1-50: Scienze Naturali e Fisiche

1. Biologia
2. Chimica
3. Fisica
4. Geologia
5. Astronomia
6. Ecologia
7. Botanica
8. Zoologia
9. Meteorologia
10. Oceanografia
11. Paleontologia
12. Astrofisica
13. Biotecnologia
14. Genetica
15. Microbiologia
16. Virologia
17. Biochimica
18. Biofisica
19. Scienza dei materiali
20. Nanotecnologia
21. Fisica delle particelle
22. Fisica nucleare
23. Fisica quantistica
24. Chimica organica
25. Chimica inorganica
26. Chimica analitica
27. Chimica fisica
28. Geochimica
29. Mineralogia
30. Vulcanologia
31. Idrologia
32. Limnologia
33. Glaciologia
34. Climatologia
35. Biogeografia
36. Antropologia fisica
37. Botanica marina
38. Zoologia marina
39. Etologia
40. Ecologia evolutiva
41. Fisiologia
42. Embriologia
43. Neuroscienze
44. Citologia
45. Biologia molecolare
46. Immunologia
47. Parassitologia
48. Epidemiologia
49. Farmacologia
50. Tossicologia

51-100: Scienze Sociali

1. Sociologia
2. Psicologia
3. Antropologia culturale
4. Economia
5. Scienze politiche
6. Demografia
7. Criminologia
8. Etnografia
9. Filosofia politica
10. Relazioni internazionali
11. Psicologia sociale
12. Psicologia cognitiva
13. Psicologia clinica
14. Psicologia dello sviluppo
15. Psicologia del lavoro
16. Psicologia della personalità
17. Psicologia evolutiva
18. Sociologia urbana
19. Sociologia rurale
20. Sociologia dell’educazione
21. Sociologia del lavoro
22. Sociologia della famiglia
23. Sociologia della religione
24. Sociologia politica
25. Sociologia dei media
26. Economia microeconomica
27. Economia macroeconomica
28. Economia internazionale
29. Economia comportamentale
30. Finanza
31. Marketing
32. Management
33. Scienza delle organizzazioni
34. Diritto civile
35. Diritto penale
36. Diritto internazionale
37. Diritto costituzionale
38. Diritto amministrativo
39. Diritto del lavoro
40. Diritto commerciale
41. Etica
42. Filosofia morale
43. Filosofia della mente
44. Filosofia del linguaggio
45. Estetica
46. Logica
47. Epistemologia
48. Metafisica
49. Filosofia della scienza
50. Filosofia dell’educazione

101-150: Scienze Umane

1. Storia
2. Archeologia
3. Paleografia
4. Storia dell’arte
5. Museologia
6. Etnologia
7. Antropologia visiva
8. Folklore
9. Linguistica
10. Filologia
11. Semiotica
12. Letteratura
13. Poetica
14. Retorica
15. Critica letteraria
16. Traduzione
17. Studi comparati
18. Studi culturali
19. Filosofia del diritto
20. Storia della filosofia
21. Filosofia antica
22. Filosofia medievale
23. Filosofia moderna
24. Filosofia contemporanea
25. Psicologia storica
26. Storia economica
27. Storia delle religioni
28. Storia sociale
29. Storia militare
30. Storia politica
31. Storia ambientale
32. Storia del pensiero scientifico
33. Storia dell’educazione
34. Storia della tecnologia
35. Antropologia storica
36. Storia della medicina
37. Storia delle idee
38. Storia della moda
39. Storia del cinema
40. Storia del teatro
41. Storia della musica
42. Storia delle donne
43. Storia dell’architettura
44. Storia della stampa
45. Paleontologia umana
46. Epigrafia
47. Numismatica
48. Studi medievali
49. Studi rinascimentali
50. Studi classici

151-200: Scienze Applicate e Ingegneria

1. Ingegneria civile
2. Ingegneria meccanica
3. Ingegneria elettronica
4. Ingegneria informatica
5. Ingegneria biomedica
6. Ingegneria chimica
7. Ingegneria ambientale
8. Ingegneria aerospaziale
9. Ingegneria dei trasporti
10. Ingegneria nucleare
11. Ingegneria idraulica
12. Ingegneria energetica
13. Ingegneria strutturale
14. Ingegneria geotecnica
15. Ingegneria gestionale
16. Meccatronica
17. Automazione industriale
18. Robotica
19. Intelligenza artificiale applicata
20. Scienza dei materiali avanzata
21. Biomateriali
22. Materiali compositi
23. Polimeri
24. Ceramiche tecniche
25. Metallurgia
26. Saldatura e giunzioni
27. Produzione industriale
28. Logistica industriale
29. Ingegneria dei sistemi
30. Progettazione CAD
31. Stampa 3D
32. Progettazione di circuiti elettronici
33. Tecnologia delle comunicazioni
34. Elaborazione del segnale
35. Controllo dei sistemi
36. Ottimizzazione matematica
37. Sicurezza informatica
38. Reti di calcolatori
39. Internet of Things (IoT)
40. Big Data
41. Cloud Computing
42. Blockchain
43. Realtà virtuale
44. Realtà aumentata
45. Mobilità elettrica
46. Energie rinnovabili
47. Sistemi di accumulo energetico
48. Smart grids
49. Bioinformatica
50. Ingegneria genetica

201-250: Scienze della Salute

1. Medicina generale
2. Chirurgia
3. Cardiologia
4. Neurologia
5. Oncologia
6. Ginecologia
7. Pediatria
8. Ortopedia
9. Dermatologia
10. Psichiatria
11. Psicoterapia
12. Endocrinologia
13. Gastroenterologia
14. Otorinolaringoiatria
15. Oftalmologia
16. Anestesiologia
17. Medicina d’urgenza
18. Medicina interna
19. Medicina dello sport
20. Geriatria
21. Medicina preventiva
22. Medicina del lavoro
23. Nutrizione clinica
24. Fisioterapia
25. Riabilitazione
26. Infermieristica
27. Ostetricia
28. Farmacologia clinica
29. Radiologia
30. Medicina nucleare
31. Ematologia
32. Immunologia clinica
33. Microbiologia medica
34. Parassitologia clinica
35. Epidemiologia medica
36. Igiene pubblica
37. Medicina tropicale
38. Terapia occupazionale
39. Genetica medica
40. Terapia intensiva
41. Logopedia
42. Psicologia clinica
43. Psicologia della salute
44. Terapia cognitivo-comportamentale
45. Terapia familiare
46. Terapia sistemica
47. Analisi biochimiche
48. Tecniche diagnostiche per immagini
49. Medicina personalizzata
50. Telemedicina

251-300: Scienze Economiche e Gestionali

1. Economia microeconomica
2. Economia macroeconomica
3. Economia internazionale
4. Economia dello sviluppo
5. Economia aziendale
6. Economia comportamentale
7. Economia ambientale
8. Economia circolare
9. Economia sanitaria
10. Finanza aziendale
11. Finanza pubblica
12. Finanza comportamentale
13. Contabilità
14. Revisione contabile
15. Fiscalità
16. Analisi finanziaria
17. Pianificazione finanziaria
18. Strategia aziendale
19. Gestione delle risorse umane
20. Change management
21. Leadership
22. Imprenditorialità
23. Innovazione aziendale
24. Marketing strategico
25. Marketing digitale
26. Public relations
27. Comunicazione aziendale
28. Gestione della crisi
29. Gestione della supply chain
30. Logistica
31. Vendite
32. Pricing
33. Ricerca di mercato
34. Brand management
35. Customer relationship management (CRM)
36. Business intelligence
37. Analisi dei dati aziendali
38. Project management
39. Gestione della qualità
40. Six Sigma
41. Lean management
42. Business process reengineering
43. Gestione dei rischi
44. Sostenibilità aziendale
45. Responsabilità sociale d’impresa
46. Corporate governance
47. Innovazione tecnologica
48. Internazionalizzazione aziendale
49. Start-up e venture capital
50. Economia della conoscenza

301-350: Scienze Tecnologiche e Digitali

1. Informatica teorica
2. Programmazione software
3. Architettura dei computer
4. Sistemi operativi
5. Database
6. Data mining
7. Sistemi distribuiti
8. Reti neurali artificiali
9. Algoritmi
10. Strutture dati
11. Programmazione orientata agli oggetti
12. Programmazione funzionale
13. Programmazione web
14. Sviluppo di app mobili
15. Sviluppo di videogiochi
16. Cybersecurity
17. Analisi dei malware
18. Forense digitale
19. Gestione delle identità digitali
20. Firma digitale
21. Sicurezza delle reti
22. Ingegneria del software
23. Metodologie agili
24. DevOps
25. Controllo delle versioni
26. Blockchain applicata
27. Contratti intelligenti
28. Edge computing
29. Cloud computing avanzato
30. Architetture serverless
31. Analisi dei dati big data
32. Elaborazione delle immagini
33. Elaborazione del linguaggio naturale (NLP)
34. Visione artificiale
35. Sistemi di raccomandazione
36. Ottimizzazione dei motori di ricerca (SEO)
37. User Experience Design (UX)
38. Interazione uomo-computer (HCI)
39. Web semantico
40. Realtà estesa (XR)
41. Gamification
42. Smart cities
43. Automazione dei processi robotici (RPA)
44. Informatica quantistica
45. Analisi predittiva
46. Internet of Behaviors (IoB)
47. Wearable technology
48. Sistemi embedded
49. Programmazione di microcontrollori
50. Tecnologia 5G

