, Llion Jones, Aidan N. Gomez, Lukasz Kaiser ed Illia Polosukhin si crea fondamentalmente una scissione: l’encoder si contrappone al decoder. L’encoder prende testo e sputa vettori, dunque può ben essere utilizzato per la traduzione automatica; mentre il decoder prende testo e sputa fuori testo. Sia encoder che decoder possono essere utilizzati per fare machine translation, tuttavia vi è una differenza sostanziale e subito si comprendono le potenzialità del decoder. La vera rivoluzione è rappresentata dall’”Attention” che permette di focalizzarsi e creare rappresentazioni di parole di tipo contestuale. Dunque, se fino al 2017 ci si basava su reti neurali ricorrenti, dal 2017 in poi ci si basa sui Transformer, che oltre alle altre hanno anche la potenzialità di guardare contemporaneamente non solo ad una parola ma anche a tutte le altre. Oggigiorno tutti i NLMs, incluso ChatGPT, si basano sull’architettura dei Transformer. La vera scissione del 2017 consiste nel fatto che si sono iniziati a sviluppare solo encoder e solo decoder. Il primo decoder è GPT, di cui Alec Radford e Karthik Narasimhan parlarono nel loro articolo del 2018 “Improving Language Understanding by Generative Pre-Training”. Il decoder processa da sinistra a destra e predice la parola seguente essendo un modello generativo. Il modello opposto rispetto a GPT è BERT che è un encoder che tira fuori sequenze di numeri anziché testo. Infatti BERT è l’acronimo di Bidirectional encoder representations from transformers. BERT fu creato nell’ottobre del 2018 dai ricercatori di Google addestrandolo sul Toronto BookCorpus e su English Wikipedia. Un modello come BERT è ben utilizzabile per fare tagging e per i processi di fine-tuning, ossia si può specializzare per poche interazioni. In BERT le parole vengono mascherate. Da ciò è nato l’MLM, il masked language model, un approccio per allenare modelli di apprendimento su dati testuali di larga scala. L’MLM ha avuto molto successo per risolvere alcuni task di Neural Language Processing come la classificazione del testo, la traduzione e la Sentiment Analysis. In particolar modo, per quanto riguarda la Sentiment Analysis, il Mask Language Modeling risolve l’analisi come un task di masking e non come un processo di classificazione, il che rappresenta una svolta anche nella Sentiment Analysis. Il modello, dunque, quando restituisce una parola restituisce tutto il vocabolario. Negli ultimi anni, dal 2021 al 2023, con l’aumento dei dati e l’affinamento dei modelli è aumentato il livello di sensibilizzazione nella valutazione delle competenze del modello.

 

  1. Interpreting and evaluating NLMs

 

La quarta parte del seminario di Miaschi si è concentrata sull’interpretazione e la valutazione dei Neural Language Models. Partendo dal blog di Open-AI, il ricercatore ha spiegato come si è passati da GPT-3 a Instruct-GPT. Nel biennio 2021-23 i ricercatori hanno iniziato a creare task di istruzioni su cui addestrare GPT-3 per porre un freno a possibili effetti negativi collaterali del fenomeno. Questa è stata un’ulteriore svolta. Infatti, prima di Instruct-GPT, se al modello veniva chiesto come costruire una bomba, il NLM rispondeva. Oggi ciò non avviene poiché vi è una rete di controllo composta da esseri umani che blocca le risposte a domande potenzialmente pericolose per il genere umano stesso. Questo gruppo di controllo si chiama Reinforcement Learning Human Force (RLHF) ed è fondamentale per garantire una forma di sicurezza del modello. L’ultima evoluzione di GPT è stato il passaggio da GPT-3 a GPT-4. Miaschi si è soffermato a lungo sul fatto che non si sa cosa vi è dietro l’addestramento di GPT-4, forse un modello estremamente grande dell’azienda Open-AI che, secondo il ricercatore, opera un “unsupervised learning” a cui segue un’operazione di “supervised fine tuning” e un controllo da parte del RLHF. Ciò che è certo è che dal 2021 in poi si è passati da un’architettura Transformer-based encoder-decoder a modelli generativi. Miaschi ha anche posto l’accento sul fatto che dal 2018 al 2021 quasi tutti i modelli erano open source, ossia chiunque poteva osservare e studiare la struttura del modello. Dal 2021 in poi, quindi da quando sono stati creati i modelli generativi, le aziende hanno smesso di rendere pubbliche le architetture dei loro modelli e dunque si è proceduto verso un closed source. Per esempio, citando il caso di Llama di META, Miaschi ha spiegato che qualunque utente ha accesso all’architettura del modello generativo, quindi apparentemente sembrerebbe un approccio open source, ma nessuno sa su quali corpora è stato addestrato Llama 3.3, quindi non si può parlare di open source vero e proprio. Si può anche ipotizzare, secondo Miaschi, che i dati utilizzati per l’addestramento di Llama siano dati protetti da copyright, però non si hanno abbastanza informazioni per dimostrarlo. La programmazione di gran parte di questi modelli si basa sul linguaggio Python, dunque è facile da utilizzare. A tal proposito, Miaschi cita il caso di Hugging Face che è scritto con due righe di codice Python molto facili da usare. In particolar modo, su Hugging Face sono stati condotti alcuni studi anche da parte di un gruppo di ricerca della Fondazione Bruno Kessler del CNR, perché è un caso interessante di Intelligenza Artificiale generativa in quanto si crea un social fittizio in un ambiente in cui vari Large Language Models interagiscono tra loro, e rappresenta quindi un caso studio per l’interpretabilità di questi modelli. Infatti, osservando come si comportano questi modelli all’interno di Hugging Face si può comprendere meglio la natura dei modelli e capire perché prendono determinate decisioni. Il problema dell’interpretabilità nei Natural Language Processing è sorto dal momento in cui i modelli sono diventati generativi, poiché prima del 2021 i sistemi usati erano molto più semplici e dunque si poteva predire con più facilità il loro comportamento. Queste competenze nella rete neurale artificiale non si possono vedere.

Per quanto riguarda la valutazione dei Neural Language Models, Miaschi ha parlato soprattutto dei benchmarks, che servono a creare una classifica che rifletta qual è il modello migliore, basandosi su una comparazione di più di trenta LLMs rispetto a parametri metrici come la qualità, il prezzo, la performance e la velocità. Tale lista è costantemente aggiornata e disponibile su LLM Leaderboard (LLM Leaderboard – Compare GPT-4o, Llama 3, Mistral, Gemini & other models | Artificial Analysis).

Attraverso la presentazione dei risultati di alcune ricerche del suo gruppo, Miaschi è passato all’ultima parte del seminario, dedicata al linguistic profiling e alla valutazione delle competenze linguistiche dei LLM. I risultati e le ricerche in questione sono condensate in quattro lavori – Evaluating Large Language Models via Linguistic Profiling; Linguistic Profiling of a Neural Language Model; Linguistic Knowledge Can Enhance Encoder-Decoder Models (If You Let It) e Controllable Text Generation To Evaluate Linguistic Abilities of Italian LLMs – presentati a conferenze internazionali e nazionali, su tutte la recentissima Conferenza Italiana di Linguistica Computazionale, CLiC-it. 

Come descritto durante il seminario, negli ultimi anni, i rapidi progressi dell’Intelligenza artificiale e delle ricerche nel Natural Language Processing hanno portato i LLM al centro dell’innovazione tecnologica, toccando capillarmente ambiti di ricerca trasversali e variegati. Questi modelli, alimentati da architetture come i trasformatori descritti precedentemente, hanno dimostrato capacità senza precedenti nella generazione di testo, nella comprensione e in numerosi altri compiti applicativi. Nonostante questi successi – come commentato da Miaschi sia durante il seminario, sia nei vari paper citati – i loro meccanismi sottostanti rimangono complessi e spesso opachi. Una delle domande più naturali, infatti, rimane capire come i LLM codifichino, elaborino e utilizzino le conoscenze linguistiche. 

Rispondere a quesiti come questo è fondamentale non solo per migliorare l’interpretabilità dei modelli, ma anche per garantirne l’efficacia in contesti linguistici e culturali diversificati. Il linguistic profiling offre una metodologia completa per valutare in modo sistematico la competenza linguistica dei LLM: esplorando, infatti, la loro capacità di generare, riconoscere e controllare testi secondo specifiche richieste linguistiche, questo approccio non solo fa luce sui punti di forza, ma aiuta a riconoscere anche i limiti e i vincoli di questi modelli. Come si può immaginare – e come Miaschi ha spesso sottolineato – una riflessione che parta da questa prospettiva fornisce poi anche spunti pratici per migliorare il design dei LLM, la loro adattabilità e soprattutto le loro prestazioni complessive. L’ultima parte del seminario, dunque, ha cercato di mostrare il valore del linguistic profiling, ma anche (e con precisione) le metodologie in uso e i risultati ottenuti, sottolineandone il ruolo cruciale nell’avanzamento della ricerca sui LLM. 

