DAI PRINCIPI ALL’AI RESPONSABILE: ETICA E MONITORAGGIO

Chiusura Iscrizioni: 04.05.2027

L’intelligenza artificiale offre strumenti potenti, ma il loro utilizzo deve essere guidato da consapevolezza, etica e spirito critico. Questo corso ha l’obiettivo di fornire ai partecipanti le conoscenze di base per comprendere il funzionamento dell’AI e i principi e le tecniche per controllare il corretto comportamento dell’AI.

Verranno esplorati i dilemmi morali, le sfide regolatorie e gli strumenti di governance necessari per un impiego responsabile dell’AI.

Attraverso esempi concreti, verranno esplorati i benefici, i limiti e le implicazioni dell’adozione dell’AI in contesti professionali e quotidianI

Data

12 - 13 - 14 - 15 aprile 2027

Lingua

Italiano

Contatta un tutor

Richiedi appuntamento

Prenota per un gruppo

Quota di iscrizione

Aderente Cetif

€ 1500 + IVA*

Non Aderente Cetif

€ 1700 + IVA*

*Quota per partecipante

Sconti e agevolazioni economiche

A chi è rivolto

Professionisti di qualsiasi industry, di diverse funzioni aziendali, con particolare riferimento alle aree Digital, Compliance, Risk Management, Audit, Legal, IT.
Tutti coloro che utilizzano o progettano strumenti di AI per usi professionali e desiderano verificarne l’aderenza ai principi di fairness.

Obiettivi Formativi

Fornire ai partecipanti una comprensione di base dell’intelligenza artificiale, dei suoi principali ambiti di applicazione e delle tecniche e dei criteri per verificare il comportamento etico e responsabile delle tecnologie AI in contesti professionali.

Il format

Tecniche didattiche innovative ed efficaci, orientate al trasferimento di conoscenze e comportamenti attraverso:

lezioni teoriche
momenti di consolidamento e revisione critica dei contenuti
Esercitazioni e simulazioni
use case e benchmark

Il Corso si svolgerà in Dual Mode: il partecipante al momento dell’iscrizione potrà comunicare la modalità più agevole di fruizione.

Programma del corso

Come funziona il cervello umano (e quello artificiale)
La differenza fra AI “tradizionale” e AI generativa
Algoritmi supervisionati e non supervisionati
Le famiglie di algoritmi (classificatori, regressori, riduttori, …)
I rischi dell’AI e il confine tra corretta e falsa percezione
Il machine learning e l’ottimizzazione algoritmica (come la macchina impara con l’algoritmo)
Il concetto di fairness algoritmica: lo sviluppo di comportamenti discriminatori e bias e il ruolo del machine learning
Controllare un’AI (tradizionale): le misure di fairness (statistical parity, accuracy parity, …)

I fondamenti dei large language models e le basi dell’AI Generativa
Cos’è la generative AI e come funziona
AI e Gen AI landscape
Dal “domandare” all’interagire con l’AI Generativa: i fondamenti del prompt engineering
Errori ed allucinazioni nell’AI generativa: cosa sono, differenze, come evitarli
Le principali criticità percepite dai manager

Etica dell’AI: problemi vecchi e problemi nuovi
Bias, Opacità e Delega epistemica: le sfide dell’AI
Rischio e razionalità in AI
Principi di AI Governance

I precursori: le leggi della robotica di Isaac Asimov
I principi regolamentari dell’AI Act
L’AI Act e i principi di fairness algoritmica
Trasparenza e spiegabilità: le tecniche più diffuse (SHAP – Globale, locale, interaction values; ALE plot; ICE plot; Anchors; LIME; DiCE) e i pro/contro/applicabilità
Il modello di controllo: un esempio pratico (coerenza economica, assenza di proxy, stabilità, fedeltà, spiegabilità degli esiti, comprensibilità, trasparenza, documentazione, efficacia della sorveglianza umana, …) con l’utilizzo delle tecniche