351-400: Scienze Creative e Comunicazione

1. Design industriale
2. Design grafico
3. Web design
4. Design di interni
5. Architettura
6. Pianificazione urbana
7. Fotografia
8. Cinematografia
9. Regia
10. Produzione cinematografica
11. Montaggio video
12. Post-produzione
13. Sound design
14. Produzione musicale
15. Composizione musicale
16. Sceneggiatura
17. Scrittura creativa
18. Giornalismo
19. Storytelling
20. Copywriting
21. Pubblicità
22. Branding
23. Comunicazione visiva
24. Illustrazione
25. Animazione 2D
26. Animazione 3D
27. Motion graphics
28. Videogiornalismo
29. Podcasting
30. Comunicazione politica
31. Comunicazione di crisi
32. Relazioni pubbliche
33. Comunicazione interculturale
34. Comunicazione aziendale interna
35. Comunicazione digitale
36. Social media management
37. Content marketing
38. Influencer marketing
39. Campagne pubblicitarie
40. Comunicazione scientifica
41. Comunicazione ambientale
42. Comunicazione educativa
43. Comunicazione persuasiva
44. Strategie di storytelling
45. Copywriting SEO
46. Produzione televisiva
47. Produzione teatrale
48. Comunicazione non verbale
49. Comunicazione empatica
50. Scrittura tecnica

401-450: Scienze dell’Educazione e della Formazione

1. Pedagogia generale
2. Pedagogia speciale
3. Didattica generale
4. Didattica per adulti
5. Didattica inclusiva
6. Scienze dell’apprendimento
7. Tecnologie dell’educazione
8. Educazione comparata
9. Educazione interculturale
10. Psicopedagogia
11. Counseling educativo
12. Coaching
13. Formazione professionale
14. Educazione permanente
15. Apprendimento esperienziale
16. Educazione ambientale
17. Educazione artistica
18. Educazione musicale
19. Educazione fisica
20. Educazione alla salute
21. Educazione digitale
22. Educazione civica
23. Formazione aziendale
24. Gestione della formazione
25. Sviluppo del talento
26. Metodi di valutazione educativa
27. Educazione alla leadership
28. Gestione dei conflitti educativi
29. Educazione alla diversità
30. Educazione ai media
31. Educazione scientifica
32. Educazione linguistica
33. Educazione matematica
34. Educazione tecnica
35. Metodologie di apprendimento attivo
36. Strategie di apprendimento collaborativo
37. Progettazione di programmi formativi
38. Pedagogia della lettura
39. Pedagogia della scrittura
40. Educazione emozionale
41. Educazione morale
42. Educazione filosofica
43. Educazione spirituale
44. Educazione tecnologica
45. Neuroeducazione
46. Gamification educativa
47. Insegnamento a distanza
48. Insegnamento multimediale
49. Insegnamento bilingue
50. Insegnamento per competenze

451-500: Scienze Sociali e Antropologiche

1. Sociologia generale
2. Sociologia urbana
3. Sociologia rurale
4. Sociologia del lavoro
5. Sociologia dell’educazione
6. Sociologia della famiglia
7. Sociologia della comunicazione
8. Sociologia della religione
9. Sociologia politica
10. Sociologia economica
11. Sociologia culturale
12. Sociologia delle migrazioni
13. Sociologia dei consumi
14. Sociologia dei media
15. Sociologia della devianza
16. Sociologia dell’ambiente
17. Sociologia della salute
18. Sociologia delle organizzazioni
19. Sociologia delle relazioni interpersonali
20. Sociologia dei conflitti
21. Antropologia culturale
22. Antropologia sociale
23. Antropologia biologica
24. Antropologia linguistica
25. Antropologia economica
26. Antropologia visiva
27. Antropologia medica
28. Antropologia del turismo
29. Antropologia dello sviluppo
30. Antropologia politica
31. Etnoantropologia
32. Etnografia
33. Etnologia
34. Studi sui popoli indigeni
35. Studi di genere
36. Studi sulla globalizzazione
37. Studi sulla sostenibilità
38. Studi postcoloniali
39. Studi sulla diversità culturale
40. Studi sui conflitti etnici
41. Geografia umana
42. Geografia sociale
43. Geografia culturale
44. Geografia politica
45. Geografia economica
46. Geografia delle migrazioni
47. Geografia urbana
48. Geografia del turismo
49. Geografia storica
50. Geografia ambientale

501-550: Scienze Politiche e Giuridiche

1. Scienza politica
2. Teoria politica
3. Politica comparata
4. Politiche pubbliche
5. Politica internazionale
6. Relazioni internazionali
7. Geopolitica
8. Politica ambientale
9. Politica economica
10. Politica sanitaria
11. Politica culturale
12. Politica energetica
13. Politica agricola
14. Politica del lavoro
15. Politica dei diritti umani
16. Politica dell’istruzione
17. Politica della sicurezza
18. Diplomazia
19. Studi strategici
20. Studi sulla pace
21. Teoria dei conflitti
22. Risoluzione dei conflitti
23. Giurisprudenza
24. Diritto costituzionale
25. Diritto amministrativo
26. Diritto civile
27. Diritto penale
28. Diritto commerciale
29. Diritto internazionale
30. Diritto dell’Unione Europea
31. Diritto del lavoro
32. Diritto ambientale
33. Diritto tributario
34. Diritto della proprietà intellettuale
35. Diritto marittimo
36. Diritto umanitario
37. Diritto canonico
38. Diritto digitale
39. Diritto della privacy
40. Diritto delle telecomunicazioni
41. Filosofia del diritto
42. Sociologia del diritto
43. Criminologia
44. Procedura penale
45. Procedura civile
46. Mediazione legale
47. Arbitrato
48. Legislazione comparata
49. Studi sulla corruzione
50. Studi sul diritto internazionale umanitario

551-600: Scienze Filosofiche e Religiose

1. Filosofia antica
2. Filosofia medievale
3. Filosofia moderna
4. Filosofia contemporanea
5. Etica
6. Estetica
7. Logica
8. Filosofia della scienza
9. Filosofia della mente
10. Filosofia del linguaggio
11. Filosofia politica
12. Filosofia della religione
13. Filosofia morale
14. Filosofia dell’arte
15. Filosofia dell’educazione
16. Filosofia sociale
17. Filosofia della storia
18. Metafisica
19. Epistemologia
20. Ontologia
21. Ermeneutica
22. Fenomenologia
23. Esistenzialismo
24. Strutturalismo
25. Post-strutturalismo
26. Pragmatismo
27. Filosofia analitica
28. Filosofia continentale
29. Filosofia orientale
30. Filosofia indiana
31. Filosofia cinese
32. Filosofia giapponese
33. Filosofia islamica
34. Filosofia ebraica
35. Teologia cristiana
36. Teologia cattolica
37. Teologia protestante
38. Teologia ortodossa
39. Studi biblici
40. Studi coranici
41. Studi sulle religioni comparate
42. Storia delle religioni
43. Misticismo
44. Esoterismo
45. Etica applicata
46. Filosofia della libertà
47. Filosofia della tecnologia
48. Filosofia dell’ambiente
49. Filosofia del diritto naturale
50. Dialogo interreligioso

601-650: Scienze Economiche e Finanziarie

1. Economia politica
2. Microeconomia
3. Macroeconomia
4. Economia internazionale
5. Economia aziendale
6. Economia del lavoro
7. Economia dello sviluppo
8. Economia ambientale
9. Economia urbana
10. Economia rurale
11. Economia sanitaria
12. Economia culturale
13. Economia digitale
14. Economia comportamentale
15. Economia della conoscenza
16. Economia delle risorse naturali
17. Economia circolare
18. Economia sociale
19. Economia cooperativa
20. Economia del terzo settore
21. Economia dell’innovazione
22. Economia del turismo
23. Economia del commercio internazionale
24. Economia delle istituzioni
25. Economia e diritto
26. Economia agraria
27. Economia del trasporto
28. Economia dei mercati finanziari
29. Economia del settore pubblico
30. Economia dei beni immobili
31. Economia delle start-up
32. Economia dei cambiamenti climatici
33. Politica economica
34. Politica fiscale
35. Politica monetaria
36. Politica industriale
37. Politica commerciale
38. Finanza aziendale
39. Finanza pubblica
40. Finanza personale
41. Finanza internazionale
42. Finanza comportamentale
43. Investimenti finanziari
44. Analisi dei mercati finanziari
45. Gestione del rischio finanziario
46. Pianificazione finanziaria
47. Valutazione aziendale
48. Private equity
49. Venture capital
50. Gestione del patrimonio