Il linguistic profiling, implicando l’analisi della capacità dei LLM di comprendere e generare testi aderendo a specifiche caratteristiche linguistiche, è un processo che valuta i LLM a diversi livelli linguistici, compresa la capacità di riconoscere (e generare) le proprietà del testo grezzo, le caratteristiche morfo-sintattiche e i fenomeni sintattici più ampi. Tra gli obiettivi principali del linguistic profiling possiamo includere la valutazione della coerenza e della precisione delle risposte rispetto al prompt (testare se i modelli possono generare frasi conformi a richieste linguistiche specifiche, come schemi di parti del discorso o strutture sintattiche); l’analisi delle rappresentazioni interne (cioè comprendere come i processi di pre-addestramento e fine-tuning influenzano la codifica delle caratteristiche linguistiche); e infine il miglioramento dell’interpretabilità (provando a svelare, cioè, la natura black box dei LLM per fornire spunti interpretabili sulle loro capacità linguistiche). Un esempio di questo può arrivare proprio da uno dei paper citati – Evaluating Large Language Models via Linguistic Profiling – nel quale è stato chiesto ai LLM di generare frasi con caratteristiche linguistiche predefinite. Riportiamo a titolo esemplificativo un caso fittizio, diverso da quelli nell’Appendice del paper citato:

  •       Prompt: Generare una frase contenente esattamente tre verbi.
  •       Frase generata: Il cane abbaia, corre e salta oltre il recinto.

A questa prima fase, ne è seguita una di validazione, che ha poi valutato se il testo generato fosse aderente al vincolo richiesto nel prompt. Un approccio simile – finemente descritto nei lavori – si rivela uno strumento utile per mostrare, dunque, sia la competenza dei LLM nella gestione di compiti strutturati sia le loro limitazioni nel mantenere coerenza e precisione, specialmente con complessità crescente.

Proseguendo con gli esempi, abbiamo osservato che la complessità delle richieste e – di conseguenza – dei livelli linguistici presi in considerazione nel linguistic profiling possono variare. A partire soprattutto dai risultati dei paper Linguistic Profiling of a Neural Language Model e Linguistic Knowledge Can Enhance Encoder-Decoder Models (If You Let It), Miaschi ha introdotto infatti parametri quali le proprietà del testo che rispondono a caratteristiche strutturali (lunghezza delle frasi, lunghezza delle parole e ricchezza del vocabolario); la tipologia delle parti del discorso presenti e le caratteristiche morfosintattiche; le caratteristiche precipuamente sintattiche (estratte con strumenti come ProfilingUD: profondità degli alberi sintattici, concordanza e dipendenza,  ordine degli elementi, relazioni soggetto-oggetto-verbo). A tal proposito Miaschi ha rilevato che, ad esempio, un modello come BERT codifica conoscenze morfo-sintattiche e sintattiche significative durante il pre-addestramento, ma queste conoscenze spesso si riducono dopo il fine-tuning su compiti specifici (Linguistic Knowledge Can Enhance Encoder-Decoder Models (If You Let It)).

Proseguendo, sono stati descritti anche i vantaggi che il linguistic profiling offre e che – più in generale – sottolineano la rilevanza nella valutazione e nello sviluppo dei LLM. Il linguistic profiling, infatti, permette di valutare elementi precisi e mirati sul comportamento dei modelli di LLM. Questo approccio, ad esempio, fornisce metriche dettagliate su quanto bene i LLM si allineino alle richieste linguistiche, rivelando aree e punti di forza (riconoscere dipendenze sintattiche) e anche di debolezza (ad esempio, prompt con esplicite richieste sul numero di costituenti da generare nel testo). Non solo: il linguistic profiling favorisce anche una specifica ottimizzazione a seconda delle lingue. Ad esempio, varie ricerche (tra cui quelle del gruppo di Miaschi) sui LLM italiani hanno dimostrato l’utilità del linguistic profiling nell’adattare i modelli a contesti linguistici specifici. Valutando l’aderenza alle regole morfo-sintattiche dell’italiano, infatti, i modelli sono stati ottimizzati per compiti specifici (cfr. Controllable Text Generation To Evaluate Linguistic Abilities of Italian LLMs).

Miaschi e il suo gruppo, inoltre, hanno rilevato il grande impatto del linguistic profiling anche in supporto alla valutazione di modelli multilingue, offrendo spunti sull’adattabilità e sulle prestazioni dei LLM in diversi sistemi linguistici. Nei loro studi, ad esempio, hanno mostrato il valore del fine-tuning intermedio per migliorare le capacità di trasferimento cross-linguistico (cfr. Linguistic Knowledge Can Enhance Encoder-Decoder Models (If You Let It)), riducendo il divario tra lingue più e meno rappresentate valorizzando le caratteristiche comuni alle lingue. Dunque, prima di adattare – per farlo funzionare bene anche in italiano – un LLM addestrato in inglese potrebbe essere sottoposto a un fine-tuning su dataset o compiti in lingua italiana che enfatizzano strutture linguistiche comuni a entrambe le lingue. Infine, gli spunti derivati dal linguistic profiling possono guidare l’architettura del modello e le strategie di addestramento. Ciò significa che l’integrazione di conoscenze linguistiche durante il pre-addestramento migliora significativamente le prestazioni nei compiti downstream (cfr. Evaluating Large Language Models via Linguistic Profiling e Linguistic Knowledge Can Enhance Encoder-Decoder Models (If You Let It)).

Nonostante le grandi potenzialità del linguistic profiling, applicare questo approccio e fare ricerca in questo campo non sono privi di sfide. I lavori citati mostrano infatti diverse limitazioni, o comunque diverse difficoltà. Innanzitutto, i LLM si mostrano spesso incoerenti nell’aderire ai prompt richiesti, specialmente con requisiti numerici o sintattici complessi, come abbiamo visto. Ad esempio, i tassi di successo nella generazione di frasi con clausole subordinate esatte variano notevolmente tra i modelli (cfr. Evaluating Large Language Models via Linguistic Profiling). Inoltre, il linguistic profiling richiede significative risorse computazionali e dataset annotati: si considerino gli esperimenti con i treebank delle dipendenze universali che richiedono un ampio pre-processing e valutazione (cfr. Linguistic Profiling of a Neural Language Model). Non sono da non considerare, poi, paradossi come la perdita di conoscenze linguistiche generali. Si è visto, infatti, che il fine-tuning su compiti specifici può portare a una perdita di rappresentazioni linguistiche più ampie, come osservato nei modelli BERT durante gli aggiustamenti specifici per i compiti (cfr. Linguistic Profiling of a Neural Language Model). Infine, applicare tecniche di profiling a lingue e compiti diversi è un’impresa non banale, che spesso richiede strumenti e metodologie personalizzati (cfr. Linguistic Knowledge Can Enhance Encoder-Decoder Models (If You Let It)).

Integrando quanto detto da Miaschi durante il seminario con uno degli studi del suo gruppo è possibile riflettere maggiormente su potenzialità e limiti del linguistic profiling. In Controllable Text Generation To Evaluate Linguistic Abilities of Italian LLMs sei LLM italiani sono stati valutati utilizzando precise richieste linguistiche (che riguardassero numero di token in produzione e comprensione; analisi delle parti del discorso ecc). La metodologia coinvolgeva un processo in due fasi: innanzitutto era previsto un momento di generazione delle frasi, nel quale ai modelli veniva chiesto di produrre frasi che aderissero a proprietà linguistiche specifiche (ad esempio: Genera una frase con due aggettivi). Successivamente si è previsto un momento di validazione, durante il quale ai modelli è stato chiesto di analizzare i propri output (ad esempio: Quanti aggettivi ci sono nella frase?).

I risultati hanno mostrato variazioni importanti nelle prestazioni, con alcuni modelli eccellenti nella coerenza ma incapaci di rispondere con precisione a richieste più precise ed esatte. Ad esempio, ANITA ha dimostrato alti tassi di successo nei compiti morfo-sintattici ma ha avuto difficoltà con la complessità sintattica. Dando uno sguardo invece agli altri lavori, non inaspettatamente Miaschi e il suo gruppo hanno osservato che i LLM per la lingua inglese ottengono le risposte migliori sia nelle fasi di riconoscimento della complessità, sia nelle fasi di produzione/generazione di frasi in risposta a specifici prompt. Tuttavia, uno dei punti più interessanti discussi da Miaschi è stato il confronto tra modelli più grandi e modelli più piccoli, anche in ottica di scelte ecosostenibili ed economicamente motivate. Per quanto possa apparire paradossale, infatti, modelli di LLM più piccoli e sostenibili – addestrati intelligentemente con fasi intermedie di fine-tuning corrette e mirate – possono comportarsi anche meglio di modelli più grandi e sicuramente più potenti, che tuttavia sono più difficili da addestrare e raffinare, vista l’ingente quantità di materiale richiesto per queste azioni. Rimane valido, in ogni caso, il fatto che modelli più grandi – e lo dimostrano anche gli articoli – possono in linea di massima comportarsi meglio con attività più generali (si vedano i compiti/prompt cross-linguistici).

 

  1. Conclusioni e sviluppi futuri

 

Concludendo, alla luce della progressiva importanza che stanno acquisendo questi LLM – che diventano sempre più integrali in una vasta gamma di applicazioni – comprendere le loro capacità linguistiche è cruciale, in vista di un utilizzo responsabile ed efficace. In questo, il linguistic profiling fornisce un quadro robusto per esplorare queste capacità, svelando il delicato equilibrio tra rappresentazioni pre-addestrate e aggiustamenti successivi al fine-tuning. Questo approccio non solo migliora l’interpretabilità dei modelli, ma getta anche le basi per miglioramenti mirati nel design e nella distribuzione dei LLM. In ottica di sfide che coinvolgono ricerche future, crediamo che alcuni punti salienti possano essere, tra gli altri, I. sviluppare strumenti per semplificare ed estendere le metodologie di profilazione in diversi contesti linguistici e computazionali; II. incorporare esplicitamente caratteristiche linguistiche durante il pre-addestramento per rafforzare la comprensione linguistica generalizzabile dei modelli; e, infine, III. adattare il profiling a contesti specializzati, come lingue a basse risorse o settori professionali specifici. Cercando di colmare il divario tra le prestazioni computazionali e la competenza linguistica dei modelli, il linguistic profiling e le ricerche in questo campo garantiscono che i LLM siano non solo potenti, ma anche più consapevoli delle complessità linguistiche e contestuali del linguaggio umano (e, così, da non ritenere più totalmente sordi/insensibili alle strutture linguistiche).

