In questo episodio vediamo come interrogare in modo efficace gli LLM. Dalla costruzione dei prompt al ruolo del contesto, scopriamo perché dare buone istruzioni è fondamentale per ottenere risultati di qualità.

Analizziamo strategie come definizione del contesto, uso di vincoli e formati, iterazione e verifica dei risultati. Introduciamo anche approcci più avanzati come fine-tuning e RAG, che permettono di adattare i modelli a contesti specifici e controllare meglio le informazioni utilizzate.

Infine, una riflessione centrale: usare l’AI significa progettare un processo. Tra controllo umano, lavoro collaborativo e documentazione, l'obiettivo è integrare questi strumenti senza perdere qualità e senso critico.

Il testo Fondamenti di Informatica per le Scienze Umanistiche è disponibile qui:

https://he.pearson.it/bundle/914

Come si usa l’intelligenza artificiale in modo professionale nella scrittura di un documento?

In questo episodio passiamo dalla teoria alla pratica: come progettare un lavoro con i large language models, dalla scrittura di un testo alla documentazione del processo. Scopriamo perché usare l’AI non significa delegare tutto, ma progettare, verificare e guidare ogni passaggio.

Come costruire un contenuto con l’AI mantenendo responsabilità autoriale. Analizziamo elementi chiave come:

• scelta e confronto tra modelli

• progettazione dei prompt

• gestione del contesto e della memoria

• verifica delle fonti e delle allucinazioni

Approfondiamo anche il tema più delicato: diritto d’autore e responsabilità. Quando un testo è davvero “nostro”? Qual è il confine tra supporto e sostituzione dell’autore?

Infine, esploriamo il valore del lavoro collaborativo: strumenti come GitHub e Markdown permettono di integrare AI e cooperazione umana, migliorando qualità, trasparenza e pensiero critico.

Il testo Fondamenti di Informatica per le Scienze Umanistiche è disponibile qui:

https://he.pearson.it/bundle/914

Possiamo fidarci davvero delle risposte dell’intelligenza artificiale?

In questo episodio andiamo oltre il funzionamento tecnico dei modelli per affrontare una questione cruciale: come valutare davvero la qualità dell’AI. Scopriamo perché confrontare modello e dati non basta, e introduciamo un terzo elemento fondamentale: il sistema, cioè il contesto reale in cui l’AI viene utilizzata.

Analizziamo le diverse situazioni che possono emergere: apprendimento corretto, bias nei dati, generalizzazione positiva… ma anche allucinazioni, ovvero risposte plausibili ma completamente inventate. Capire la differenza tra questi casi richiede qualcosa che nessun algoritmo può sostituire: la conoscenza del dominio.

Entriamo poi nei limiti concreti dei large language models: conoscenza statica, memoria limitata, difficoltà nel ragionamento procedurale e nella comprensione di contesti complessi. Vediamo perché questi sistemi tendono sempre a rispondere, anche quando non dovrebbero, e perché questo può essere fuorviante.

Infine, uno sguardo pratico: come usare l’AI in modo professionale e consapevole, dalla scelta dei modelli alla progettazione dei prompt, fino alla documentazione del processo.

Il testo Fondamenti di Informatica per le Scienze Umanistiche è disponibile qui:

https://he.pearson.it/bundle/914

Come fanno le intelligenze artificiali moderne a generare testi, immagini e risposte così sofisticate?

In questo episodio approfondiamo il cuore tecnologico dell’AI contemporanea: il self-supervised learning e i modelli generativi. Scopriamo come gli algoritmi riescano a “crearsi da soli” le etichette di apprendimento, ad esempio prevedendo parole mancanti in un testo, e perché questo approccio ha reso possibile lo sviluppo dei large language models.

Entriamo poi nei meccanismi chiave: token, probabilità, temperatura e architetture come i transformer, che permettono di comprendere il contesto e generare contenuti coerenti.

Ma non basta addestrare un modello: analizziamo anche il processo completo di validazione, dalla divisione dei dataset (training, validation, test) alle metriche fondamentali come precision, recall e accuratezza. Vediamo perché i dati sono spesso il vero punto critico, tra bias, rappresentatività e cambiamenti nel tempo.

Infine, uno sguardo alla pratica: fine-tuning, modelli fondazionali e limiti delle “black box”. Perché capire come un modello prende decisioni è oggi una delle sfide più importanti, soprattutto in ambiti sensibili come medicina, finanza e società.

Il testo Fondamenti di Informatica per le Scienze Umanistiche è disponibile qui:

https://he.pearson.it/bundle/914

Le macchine possono davvero “imparare”? E in cosa questo è diverso dalla programmazione tradizionale?