651-700: Scienze Naturali e Ambientali

1. Biologia generale
2. Biologia molecolare
3. Biologia cellulare
4. Biologia evolutiva
5. Biologia marina
6. Biologia vegetale
7. Biologia animale
8. Biotecnologie
9. Biologia della conservazione
10. Ecologia
11. Ecologia urbana
12. Ecologia marina
13. Ecologia forestale
14. Ecologia delle acque interne
15. Ecotossicologia
16. Genetica
17. Genomica
18. Proteomica
19. Epigenetica
20. Fisiologia
21. Anatomia
22. Zoologia
23. Botanica
24. Microbiologia
25. Virologia
26. Parassitologia
27. Etologia
28. Paleontologia
29. Geologia
30. Mineralogia
31. Petrologia
32. Vulcanologia
33. Sismologia
34. Idrogeologia
35. Geografia fisica
36. Geomorfologia
37. Meteorologia
38. Climatologia
39. Oceanografia
40. Scienza dell’atmosfera
41. Astronomia
42. Astrofisica
43. Cosmologia
44. Fisica terrestre
45. Fisica solare
46. Esobiologia
47. Scienze ambientali
48. Gestione delle risorse naturali
49. Sostenibilità ambientale
50. Analisi dell’impatto ambientale

701-750: Scienze Mediche e Sanitarie

1. Medicina generale
2. Medicina interna
3. Chirurgia generale
4. Chirurgia ortopedica
5. Chirurgia plastica
6. Chirurgia pediatrica
7. Chirurgia cardiovascolare
8. Oncologia
9. Radioterapia
10. Neurologia
11. Neurochirurgia
12. Cardiologia
13. Pneumologia
14. Gastroenterologia
15. Nefrologia
16. Urologia
17. Ginecologia
18. Ostetricia
19. Pediatria
20. Geriatria
21. Dermatologia
22. Endocrinologia
23. Immunologia
24. Reumatologia
25. Otorinolaringoiatria
26. Oftalmologia
27. Psichiatria
28. Psicologia clinica
29. Psicoterapia
30. Epidemiologia
31. Medicina preventiva
32. Medicina del lavoro
33. Medicina dello sport
34. Medicina d’urgenza
35. Medicina legale
36. Medicina forense
37. Medicina nucleare
38. Farmacologia
39. Tossicologia
40. Fisioterapia
41. Terapia occupazionale
42. Riabilitazione
43. Logopedia
44. Nutrizione clinica
45. Dietetica
46. Igiene e sanità pubblica
47. Biostatistica
48. Salute globale
49. Telemedicina
50. Gestione sanitaria

751-800: Scienze Tecnologiche e Ingegneristiche

1. Ingegneria civile
2. Ingegneria meccanica
3. Ingegneria elettrica
4. Ingegneria elettronica
5. Ingegneria informatica
6. Ingegneria biomedica
7. Ingegneria chimica
8. Ingegneria aerospaziale
9. Ingegneria nucleare
10. Ingegneria dei materiali
11. Ingegneria ambientale
12. Ingegneria energetica
13. Ingegneria gestionale
14. Ingegneria strutturale
15. Ingegneria dei trasporti
16. Ingegneria idraulica
17. Ingegneria del suono
18. Ingegneria del software
19. Ingegneria robotica
20. Ingegneria dei sistemi
21. Automazione industriale
22. Intelligenza artificiale
23. Machine learning
24. Data science
25. Big data
26. Internet of Things (IoT)
27. Blockchain
28. Sicurezza informatica
29. Cloud computing
30. Realtà virtuale
31. Realtà aumentata
32. Stampa 3D
33. Nanotecnologia
34. Bioinformatica
35. Biorobotica
36. Domotica
37. Progettazione assistita da computer (CAD)
38. Modellazione e simulazione
39. Elettrotecnica
40. Meccatronica
41. Telecomunicazioni
42. Sistemi di controllo
43. Sistemi embedded
44. Ottimizzazione matematica
45. Energetica rinnovabile
46. Tecnologie solari
47. Tecnologie eoliche
48. Tecnologie idroelettriche
49. Veicoli elettrici
50. Veicoli a guida autonoma

801-850: Scienze Agrarie e Alimentari

1. Agronomia
2. Scienze delle colture
3. Orticoltura
4. Viticoltura
5. Enologia
6. Agricoltura biologica
7. Agricoltura sostenibile
8. Agroecologia
9. Selvicoltura
10. Zootecnia
11. Acquacoltura
12. Pesca sostenibile
13. Scienze del suolo
14. Chimica agraria
15. Ingegneria agraria
16. Irrigazione e drenaggio
17. Sistemi di coltivazione
18. Genetica agraria
19. Tecnologie alimentari
20. Sicurezza alimentare
21. Qualità alimentare
22. Nutraceutica
23. Packaging alimentare
24. Conservazione degli alimenti
25. Microbiologia degli alimenti
26. Biotecnologie alimentari
27. Analisi sensoriale
28. Legislazione alimentare
29. Economia agraria
30. Economia alimentare
31. Mercati agricoli
32. Filiera agroalimentare
33. Sviluppo rurale
34. Agroindustria
35. Produzione lattiero-casearia
36. Produzione cerealicola
37. Produzione ortofrutticola
38. Produzione zootecnica
39. Produzione oleicola
40. Produzione vinicola
41. Innovazione agricola
42. Sostenibilità delle filiere
43. Biomasse agricole
44. Bioeconomia
45. Tecniche di allevamento
46. Patologia vegetale
47. Entomologia agraria
48. Tecnologia delle serre
49. Conservazione della biodiversità agricola
50. Sistemi alimentari globali

851-900: Scienze dell’Educazione e della Formazione

1. Pedagogia generale
2. Pedagogia speciale
3. Didattica
4. Didattica inclusiva
5. Didattica digitale
6. Educazione permanente
7. Educazione degli adulti
8. Educazione interculturale
9. Educazione ambientale
10. Educazione civica
11. Educazione linguistica
12. Educazione artistica
13. Educazione musicale
14. Educazione fisica
15. Educazione sessuale
16. Educazione morale
17. Formazione professionale
18. Formazione aziendale
19. Formazione a distanza
20. E-learning
21. Blended learning
22. Teorie dell’apprendimento
23. Psicopedagogia
24. Storia della pedagogia
25. Filosofia dell’educazione
26. Sociologia dell’educazione
27. Educazione alla sostenibilità
28. Mediazione educativa
29. Tecnologie per l’educazione
30. Gamification nell’apprendimento
31. Apprendimento esperienziale
32. Apprendimento collaborativo
33. Apprendimento autodiretto
34. Apprendimento interculturale
35. Apprendimento linguistico
36. Apprendimento basato su progetti
37. Valutazione educativa
38. Progettazione educativa
39. Leadership educativa
40. Gestione scolastica
41. Metodi di insegnamento
42. Educazione parentale
43. Coaching educativo
44. Counseling educativo
45. Scienze motorie
46. Educazione socio-emotiva
47. Sviluppo delle competenze trasversali
48. Educazione alla creatività
49. Educazione al problem solving
50. Educazione al pensiero critico

901-950: Scienze Storiche e Archeologiche

1. Storia antica
2. Storia medievale
3. Storia moderna
4. Storia contemporanea
5. Storia economica
6. Storia sociale
7. Storia culturale
8. Storia politica
9. Storia militare
10. Storia dell’arte
11. Storia della musica
12. Storia della scienza
13. Storia della filosofia
14. Storia delle religioni
15. Storia delle idee
16. Storia delle donne
17. Storia delle minoranze
18. Storia della tecnologia
19. Storia ambientale
20. Storia della medicina
21. Storia dell’educazione
22. Storia del diritto
23. Storia della moda
24. Storia dell’alimentazione
25. Archeologia classica
26. Archeologia preistorica
27. Archeologia medievale
28. Archeologia industriale
29. Archeologia subacquea
30. Archeologia sperimentale
31. Metodologia archeologica
32. Tecnologie per l’archeologia
33. Conservazione dei beni archeologici
34. Scavi archeologici
35. Epigrafia
36. Numismatica
37. Paleografia
38. Diplomatica
39. Storia orale
40. Storia locale
41. Storia globale
42. Cronologia storica
43. Storia comparata
44. Storia dell’urbanistica
45. Storia delle rivoluzioni
46. Storia dei movimenti sociali
47. Storia delle istituzioni
48. Storia della letteratura
49. Storia delle tradizioni popolari
50. Storia delle migrazioni