 

Costanza Mondo, Diana Di Matteo, Federico Lo Iacono

  1. Bibliografia del gruppo di ricerca ItaliaNLP Lab citata durante il seminario

Riflessioni e spunti dalla summer school “Comunicare e finanziare la ricerca”. Cremona, 9-12 Settembre 2024

Laura Ferroglio

Dottoranda in Digital Humanities

Università di Torino

Università di Genova

Dal 9 al 12 settembre 2024 ho avuto l’opportunità di partecipare alla summer school: “Transferable skills. Comunicare e finanziare la ricerca”, organizzata dall’Università Cattolica, nella sede di Cremona. Molti spunti sono stati utili per capire meglio come
comunicare la ricerca e la funzione del lavoro svolto durante il Dottorato.

Il tema è stato affrontato non soltanto sotto il profilo della presentazione del nostro lavoro, ma soprattutto rispetto alla maniera di comunicare in modo efficace (e finanziabile) noi stessi e il progetto di ricerca attraverso il personal branding e i social media. In questo post cercherò di illustrare alcuni insegnamenti chiave, sperando di fornire spunti utili.

Gli umanisti a volte aborrono l’idea della ricerca come brand e come prodotto, intendendo l’attività come esplorazione, intuizione, cultura e diffusione della conoscenza. Siamo portati a credere che tutti questi elementi abbiano un valore intrinseco, che non ha bisogno di essere spiegato o giustificato.

Per gli addetti ai lavori è certamente così, eppure in un periodo storico nel quale l’opinione pubblica ha sempre meno fiducia nel valore della ricerca, nel suo impatto positivo sulla società, è opportuno chiedersi come trasformare la conoscenza in qualcosa di più accessibile e concretizzabile per i non addetti ai lavori, in un mondo dominato dalla gratificazione spontanea e dal profitto non necessariamente commisurato al valore del prodotto. Da Digital Humanist (più humanist che digital) mi rendo pienamente conto di come siano i contenuti digitali a regolare il nostro modo di comunicare, apprendere, interagire con il mondo. Occupandomi di IA e didattica, assisto alla condivisione della conoscenza, dei problemi e perfino dei nostri stili di vita in modo multimodale.

Come coniugare contenuti digitali e comunicazione della ricerca? Ritengo sia utile diffondere tre aspetti di quest’esperienza:

• Trovare un branding che ci rappresenti come professionisti, ma soprattutto come persone

• Conoscere gli strumenti e i mezzi per cercare opportunità (social media, spinoff, crowdfunding)

• Individuare con quali interlocutori vogliamo interfacciarci e quai sono i loro bisogni

Trovare un branding:

Nel parlarci del personal branding, la Professoressa Sofia Scatena (docente di psicologia del marketing e dei nuovi media presso l’Università Cattolica) ha sottolineato che ad attirare l’attenzione non è la ricerca ma il/la ricercatore/ricercatrice come persona, con le sue passioni e la sua storia.

È infatti l’esperienza ad attirare l’attenzione, non più il prodotto o la dimostrazione di conoscenza: l’esperienza che facciamo di un brand ci rimane, l’esperienza di com’è per noi la ricerca è quella che arriva al nostro pubblico. Vediamo spesso nelle pubblicità e nei servizi di vendita online come vengono rappresentate situazioni nelle quali facilmente ci riconosciamo. Uno spunto arriva dalla relatrice: “Il valore non risiede nel prodotto, ma nell’esperienza che l’utente fa del prodotto” (Scatena, 2024). Ci riconosciamo anche in categorie e gruppi, derivandone una sensazione positiva, sentendoci accettati e ricercati per quello che vogliamo proporre.

Condivido qui il link a un video che illustra cos’è il branding:

https://www.youtube.com/watch?app=desktop&v=JKIAOZZritk&feature=emb_logo

È importante rendersi conto che avere competenze, “essere bravi” non è più una garanzia di valore sufficiente se non è inserita in una comunità o in una rete. I social media sono fra gli strumenti più immediati per costruire reti. A questo proposito, un aspetto in particolare ha attirato la mia attenzione: le reti vanno costruite prima di averne bisogno. È quindi necessario essere consapevoli di ciò che cerchiamo e contattare persone che condividono i nostri obiettivi e i nostri valori, o magari bisogni che noi possiamo contribuire a soddisfare. Il modo in cui appariamo e ci raccontiamo nei network costituisce la base sulla quale sviluppare la nostra professionalità.

Social media, spin-off e crowdfunding

Per quanto riguarda i social media, di seguito riassumo alcuni punti chiave dell’intervento del Professor Andrea Gaggioli (docente di Psicologia e Nuove Tecnologie della Comunicazione presso l’Università Cattolica).

Media diversi, target diversi, comunicazione diversa: ResearchGate è rivolto alla comunità accademica; LinkedIn raggiunge il pubblico business e punta alla costruzione di reti professionali; X è più adatto a comunicazioni “live” durante le conferenze; Slack, uno strumento di collaborazione e programmazione (https://slack.com), è invece utile per collaborare a progetti.
Un altro consiglio, forse ovvio ma sempre utile, è stato quello di separare gli account personali da quelli professionali, per consentire l’equilibrio professione-vita privata. È stato inoltre studiato quanta influenza diretta abbia la visibilità sul numero di citazioni (Ebrahimy & Setareh, 2018).

Fra gli strumenti utili che ha fornito il Professor Gaggioli vi è il diagramma seguente, che aiuta a procedere nella divulgazione della ricerca attraverso i social media, partendo dal pubblico e dalle intenzioni comunicative per arrivare alla creazione del contenuto:


Da: Bic & Goldstein, 2013: https://journals.plos.org/plosbiology/article?id=10.1371/journal.pbio.1001535

Trovo interessante il suggerimento di partire – come peraltro accade per ogni elaborato scritto – dal pubblico e non dal prodotto della ricerca, un aspetto che forse è facile dimenticare quando si è concentrati sul proprio progetto.

La Professoressa Stella Gubelli, fondatrice e AD della società di consulenza Altis Advisory S.r.l., ha fornito nel suo intervento un’utile introduzione agli spin-off universitari (società di capitali promosse dalle università per valorizzare la ricerca e massimizzarne l’impatto in ambito scientifico e tecnologico). Visionando l’esempio del report annuale della società, emerge come i partner si aspettino di conoscere non solo i dati quantitativi sugli obiettivi raggiunti, ma anche le azioni intraprese per l’impatto sulla società (o “bene comune” nel caso delle cosiddette “società benefit”). Certo, questi principi sono validi anche quando si scrive un progetto di ricerca, ma è stato utile constatare che appartengono anche alla progettazione e all’implementazione di progetti al di fuori dell’ambito accademico.

Per quanto riguarda, infine, il crowdfunding, Martina Bacigalupi, direttrice della Fondazione De Gasperi, ha definito il fundraising come scambio di beni non equivalenti, ossia beni relazionali, reciprocità, competenze che possono contribuire a raggiungere un obiettivo comune, per un impatto sociale condiviso, a differenza dello scambio commerciale che prevede beni equivalenti.

Le donazioni nei meccanismi di crowdfunding sono intese come modo di incidere in modo trasformativo sulla realtà che ci circonda. Nell’organizzare una campagna, le domande da cui partire sono:
• In che modo l’innovazione migliora lo scenario nell’ambito di cui mi occupo?
• Cosa manca?
• Come colmo questo vuoto?

Il passo successivo è la ricerca della sponsorizzazione, considerando:
• Che sto stipulando un contratto in cui stabilisco quanto e cosa prendo (donazioni in denaro o competenze) e quanto e cosa restituisco (risultati, esperienze, strutture, ad esempio l’opportunità di fare esperienze formative per le scuole)
• Che il pubblico di donatori si aspetta un qualche impatto

Per questo è importante:

individuare i mercati del fundraising, quali individui, aziende, fondazioni ed enti pubblici. Ciascuno di questi mercati avrà naturalmente disponibilità finanziarie diverse, quindi mi rivolgerò a ognuno di questi attori con richieste e approcci adeguati. In realtà il termine “crowdfunding” è un termine ombrello proprio della sharing economy, che si riferisce sia a donazioni sia ad investimenti o prestiti finanziari (equity o lending), e può comprendere una ricompensa (reward), che può essere anche un gesto simbolico come un’email di ringraziamento o una foto del risultato del progetto. È importante specificarlo nella presentazione del progetto come segno di trasparenza e professionalità.

Infine, ci sono stati forniti alcuni consigli utili per valutare l’affidabilità di una piattaforma di fundraising: il cruscotto deve avere un obiettivo chiaro e una ripartizione chiara della gestione delle risorse economiche. Deve anche essere chiara la modalità, di tipo “take it all” o “all or nothing”: nella prima si accetta qualunque cifra venga raggiunta, che rimane a disposizione di chi fonda la campagna; nella seconda si riceve il denaro e si procede con il progetto solo se si raggiunge almeno un ammontare minimo previsto.

Nel complesso, ho reputato la summer school costruttiva. Esprimerei un solo rammarico: sarebbe stato utile collaborare con i colleghi in attività pratiche, ad esempio scrivendo una bozza di progetto, ma non è stato possibile per ragioni di tempo.

