Intelligenza artificiale per il mare. by Giuliana Amicone

giulianaamicone — 2022-09-27 02:16:58 UTC

giulianaamicone — 2023-09-20 13:37:56 UTC

giulianaamicone — 2023-09-20 13:39:32 UTC

giulianaamicone — 2023-09-20 13:41:03 UTC

ML Machine Learning

giulianaamicone — 2023-09-20 13:44:57 UTC

Il Machine Learning (ML) è un nuovo modo di programmare l’intelligenza artificiale che si basa sull’apprendimento automatico di dati da parte di un sistema. Siamo noi a fornire le informazioni necessarie che verranno registrate e replicate dall’IA. Ci troviamo spesso, per esempio, a dover rispondere a domande del tipo “riconosci i semafori” oppure “seleziona i quadrati in cui compaiono delle macchine” quando accediamo a un nuovo sito, in quel momento stiamo inconsapevolmente fornendo dati importanti per il miglioramento delle nuove tecnologie

BIAS

giulianaamicone — 2023-09-20 13:45:06 UTC

Il bias è una distorsione, causata da una carenza di dati di apprendimento, infatti se l’IA impara dati distorti potrebbe fare previsioni distorte. Ho notato che nella prima parte dell'esercitazione, ci viene chiesto di addestrare l’IA "insegnandole" a distinguere tra un pesce e altri oggetti, evidenziando come eventuali errori durante l'addestramento, si ripercuotono sul futuro funzionamento dell'intelligenza artificiale, sottolineando anche l'importanza di fornire grandi quantità di dati di apprendimento, per ampliare la varietà dei dati a disposizione... Nell'ultima parte, infine ci viene chiesto di classificare i pesci in base a delle proprietà sull'aspetto fisico, ad esempio io avevo scelto la parola spaventoso, mettendo in evidenza il concetto di bias e l'importanza di fornire dati il più completi possibile, cercando di evitare visioni parziali e pregiudizi, dato che i dati erano basati sulla mia opinione.

Pesci

giulianaamicone — 2023-09-20 13:48:52 UTC

pesci blu

giulianaamicone — 2023-09-20 13:49:43 UTC

giulianaamicone — 2023-09-20 13:52:12 UTC

Penso che i miei dati abbiano influenzato i risultati prodotti dall’IA in modo determinante
perché proprio dai dati da me forniti dipendevano i risultati ottenuti ad esempio se nella
prima parte dell’addestramento selezionavo come appartenente all’ambiente marino un
rifiuto anziché un pesce l’IA recepiva che in mare ci fosse anche quel rifiuto infatti
l’addestramento che fornivo insegnava a l’IA a riconoscere gli schemi per conto proprio.

giulianaamicone — 2023-09-20 13:53:09 UTC

Secondo me l’intelligenza artificiale potrebbe aiutare a risolvere il problema della fame nel
mondo e la malnutrizione soprattutto infantile in quanto viene già utilizzata per migliorare
il modo in cui coltiviamo il cibo e gestiamo le risorse della natura quindi potrebbe
permetterci di migliorare le modalità di coltivazione anche nelle aree meno favorevoli
all’agricoltura adottando misure per evitare che i raccolti marciscano nei campi a causa
della mancanza di mezzi efficienti, potrebbe per di più prevedere i possibili pericoli per la
produzione assicurare il raccolto e ridurre i rischi legati al clima proteggendo la biodiversità
dall’erosione incessante.

giulianaamicone — 2023-09-20 13:54:03 UTC

Inoltre quando ci veniva chiesto di insegnare una parola all’IA riguardo l’aspetto di un
pesce io ho scelto la parola felice mentre lei spaventoso perciò nuovamente l’IA ha
prodotto risultati diversi per di più in questo caso basati sulla nostra soggettività.

giulianaamicone — 2023-09-20 16:54:59 UTC

giulianaamicone — 2023-09-20 18:54:48 UTC

giulianaamicone — 2023-09-20 20:17:46 UTC

Quando parliamo di MACHINE LEARNING noi trattiamo ciò che è identificato come apprendimento automatico. Esso nasce dalla teoria che gli apparecchi elettronici possono imparare a maneggiare e ad eseguire sistemi specifici senza la programmazione di un utente, conoscendo solo i dati forniti da esso.

giulianaamicone — 2023-09-22 15:13:05 UTC

Conoscere e capire l'IA
Riconoscere l'impatto etico del'IA
Esercitare la cittadinanza attraverso le tecnologie digitali. Collaborare attraverso le tecnologie digitali.

giulianaamicone — 2023-09-24 07:46:45 UTC

giulianaamicone — 2023-09-24 07:49:42 UTC

giulianaamicone — 2023-09-24 07:54:43 UTC

giulianaamicone — 2023-09-24 07:56:23 UTC

ImageNet

giulianaamicone — 2023-09-24 08:19:59 UTC

Ogni immagine viene immessa in una rete neurale che é stata preaddestrata su un enorme set di dati chiamato ImageNet che contiene più di 20000 categorie come per esempio "pesce" composto da diverse centinaia di immagini.

I pesci

giulianaamicone — 2023-09-24 08:22:56 UTC

Vengono generati casualmente sulla base di alcuni componenti predefiniti come bocca, coda, occhi, colore del corpo scelti a caso. Invece di guardare i dati reali delle immagini, l'IA sta ora cercando modelli di questi componenti in base a come lo studente classifica il pesce.

giulianaamicone — 2023-09-24 08:25:39 UTC

Gli studenti esplorano come vengono utilizzati i dati di addestramento per consentire, ad un modello di apprendimento automatico, di classificare i nuovi dati.

giulianaamicone — 2023-09-24 12:47:37 UTC

giulianaamicone — 2023-09-24 13:14:10 UTC