951-1000: Scienze Umanistiche e Filosofiche

1. Filosofia antica
2. Filosofia medievale
3. Filosofia moderna
4. Filosofia contemporanea
5. Metafisica
6. Epistemologia
7. Etica
8. Filosofia politica
9. Filosofia del diritto
10. Filosofia della scienza
11. Filosofia della mente
12. Filosofia del linguaggio
13. Filosofia della religione
14. Estetica
15. Ontologia
16. Logica formale
17. Logica simbolica
18. Fenomenologia
19. Ermeneutica
20. Esistenzialismo
21. Pragmatismo
22. Strutturalismo
23. Post-strutturalismo
24. Filosofia analitica
25. Filosofia continentale
26. Filosofia interculturale
27. Filosofia comparata
28. Filosofia dell’educazione
29. Filosofia dell’arte
30. Filosofia dell’intelligenza artificiale
31. Storia della filosofia
32. Bioetica
33. Neuroetica
34. Filosofia ambientale
35. Antropologia filosofica
36. Antropologia culturale
37. Antropologia sociale
38. Antropologia biologica
39. Antropologia linguistica
40. Antropologia delle religioni
41. Sociologia generale
42. Sociologia politica
43. Sociologia economica
44. Sociologia della famiglia
45. Sociologia del lavoro
46. Sociologia della comunicazione
47. Sociologia urbana
48. Sociologia rurale
49. Sociologia dell’educazione
50. Sociologia della cultura

L'articolo Le 1000 Aree del Sapere (Metodo HPM) proviene da Dr. Daniele Trevisani - Formazione Aziendale, Ricerca, Coaching.

L’orizzonte che ci si prospetta dinanzi a noi è decisamente incerto, tenendo conto solo dei possibili scenari legati allo sviluppo tecnologico. Non ritengo necessario giungere a conclusioni affrettate, ma reputo indispensabile immaginare piccoli e semplici cambiamenti di cui siamo già stati “vittime” in passato.

Lo sviluppo dell’intelligenza artificiale progredirà senza ombra di dubbio, come è sempre stato e sempre sarà per ogni strumento e tecnologia inventata dall’uomo. Abbiamo già vissuto durante le prime rivoluzioni industriali, processi di automazione della produzione che hanno portato ad una sostituzione dell’uomo con determinate macchine. Ma fino a che la produzione necessaria al sostentamento globale non sarà completamente automatizzata, quale futuro ci si prospetta di fronte a noi?

Quello che stiamo vivendo in questo periodo storico coincide, come dice Luciano Floridi, con la quarta rivoluzione (quella digitale). Contemporaneamente, ci stiamo avvicinando al concetto di Industria 4.0 ovvero un insieme di processi di automazione industriale mirati a migliorare le tecnologie di produzione e la qualità del lavoro.

Il concetto di industria 4.0 prende in considerazione il concetto di “fabbrica intelligente [1]”, che si compone di tre diverse parti:

1) Smart Production (produzione intelligente): consistono in nuove tecnologie in grado di creare maggior collaborazione tra uomo, macchina e strumenti produttivi.

2) Smart Service (Servizi intelligenti): consistono in una serie di infrastrutture informatiche e tecniche in grado di integrare sistemi e aziende in modo collaborativo.

3) Smart energy (energie intelligenti): ovvero l’utilizzo di risorse sostenibili.

Per rendere possibile questa rivoluzione dal punto di vista industriale, secondo il Boston Consulting ci sarà bisogno di tecnologie chiamate “abilitanti”: tra queste figurano sistemi avanzati di produzione, simulatori, dispositivi di realtà aumentata, Cloud, sicurezza informatica e Big Data Analytics.

Analizzando i requisiti e le componenti di tale processo innovativo, salta all’occhio come oltre ad i processi di automazione dei sistemi di produzione, giochino un ruolo di fondamentale importanza tutte le competenze e le informazioni legate al “digitale”.

Ma tali fabbriche intelligenti, dotate di macchine intelligenti, non ci rubano il lavoro: è più probabile che ci liberino da esso. Devono sostituirci nelle mansioni più faticose e pericolose, e anche in quelle che richiederebbero per noi uno sforzo mentale enorme.

Come dice Luciano Floridi nel suo saggio “La quarta rivoluzione [2]” sono state create in un “ambiente digitale” che permette loro di esprimersi seguendo leggi che noi stessi gli abbiamo imposto. Gli argomenti trattati all’interno del saggio li analizzerò nel quarto capitolo.

© Cpyright. Estratto dalla tesi di Laurea in Filosofia, Teorie e sistemi dell’intelligenza artificiale, a cura di Federico Malpighi. Alma Mater Studiorum Università di Bologna. Materiale pubblicato per fini didattici e di ricerca con il permesso dell’autore. Riproducibile solo con citazione della fonte originale.

[1] https://it.wikipedia.org/wiki/Industria_4.0#cite_note-8 URL consultato in data 28 agosto 2020.

[2] Luciano Floridi, La quarta rivoluzione. Come l’infosfera sta trasformando il mondo, Raffaello Cortina Editore, 2014, p. 106.

L'articolo Intelligenza artificiale e lavoro: è davvero una minaccia per l’occupazione? proviene da Dr. Daniele Trevisani - Formazione Aziendale, Ricerca, Coaching.

Luciano Floridi ha pubblicato un libro intitolato “La quarta rivoluzione” in cui si impegna a rispondere a domande generali riguardanti la comprensione dell’evoluzione dei sistemi informatici e di individuare e discutere i problemi legati ad essa. Per Floridi, il passaggio dalla carta al digitale ha portato il nostro essere a trasformarsi in qualcosa che egli definisce come “inforg” ovvero entità composte di informazioni, in grado di condividerle non solo tra umani ma anche con le macchine presenti.

«Stiamo lentamente accettando l’idea per cui non siamo agenti newtoniani isolati e unici, ma organismi informazionali, inforg, reciprocamente connessi e parte di un ambiente informazionale (infosfera), che condividiamo con altri agenti informazionali».

I risultati di tali “inforg” possiamo notarli con le generazioni nate dopo gli anni duemila: essi cercano di interagire con qualsiasi cosa come se questo disponesse di una predisposizione digitale. La differenza con le generazioni precedenti è concreta: la generazione X (che riguarda i nati tra il 1960 e il 1980) non ha la stessa predisposizione al digitale della seconda (la generazione Y, che riguarda i nati tra il 1980 e gli anni 2000), né tanto meno con l’ultima.

Questo divario generazionale, secondo Floridi, creerà problemi non solo dal punto di vista digitale, ma anche da quello sociale e culturale. E dal momento che trascorriamo sempre più tempo all’interno dell’infosfera, la nostra quotidianità sarà sempre più plasmata in base a ciò che succede a livello virtuale e digitale. Preoccuparsi del continuo distacco con la natura è un’azione ingiustificata: per Floridi se non possiamo competere con le macchine e gli algoritmi che sono in grado di codificare miliardi di dati al secondo, deteniamo ancora la caratteristica di poter comprendere i significati degli eventi che accadono intorno a noi.

In via definitiva stiamo tornando al discorso che avevamo intrapreso qualche capitolo indietro: significato ed intenzionalità sono gli attributi che ci rendono umani, al di sopra delle complessità mentali inferiori che possediamo rispetto ad una determinata intelligenza artificiale.

E nonostante questo, la nostra identità è sempre più orientata ad essere digitalizzata: onlife, come dice Floridi. La concezione che abbiamo di noi stessi è diventata quasi più importante sui vari social network piuttosto che nella vita reale, entrando in una sorta di” flusso continuo” fatto di messaggi istantanei, foto e video. Il trasferimento della nostra identità sul piano digitale ha, di conseguenza, portato un trasferimento delle situazioni reali sullo stesso piano: app per incontri, messaggistica istantanea, social media.

«Le micronarrazioni che produciamo e consumiamo stanno cambiando anche i nostri sé sociali e quindi il modo in cui ci percepiamo».[1]

Definire sé stessi risulta sempre più difficile in un mondo oramai sempre più condizionato da realtà parallele. Ma risulta quasi fisiologico, se accettiamo l’idea che stiamo vivendo una vera e propria rivoluzione, la quarta secondo Luciano Floridi. La prima è stata quella di Nicolò Copernico, che ha posizionato la terra non al centro dell’universo, facendo cadere la posizione centrale dell’uomo. Caduta la nostra centralità, ci siamo avvicinati alla seconda rivoluzione: nel 1859 Darwin pubblicò l’origine delle specie. Al suo interno, è presente la spiegazione secondo cui ogni essere vivente è l’evoluzione nel tempo da parte di progenitori comuni attraverso un processo di selezione naturale. Siamo passati da rivoluzione ad evoluzione, come ci fa notare Floridi.