Per concludere, probabilmente viene spontaneo associare i suggerimenti proposti nella summer school al mondo del marketing e della ricerca in campo scientifico, economico e tecnologico, non sempre in linea con l’idea di ricerca votata alla conoscenza che vede il rigore minacciato (anche legittimamente) dai tempi rapidi dei social media, in apparenza nemici dell’approfondimento. Auspico tuttavia che ci sia la possibilità di adottare e adattare alcuni di questi spunti in ambito umanistico, in un approccio interdisciplinare, ad esempio fra esperti informatici e di comunicazione e management, per poter raggiungere canali più ampi di divulgazione e finanziamento.

Bibliografia:

Bik HM, Goldstein MC (2013) An Introduction to Social Media for Scientists. PLoS Biol 11(4): e1001535. https://doi.org/10.1371/journal.pbio.1001535.

Ebrahimy, S., & Setareh, F. (2018). Direct and indirect influence of altmetrics on citation in social systems: Assessing a new conceptual model. International Journal of Information Science and Management (IJISM), 16(2).

Scatena, S. (2024). My Personal Branding. [Power Point slides]

Riferimenti utili per il fundraising:

UniGe:

https://intranet.unige.it/promozionesviluppo/ufficio-sviluppo-fund-raising-sponsorizzazioni-e-rapporti-con-gli-alumni

UniTo:

https://www.unito.it/ricerca-e-innovazione/finanziamenti-e-opportunita/il-crowdfunding-la-ricerca-e-linnovazione

Piattaforme consigliate:

https://www.retedeldono.it/en

https://www.produzionidalbasso.com

Presentazione delle attività sulla toponomastica del progetto Corr<si>ca

Alcuni membri della comunità del dottorato in Digital Humanities stanno partecipando da ormai due anni al progetto Corr<si>ca che ha come scopo la pubblicazione digitale della corrispondenza di una famiglia corsa tra fine Ottocento e i primi decenni del Novecento.

Il progetto prevede una serie di attività multidisciplinari, tra cui quelle legate agli asoetti toponomastici e alla geolocalizzazione dei luoghi che compaiono nelle missive.

Nel mese di dicembre 2024 le attività sulla toponomastica sono state presentate a due convegni, da parte della dottoranda Simonetta Acacia.

Conferenza Nazionale ASITA 2024

La prima presentazione si è svolta a Padova, il 10 dicembre, nell’ambito della Conferenza Nazionale ASITA 2024 e ha avuto un carattere marcatamente tecnico, affrontando dettagli pratici legati alla pubblicazione di mappe interattive all’interno del sito internet del progetto. Il contributo, dal titolo “Il progetto Corr<si>ca: una toponomastica incerta” è stato redatto da S. Acacia e dalla Prof.ssa Anna Giaufret, ed è pubblicato negli atti disponibili alla pagina dedicata.

A causa della sovrapposizione dei due convegni, la partecipazione alle sessioni di ASITA è stata limitata: oltre a quelle in programma per la mattina del 10/12, la nostra dottoranda ha potuto seguire solo le attività di apertura nel pomeriggio della giornata del 9/12, che si sono tenute nella splendida Aula Magna di Palazzo Bo; qui, ai saluti istituzionali, ha fatto seguito una sessione plenaria a cura di Regione Veneto in cui sono state illustrate le più recenti attività dell’Ente in materia di Geomatica.

Tra le sessioni del mattino del 10/12, sono state seguite quella relativa ai Rischi ambientali, tra cui in particolare si ricordano l’intervento di M. Funaro relativo all’inventario nazionale dei geositi in corso, a cura di ISPRA, e quello di L. Mora che ha illustrato il proprio studio per la realizzazione di un database GIS dei crateri delle bombe della Seconda guerra mondiale in area Veneta. Il contributo sul progetto Corr<si>ca era inserito nella sessione dal titolo Cartografare il territorio dove gli interventi hanno avuto un carattere diacronico, su temi estremamente vari (rete geodetica costiera, carte dell’uso del suolo, agrivoltaico, ecc.)

Convegno Internazionale di Studi CISGE 2024

La seconda presentazione si è tenuta al Campus Fisciano dell’Università di Salerno, l’11 dicembre, al Convegno Internazionale di Studi CISGE 2024 dal titolo “Toponimi, percezioni e rappresentazioni. Letture critiche, metodologie e nuove prospettive tra ricerca e didattica” organizzato appunto dal CISGE, Centro Italiano per gli Studi Storico-Geografici. L’intervento si intitola “Corrispondenza Canioni: un caso di trasmissione di toponomastica iperlocale” ed è stato concepito, oltre che da S. Acacia e dalla Prof.ssa A. Giaufret, anche da Tiziana Pasciuto (PhD DH, 37° ciclo) e dalla Prof.ssa Beatrice Dal Bo (Université Sorbonne Nouvelle).

La modalità di partecipazione in remoto ha consentito alla nostra dottoranda di seguire – durante il trasferimento da Padova a Napoli – anche le attività del pomeriggio del 10/12, oltre a quelle del giorno successivo, in presenza. Il convegno del CISGE era focalizzato su un preciso tema, affrontato nelle varie sessioni da punti di vista differenti; è stato dato ampio spazio a domande e al dibattito, in un clima sereno, per cui la partecipazione a questo evento si è rivelata un’esperienza di grande arricchimento.

I contributi presentati al Convegno CISGE saranno pubblicati nei mesi futuri all’interno di una raccolta di saggi.

18th International Conference on Metadata and Semantics Research. Atene, 19-22 novembre 2024

Quest’anno la conferenza internazionale MTSR 2024 si è tenuta dal 19 al 22 novembre 2024 ad Atene, presso il National and Kapodistrian University of Athens.

La conferenza annuale MTSR è un evento interdisciplinare che riunisce accademici, ricercatori e professionisti esperti nei campi dei metadati, delle ontologie e della semantica. Questo incontro rappresenta un’occasione preziosa per condividere conoscenze e idee innovative sull’uso delle tecnologie semantiche in diversi contesti informativi e applicazioni pratiche, come biblioteche digitali, open access repositories, agricoltura, sistemi informativi bio-sanitari e medici. L’obiettivo principale è favorire lo scambio di idee e promuovere la collaborazione tra esperti di discipline affini, contribuendo così al progresso e alla diffusione delle tecnologie semantiche. La varietà dei settori affrontati evidenzia la versatilità e l’importanza di queste tecnologie in numerosi ambiti applicativi.

La conferenza si è aperta il primo giorno con un Workshop dal titolo “Metadata and Ontologies in Musicology: Advancing Heritage Preservation and Research in Digital Humanities”, mentre dal secondo giorno in poi è stata strutturata in più sessioni:

  • Open Repositories, Research Information Systems and Data Infrastructures – Questa Special Track mira a offrire un forum per esperti per presentare risultati recenti e esperienze, stabilire connessioni tra gruppi e riflettere sullo stato dell’arte dei metadati e degli aspetti semantici nei repository aperti, nei sistemi di informazioni di ricerca e nelle infrastrutture dei dati. L’obiettivo è affrontare le sfide legate alla registrazione, disseminazione e riutilizzo delle informazioni di ricerca, con particolare attenzione ai metadati, che sono cruciali per rendere i dati e gli oggetti di ricerca (come flussi di lavoro e software) scopribili e riutilizzabili. Inoltre, si sottolinea l’importanza della standardizzazione internazionale e della collaborazione tra diverse discipline e comunità di ricerca;
  • Digital Humanities, European and National Projects, Digital Libraries, Information Retrieval, Big, Linked, Social & Open Data – Questa Track mira a riunire ricercatori che lavorano su metadati, ontologie e semantica nelle biblioteche digitali, repository di dati e sistemi di recupero delle informazioni. L’obiettivo è affrontare le sfide legate alla gestione di grandi volumi di dati strutturati e non strutturati, come l’integrazione dei modelli di dati collegati, l’analisi dei dati social e il miglioramento dell’interazione e della ricerca delle informazioni per gli utenti;
  • Agriculture, Food & Environment, and General Session – Questa Track ha l’obiettivo di riunire ricercatori e professionisti che si occupano di ingegneria della conoscenza applicata all’agricoltura, alimentazione e ambiente. Si propone come un forum per presentare i risultati della ricerca, promuovere la collaborazione tra gruppi di lavoro e mettere in evidenza il potenziale di questi ambiti come applicazione di sistemi e servizi avanzati basati su metadati e semantica;
  • Cultural Collections & Applications – Questa Special Track mira a riunire ricercatori e professionisti che lavorano sulla gestione delle informazioni culturali, affrontando sfide come la modellazione dei metadati, l’integrazione dei dati da diversi contesti e l’uso di tecnologie semantiche come i Linked Open Data. L’obiettivo è promuovere il dialogo sulle questioni aperte riguardanti il ciclo di vita delle informazioni sul patrimonio culturale e esplorare nuovi approcci alla pubblicazione, condivisione e interconnessione dei dati culturali con altre risorse nel Semantic Web.

L’Università di Genova è stata presente con un contributo della dottoranda TIziana Pasciuto, dal titolo CTP Ontology: An Ontology for Creating and Structuring Cultural Thematic Paths, che costituisce parte integrante del suo progetto dottorale.

