Corsi - Master Etica IA

I Corsi del Master

Contenuti

I Corsi del Master

1 – Elementi di logica matematica e di logica deontica (etico-legale)

UNITA’ DIDATTICA	TIPOLOGIA	SSD	DOCENTE	CFU	ORE
Elementi di logica come base della programmazione	Lezioni frontali Aule virtuali	M-FIL/02	BASTI Gianfranco	2	16
Elementi di logica matematica e di logica Booleana	Lezioni frontali Aule virtuali	M-FIL/02	BASTI Gianfranco	2	16
Elementi di logica modale per applicazioni deontiche	Lezioni frontali Aule virtuali	M-FIL/02	BASTI Gianfranco	2	16

Abstract. Il modulo intende approfondire il legame fra l’informatica come disciplina scientifica e l’etica come disciplina filosofica. Questo legame è costituito dalla logica, rispettivamente, matematica o estensionale perché basata sull’uso delle tavole di verità; e filosofica o intensionale perché basata sull’uso della logica modale. Partiremo dalla prima idea di calcolatore universale in Leibniz come conseguenza del suo programma di algebrizzazione della logica, vedremo come questo programma sia stato realizzato teoreticamente prima da Boole e poi da Frege con lo sviluppo del calcolo logico-matematico con la sua semantica estensionale basata sulle tavole di verità, che culminerà nel modello di calcolatore universale multi-programmabile come Macchina di Turing e la conseguente nascita del programma di ricerca dell’Intelligenza Artificiale. Approfondiremo quindi la formalizzazione della logica filosofica come logica modale dei vari sensi di possibilità/necessità nei linguaggi delle discipline umanistiche che corrispondono ad altrettante semantiche intensionali (aletiche, epistemiche e deontiche) del calcolo modale e quindi alla possibile algoritmizzazione della logica deontica dove possibilità/necessità sono interpretate come permesso/obbligo grazie allo sviluppo di una logica booleana modale. Ciò rende possibile implementare nei sistemi di IA regole etico-legali alla base della cosiddetta Machine Ethics.

2 – Elementi di Programmazione

UNITA’ DIDATTICA	TIPOLOGIA	SSD	DOCENTE	CFU	ORE
Introduzione alla programmazione e agli algoritmi	Lezioni frontali Aule virtuali	INF/01	NAPPI Michele	2	16
I linguaggi di programmazione	Lezioni frontali Aule virtuali	INF/01	NAPPI Michele	2	16
Le basi della programmazione in Python	Lezioni frontali Aule virtuali Laboratori	INF/01	NARDUCCI Fabio	2	16
Data Analytics in Python	Lezioni frontali Aule virtuali Laboratori Esercitazioni	INF/01	NARDUCCI Fabio	2	16

Abstract – Il modulo è finalizzato a fornire una conoscenza ampia e diversificata della programmazione informatica. I corsisti verranno introdotti ai concetti chiave della computazione delle macchine e all’importanza degli algoritmi nella risoluzione dei problemi attraverso un percorso organizzato in 4 unità didattiche che tratterà i seguenti argomenti: Cenni alla computazione delle macchine; Concetto di algoritmo; Programmare con pseudocodice; Costrutti di scelta ed iterativi; Programmazione modulare; Capire la differenza tra programma e processo; Linguaggi compilati ed interpretati; Cenni ai linguaggi di programmazione; Variabili, costanti e array; Istruzioni di selezione e iterazione; La programmazione attraverso funzioni; Il linguaggio Python; Traduzione di domini di studio in banche dati; Creazione e manipolazione di collezioni di dati eterogenee e complesse; Ambienti di programmazione Python per algoritmi di Machine/Deep Learning; Librerie Python per l’analisi dei dati.