«Questa volta fu la parola “evoluzione” ad acquisire un nuovo significato».[2]

Ma anche questa volta è avvenuto un nuovo spostamento: ci siamo allontanati dal centro del mondo naturale. La terza rivoluzione avvenne per mano di Sigmund Freud: egli sostenne che la mente umana è inconscia e soggetta a meccanismi di difesa come quello della repressione. Ennesimo spostamento, questa volta dal centro della coscienza verso la parte più buia della nostra mente.

La linea comune di queste rivoluzioni è stata il progressivo allontanamento della posizione centrale dell’uomo rispetto a diverse concezioni: non siamo al centro dell’universo, né al centro del mondo biologico, né tanto meno al centro della nostra stessa volontà. La quarta rivoluzione che stiamo vivendo, senza rendercene pienamente conto ed aspettando un evento significativo che non è detto si realizzi, è quella digitale. La posizione centrale dell’uomo in questo ambito è stata determinata dal fatto che la nostra intelligenza e capacità di ragionamento non potesse mai essere superata. Ma ci siamo decentralizzati anche da questa primarietà.

«Turing ci ha deposto dalla posizione privilegiata ed esclusiva che avevamo nel regno del ragionamento logico, della capacità di processare informazioni e di agire in modo intelligente. Non siamo più gli indiscussi padroni dell’infosfera. I nostri dispositivi digitali svolgono un numero crescente di compiti che richiederebbero da parte nostra una certa attività intellettuale se ci fossero affidati».[3]

Se consideriamo le aspettative sull’intelligenza artificiale e le varie ipotesi distopiche formulate a riguardo, è chiaro come la nostra immaginazione si sia lasciata andare, inghiottita all’interno di un universo fantascientifico. Non è assolutamente un male, ma dobbiamo confrontarci con la realtà: la trasformazione che stiamo vivendo non è da considerarsi dal punto di vista biotecnologico all’interno del nostro corpo, quanto piuttosto come la trasformazione dell’ambiente in cui viviamo e delle varie implicazioni che ne derivano.

© Cpyright. Estratto dalla tesi di Laurea in Filosofia, Teorie e sistemi dell’intelligenza artificiale, a cura di Federico Malpighi. Alma Mater Studiorum Università di Bologna. Materiale pubblicato per fini didattici e di ricerca con il permesso dell’autore. Riproducibile solo con citazione della fonte originale.

[1] Luciano Floridi, La quarta rivoluzione. Come l’infosfera sta trasformando il mondo, Raffaello Cortina Editore, 2014, p. 72.

[2] Luciano Floridi, La quarta rivoluzione. Come l’infosfera sta trasformando il mondo, Raffaello Cortina Editore, 2014, p. 101.

[3] Luciano Floridi, La quarta rivoluzione. Come l’infosfera sta trasformando il mondo, Raffaello Cortina Editore, 2014, p. 105.

L'articolo La rivoluzione che stiamo vivendo proviene da Dr. Daniele Trevisani - Formazione Aziendale, Ricerca, Coaching.

In un recente articolo pubblicato dal The Journal of AMD, intitolato Intelligenza Artificiale e Big Data in ambito medico: prospettive, opportunità, criticità. JAMD Vol. 21-3, Nicoletta Musacchio e i suoi collaboratori hanno evidenziato l’evoluzione e l’incredibile aumento delle informazioni digitali, raddoppiate in quasi ogni ambito negli ultimi 2 anni.

Conseguentemente a questo aumento, siamo arrivati ad avere una mole non indifferente di dati, che sono stati definiti come Big Data. Essi sono caratterizzati da quattro componenti, rappresentate dalla lettera “V”: volume, velocità, varietà ed infine veridicità. I Big Data li troviamo oggigiorno anche in ambito medico sanitario, grazie allo sviluppo di quattro differenti fenomeni.

In primis lo sviluppo della diagnostica per immagini digitali, che sta prendendo il posto alle antiquate tecniche di diagnostica analogica. Collegato a ciò, ci sono ovviamente le nuove tecniche di reportistica digitale: tutti noi disponiamo di cartelle e fascicoli elettronici sanitari su cui vengono pubblicati gli esiti delle visite mediche a cui ci sottoponiamo.

Gli altri due punti riguardano temi differenti: lo sviluppo delle biotecnologie impiegate nelle scienze riguardanti la genomica e la trascrittomica; e l’esplosione di quello che viene definito come “Internet of things” (IOT). Il primo di questi due fenomeni riguarda l’indagine che viene effettuata sulle cellule ad un livello sempre più microscopico: l’analisi di ciò e l’elaborazione dei dati ricavati portano alla creazione di un ingente mole di dati.

Infine, l’esplosione delle IOT riguarda l’evoluzione tecnologica che stiamo vivendo ad un livello molto più ampio rispetto al solo settore della sanità (sia essa pubblica o privata). Passare dall’IOT al IOMT (ovvero l’Internet of medical things) è un passo molto più breve di quanto si pensi: basti pensare ai moderni orologi da polso, in grado di tenere conto dei battiti cardiaci, della temperatura corporea e dei movimenti che compiamo in ogni singolo istante.

La vera rivoluzione in ambito di intelligenza artificiale applicata in ambito medico è e sarà sempre di più il machine learning: la capacità di un software di simulare ragionamenti sulla base dei dati forniti permetterà la generazione di modelli predittivi. Tali modelli tramite l’utilizzo di dati storici potranno prevedere eventi futuri (come l’insorgere di malattie). Esistono due differenti modelli: quelli trasparenti e quelli denominati “black box”.

I primi hanno la caratteristica di evidenziare i parametri su cui basano la loro previsione, passando così dall’essere predittivi a “prescrittivi”. Il modello “black box”, a contrario, ci fornisce sì una risposta ma non ci fornisce alcuna giustificazione a riguardo. Questa è una delle criticità legate all’utilizzo dell’intelligenza artificiale in ambito medico: affinché il sistema possa funzionare correttamente dobbiamo disporre di requisiti fondamentali come la qualità, la validità e il corretto utilizzo dei dati a nostra disposizione.

Alcuni di essi provengono da piattaforme che originariamente erano state dedicate a ben altri scopi. Sempre rimanendo in tema di dati, l’importanza fondamentale è che siano digitalizzati: negli archivi sono presenti ancora decine di migliaia di cartelle cliniche inutilizzate a questi scopi.

Ovviamente raccogliere ingenti quantità di informazioni cartacee e racchiuderle in un database è un lavoro molto impegnativo, che deve garantire anche la privacy delle persone interessate. È chiaro ora come l’intelligenza artificiale possa essere di estremo aiuto per le funzioni quotidiane e per l’implementazione di nuovi sistemi sanitari complessi, tuttavia affinché essa possa davvero essere efficiente, è necessario preparare una base solida su cui poter erigere un sistema di tale complessità.

© Cpyright. Estratto dalla tesi di Laurea in Filosofia, Teorie e sistemi dell’intelligenza artificiale, a cura di Federico Malpighi. Alma Mater Studiorum Università di Bologna. Materiale pubblicato per fini didattici e di ricerca con il permesso dell’autore. Riproducibile solo con citazione della fonte originale.

L'articolo Applicazioni di intelligenza artificiale in ambito medico proviene da Dr. Daniele Trevisani - Formazione Aziendale, Ricerca, Coaching.

Questi sette punti sono stati stilati sulla base di tre diversi presupposti che una qualsiasi intelligenza artificiale deve possedere: legalità, eticità e robustezza. Legalità significa che deve attenersi alle regole e alle leggi presenti e future.

Eticità che deve fare riferimento a principi etici e morali in accordo con quelle che sono gli obiettivi di coesione sociale ed integrazione promulgati dalla comunità europea. Infine, la robustezza sia tecnica che sociale, che renderà l’intero sistema uno strumento sicuro da utilizzare (sistemi di intelligenza artificiale potrebbero causare gravi danni seppur non intenzionali).

I sette punti elencati non devono essere visti come delle regole fisse a cui ogni macchina deve attenersi, quanto piuttosto una linea guida da seguire per la creazione di una legislazione che possa essere usufruibile in futuro[1].