 
Pasciuto Tiziana
 

Discours institutionnels entre extrémisation et réparation – Genova 3-4 dicembre 2024

Il 3 e il 4 dicembre 2024, presso l’Aula Magna di Via Balbi 2 dell’Università di Genova, si è tenuto il convegno internazionale Discours institutionnels entre extrémisation et réparation. L’evento è stato organizzato da Anna Giaufret, Nora Gattiglia, Micaela Rossi e Stefano Vicari, docenti della sezione di Francesistica del Dipartimento di Lingue e Culture Moderne, e da Elena Margherita Vercelli, dottoranda in Digital Humanities, insieme alla rete interuniversitaria Réseau de Recherche sur les Discours Institutionnels et Politiques (R2DIP) e in sinergia con il progetto europeo Analysis of and Responses to Extremist Narratives (ARENAS), di cui l’Ateneo genovese è partner.

Le due giornate sono state dedicate all’esplorazione delle pratiche discorsive istituzionali in un mondo segnato da profonde trasformazioni sociali ed economiche, nonché dall’uso massivo degli ambienti digitali, in primis i social network. Questo scenario ha infatti evidenziato una proliferazione di narrazioni estremiste che prendono di mira i membri più vulnerabili (o resi vulnerabili) della società. In particolare, sono state analizzate due dinamiche principali: la produzione di narrazioni estremiste a partire da posizioni istituzionali e le contro-narrazioni istituzionali capaci di contrastarle. Il programma integrale delle due giornate di studio può essere consultato e scaricato a questo link

Le varie sessioni hanno preso in esame temi e ambienti diversi quali il discorso carcerario, il dibattito sui corpi devianti nelle Olimpiadi del 2024, le chat di prevenzione del suicidio, le nicchie dell’estremismo xenofobo on-line e le campagne politiche sui social networks.

Nella sessione dedicata alle ricerche dottorali, ha trovato spazio anche il Dottorato in Digital Humanities con l’intervento di Elena M. Vercelli. La dottoranda genovese, attualmente in soggiorno di co-tutela presso la CY Cergy Paris Université, ha presentato Métafort!, un gioco per investigare gli effetti delle metafore nei discorsi istituzionali e mediatici, insieme alla collega Rose Moreau-Raguenes e al Prof. Julien Longhi, che è stato anche protagonista della plenaria del primo giorno. 

I tre relatori, affiliati al laboratorio AGORA e all’Institut des Humanités Numériques della CY Cergy Paris Université, hanno riportato l’esperienza realizzata durante la 33° edizione della Fête de la Science (FDS) – Océan de savoirs (4-14 ottobre 2024). La FDS è un evento annuale che coinvolge tutta la Francia ed è dedicato al grande pubblico: famiglie, scuole, studenti, curiosi, scettici o appassionati di scienza. In questa occasione, migliaia di scienziati e ricercatori di diverse discipline condividono con i visitatori il loro entusiasmo per la scienza e la tecnologia attraverso numerose attività e animazioni e dipartimenti e laboratori di ricerca aprono le porte a grandi e piccini.

Quest’anno, l’ateneo di Cergy ha organizzato diverse manifestazioni nell’ambito della FDS, tra cui la Journée des Lycées, tenutasi l’11 ottobre presso la biblioteca universitaria, e il Village des Sciences, allestito il 12 ottobre presso il Parco François Mitterand della cittadina francilienne. Ed è proprio in questo contesto che è nato ed è stato presentato Métafort!, un gioco di carte ideato dai tre relatori sulla base del jeu des sept familles e sugli effetti argomentativi delle metafore, figure retoriche e al contempo potenti strumenti di linguistica cognitiva che pervadono i discorsi politici e mediatici.

Per rispondere agli obiettivi didattici e di divulgazione scientifica della FDS, il gruppo ha scelto di partire dalla definizione “classica” e “scolastica” di metafora come “paragone implicito” per poi estendere la riflessione ai principi teorici della Conceptual Metaphor Theory (CMT), nonché alla sua funzione di framing e alla possibilità di utilizzarla come strumento pedagogico o, al contrario, come dispositivo dagli effetti pericolosi e nocivi.

Tra le metafore raccolte per la creazione delle carte, si sono rivelate particolarmente efficaci quelle che richiamavano la memoria collettiva ed (inter)discorsiva dei partecipanti e che quindi ne rinforzavano l’impatto emotivo, mentre esempi meno conosciuti e/o più difficili da contestualizzare hanno creato qualche complicazione aggiuntiva.

Il gioco, divertente, facilmente adattabile e modulabile in base al target, ha riscosso un successo innegabile: non solo è stato raggiunto l’obiettivo di sensibilizzazione rispetto all’interazione ed incidenza continua tra lingua, media, pensiero e società, ma il gruppo ha anche iniziato a lavorare a una sua valorizzazione per usi futuri in ambito didattico e accademico.

IA tra opportunità e rischi nella ricerca. Impatto dell’IA sulla metodologia della ricerca tradizionale – Seminario IA, Ing. Giovanni Paolo Caruso, 26/11/2024

Nella giornata di mardedì 26 novembre 2024 ha avuto luogo presso la Facoltà di Lingue e letterature straniere dell’Università di Genova e online su Teams il seminario dal titolo “IA tra opportunità e rischi nella ricerca. Impatto dell’IA sulla metodologia della ricerca tradizionale”, tenuto dall’Ing. Giovanni Paolo Caruso.
Ingegnere elettronico dal 2005, Giovanni Paolo Caruso lavora come tecnologo presso l’ITD-CNR di Genova su tematiche quali l’Inclusione socio-educativa, l’Accesso agli strumenti e alle informazioni, la Cybersecurity, l’Intelligenza Artificiale generativa nel contesto educativo e la Formazione / Disseminazione.

L’intervento, da lui svolto durante la seconda giornata del seminario organizzato nell’ambito della programmazione didattica e di ricerca del dottorato il Digital Humanities, si è focalizzato su diversi aspetti inerenti all’ambito della ricerca relativa allo sviluppo delle IA. .

Introduzione all’Intelligenza Artificiale Generativa

In primis l’Ing. Caruso ha offerto una panoramica sulle IA generative e la loro storia, iniziando dalla nascita dei primi pensieri sull’intelligenza artificiale proposti da Alan Turing con la pubblicazione nel 1950 del suo articolo “Computing Machinery and intelligence”, nel quale il matematico pose uno degli interrogativi alla base dello sviluppo del settore: “Può una macchina pensare?”. Per rispondere a tale domanda Turing propose il proprio esperimento, che nato negli anni ‘60, portò allo sviluppo di due diversi modelli di “intelligenza artificiale”: quello deduttivo e quello induttivo.

Un’intelligenza deduttiva, denominata anche simbolica, si muove dal generale al particolare e si  basa sull’uso dei simboli per la rappresentazione della conoscenza usando la logica aristotelica. Tuttavia, tale posizione porta con sé delle criticità; in particolare il Teorema di Gödel ha dimostrato che esiste un’infinità di problemi che non possono essere dimostrati tramite l’applicazione di una logica di questo tipo.
Un’intelligenza induttiva, per contro, segue un approccio dal particolare al generale e si basa su grandi quantità di dati, grazie ai quali è possibile estrarre modelli e regole utili per comprendere i fenomeni che li generano e predirne il comportamento. Tali moli di dati vengono elaborate dalle IA in vari modi, ma in ognuno dei casi si parla di apprendimento. Questo può essere di tipo:

  • supervisionato: in cui l’utente fornisce i dati input e il modello fornisce l’output ricevendo un feedback (giusto/sbagliato);
  • non supervisionato: che segue la stessa procedura, ma senza feedback; in quanto è il modello che deve capire da solo se sta sbagliando;
  • semi-supervisionato;
  • attivo.

Un primo quesito che ci si può porre, quindi, è: “Quali devono essere le dimensioni di un dataset?”. La risposta non è semplice: da una parte, ci deve essere il maggior numero di dati possibile e, dall’altra, la quantità minima di dati sufficiente a garantire che la macchina non restituisca degli output errati. L’accuratezza dei dati è fondamentale ed è direttamente proporzionale all’accuratezza dell’output restituito, che dipende anche dal modello usato dalla macchina.

Tra i modelli di IA generativa più comuni si trovano:

  • gli LLM, ossia dei modelli ottimizzati per processare il linguaggio naturale (NLP). Si tratta tuttavia ancora di pappagalli stocastici che predicono quale simbolo deve seguirne un altro in base agli esempi che hanno a disposizione e sono in grado di riconoscere il sentiment di un testo e di tradurlo, riscriverlo o rispondere alle domande;
  • i LAM (Large Action/Agenting Models) che sono ottimizzati per analizzare le azioni compiute dagli umani e predirne il comportamento futuro. Impiegati nella creazione di assistenti che comprendo le richieste degli utenti ed eseguono azioni, come ad esempio i chatbot.
  • i RAG (Retrieval-Augmented Generation), in grado di addestrarsi con maggiore frequenza rispetto agli LLM, online e su contenuti elaborati ad hoc;

La maggior parte di questi modelli sono basati sull’architettura dei Transformers, che permettono di estrapolare le relazioni fra i token che gli vengono forniti per poi passarle agli LLM.

Opportunità e vantaggi

Numerosi sono i vantaggi offerti dall’intelligenza artificiale generativa a supporto della ricerca tradizionale, in particolare modo la generazione automatica di ipotesi e idee e quindi il suggerimento di domande di ricerca; l’analisi rapida ed efficiente di una grande quantità di dati in tempi contenuti e quindi l’elaborazione dei dati; l’individuazione di pattern e modelli per estrapolare informazioni che si ripetono ed elaborare successivi schemi; il supporto nella stesura di articoli scientifici, relazioni e, sempre più spesso, tesi. Per quanto riguarda quest’ultimo punto, si tratta di un tema molto discusso e sul quale non c’è ancora ampio accordo, dato che investe non solo le tesi di ambito accademico, bensì anche compiti e temi prodotti e presentati all’interno di ordine e grado inferiori.