3 – Fondamenti dell’Intelligenza Artificiale

UNITA’ DIDATTICA	TIPOLOGIA	SSD	DOCENTE	CFU	ORE
Metodi di Machine Learning 1	Lezioni frontali Aule virtuali	INF/01	PARENTE Domenico	1	8
Metodi di Machine Learning 2	Lezioni frontali Aule virtuali	INF/01	TAGLIAFERRI Roberto	1	8
Laboratorio di ML in Python	Lezioni frontali Aule virtuali Seminari Laboratori	INF/01	GAETA Angelo	2	16
Reti Neurali & Deep	Lezioni frontali Aule virtuali Seminari Laboratori	INF/01	BARDOZZO Francesco	1	8
Laboratorio di ML/DL in Python	Lezioni frontali Aule virtuali Seminari Laboratori	INF/01	GALLO Mariacristina	1	8

Abstract – Il modulo intende fornire alcuni elementi-base di Intelligenza Artificiale, secondo il seguente schema: Introduzione al Pattern Recognition Statistico – Preprocessing e feature selection – Algoritmi di Clustering (DB Scan, Kmeans, Clustering gerarchico) – Metodi proiettivi per la riduzione della dimensionalità e la visualizzazione dei dati – Algoritmi di classificazione (Alberi di decisione, RF, Boosting e bootstrap) – Metriche di valutazione dei modelli (Confusion Matrix, ROC, AUC, precision, recall…) – Reti neurali – Deep Learning – SciKit Learn – Keras/Tensorflow – applicazioni di algoritmi di ML e DL ad esempi reali – modellizzazione in Python – NLP con Keras/Tensorflow/Python

4 – Sicurezza Informatica

UNITA’ DIDATTICA	TIPOLOGIA	SSD	DOCENTE	CFU	ORE
Information Security e Information Disorder	Lezioni frontali Aule virtuali	INF/01	GALLO Mariacristina	2	16
Intelligence Analysis e strumenti e tecniche di Open Source Intelligence	Lezioni frontali Seminari Laboratori	INF/01	FENZA Giuseppe	2	16
Strumenti e tecniche per la valutazione della Cyber Security e Cyber Intelligence	Lezioni frontali Aule virtuali Laboratori	INF/01	CASTIGLIONE Aniello	2	16

Abstract – Il modulo di Sicurezza Informatica offre una visione integrata delle principali tematiche legate alla sicurezza informatica e cognitiva. I corsisti acquisiranno una comprensione approfondita delle minacce e delle soluzioni nel contesto della sicurezza digitale, attraverso un percorso organizzato in 4 unità didattiche, ciascuna delle quali entra nel dettaglio di specifici temi come: Intelligence Analysis – Open Source Intelligence – Disinformazione e Misinformazione, Deep Fake, Information Disorder – Tecniche di Cyber Security e Cyber Intelligence – Framework di Analisi, Monitoraggio e Contrasto della Disinformazione (DISARM, ABCDE, etc.) – Metodi e tecniche di NLP, CV, etc. applicate al contrasto della Disinformazione.

5 – Problematiche Etiche dell’IA (EU – AI Act)

UNITA’ DIDATTICA	TIPOLOGIA	SSD	DOCENTE	CFU	ORE
Problematiche etiche dell’IA nel quadro normativo dell’AI-Act	Lezioni frontali Aule virtuali Laboratori	M-FIL/02	VESTRUCCI Andrea	3	24

Abstract – Il modulo mira a fornire una comprensione approfondita dei principi etici fondamentali atti a regolare lo sviluppo e l’implementazione di varie applicazioni di IA. A partire dall’etica dell’IA, comprendendo la storia e l’evoluzione di questa tecnologia, e analizzando i principi etici fondamentali che ne regolano l’uso, verrà esaminato anche l’AI – Act, esplorando alcuni dei requisiti legali e normativi che questo regolamento impone agli sviluppatori e utilizzatori di sistemi IA. Successivamente, il corso si concentrerà sulla trasparenza nei processi di ragionamento dell’IA. Saranno approfondite alcune tecniche di spiegabilità dell’IA (XAI). Il corso intende fornire strumenti per valutare i metodi di XAI con i requisiti etici europei sull’IA affidabile (trustworthy AI) e con le disposizioni dell’AI – Act in trasparenza e tracciabilità dei sistemi IA. Il corso prevede anche un’analisi di alcuni casi concreti, per esempio nel settore medico, in particolare nella progettazione, implementazione e distribuzione di un sistema etico di IA per l’automazione del controllo del Trial di Respirazione Spontanea (SBT) in terapia intensiva.