• Azione e sorveglianza umane: i sistemi di IA dovrebbero promuovere lo sviluppo di società eque sostenendo l’azione umana e i diritti fondamentali e non dovrebbero ridurre, limitare o sviare l’autonomia dell’uomo.
• Robustezza e sicurezza: per un’IA di cui ci si possa fidare è indispensabile che gli algoritmi siano sicuri, affidabili e sufficientemente robusti da far fronte a errori o incongruenze durante tutte le fasi del ciclo di vita dei sistemi di IA.
• Riservatezza e governance dei dati: i cittadini dovrebbero avere il pieno controllo dei propri dati personali e nel contempo i dati che li riguardano non dovranno essere utilizzati per danneggiarli o discriminarli.
• Trasparenza: dovrebbe essere garantita la tracciabilità dei sistemi di IA.
• Diversità, non discriminazione ed equità: i sistemi di IA dovrebbero tenere in considerazione l’intera gamma delle capacità, delle competenze e dei bisogni umani ed essere accessibili.
• Benessere sociale e ambientale: i sistemi di IA dovrebbero essere utilizzati per promuovere i cambiamenti sociali positivi e accrescere la sostenibilità e la responsabilità ecologica.
• Responsabilità intesa anche come accountability: dovrebbero essere previsti meccanismi che garantiscano la responsabilità e l’accountability dei sistemi di IA e dei loro risultati.

Un’intelligenza artificiale accuratamente programmata secondo queste “leggi” sarebbe un grosso passo in avanti per l’uomo, oltre che ad un supporto alla società ineguagliabile.

L’aiuto che può essere offerto riguarderebbe le più svariate forme: dalla medicina, all’ambiente, passando per l’organizzazione delle città (le cosiddette smart cities) e il mondo del lavoro. Esaminiamo ora alcune di queste questioni.

© Cpyright. Estratto dalla tesi di Laurea in Filosofia, Teorie e sistemi dell’intelligenza artificiale, a cura di Federico Malpighi. Alma Mater Studiorum Università di Bologna. Materiale pubblicato per fini didattici e di ricerca con il permesso dell’autore. Riproducibile solo con citazione della fonte originale.

[1] https://ec.europa.eu/digital-single-market/en/news/ethics-guidelines-trustworthy-ai, URL consultato in data 28 agosto 2020.

L'articolo Orientamenti etici sull’intelligenza artificiale proviene da Dr. Daniele Trevisani - Formazione Aziendale, Ricerca, Coaching.

Abbiamo visto precedentemente come la Legge di Moore definisca una curva esponenziale di sviluppo ma ciò rappresenti solamente un caso particolare di una legge più generale: la legge dei ritorni accelerati. Tale legge afferma come la curva descritta dalla prima legge di Moore in realtà sia doppiamente esponenziale. Questo significa che a mano a mano che il nostro progresso tecnologico avanzerà, diminuirà anche il tempo per nuove scoperte.

Quanto detto è stato espresso da Ray Kurzweil in The Law of Accelerating Returns[1]. L’adozione di una nuova tecnologia da parte dell’essere umano determina, all’interno del grafico dello sviluppo, un gradino, su cui si ergerà un’ennesima curva esponenziale. Analizzando quest’ultimo grafico ed estrapolando la velocità d’evoluzione attuale, potremmo iniziare a considerare cosa potrebbe aspettarci da qui a dieci o cento anni a questa parte. Ray Kurzweil ha proposto sei diverse epoche[2], basandosi su quali invenzioni sono state fatte nell’epoca precedente per ipotizzare (o confermare) cosa è stato creato nell’epoca successiva.

Le sei epoche di Kurzweil

La prima epoca è determinata da una massa di informazioni semplice e generale: energia e materia. Si parla di milioni di anni fa, in cui erano presenti strutture atomiche che immagazzinavano informazioni di vario tipo. Dopo il Big Bang (milioni di anni dopo) gli atomi hanno iniziato a formarsi e successivamente è nata la chimica: dall’incontro di atomi, sono nate le molecole. Doveroso menzionare il carbonio, che grazie alle sue caratteristiche atomiche e molecolari, è in grado di combinarsi con altre molecole creando così strutture complesse tridimensionali.

La seconda epoca è invece caratterizzata dallo sviluppo di organismi a partire dal carbonio: il DNA è l’apice di sviluppo di questa epoca, permettendo di trasmettere un numero informazioni sempre maggiore. La terza epoca, seguendo il meccanismo delle precedenti, parte dal DNA per arrivare allo sviluppo di organismi complessi, dotati di organi sensoriali e capacità di memorizzazione delle informazioni raccolta dai sensi stessi: si ha così lo sviluppo di cervelli e sistemi nervosi.

Questa ultima fase ha avuto inizio quando ha avuto inizio, da parte degli organismi, il pattern recognition, ovvero il riconoscimento degli “oggetti” nell’ambiente circostante. Tra tutti gli organismi, l’essere umano è riuscito a compiere dei ragionamenti logico-razionali su ciò che lo circonda, ed applicare in futuro tali pensieri. La quarta epoca si differenzia dalle altre dal momento che il progresso biologico è terminato ed è arrivato al culmine con l’uomo.

D’ora in avanti lo sviluppo riguarderà principalmente la tecnologia: da piccoli e semplici congegni meccanici siamo arrivati oggi a sofisticate apparecchiature elettroniche in grado di gestire e memorizzare una quantità impressionante di dati. Volendo paragonare lo sviluppo biologico e quello “tecnico”, è chiaro come il secondo sia avvenuto in maniera rapida e veloce: sono passati due miliardi di anni circa dall’origine della vita alle cellule, solamente quattordici anni dal primo computer portatile al World Wide Web.

La quinta epoca dovrebbe essere orientata indicativamente da oggi ad un futuro prossimo ed all’interno di essa avremmo la cosiddetta “fusione” tra l’intelletto umano e la tecnologia. Avverrà l’unione definitiva uomo-macchina, la singolarità tecnologica, come è stato spesso raccontato in molte pellicole cinematografiche e romanzi. Questo ci permetterà di ampliare gli orizzonti sia intellettuali che tecnologici, superando così i limiti imposti dal nostro sistema biologico.

Infine, l’ultima epoca delle sei descritte da Kurzweil, prevede un ulteriore evoluzione che permetterà sulla base delle tecnologie della singolarità tecnologica di superare i limiti dell’universo per come è conosciuto oggigiorno. Saremo in grado di trasformare l’intero universo in un complesso sistema intelligente. Sulla base della divisione proposta da Ray Kurzweil è interessante l’argomento portato dall’astronomo russo  Nikolaj Kardašëv, per la classificazione della civiltà umana sulla base della tecnologia che è in grado di produrre.

3.2.1 La scala di Kardashev

Tale scala è divisa in tre diversi tipi, sulla base dell’energia che l’uomo è in grado di produrre nell’ordine dei Watt; ed è utilizzata come base di partenza per il progetto SETI, volto alla ricerca di forme di vita extra terrestre. Una civiltà di tipo I sarebbe in grado di utilizzare tutta l’energia proveniente dal pianeta d’origine (nell’ordine dei 4×10¹⁶ watt), una civiltà di tipo II riuscirebbe ad usufruire di tutta l’energia di un intero sistema solare (4×10²⁶ watt), infine una civiltà di tipo III capace di usare tutta l’energia presente all’interno della galassia in cui risiede (4×10³⁶ watt).

Carl Sagan, astronomo e divulgatore scientifico, ha applicato una formula per poter calcolare a che livello si trovi la civiltà umana: ovviamente non siamo ancora una civiltà di primo livello, ma ci siamo molto vicini considerando che il valore corrisponde a 0,75! Magari arrivati al tipo I saremo in grado di usufruire di tecnologie tali da espandere esponenzialmente le nostre capacità, sia all’interno del sistema solare, sia all’interno della Via Lattea.

Iosif Šklovskij, uno dei principali collaboratori di Kardashev, ha affermato, come riportato da Ray Kurzweil in “la singolarità è vicina”[3] che è impossibile non aver incontrato nel corso del progetto SETI una qualsiasi civiltà di tipo II o tipo III. Questo viene anche definito come il paradosso di Fermi, attribuito al fisico italiano Enrico Fermi: «Se l’Universo e la nostra galassia pullulano di civiltà sviluppate, dove sono tutte quante?».

© Cpyright. Estratto dalla tesi di Laurea in Filosofia, Teorie e sistemi dell’intelligenza artificiale, a cura di Federico Malpighi. Alma Mater Studiorum Università di Bologna. Materiale pubblicato per fini didattici e di ricerca con il permesso dell’autore. Riproducibile solo con citazione della fonte originale.

[1] Ray Kurzweil, The Law of Accelerating Returns, su kurzweilai.net, 7 marzo 2001. URL consultato in data 20 agosto 2020.

[2] Ray Kurzweil, The Law of Accelerating Returns, su kurzweilai.net, 7 marzo 2001. URL consultato in data 20 agosto 2020.