Come esempio pratico per mettere in luce i risvolti positivi dell’intelligenza artificiale, è stato presentato il progetto TRIS (Tecnologie di Rete e Inclusione Socioeducativa) nato nel 2014 nell’ambito dell’apprendimento. Tramite l’utilizzo di Google Notebook LM, assistente di ricerca e strumento per prendere appunti basato sull’intelligenza artificiale sviluppato da Google, lo scopo del progetto era quello di proporre soluzioni per l’insegnamento verso studenti impossibilitati ad una normale frequenza scolastica per motivi che non rientrano né nell’istruzione domiciliare (ID) né nella scuola in ospedale. Il diritto allo studio di tali studenti facenti parte di una categoria “grigia” deve essere garantito; quindi, è stato creato un modello che permettesse allo studente di lavorare a distanza. 

Fig. 1. Modello classe ibrida inclusiva

Rischi e sfide

Tuttavia, accanto ai principali vantaggi dell’IA, emergono anche rischi e sfide: a livello più macroscopico, sono stati evidenziati sia nel seminario sia in letteratura i rischi di pregiudizio (bias) e discriminazione, poiché i modelli sono addestrati in contesti occidentali e più frequentemente legati alla lingua inglese. Un’altra questione emersa è quella della mancanza di trasparenza, dove i modelli di IA Generativa vengono spesso paragonati a una “scatola nera” (black box), intendendo come non sia possibile tracciare le fasi ed i processi di addestramento della macchina né percorrerli a ritroso. A questi due fenomeni, legati al rischio di mancanza di trasparenza ed alla diffusione di convinzioni discriminanti, si accompagna una fiducia eccessiva e acritica (overreliance) nelle risposte fornite dagli strumenti di IA Generativa, dove gli utenti tendono a considerare vero l’output fornito dallo strumento, un po’ come accade con i risultati forniti da un motore di ricerca.

È importante considerare che l’IA non è progettata con lo scopo di riferire informazioni restituendole così come le trova, ma elaborandole creando pattern che potrebbero servire a risolvere problemi. Come tale, l’IA non andrebbe usata come motore di ricerca ma come interlocutore, con la debita curiosità e diffidenza che mettiamo in atto con interlocutori sconosciuti. Questa eccessiva fiducia è evidente, in campo educativo e accademico, quando gli strumenti IA vengono utilizzati per produrre testi o eseguire compiti, con il concreto rischio di plagio, fenomeno che rimanda ad un altro problema, legato alla proprietà intellettuale ed alla necessità per le istituzioni di creare linee guida condivise. 

Dataleak & Databreach

A questi rischi appena descritti si aggiungono rischi concreti, quali la condivisione di informazioni sensibili e di materiali protetti da diritti d’autore, nonché la potenziale rivelazione di segreti industriali, in quanto inserire queste informazioni nelle richieste effettuate porta questi dati ad essere integrati nelle fasi successive di training, rendendo queste informazioni potenzialmente accessibili a chiunque.

Il principale rischio associato all’uso dell’IA generativa è l’esfiltrazione di informazioni personali o sensibili, che può portare a furti d’identità o data breach. Gli attacchi possono essere motivati dall’intento di ottenere vantaggi economici o l’accesso a documenti e risorse riservate. Inoltre, vi è la possibilità di arrecare danni o destabilizzare individui, organizzazioni o intere società, con conseguenze come il danno d’immagine, azioni di cyberwarfare o la diffusione di fake news.

L’esposizione accidentale o intenzionale di informazioni sensibili da parte di un LLM prende il nome di “Data Leakage” (fuga di informazioni). Il Data Leakage si può trasformare in “Data Breach”, ossia ovvero la distruzione, la perdita, diffusione non autorizzata, accesso a informazioni trasmesse, stoccate o processate in altro modo all’interno di un supporto, per farne uso contro altre persone.
Le cause di un Data Breach possono essere molteplici e si manifestano in diverse modalità. Un esempio comune è il furto o lo smarrimento di dispositivi personali o aziendali, che possono contenere informazioni sensibili. Anche il furto di identità digitale rappresenta un rischio significativo, poiché consente a malintenzionati di accedere ai nostri account e utilizzare le informazioni personali per fini illeciti, come il ricatto. Altre cause molto diffuse sono la propagazione di malware, ransomware, cryptolocker o altri virus, spesso presenti in software craccati, che possono bloccare l’accesso ai file, esportarli nel dark web e richiedere un riscatto per recuperarli, e le truffe online, come il phishing, smishing e qishing, che sfruttano pagine web ingannevoli per sottrarre credenziali di accesso.
A ciò si aggiungono cattive abitudini personali, come l’utilizzo di password deboli o riutilizzate per più servizi, che facilitano l’accesso non autorizzato ai dati. Anche un’eccessiva esposizione sui social network, l’accesso da parte di terzi ai nostri account e la mancata creazione di backup su supporti esterni contribuiscono ad aumentare il rischio di violazioni dei dati.

Riprendendo l’esempio del Cyberspazio, nel contesto di una classe ibrida le vittime potenziali includono sia le persone – studenti, famiglie, docenti, dirigenti e ricercatori – sia le organizzazioni coinvolte.

Accenni legislativi

Con lo sviluppo e la presenza sempre più pervasiva dell’Intelligenza Artificiale generativa in ogni ambito della società, gli organi nazionali e internazionali si stanno dotando di nuovi protocolli legislativi che possano normare e arginare le problematiche di cybersecurity

Per quanto concerne l’Unione Europea dal 2016 è stato adottato il General Data Protection Regulation 2016/679 (GDPR), che si pone come obiettivo la protezione dei dati degli utenti dando omogeneità in ambito comunitario, al fine di garantire la totale trasparenza in merito al trattamento di informazioni sensibili e personali.

A questo si somma l’EU Artificial Intelligence Act, il primo regolamento sull’AI da parte di un’autorità di regolamentazione ufficiale, approvato da parte del Consiglio dell’Unione europea il 21 maggio 2024. Tale legge ha come scopo categorizzare e normare le applicazioni dell’intelligenza artificiale in base al rischio di causare danni ai cittadini. Nello specifico, tale classificazione distingue i programmi AI in tre diversi livelli di rischio. Le pratiche che creano un rischio inaccettabile sono vietate all’interno dell’Unione Europea in quanto comportano gravi pericoli in merito ai diritti fondamentali dell’uomo, quali salute e sicurezza. Tra queste, ci segnalano a titolo esemplificativo: i sistemi di manipolazione subliminale, di social scoring e di classificazione biometrica in tempo reale in spazi accessibili al pubblico. Si hanno in seguito quelle che vengono definite applicazioni ad alto rischio, il cui utilizzo scorretto può comportare danni alla sicurezza delle persone. Per tale motivo, l’applicazione, prima di poter essere rilasciata, deve soddisfare una serie di requisiti rigorosi per attestare la conformità ai più alti standard di sicurezza imposti. Alcuni dei sistemi che sono inquadrati in tale categoria sono quelli utilizzati in infrastrutture, trasporti, istruzione, occupazione e giustizia. Le applicazioni che non fanno parte di queste due tipologie sono invece in gran parte non regolamentate e sono classificate come rischio limitato e minimo. Questi parametri sono da ritenersi validi per le aziende che utilizzano e sviluppano i programmi per fini commerciali, mentre queste regolamentazioni non sono applicate nell’ambito della ricerca.

Accanto alle questioni legali correlate all’utilizzo e la diffusione dell’AI, si pongono anche problematiche riguardanti i principi etici dell’utilizzo di queste tecnologie. Un documento che si pone come finalità aiutare gli Stati a pianificare politiche a lungo termine per lo sviluppo dell’AI è la Guida per l’Intelligenza Artificiale generativa nell’educazione e nella ricerca, rilasciata dall’Unesco nel settembre 2023. Nell’ambito dell’educazione, in particolare, si suggerisce un approccio ponderato, etico e student-based al fine di stimolare un’integrazione responsabile, con la creazione di comitati etici, la definizione di standard e la realizzazione di percorsi di formazione volti a sviluppare competenze e atteggiamenti digitali sempre più coscienziosi nelle nuove generazioni per padroneggiare le complessità del lavoro.

Conclusioni

L’intervento dell’Ing. Caruso ha dunque permesso di approfondire il rapporto complesso tra le opportunità e i rischi legati all’adozione dell’intelligenza artificiale generativa. Se da un lato emergono grandi potenzialità nel supportare e rivoluzionare la metodologia tradizionale, dall’altro non mancano criticità legate a questioni etiche, legislative e di sicurezza. È quindi fondamentale adottare un approccio equilibrato, al fine di valorizzare tali tecnologie senza trascurarne l’aspetto etico e sostenibile.


Post a cura di Eliana Bergaglio, Matilde Bianchi, Laura Ferroglio, Giovanni Mantegazza, Giada Pantana, Giulia Pilosu, e Davide Ponzini.

