Esperimenti di AI in classe

Si sente sempre più spesso parlare di Intelligenza Artificiale, di applicazioni che apparentemente riguardano un futuro lontano, ma in realtà molti cambiamenti sono già in atto, anche se non sempre siamo consapevoli di come la nostra vita sia avvolta da una dimensione immateriale sempre più importante.

Ho provato a fare una (non semplice) sintesi dello stato dell’arte su NextLearning, ma vorrei provare a declinare qui in modo più pratico come alcuni di questi esperimenti possano essere portati in classe e utilizzati, oltre che per imparare divertendosi, anche per far capire ai bambini e ai ragazzi come funzionano gli algoritmi che “allenano” le reti neurali.

Il primo tool tra gli Esperimenti di Google che possiamo usare in classe è Autodraw.

Autodraw è uno strumento che, grazie al contributo di diversi artisti, aiuta a migliorare i disegni. Basta iniziare a tracciare una forma, e nella barra di suggerimento automatico inizieranno a comparire le immagini presenti nel catalogo che possono avvicinarsi o essere realizzate a partire da quella forma.

Ecco allora che, iniziando a disegnare una casa, AutoDraw proporrà tante diverse varianti della casa, fino ad arrivare al palazzo o alla tenda, passando per la cuccia del cane o la tv. Selezionando una tra le possibili proposte, questa comparirà sul foglio sostituendo il nostro schizzo, che poi si potrà completare con i classici strumenti di disegno (tratto a mano libera, forme, riempimento, testo) e scaricare o condividere su facebook, twitter, google+ oppure tramite link.

Quali finalità possiamo pensare di ottenere con Autodraw? Tra le altre, il perfezionamento del senso estetico, l’affinamento delle abilità visuo-percettive, l’arricchimento delle capacità di discriminazione e generalizzazione, l’esercizio del ragionamento, senza contare il divertimento di veder apparire come per magia un disegno che ci fa sentire degli artisti.

 

Il secondo è Quick, Draw!

In questo gioco viene data una parola da illustrare, e una rete neurale proverà ad indovinare cosa si sta disegnando. Non sempre la rete neurale indovinerà quale sia l’immagine, ma più si gioca e più la rete apprende. E’ un esempio di machine learning, in cui ogni disegno va ad aggiungersi ad un catalogo condiviso, che serve alla rete neurale per imparare.

Per ogni termine proposto, abbiamo 20 secondi di tempo per riuscire a far indovinare alla macchina cosa stiamo disegnando. Ogni volta che si aggiunge un tratto, il computer dice quello che “vede”, fino a che non indovina o non finisce il tempo a disposizione. Le parole vengono proposte a gruppi di 6. Al termine di ciascun gruppo viene dato un feedback complessivo su quello che la rete neurale ha indovinato o meno. Cliccando su ogni immagine, vengono mostrati i tre esempi ritenuti più significativi fra tutti i disegni presenti nel catalogo, e viene anche indicato a quale altro termine i tratti disegnati avrebbero potuto corrispondere.

Quale può essere l’utilità di questo gioco in classe? Prima di tutto, a meno che non abbiamo impostato la traduzione automatica delle pagine del browser in italiano, le parole proposte sono in inglese, e il primo risultato sarà che ne verrà potenziata e incentivata la conoscenza. Vengono poi stimolati i riflessi, la memoria, i processi di collaborazione nel caso in cui i dispositivi siano condivisi fra più alunni, o si utilizzi collettivamente la LIM. Da provare! 😉