6 – Problematiche Etico-Sociali dell’IA e del Machine Learning

UNITA’ DIDATTICA	TIPOLOGIA	SSD	DOCENTE	CFU	ORE
Problematiche socio-politiche dell’IA	Lezioni frontali Aule virtuali Laboratori	M-FIL/02	D’AMODIO Alfonso	3	24
Problematiche etico-sociali dell’IA, opacità del Machine Learning e possibili soluzioni	Lezioni frontali Aule virtuali Laboratori	M-FIL/02	BASTI Gianfranco	6	48

Abstract – Questo modulo si articola in due unità didattiche principali. La prima unità didattica sarà dedicata alle numerose problematiche socio-politiche legate allo sviluppo e alla applicazione sempre più diffusa e capillare dei sistemi di IA. Queste problematiche saranno affrontate sia in contesto nazionale che internazionale e riguardano le conseguenze socio-economiche legate al mondo del lavoro, l’impatto che l’uso dei sistemi di IA per la diffusione delle fake news a gruppi ben definiti e profilati hanno sui sistemi elettorali delle democrazie rappresentative e quindi al loro uso nelle varie forme di guerra ibrida attualmente in atto. La seconda unità sarà dedicata ad un quadro riassuntivo sistematico delle principali problematiche etiche legate all’uso dei sistemi di IA e di robotica intelligente, soprattutto i cosiddetti sistemi autonomi che prendono decisioni con rilevanza sulla vita e il benessere di singoli e di gruppi. In particolare ci dedicheremo all’esame di due problematiche principali che emergono nell’uso dei sistemi di Machine Learning (ML) in IA e le loro soluzioni. Il primo gruppo di problematiche riguarda l’uso di dati statistici affetti da pregiudizi verso particolari gruppi, nell’addestramento di sistemi di ML e che determinano vere e proprie ingiustizie algoritmiche verso questi gruppi. La seconda serie di problematiche riguarda l’ineliminabile opacità legata all’uso di tecniche di deep-learning nei sistemi autonomi di IA e che richiede l’uso di algoritmi deontici a due livelli di applicazione. Al primo ordine, mediante l’uso di clausole etico-legali da soddisfare nel processo di ottimizzazione in cui ultimamente consiste ogni tecnica di apprendimento supervisionato; al secondo ordine mediante l’uso di un ethical governor in grado di giudicare l’effettiva compliancy delle decisioni prese dal sistema con determinate regole etiche, prima dell’applicazione concreta di queste decisioni.

Tirocini Per Studenti con Competenze Informatiche

UNITA’ DIDATTICA	SSD	DOCENTE	CFU	ORE
Applicazioni del Machine Ethics a casi notevoli	INF/01	DOCENTI del Master	20	500
VERIFICHE INTERMEDIE E PROVA FINALE			2	50

Abstract – Il Tirocinio consisterà nello sviluppo di applicazioni concrete del Machine Ethics a casi notevoli sotto la guida dei docenti del Master.

Tirocini per Studenti senza Competenze Informatiche (con Certificazioni ICDL Opzionali)

UNITA’ DIDATTICA	SSD	DOCENTE	CFU	ORE
Tutoring gestione professionale Office (ICDL Full Standard / Advanced Database) – Applicazioni Office – Advanced Database	INF/01	BONIFAZI Maurizio	10	200
Tutoring per programmazione in Python (ICDL Computational Thinking) – Elementi di disegno/sviluppo schema a blocchi per programmazione – Elementi di Python	INF/01	BONIFAZI Maurizio	5	150
Tutoring di informatica giuridica (ICDL Giuridica) – Protezione dati personali – PEC e firma digitale – E-Governance e Amministrazione Digitale – Gestione documentale e Dematerializzazione	INF/01	MEALLI Matteo	5	150
VERIFICHE INTERMEDIE E PROVA FINALE			2	50

Abstract – Per persone senza competenze informatiche pregresse e per venire incontro alla mancanza di cultura informatica minima diffusa fra tanti laureati in discipline umanistiche/legali/mediche e anche in tante aziende, istituzioni pubbliche, ospedali, scuole, etc. vi saranno tirocini in forma di tutoring che seguono i programmi ICDL (International Certificate of Ditgal Literacy ) dell’AICA. Poiché questi tirocini seguono i sillabi dell’AICA, c’è la possibilità per gli studenti che lo vogliano di fare esami per acquisire certificazioni ICDL professionalizzanti dell’AICA (aggiuntive rispetto al master), presso qualcuno dei centri AICA abilitati. Potendo le Aziende iscrivere i loro candidati ai singoli moduli del Master senza frequentare tutto il Programma del Master, dare questa possibilità di iscrivere loro dipendenti a questi tutoring di informatica di base crediamo sia molto attrattivo.