Terminologia e trasferimento delle conoscenze: valorizzare i saperi, trasmettere la conoscenza – XXXIV Convegno dell’Associazione Italiana per la Terminologia (Ass.I.Term.) – 21/22 novembre 2024, Milano

Autori: Giada d’Ippolito e Giovanni Mantegazza

Ospitato nei giorni 21 e 22 novembre 2024 negli spazi dell’Università degli Studi di Milano e dell’Università Cattolica del Sacro Cuore di Milano, il XXXIV Convegno dell’Associazione Italiana per la Terminologia (Ass.I.Term.) ha offerto un’importante occasione di confronto sul tema Terminologia e trasferimento delle conoscenze: valorizzare i saperi, trasmettere la conoscenza, riunendo e vedendo intervenire esperti di primo piano nel campo della terminologia.

Primo Chiostro dell’Università Cattolica del Sacro Cuore di Milano

Tra i principali contributi, quelli della prof.ssa Maria Teresa Zanola, che ha presentato il lavoro svolto da lei e dalla sua équipe relativo alla trasmissione del patrimonio culturale tessile italiano, in collaborazione con il Museo Nazionale della Scienza e della Tecnologia “Leonardo Da Vinci” di Milano; del prof. Claudio Grimaldi (Presidente Ass.I.Term.), che ha introdotto i primi risultati di un progetto incentrato sugli horti botanici e alla loro terminologia; e della dott.ssa Federica Vezzani che attualmente collabora alla realizzazione del progetto HEREDITARY, incentrato sull’elaborazione e trasmissione della terminologia medica ai pazienti delle strutture sanitarie.

Il convegno ha, inoltre, rappresentato un’opportunità di innovazione sull’applicazione delle tecnologie avanzate nella terminologia, durante la quale sono sorte diverse proposte di intervento volte a migliorare l’uso e lo sfruttamento sia di risorse ontologiche, terminologiche e ontoterminologiche, sia di intelligenze artificiali. In particolare, la prof.ssa Daniela Vellutino in una sua riflessione ha proposto come alternativa ai Large Language Models (LLM), utilizzati nell’addestramento delle intelligenze artificiali, gli Small Language Models (SML); ossia delle risorse di dimensioni ridotte, che consentirebbero un addestramento mirato delle IA  e che potrebbero, poi, essere riunite in un modello di dimensioni maggiori, garantendo così un più alto livello qualitativo nei risultati generati. La dott.ssa Silvia Piccini, invece, ha presentato il suo lavoro incentrato sulle ontologie, nel quale ha proposto di utilizzare l’archi-concept terminologico (elaborato dalla scuola terminologica di Lione e trattato, in particolare, da Thoiron) in un’ottica ontologica. La sua applicazione permetterebbe di collegare due concetti apparentemente identici, ma appartenenti a culture profondamente differenti fra loro, mediante l’individuazione di un nucleo concettuale condiviso (monotetico). Tale concetto potrà essere messo in relazione con i concetti completi (politetici) appartenenti alle culture specifiche, creando così un ponte fra concetti intraducibili e permettendo di costruire delle risorse ontologiche multiculturali, al cui interno vengano messi in relazione dei concetti che normalmente non sarebbero paralleli.

Per quanto concerne l’Università di Genova, il dottorando Giovanni Mantegazza del 39° di Digital Humanities, ha presentato lo studio La terminologia dei palazzi dei Rolli, il knowledge management tra ricercatori in terminologia e storici dell’arte. Il progetto analizza l’evoluzione storica della nozione di patrimonio in Italia, sottolineando che ad oggi la discussione attorno al patrimonio digitale, al patrimonio digitalizzato e al loro valore è ancora molto forte. Sono stati inoltre presentati i Palazzi  dei Rolli appartenenti all’Ateneo e i progetti in corso che sono orientati a migliorarne l’accessibilità. In particolare, è stato presentato il progetto relativo alla terminologia dell’arte e dell’architettura dei Rolli, la quale è stata estratta da un corpus di 1 500 000 di token, costituito dai volumi redatti dall’Ateneo di Genova e relativi proprio a tale argomento. Questa è stata estratta e analizzata da chi scrive e da un esperto di storia dell’arte, per poi essere schematizzata e, in parte, schedata in lingua italiana e francese. La schedatura ha permesso di elaborare poi una seconda schematizzazione, che servirà da guida per gli sviluppi futuri.

Il convegno ha evidenziato il ruolo cruciale della terminologia come strumento per il trasferimento dei saperi, la comunicazione specialistica e la valorizzazione del patrimonio culturale, scientifico e tecnologico, sottolineando l’importanza della promozione di approcci innovativi e interdisciplinari per favorire l’accessibilità e la condivisione delle conoscenze.

Convegno internazionale ICOM CECA 2024 – Atene, 18-20/11/2024

Dal 18 al 20 novembre si è tenuto l’annuale convegno internazionale organizzato da ICOM CECA. ICOM, International Council of Museums, è la principale organizzazione mondiale che rappresenta i musei e i suoi professionisti. Esso si compone di diversi comitati, tra cui CECA, International Committee for Education and Cultural Action, il comitato dedicato alla didattica museale. CECA è il comitato più antico e uno dei più numerosi (1,500 membri provenienti da 85 paesi di tutto il mondo) e ogni anno organizza una conferenza internazionale dove mediatori e mediatrici museali, educatori ed educatrici museali, studenti e studentesse e ricercatori e ricercatrici si incontrano e discutono temi relativi all’educazione museale e la realizzazione di attività culturali nei musei. 

Quest’anno la conferenza annuale si è tenuta ad Atene, presso Benaki Museum. Il titolo della conferenza era “Delicate topics & Challenging audiences”. I focus del convegno erano infatti come trattare argomenti difficili in esperienze didattiche, ad esempio come parlare di  diritti umani, violenza, traffico illecito di oggetti e decolinizzazione dei musei, e come interagire con pubblici con esigenze specifiche, come ad esempio studenti con disabilità cognitive, anziani e membri della comunità LGBTQ+. 

Le tre giornate di conferenza hanno previsto l’alternarsi di presentazioni relative ai temi del convegno, sessioni dedicate ai poster e workshop. 

Il workshop “Universal Accessibility, the Inclusive Museum: Inclusive museum, global accessibility” si poneva come obiettivo quello di discutere il poster realizzato del gruppo Inclusive museum, global accessibility che raffigura il museo inclusivo ideale. Le partecipanti sono state divise in tre gruppi e dovevano ragionare in gruppo e proporre suggerimenti di miglioramento del poster dal punto di vista della grafica, del testo e degli elementi visivi. Ogni gruppo ha presentato le proprie proposte ed è seguita una discussione collettiva.

Il workshop “Audience Survey: Surveying audience reception of educational and cultural programme: Define key points of a survey of museum audiences” del gruppo Surveying audience reception of educational and cultural programme voleva invece proporre una riflessione su come realizzare e somministrare questionari sul pubblico. Anche in questo caso le partecipanti si sono divise in gruppi e hanno ragionato su alcune domande, come ad esempio quali sono gli ostacoli che impediscono di realizzare questionari sul pubblico museale e quali sono invece i fattori che facilitano questa azione. Ogni gruppo ha poi presentato le proprie idee alle altri partecipanti.

Il workshop “Introductory workshop on applied research to education in museums” trattava l’argomento della ricerca applicata nel campo della didattica museale. Suddivise in gruppi, le partecipanti dovevano discutere tra loro e individuare un problema di ricerca, definire il contesto e proporre alcune domande di ricerca. 

La dottoranda Maria Tolaini ha partecipato al convegno presentando parte della sua ricerca con un contributo intitolato “Integrating universal design for learning in museum educational paths for enhancing multilingual competence in high school students”.

Educazione più che umana? Piattaforme, intelligenza artificiale e politiche educative in Europa – Seminario IA, Prof. Paolo Landri, 11/11/2024

8th International Symposium on Emerging Technologies for Education, Sydney, Australia

The 8th International Symposium on Emerging Technologies for Education (SETE) was held at the University of Technology Sydney (UTS) Function Centre from 26th to 28th November 2023. 
The Symposium was conceived as a melting pot of researchers, educators and practitioners relating to several fields, such as Artificial Intelligence in Education, Big Data Driven Education, Informal Learning in the Workplace, Data Driven Decision Making in Education, User/Student/Teacher Modelling, Learning Analytics, Assessment in Technology Enhanced Learning, and Inclusive Education. Also, representations coming from different countries, such as Italy, Germany, Australia, New Zealand, China, Singapore, and Mexico, enhanced this sense of international intersection point. 

Keynote presentations were conducted by Professor Jing Yang, teaching Psycholinguistics at Zhejiang University, on Brain Imaging when learning a second language, differentiating contexts among bilingualism, second language learners and online language learners. Another keynote presentation was given by Professor Judy Kay, head of the Human Centred Technology Research Cluster at the University of Sydney. She talked about empowering learners in the age of AI with Scrutability and Open Learner Models and gave out examples that the Research Cluster is conducting. A final keynote was held by Professor Dragan Gašević, teaching Learning Analytics at Monash University, Melbourne. He specifically addressed the promises, concerns and research needs of Generative AI in Education. 

All the attendees presentations at SETE were of high impact in the multi-disciplinary field of Technologies in Education, and mainly touched the technological fields of: augmented reality, deep learning, generative AI models, and dataset construction and benchmarking. While they dealt with the following application cases: digital humanities, biology, translation, diversity, cultures. 


This PhD was represented by the fellow PhD student, Giada Pantana, XXXIX cycle, who presented a peer-reviewed full paper in SETE Main Track written along with Professor Ilaria Torre, entitled Investigating the Adoption of Machine Translation in Foreign Language Learning: The Instructors’ Perspective

The paper investigates Machine Translation (MT) quality with an experimental comparison, and investigates the perception of MT quality and its uses with language teachers and assistants in primary and secondary schools in Australia teaching Italian as LOTE (Languages Other than English).

