Anno 2026-27

L’insegnamento si propone di fornire agli studenti gli strumenti concettuali per comprendere come la rappresentazione numerica del mondo e il principio di calcolabilità stiano riorganizzando la produzione
dell’informazione, i mercati della comunicazione e le forme del potere, e la capacità pratica di utilizzare in modo competente e trasparente i sistemi di intelligenza artificiale generativa.

Conoscenza e capacità di comprensione
Al termine dell’insegnamento lo studente è in grado di:
– ricostruire le tappe principali della storia dell’idea di computabilità dei problemi in filosofia e matematica, da Euclide ad Alan Turing, e collocarvi la nascita dell’informatica e dell’intelligenza artificiale;
– definire in modo corretto e distinguere fra loro le nozioni di dato, informazione e conoscenza; algoritmo, modello e soluzione; big data, cloud computing, ottimizzazione matematica, apprendimento automatico,
apprendimento profondo, modello linguistico, intelligenza artificiale generativa, sistema agentico;
– spiegare in termini non tecnici il funzionamento di un transformer, con riferimento alla tokenizzazione, al meccanismo di attenzione e alla distinzione fra addestramento e uso, e descrivere che cosa cambia
quando un modello passa dal generare testo all’eseguire azioni tramite strumenti esterni;
– descrivere i fattori che spiegano la pervasività del paradigma quantitativo — esplosione dei big data, datizzazione dell’esperienza, economia delle infrastrutture di calcolo — e i loro effetti su due domini
specifici: informazione e giornalismo, marketing e pubblicità;
– illustrare l’assetto regolatorio europeo e italiano vigente in materia di intelligenza artificiale, con particolare riguardo agli obblighi di trasparenza sui contenuti sintetici e alla disciplina del diritto d’autore.

Conoscenza e capacità di comprensione applicate
Al termine dell’insegnamento lo studente è in grado di:
– progettare, eseguire, iterare e documentare istruzioni (prompt) rivolte a sistemi di intelligenza artificiale generativa, utilizzando almeno una piattaforma di generazione testuale e una di generazione di immagini fra
quelle disponibili al momento dell’erogazione del corso;
– produrre un contenuto comunicativo originale (testo, immagine, audio o video) impiegando tali sistemi e documentandone il processo di realizzazione;
– applicare al proprio prodotto gli obblighi di trasparenza e di dichiarazione della natura sintetica dei contenuti previsti dalla normativa vigente;
– impostare un flusso di lavoro in più passaggi che integri un sistema generativo con fonti o strumenti esterni, riconoscendone limiti e punti di fragilità.

Autonomia di giudizio
Al termine dell’insegnamento lo studente è in grado di:
– valutare criticamente un’affermazione quantitativa incontrata nel discorso pubblico sull’intelligenza artificiale, risalendo alla fonte, riconoscendone la natura (dato rilevato, stima, proiezione, dichiarazione di parte) e individuando gli eventuali interessi del soggetto che la produce;
– riconoscere e discutere le forme di distorsione (bias) che possono manifestarsi nei dati di addestramento e negli output dei sistemi generativi, con specifico riferimento alla rappresentazione di genere e alle disuguaglianze;
– individuare gli errori, le omissioni e le affermazioni non verificate presenti nell’output di un sistema generativo, e decidere motivatamente se e come utilizzarlo.

Abilità comunicative
Al termine dell’insegnamento lo studente è in grado di:
– spiegare a un pubblico non specialistico, con lessico appropriato e senza semplificazioni fuorvianti, che cosa fa e che cosa non fa un sistema di intelligenza artificiale generativa;

– presentare e difendere le scelte compiute nella realizzazione di un prodotto comunicativo assistito dall’IA, rendendo conto del processo oltre che del risultato;
– dichiarare in modo chiaro e verificabile l’impiego di sistemi generativi nei propri prodotti.

Capacità di apprendere
Al termine dell’insegnamento lo studente è in grado di:
– aggiornare autonomamente le proprie conoscenze in un settore a obsolescenza rapida, individuando e privilegiando le fonti primarie — documentazione tecnica dei fornitori, testi normativi, report di ricerca con
metodologia dichiarata — rispetto alla pubblicistica secondaria;
– trasferire il metodo di analisi appreso a strumenti e piattaforme non trattati a lezione;
– autovalutare il proprio livello di competenza nell’uso di questi sistemi e riconoscere i limiti entro cui è ragionevole affidarsi ad essi.