Immaginate di dover insegnare a un modello di classificazione delle immagini a distinguere ombrelli e cappelli. Le prime foto di ombrelli sono tutte scattate in giorni di pioggia, le prime foto di cappelli tutte in interni. Nel valutare queste immagini di addestramento, il modello sembra riconoscerle benissimo. Ma se cambiamo foto e mettiamo lo stesso ombrello in una stanza, riuscirà ancora a riconoscerlo?
A quel punto vale la pena chiedersi: il modello ha davvero imparato la forma dell'ombrello, oppure ha semplicemente sfruttato lo sfondo? «Il laboratorio magico dell'AI» parte dalle informazioni visive che la macchina riceve, per poi portare la stessa domanda sui contenuti generati, sulle azioni degli agenti e sulla revisione umana.
Come la macchina vede un ombrello
Se ingrandite una foto vicino alla punta dell'ombrello, vedrete delle macchie di colore. La tela blu dell'ombrello, nella comune rappresentazione RGB, può essere memorizzata come una griglia di valori numerici, in cui ogni cella registra le informazioni dei tre canali rosso, verde e blu. La Lezione 1 parla innanzitutto di pixel e colori, per poi introdurre come la computer vision cerca forme e texture nelle immagini. La Lezione 2 organizza questi valori in tensori e discute perché i dati vanno preparati prima di essere inviati al modello. Lezione 1 «L'occhio digitale della macchina» · Lezione 2 «L'unità fondamentale dei dati (tensori)»
Un piccolo esercizio può essere fatto con la carta a quadretti. Disegnate prima un ombrello, poi ridisegnatelo con un altro colore di sfondo. Quali caselle sono cambiate? Quali contorni restano? Una persona riconosce a colpo d'occhio che i due disegni appartengono alla stessa categoria; se una macchina sappia fare altrettanto dipende da come impara dagli esempi.
Cambiare una foto mai vista prima
La Lezione 3 parte dagli esempi etichettati e affronta anche l'overfitting e la generalizzazione. Un modello in overfitting si affida eccessivamente ai dettagli presenti nei campioni di addestramento e, cambiando serie di immagini, sbaglia facilmente. Per stabilire se il modello sappia affrontare situazioni nuove, occorre tenere da parte campioni che non ha mai visto durante l'addestramento. Lezione 3 «Maestri della classificazione»
Tornando al nostro ombrello, si possono preparare foto di cappelli e ombrelli su sfondi sia interni sia esterni, riservando poi un altro gruppo per il test. Se si scopre che il modello scambia sistematicamente per cappelli gli ombrelli in interni, nel ciclo successivo si potrà verificare se lo sfondo sia troppo legato alla categoria nei campioni di addestramento. Un errore fornisce un indizio su cosa controllare in seguito.
Dal riconoscere immagini al generare immagini e all'agire
Riconoscere la foto di un ombrello e generare una nuova immagine di un ombrello sono due compiti diversi. La Lezione 6 illustra il processo di generazione con i modelli di diffusione: si parte dal rumore e lo si riduce progressivamente fino a formare un'immagine che soddisfa le condizioni richieste. La Lezione 7 porta invece il problema sull'azione. Un agente raccoglie informazioni sull'ambiente, sceglie ed esegue azioni e, dopo aver agito, osserva come l'ambiente è cambiato. Per esempio, seguendo le regole di un labirinto su carta, a ogni passo occorre rivalutare la posizione attuale. Lezione 6 «Arte generativa e modelli di diffusione» · Lezione 7 «Il ciclo centrale degli agenti»
Prima di fidarsi di un risultato, trovare un modo per verificarlo
L'ultima lezione affronta i pregiudizi nei dati, le allucinazioni dei modelli e la supervisione umana. Una domanda adatta da portare in classe è: se il risultato fosse sbagliato, con cosa potrei scoprirlo? Per la classificazione delle immagini, si può cercare una foto con uno sfondo completamente diverso. Per le risposte generate, si può tornare ai materiali originali a cercare le prove. Per i sistemi che compiono azioni, si può anche riflettere su quale passo dovrebbe essere confermato da una persona. Lezione 10 «Etica, pregiudizi e simbiosi tra uomo e macchina»
Il corso è pensato per studenti della scuola secondaria di primo grado ed è adatto anche a genitori e insegnanti che desiderano aiutare i ragazzi a capire i principi di base dell'AI. Si può iniziare dalla prima lezione dei materiali in cinese semplificato e dalle domande che accompagnano ogni pagina: prima scomporre una foto familiare in pixel, poi tornare a chiedersi quale foto usare per il prossimo test. Entra in AI004 «Il laboratorio magico dell'AI»