The results of the paper report that, generally speaking, the MT quality assessment and the MT quality perceived by the instructors do not overlap, and the paper reports some considerations on why is that according to the teachers’ perspective investigated with a survey. Though, there is agreement on the best-performing tool (DeepL), and on the quality performances of MT in three specific translation parameters (Accuracy, Fluency, Terminology).


During the final day of conference, awards were assigned.

The paper presented by PhD student Giada Pantana and professor Ilaria Torre won the Best Paper Award for SETE 2023. 


The proceedings of the conference are available at: https://link.springer.com/book/10.1007/978-981-97-4243-1

Convegno internazionale ReUSO 2024 – Bergamo, 29-31/10/2024

Da martedì 29 a giovedì 31 ottobre 2024, a Bergamo, si è svolto il convegno internazionale ReUSO2024 – Documentazione, restauro e rigenerazione sostenibile del patrimonio costruito a cui ha partecipato la dottoranda del 38° ciclo Simonetta Acacia, presentando un contributo dal titolo “Uso e riuso delle ville genovesi tra trasformazioni urbane e tutela”.

L’apertura del convegno si è tenuta presso la Fondazione Dalmine, che si occupa di Education / Heritage / Cultura e ha sede nell’ex pensione dell’insediamento industriale della Dalmine Tenaris, in seguito ad un accurato intervento di recupero e riconversione. La prima giornata si è tenuta in sessione plenaria ed è iniziata con il keynote speech della prof.ssa Francesca Fatta dell’Università di Reggio Calabria che ha illustrato l’interessante progetto PNRR TECH4YOU per prevede la divulgazione interattiva del sistema di torri costiere della Calabria a partire dai disegni del Codice Romano Carratelli.

A questo primo intervento è seguita la prima sessione di presentazioni, una tavola rotonda di carattere introduttivo e la visita guidata alla Fondazione (aule per la didattica, archivio industriale della Dalmine e spazi espositivi).

Le attività delle altre giornate si sono svolte presso l’Università degli Studi di Bergamo, negli spazi del Complesso di Sant’Agostino. La giornata del 30 si è aperta con i saluti istituzionali; hanno poi preso avvio le sessioni di presentazione dei contributi dei partecipanti, intermezzate da un secondo keynote speech del prof. Fabio Fatiguso del Politecnico di Bari, in cui è stato affrontato il tema del Digital Heritage attraverso l’illustrazione di una serie di progetti a cui ha preso parte l’ateneo pugliese. La giornata si è conclusa con l’assemblea dell’associazione ReUSO e la cena sociale.

Nella terza e ultima giornata sono proseguite le presentazioni; a conclusione del convegno c’è stata la proclamazione dei best paper.

Gli atti del convegno sono pubblicati in OpenAccess e sono disponibili tramite link dalla homepage del sito dell’evento e sul sito dell’editore. Essi seguono le sezioni in cui sono state suddivise le attività congressuali:

  1. Tecnologie e strumenti al servizio del percorso di conoscenza: letture storico-critiche, documentazione, rappresentazione, valorizzazione del patrimonio costruito e paesaggistico anche mediante il mondo digitale
  2. Restauro, riuso, fruizione, valorizzazione: teorie, orientamenti e indirizzi metodologici per la conservazione del patrimonio architettonico, archeologico, paesaggistico e delle componenti materiche e strutturali
  3. Mitigazione del rischio sismico, idrogeologico e antropico dei Beni Culturali, architettonici, urbani e ambientali: indirizzi e criticità degli interventi di conservazione finalizzati alla tutela del Patrimonio
  4. Strategie di intervento sul patrimonio costruito: abitabilità, accessibilità, trasformabilità, adattabilità e resilienza
  5. Strategie di intervento per la gestione, la rivitalizzazione e la rigenerazione delle città, dei centri storici e delle aree periferiche: pianificazione, strategie e progetti di intervento sul costruito urbano, sul territorio e sul paesaggio

Per concludere, la partecipazione al convegno ReUSO2024 è stata un’interessante occasione di confronto e scambio di idee, grazie al carattere multidisciplinare dell’Associazione stessa. Le sessioni di presentazioni sono state purtroppo organizzate in parallelo, per cui la valutazione dell’apporto scientifico dei contributi, per quanto positivo, non può essere altro che parziale. E’ indubbia l’alta qualità degli interventi dei keynote speaker che testimoniano attività di ricerca solide e molto approfondite.

Journées d’Etudes Doctorales 2024 : Mobilités, Circulations, Transferts

Il 24 e 25 ottobre, presso il CIHAM – Histoire, Archéologie, Littératures des mondes chrétiens et musulmans médiévaux di Lione si è tenuto l’annuale convegno dottorale, incentrato su mobilità e circolazione trattati da un punto di vista storico, archeologico, linguistico e letterario, secondo le linee di ricerca del laboratorio.

Ho avuto il piacere di organizzare l’evento con cinque colleghi e colleghe del laboratorio (Julie Bordier, Giada Rita Fardella, Pauline Gomes, Adrien Lamotte, Pierandrea Rigo), con il proposito di analizzare i temi trattati in una prospettiva dinamica, che coinvolgesse le strutture politiche e amministrative, gli spostamenti umani e le infrastrutture che li accompagnano, i motivi e i modelli letterari che si diffondono tra aree culturali e linguistiche interconnesse. Abbiamo dunque proposto di ripensare la mobilità in ottica storico-sociale, che vede protagonisti flussi migratori, mercanti, diplomatici, principi, pellegrini cristiani e musulmani, i quali, spostandosi tra Occidente e Oriente, portano con loro beni materiali, mercanzie, prodotti culturali e oggetti di uso quotidiano. In quest’ottica, la circolazione di documenti, manoscritti e testi (anche e forse soprattutto orali) favorisce la trasmissione di miti, motivi letterari, temi che vengono adottati, tradotti, riscritti e riadattati. In chiave metodologica, d’altra parte, la circolazione del sapere e i dati della ricerca scientifica hanno cambiato modalità, “traferendosi” dal supporto cartaceo a quello digitale, che permette di esplorare in modo alternativo i testi medievali.

Le proposte ricevute hanno mostrato il carattere interdisciplinare sperato, in pieno accordo con lo spirito del laboratorio che, sotto il grande ombrello della medievistica, accoglie archeologi, storici, filologi, linguisti, studiosi di letteratura e ingegneri. Di conseguenza, abbiamo diviso i lavori in due giornate. La prima è stata introdotta dal professor Jean-Louis Gaulin, specialista di mobilità mercantile tra Piemonte e Francia, e suddivisa in tre panel, i primi due di carattere storico-archeologico (Mobilités géographiques et mobilités sociales; Reconstruire et représenter des itinéraires), il terzo a tematica linguistica (D’une langue à l’autre, d’un support à l’autre). La seconda giornata, dedicata in gran parte a temi letterari, ha ospitato due sessioni (Circulation des textes et des formules; circulation des images et des représentations). La metodologia digitale, invece, è stata il fil rouge tra i diversi interventi nelle varie sezioni, mostrando il suo lato transdisciplinare e innovativo, calato e messo a frutto nei diversi contesti di ricerca.

L’evento è stato finanziato dall’Université Jean Moulin Lyon 3, dal CIHAM, dalle scuole di dottorato ED 3LA e ED 483 e ha ricevuto il label scientifico 2024 dell’Università Italo-Francese.

Link al sito ufficiale dell’evento: https://ciham.cnrs.fr/events/journees-detude-des-doctorants-2024

EDEN 2024 Research Workshop & PhD Schools’ Masterclass 16-18 Ottobre 2024, Timisoara, Romania

Dal 16 al 18 ottobre si è tenuta l’EDEN 2024 Research Workshop & PhD Schools’ Masterclass a Timisoara in Romania. EDEN è un’associazione educativa internazionale che favorisce lo scambio di conoscenze e intende migliorare la comprensione tra i professionisti dell’apprendimento a distanza e dell’e-learning, promuovendo al contempo le migliori pratiche e politiche in tutta Europa e oltre. Oltre alla conferenza annuale, EDEN organizza anche un Research Workshop in cui si presentano e discutono le ultime innovazioni nel campo dell’educazione digitale. Le tematiche di quest’anno sono state l’Intelligenza Artificiale (IA), la Realtà Virtuale, la Realtà Aumentata Microcredentials applicate alla didattica.
Quest’anno, il Research Workshop è stato unito alla PhD Schools Masterclass. EDEN presta particolare attenzione ai giovani ricercatori, come dimostrato dai PhD Symposium che organizza nell’ambito delle conferenze annuali. La Masterclass di questo ottobre si è rivelata un’occasione di scambio tra i dottorandi e i membri del board di EDEN. Gli argomenti di discussione erano l’impiego di IA nella didattica e la questione della supervisione della tesi dottorale da parte dei tutor. I dottorandi sono stati divisi in gruppi e si sono confrontati con ricercatori più esperti su queste tematiche, producendo dei cartelloni ricchi di idee e spunti di riflessione. Infine, è stato chiesto ai dottorandi di produrre delle domande di ricerca da questi brainstorming.

Maria Tolaini ha partecipato alla giornata della PhD Schools Masterclass e ha presentato al Research Workshop un contributo dal titolo “Virtual Museums on Language Learning A Preliminary Study with Italian High School Students” sull’utilizoz dei musei virtuali nell’apprendimento delle lingue straniere.

Questo il link della conferenza: https://eden-europe.eu/event/eden-2024-research-workshop-in-timisoara/