In questo episodio capiamo cosa si intende per intelligenza artificiale, partendo dalle sue radici teoriche fino alle tecniche moderne. Dalla conferenza di Dartmouth agli studi di Turing e Shannon, scopriamo come l’idea di macchine intelligenti sia presente fin dagli anni ’50 — ma realizzata solo recentemente grazie all’evoluzione tecnologica.Analizziamo poi il passaggio chiave: dalla programmazione basata su regole esplicite al machine learning, dove le regole non vengono scritte dal programmatore ma apprese dai dati. Attraverso esempi concreti — dal riconoscimento di immagini fino ai giochi come scacchi e Go — capiamo come funzionano davvero questi sistemi.Approfondiamo le principali modalità di apprendimento:supervisionato, basato su dati etichettatinon supervisionato, basato su similaritàper rinforzo, guidato da ricompense e feedback

E vediamo perché il vero motore dell’AI moderna è la retroazione: la capacità di migliorarsi attraverso l’esperienza.

Il testo Fondamenti di Informatica per le Scienze Umanistiche è disponibile qui:

https://he.pearson.it/bundle/914

Perché il Web si è imposto su tecnologie più avanzate?

In questo episodio analizziamo uno dei passaggi più importanti della storia dell’informatica: il successo del World Wide Web. Partendo dai suoi competitor — FTP, Gopher, HyperCard, Microcosm — scopriamo che esistevano già sistemi più sofisticati, ricchi di funzionalità e strumenti di navigazione avanzati.E allora perché ha vinto il Web?

La risposta sta nelle sue scelte progettuali: semplicità, decentralizzazione e scalabilità. Approfondiamo il ruolo degli standard fondamentali — URI, HTTP e HTML — e vediamo come, grazie a un’architettura minimale e aperta, il Web abbia reso possibile una crescita globale senza controllo centrale.

Entriamo nel funzionamento di HTTP, un protocollo sorprendentemente semplice: client-server, senza stato e indipendente dai dati. Analizziamo anche meccanismi come cookie, proxy e CDN per capire come, sopra questa semplicità di base, si costruiscono sistemi complessi e distribuiti.

Infine, vediamo come una pagina HTML — apparentemente banale — rappresenti in realtà un potente sistema di connessione tra risorse, e come il Web sia evoluto da rete di documenti a ecosistema di applicazioni.

Il testo Fondamenti di Informatica per le Scienze Umanistiche è disponibile qui:

https://he.pearson.it/bundle/914

Cosa succede davvero quando inviamo un messaggio su Internet?

In questo episodio entriamo nel funzionamento tecnico delle reti: partiamo dai concetti di protocollo e architettura a livelli per capire come sistemi diversi riescono a comunicare tra loro. Scopriamo il ruolo dei router, dei nodi di rete e dei diversi livelli — dall’hardware fino alle applicazioni — e vediamo come un messaggio venga “imbustato” più volte per attraversare la rete e arrivare a destinazione. Approfondiamo poi alcuni elementi fondamentali: indirizzi IP, DNS, protocolli come TCP e UDP, e il principio della commutazione di pacchetto.

Nella seconda parte ci spostiamo su un passaggio storico decisivo: la nascita del World Wide Web. Dal CERN di Ginevra alle prime pagine ipertestuali di Tim Berners-Lee, scopriamo come un’idea semplice — collegare documenti tra loro — abbia trasformato Internet da infrastruttura tecnica a strumento universale.

Il testo Fondamenti di Informatica per le Scienze Umanistiche è disponibile qui:

https://he.pearson.it/bundle/914

Come nasce Internet? E perché le reti informatiche hanno cambiato così profondamente la società?In questo episodio esploriamo le origini delle reti digitali, partendo dal contesto della Guerra Fredda fino alla nascita di Internet. Scopriamo come idee rivoluzionarie come il packet switching e le reti distribuite abbiano reso possibile un sistema più efficiente, resiliente e scalabile, capace di crescere senza controllo centrale.Ripercorriamo i contributi chiave — da Baran a Davies, da ARPANET alla diffusione globale dei protocolli TCP/IP — e vediamo come la ricerca pubblica abbia costruito le basi di un’infrastruttura oggi universale.Ma la storia delle reti non è solo istituzionale: analizziamo anche l’emergere del personal computer e il ruolo delle comunità di appassionati, dalle BBS alla cultura hacker. Un mondo nato “dal basso”, guidato da ideali di condivisione, apertura e accesso universale alla tecnologia.Infine, introduciamo i principi tecnici fondamentali delle reti: livelli di comunicazione, indirizzamento (IP, DNS, URI), protocolli e applicazioni come web ed email. Un sistema complesso ma basato su un’idea semplice: far dialogare sistemi diversi attraverso standard condivisi.

Il testo Fondamenti di Informatica per le Scienze Umanistiche è disponibile qui:

https://he.pearson.it/bundle/914