[3] Ray Kurzweil, La singolarità è vicina, Apogeo Education, 2005, p.608.

L'articolo Ritorni accelerati e le sei epoche di Kurzweil proviene da Dr. Daniele Trevisani - Formazione Aziendale, Ricerca, Coaching.

Questa metodologia di apprendimento cerca di creare un modello automatico su più livelli, in cui i livelli più “profondi” prendano in input i dati provenienti dai livelli precedenti a loro, rielaborandoli.

Ogni livello della scala di cui si compone corrisponderebbe ad una delle diverse aree che compongono il cervello umano, ognuna con le proprie caratteristiche: in base agli stimoli provenienti dall’esterno, così come nel cervello vengono “attivati” nuovi neuroni, così nella struttura proposta dal deep, verranno proposte differenti risposte del sistema a seconda degli stimoli ricevuti.

Nell’ambito delle reti neurali artificiali il deep learning viene largamente usato: si cerca di riprodurre il calcolatore più complesso in assoluto, il cervello umano. Le differenze tra i due sistemi sono ancora molto evidenti, basti pensare che a noi “umani” per riconoscere il viso familiare in una folla di persone possono volerci alcuni secondi, per una macchina distinguere immagini ben più semplici addirittura giorni!

Ed è così anche nel mondo animale, se consideriamo che i sistemi di orientamento di un pipistrello sono ben più avanzati e sviluppati dei sistemi radar umani. Questi paragoni servono principalmente per comprendere la difficoltà della risposta che vogliamo ottenere, e anche le complicazioni che sussistono all’interno di questo ambito di riserva. Ma che cos’è una rete neurale?

Per rete neurale intendiamo un processore ispirato al funzionamento del sistema nervoso di organismo biologici complessi, costituito di unità computazionali elementari che giocano lo stesso ruolo dei neuroni nel cervello. Essi hanno due caratteristiche: la prima è la conoscenza, come abbiamo visto precedentemente, acquisita tramite processi di apprendimento.

La seconda consiste nella capacità di immagazzinare tali conoscenze all’interno del sistema neuroni-rete neurale. I neuroni artificiali funzionano come nodi all’interno della rete, ricevono segnali provenienti dall’esterno o da altri nodi (neuroni) e ne effettuano una trasformazione chiamata funzione di attivazione. Questa operazione altro non fa che trasformare matematicamente il valore delle informazioni prima di passarle ad uno strato successivo, facendo in modo di trasmettere i valori di input attraverso tutta la rete fino ad arrivare all’output.

Il percettone è stato il primo schema di rete neurale proposta da Frank Roosenbalt nel 1958. Esso si presentava come un semplice classificatore binario in grado di riconoscere due differenti classi di input e separarle. Strutturalmente le similitudini con un neurone biologico sono indiscutibili: i dendriti e le sinapsi costituiscono l’input del neurone, mentre il nucleo e gli assoni costituiscono l’output del neurone che andrà poi ad interagire con gli altri neuroni. Il problema riguardante questo primo esperimento è la grande limitazione computazionale del singolo percettone, collegata al fatto che le prestazioni ottenibili dipendono con la scelta degli input.

Dal 1958 ad oggi, con un’impennata raggiunta negli anni ‘80, lo sviluppo delle reti neurali è continuato ed è possibile impiegare tali tecnologie soprattutto quando la difficoltà computazionale aumenta e le quantità di dati da elaborare diventano proibitive per l’uomo: ad esempio vengono utilizzate nel controllo del traffico aereo e veicoli, nelle simulazioni videoludiche come il gioco degli scacchi, nel riconoscimento nei sistemi radar e di identificazione facciale e vocale.

La nota negativa riguardante l’utilizzo di tali sistemi riguarda il fatto che, a differenza di sistemi algoritmici nei quali è possibile analizzare l’intero processo di elaborazione, con le reti neurali ci viene fornito solamente un dato (o un insieme di dati) in output che dobbiamo prendere come tale. Per questo a maggior ragione la scelta dei dati in ingresso è fondamentale per una corretta e attendibile valutazione da parte della rete.

Come abbiamo visto sussistono ancora innumerevoli differenze tra la tecnologia utilizzabile in ambito di reti neurali e le reti neurali biologiche presenti all’interno del cervello: tuttavia, le similitudini tra questi sistemi non sono così astratte. Le diverse tipologie di apprendimento automatico che abbiamo tenuto in considerazione mostrano come l’uomo stia cercando di ricreare artificialmente quello che possiede biologicamente: ovviamente non è un’operazione semplice, ma le possibilità di sviluppo sono a favore dei ricercatori.

Da un punto di vista computazionale e di velocità di elaborazione dei dati, una macchina sarà sempre favorita sull’uomo, rimane da implementare la parte relativa all’intenzionalità e alla cognizione. E nonostante ammettessimo che un’intelligenza artificiale (di tipo simbolico) possa essere associata al concetto di intenzionalità,  nulla ci garantisce che essa possa possedere autocoscienza di sé.

Se così fosse avremo di fronte a noi qualcosa di rivoluzionario: sarebbe una tecnologia tale da potersi migliorare da sola, rendersi conto di sé e di cosa la circonda, delle minacce e dei pericoli. In questo caso ci troveremo di fronte a quella che Nick Bostrom ha catalogato come Superintelligenza e che esporrò nel terzo capitolo.

L'articolo Deep learning e reti neurali proviene da Dr. Daniele Trevisani - Formazione Aziendale, Ricerca, Coaching.

2.3.1 Apprendimento supervisionato

Questa tecnica consiste in due fasi: training e prediction. Durante la fase di training la macchina viene istruita con dei dati in input ideali (come se fossero degli esempi da seguire). Successivamente entriamo nella seconda fase, quella del prediction: a questo punto la macchina utilizza il modello ideale precedentemente usato per rielaborare nuovi dati e produrre un output. Questo tipo di apprendimento è spesso usato nell’ambito del marketing: la sua applicazione permette di classificare i potenziali clienti e di proporgli determinati articoli in base alla loro cronologia di acquisti. Inoltre, viene utilizzato anche all’interno delle caselle di posta elettronica per categorizzare le e-mail a seconda che siano “spam” oppure no.

2.3.2 Apprendimento non supervisionato

L’apprendimento non supervisionato serve principalmente ad ottenere nuove informazioni. L’applicazione principale è il “clustering” ovvero il raggruppamento di determinati dati in gruppi omogenei che prendono appunto il nome di “cluster”. Utile in ambito di analisi di mercato per l’individuazione di nuovi clienti e nuovi mercati, è spesso utilizzato in ambito di Big-Data come un motore di ricerca: tramite una o poche parole questo algoritmo è in grado di creare molteplici collegamenti (link) attinenti alla ricerca iniziale. Interessante come nel 1975 Kunihiko Fukushima pubblicò una rete neurale non supervisionata finalizzata al riconoscimento di “pattern” che prendeva il nome di Cognitrone. Si caratterizza per organizzare autonomamente i collegamenti sinaptici tra i propri neuroni e quindi apprendere senza la supervisione di un insegnante. Nel modello proposto sono presenti quattro differenti strati denominati U0, U1, U2, e U3: il primo strato (U0) corrisponde ai neuroni presenti nella retina, mentre l’ultimo strato (U3) corrisponde ai neuroni presenti nella corteccia celebrale. Tale modello prende in considerazione del numero finito di dendriti presenti nei neuroni biologici e della lunghezza dell’assone: questi limiti permettono di associare i neuroni di ogni livello ad altri di un livello superiore, creando così una rete neurale intimamente connessa.

2.3.3 Apprendimento di rinforzo

Questo tipo di apprendimento è largamente usato in ambito robotico e si occupa di risolvere problemi di decisioni sequenziali. La macchina risponde a cambiamenti dell’ambiente circostante e per questo motivo è privilegiato in ambito robotico, ad esempio, nella gestione degli automi, ma anche nella guida senza conducente (driverless car). L’apprendimento per rinforzo funziona mediante tre diverse fasi: la prima consiste nell’applicazione di un algoritmo per cui in base ad un input viene generato un output. La seconda fase consiste nella valutazione dell’output precedentemente ottenuto: se è soddisfacente verrà rilasciata un giudizio positivo, al contrario verrà penalizzata. Infine, è presente un sistema di controllo che monitora l’operato delle prime due fasi, e modifica l’algoritmo utilizzato da A per fare in modo che il premio aumenti e le penalità diminuiscano, migliorando così l’intero processo.

Estratto dalla tesi di Laurea in Filosofia, Teorie e sistemi dell’intelligenza artificiale, a cura di Federico Malpighi. Alma Mater Studiorum Università di Bologna.

