La "Moral Machine" è una piattaforma online, sviluppata presso il Massachusetts Institute of Technology (MIT), che genera dilemmi morali e raccoglie informazioni sulle decisioni che le persone prendono tra due esiti distruttivi.

Gli scenari presentati e le informazioni raccolte verrebbero utilizzate per ulteriori ricerche sulle decisioni che l'intelligenza artificiale deve prendere in futuro.

Per esempio, poiché l'intelligenza artificiale svolge un ruolo sempre più significativo nella tecnologia di guida autonoma, progetti di ricerca come Moral Machine aiutano a trovare soluzioni per decisioni di sfida alla vita e alla morte che dovranno affrontare veicoli a guida autonoma.

Condividere digitalmente le aree di ricerca sull'intelligenza artificiale. Questa guida alle attività è progettata per essere utilizzata digitalmente in modo che gli studenti possano fare clic sui collegamenti ed esplorare le risorse online.

Far lavorare gli studenti in gruppi per la loro ricerca, con tutti gli studenti dello stesso gruppo che ricercano lo stesso argomento ma leggono articoli diversi.

fare ricerche sulla loro area, rispondendo alle domande sulla dispensa lungo il percorso. Assicurati che gli studenti rispondano solo alle domande sulla parte anteriore della loro guida di riflessione per ora.

Incoraggia gli studenti a esaminare 3-4 articoli dalla loro lista, assicurandoti che almeno un articolo provenga dalla sezione "Impatto sociale" e almeno un articolo dalla sezione "Considerazioni etiche". Gli studenti possono anche fare le proprie ricerche, ad esempio: cercando la "Persona Spotlight" elencata in ogni sezione.

Gli studenti possono sfogliare gli articoli più lunghi alla ricerca di idee chiave, prendere appunti, porre domande aggiuntive e utilizzare un motore di ricerca per indagare ulteriormente se il tempo lo consente

Addestrare un modello per riconoscere un testo che riporti verbi al Presente e all'Imperfetto.

1. Creare due gruppi di testi (Presente e Imperfetto)

2. Addestrare il modello con almeno 20 verbi coniugati al Presente ed altrettanto all'Imperfetto

3. Testare il modello con nuovi verbi coniugati al Presente e all'Imperfetto nella cartella TEST

Addestrare un modello per riconoscere immagini di Cani e Gatti.

1. Creare una cartella sul PC denominata Cane - Gatto

2. Creare due sottocartelle denominate Training e Test

3. Raccogliere almeno 10 foto di Cani (nominare le foto come Cane1, Cane2, ecc.) e copiarle nella cartella Training

4. Raccogliere almeno 10 foto di Gatti e copiarle nella cartella Training

5. Raccogliere 4 foto di Cani e 4 di Gatti e copiarle nella cartella Test

6. Addestrare il modello

7. Testare il modello con le foto presenti nella cartella TEST

Addestrarre un modello per riconoscere Materiale per la Raccolta Differenziata.

1. Creare una cartella sul PC denominata RaccoltaDifferenziata

2. Creare due sottocartelle denominate Training e Test

3. Raccogliere almeno 10 foto per ogni Categoria (nominare le foto come Vetro1, Vetro2, ecc.) e copiarle nella cartella Training

4. Raccogliere altre 4 foto per ogni Categoria e copiarle nella cartella Test

5. Addestrare il modello

6. Testare il modello con le foto presenti nella cartella TEST

Il Machine Learning può essere usato quando si ha a che fare con un problema o un’attività complessa che coinvolge una grande quantità di dati e molte variabili, ma nessuna formula o equazione esistente. Ad esempio, il Machine Learning è un’ottima soluzione per gestire soluzioni di questo tipo.

Le equazioni e le regole scritte a mano sono troppo complesse, come nel caso del riconoscimento dei volti e del parlato.

La natura dei dati cambia di continuo e il programma deve essere adattato, come nel trading automatico, la previsione del fabbisogno energetico e la previsione delle tendenze di acquisto.

Le regole di un’attività sono in costante cambiamento, come nel rilevamento delle frodi dai record delle transazioni.

Scegliere l’algoritmo più giusto da usare può sembrare arduo in quanto esistono decine di algoritmi di Machine Learning con e senza supervisione, ciascuno dei quali adotta un approccio diverso all’apprendimento. Non esiste un metodo migliore o una soluzione adatta per tutte le occasioni. In parte, per trovare l’algoritmo giusto non si deve fare altro che procedere per tentativi ed errori. Neanche i data scientist più esperti sono in grado di capire se un algoritmo funzionerà senza prima provarlo. La selezione dell’algoritmo, però, dipende anche dalle dimensioni e dalla tipologia di dati con cui si lavora, dalle informazioni che si desidera ottenere da tali dati e dall’uso che verrà fatto delle informazioni ottenute.

Addestrarre un modello per riconoscere Materiale per la Ac.

1. Creare una cartella sul PC denominata SmartClass

2. Raccogliere almeno 10 esempi di testo per ogni Categoria (nominare le categorie come Accendi_Lampada, Spegni_Lampada,Accendi_Ventola, Spegni_Ventola)

3. Addestrare il modello

4. Testare il modello con testi non presenti nelladiverse categorie.

FINALITA'

Introduzione ai concetti di base della programmazione finalizzati allo sviluppo di applicazioni ludico-educative, dal disegno della veste grafica allo sviluppo del codice con Scratch e App Inventor. Illustrazione delle fasi per la realizzazione di applicazioni che utilizzino Machine Learning for Kids, introducendo i concetti di base sul tema dell'Intelligenza Artificiale.

oppure da Apple Store