Qual è la definizione di IA fornita da John McCarthy nel 1956?

Descrivi brevemente la differenza tra IA debole e IA forte.

Cosa sono le GAN (Generative Adversarial Networks) e quando sono state introdotte?

Spiega in che modo il machine learning contribuisce allo sviluppo dell'IA.

Cosa si intende per "bias" nell'ambito dell'IA e quali sono alcune possibili fonti di distorsione?

Riporta un esempio di come l'IA può essere utilizzata per creare quiz personalizzati.

Qual è il ruolo di Alan Turing nello sviluppo dell'IA?

Quali sono le principali differenze tra apprendimento supervisionato e non supervisionato nel Machine Learning?

Cosa si intende per "Etica dell'IA"?

Descrivi uno scenario nel quale un sistema di IA potrebbe essere considerato non etico e cosa si potrebbe fare per evitarlo.

Discutere l'evoluzione storica dell'IA, evidenziando i principali progressi e le sfide incontrate lungo il percorso.

Confrontare e contrapporre l'IA debole, l'IA forte e l'IA generativa, fornendo esempi specifici di applicazioni per ciascuna tipologia.

Analizzare le implicazioni etiche dell'IA, discutendo i potenziali rischi e i principi guida per uno sviluppo e un utilizzo responsabili.

Esplorare come l'IA può essere utilizzata nell'istruzione per migliorare l'apprendimento e l'insegnamento, considerando sia i benefici che le sfide.

Discutere il ruolo del machine learning e del deep learning nello sviluppo dell'IA, evidenziando le differenze tra questi approcci e le loro applicazioni specifiche.

Intelligenza Artificiale (IA): La branca dell'informatica che si occupa dello sviluppo di sistemi capaci di eseguire compiti che richiederebbero intelligenza umana.

IA Debole (Weak AI): IA progettata per svolgere compiti specifici.

IA Forte (Strong AI): IA che mira a simulare completamente le capacità cognitive umane.

IA Generativa: IA che crea contenuti originali (es. testi, immagini) basandosi su modelli di apprendimento.

Machine Learning: Un approccio all'IA che consente ai sistemi di apprendere dai dati senza essere esplicitamente programmati.

Deep Learning: Un tipo di machine learning che utilizza reti neurali artificiali con molti livelli (strati "profondi") per analizzare i dati.

Reti Neurali: Modelli computazionali ispirati alla struttura e al funzionamento del cervello umano, utilizzati nel deep learning.

GAN (Generative Adversarial Networks): Un tipo di architettura di rete neurale utilizzata per generare dati realistici.

Bias AI: Distorsione nei risultati di un sistema di IA causata da pregiudizi nei dati di training o nell'algoritmo.

Etica dell'IA: Lo studio delle implicazioni etiche, sociali ed economiche dello sviluppo e dell'utilizzo dell'IA.