[1] Satosi Watanabe. 1985. Pattern recognition: human and mechanical. John Wiley & Sons, Inc., USA.

[2] A. L. Samuel, “Some studies in machine learning using the game of checkers“, in IBM Journal of Research and Development, vol. 44, no. 1.2, pp. 206-226, Jan. 2000, doi: 10.1147/rd.441.0206.

L'articolo Machine Learning e apprendimento automatico proviene da Dr. Daniele Trevisani - Formazione Aziendale, Ricerca, Coaching.

Questo tipo di apprendimento si divide in abitudine e sensibilizzazione. Nel presentare queste due diverse modalità di apprendimento farò uso di esempi pratici. Immaginiamoci una tartaruga che si muove tranquillamente nel suo giardino. Ad un tratto, colpiamo il terreno vicino ad essa con un oggetto e come immediata risposta notiamo come la tartaruga rientri all’interno del guscio. Se continuassimo a colpire vicino a lei, noteremo che a mano a mano che perpetuiamo il movimento, la sua risposta sarà di volta in volta più lenta. Questo comportamento rientra in quella che viene definita abituazione alla situazione. La sua funzione è quella di eliminare delle risposte non necessari a stimoli provenienti dall’esterno. L’effetto opposto all’abituazione è quello della sensibilizzazione: se invece di infastidire la tartaruga come avevamo descritto precedentemente, la sottoponessimo ad uno shock (come una scossa elettrica) ella si ritirerebbe nel guscio molto più velocemente a qualunque stimolo si presentasse nuovamente.

Apprendimento associativo

Apprendimento associativo classico

L’apprendimento associativo si divide in classico, operante e complesso. L’apprendimento associativo classico, chiamato anche condizionamento classico consiste in un processo in cui uno stimolo precedentemente neutrale si associa con un altro stimolo. Dopo svariate associazioni abbinate avverrà una produzione della stessa risposta del primo stimolo ricevuto. Ivan Petrovic Pavlov, premio Nobel per la medicina nel 1904, stava studiando la produzione di saliva nei cani in risposta a determinati stimoli. I cani, ovviamente, in presenza di cibo aumentavano la produzione di saliva. Pavlov decise così di associare alla presentazione del cibo, il suono di una campanella che configurerebbe come lo stimolo neutro. Dopo varie e successive associazioni di questo tipo, il cane iniziò il processo di salivazione al solo suono della campanella.

Apprendimento associativo operante

Passando all’apprendimento operante, questo si differenzia dal classico per via del fatto che si apprendono nuove risposte perché influenzano l’ambiente circostante. Questo modello di apprendimento si basa sul concetto di stimolo-risposta-conseguenza.  L’esempio più famoso è quello della puzzle box di Thorndike. Immaginiamoci una specie di gabbia in cui inseriamo un gatto (o un altro animale) all’interno: egli è libero di esplorarla, e può anche premere tasti o spostare delle leve. In generale l’apprendimento operante consiste nell’ agire tramite un comportamento bene preciso, che se ha un effetto positivo sulle nostre intenzioni verrà presentato con una frequenza maggiore.

Apprendimento associativo complesso

Quest’ultimo si basa su rappresentazioni mentali ben più complesse rispetto alle semplici associazioni che avvenivano precedentemente: stiamo parlando delle capacità di problem solving di un individuo, processi di decision making e concetti astratti come quello di causa. Wolfgang Köhler introdusse il concetto di “insight” osservando il comportamento degli scimpanzé di fronte a situazioni difficoltose, come ad esempio il dover arrampicarsi su una scatola per riuscire ad afferrare una banana. Di fronte a tali situazioni si rese conto che gli scimpanzé riuscivano a trovare una soluzione al problema in modo improvviso e non a fronte di errori ripetuti nel tempo. Köhler suggerisce che l’apprendimento per insight è composto da due fasi differenti: la prima è la capacità di risoluzione di un problema, la seconda è la memorizzazione della soluzione e l’applicazione della stessa in un’altra situazione. Konrad Lorenz ha definito un altro metodo di apprendimento chiamato “imprinting” che gli è valso il premio Nobel per la medicina e la fisiologia del 1973. Secondo la sua teoria, gli esseri viventi possiedono una capacità innata di apprendimento dall’essere biologico (una figura materna) su cui viene costruito un modello comportamentale istintivo. Questo è stato osservato da Lorenz stesso sui piccoli di oca: la figura con cui essi interagivano nelle prime 48 ore di vita, sarebbe diventata di riferimento, generando un imprinting e facendogli credere che sia la loro vera madre, a prescindere dalla specie di appartenenza (uomo o altro animale). L’imprinting è stato osservato anche nel genere umano da Renè Spitz e avviene nei primi nove mesi di vita di un bambino: nel caso venisse a mancare la formazione di questo tipo di legame, come è stato osservato da Spitz stesso, sorgerebbero problemi legati allo sviluppo e alla regolazione psicologica dell’individuo.

Gli esempi di apprendimento che ho riportato, facendo riferimento sia all’attività della mente, sia a quella “materiale” del cervello evidenziamo come l’intenzionalità e i processi cognitivi (tra cui l’apprendimento) negli uomini siano meccanismi che sorgono dalla continua interazione di componenti biologiche e condizioni culturali. Non esiste un solo modo di conoscere e imparare, così come non esiste un solo modo di comportarsi di fronte ad un’unica situazione. Di fronte ad un discorso del genere sembrerebbe che le macchine o intelligenze artificiali non siano coinvolte nei processi di apprendimento, relegando le stesse in una condizione di strumento che qualora voglia “arricchire” le proprie competenze deve fare affidamento sulle capacità di programmazione dell’uomo. Ma, seppur non siano in grado di compiere dei processi cognitivi e non siano dotate di intenzionalità, le intelligenze artificiali sono in grado di imparare.

Estratto dalla tesi di Laurea in Filosofia, Teorie e sistemi dell’intelligenza artificiale, a cura di Federico Malpighi. Alma Mater Studiorum Università di Bologna.

L'articolo Apprendimento associativo e non associativo proviene da Dr. Daniele Trevisani - Formazione Aziendale, Ricerca, Coaching.

Oltre alla versione della stanza cinese, nel corso degli anni sono state presentate altre diverse versioni del test. Una di questa è il test di Turing totale [1], proposto da Stevan Harnad: a differenza del test classico descritto precedentemente, questa variante include due supporti ulteriori: un segnale video per testare le capacità percettive ed un braccio robotico che permetta di manipolare degli oggetti.

Affinché la macchina super il test dovrà essere in grado, come nella precedente versione, di confondersi con un essere umano. Essendoci anche un contatto visivo e sensoriale, la difficoltà di passare l’esame aumenta notevolmente.

Il test di Turing è un ottimo punto di partenza per determinare il funzionamento più o meno corretto di un programma appositamente creato, ma non si può considerare come unico ostacolo da superare per determinare successivamente la presenza di un’intelligenza artificiale al pari dell’uomo.

Il premio Loebner

Negli anni sono stati istituiti premi e concorsi come ad esempio il Premio Loebner, una competizione che si basa sul test di Turing e che va a premiare l’intelligenza artificiale che più si avvicina a quella di un essere umano.

Si può menzionare ad esempio menzionare “Mitsuku”, una chatbot (ovvero un software progettato per simulare una conversazione con un essere umano) ideato da Steve Worswick che ha vinto ben cinque differenti edizioni della competizione.

Può giocare su richiesta dell’utente ed è in grado di ragionare su oggetti specifici: se gli chiedessimo “Puoi mangiare una casa?” questo programma ragionerebbe sulle proprietà degli oggetti: una casa è fatta di mattoni, essi non sono commestibili, di conseguenza non posso mangiare una casa.

Mitsuku è basato sulla tecnologia AIML (Artificial Intelligence Markup Language) un linguaggio di markup utile per creare applicazioni in grado di interagire con l’uomo in autonomia e facilmente implementabili e programmabili. Mitsuku non si basa sul “machine learning” (apprendimento automatico), è stato appositamente programmato e continua, dal 2005, ad essere sviluppato e ad interagire con milioni di persone ogni anno. Nonostante questo chatbot detenga il primato di vittorie, non possiamo affermare che abbia superato il test di Turing.

La mente umana non può quindi essere riprodotta solamente basandosi su elementi sintattici ma ancora non è possibile simularla completamente, includendo stati intenzionali e coscienziosi.

[1] Harnad, S. (1991), ‘Other Bodies, Other Minds: A Machine Incarnation of an Old Philosophical Problem’, Minds and Machines 1 pp. 43–54.

L'articolo Test di Turing totale e Premio Loebner proviene da Dr. Daniele Trevisani - Formazione Aziendale, Ricerca, Coaching.