#HOCHaktuell

«Abbiamo bisogno di insegnanti motivati ed entusiasti che trasmettano che l'informatica significa lavoro creativo.»

Professore, innanzitutto che cos'è un algoritmo?
Un algoritmo è un insieme di istruzioni seguendo le quali si può risolvere un problema concreto. Per «problema» si intende un insieme di istanze del problema, che a loro volta descrivono casi concreti del problema. Ad esempio, un problema consiste nel calcolare il percorso più veloce da A a B in una data rete di trasporti, e un'istanza di questo problema consiste nel trovare il percorso più veloce da Zurigo a Coira con i mezzi pubblici.

Il punto centrale è che gli algoritmi devono essere formulati in modo tale da poter essere eseguiti senza intelletto e capacità di improvvisazione, cioè senza ragionarci sopra, da un computer, ad esempio. La progettazione di algoritmi, invece, richiede solitamente creatività e capacità di problem solving, come una buona capacità di astrazione.

Come imparano gli algoritmi?
Negli algoritmi classici, l'apprendimento avviene di fronte al monitor, cioè da parte dello sviluppatore o del programmatore. Questi ha imparato qualcosa sul problema da risolvere con un algoritmo e lo sfrutta per rendere l'algoritmo il più efficiente possibile; ad esempio, privilegiando alcuni tratti del percorso rispetto ad altri se ci atteniamo al problema di «andare da A a B» . Un tale algoritmo («deterministico») segue quindi in maniera ottusa la strategia che il suo programmatore ha elaborato.

Se invece si parla di «algoritmi di apprendimento», si tratta di un cambiamento di paradigma: l'apprendimento avviene dietro il monitor. In questo caso, ad esempio, all'algoritmo viene mostrato un insieme di istanze di problemi e di soluzioni già note. Da queste, l'algoritmo «impara» qualcosa che idealmente lo aiuta quando si trova di fronte a un'istanza problematica precedentemente sconosciuta. Per proseguire con l'esempio precedente, all'algoritmo vengono mostrati i percorsi più veloci tra le località concrete A e B, dai quali può poi idealmente ricavare il percorso più veloce tra due località sconosciute.

Quindi l'apprendimento meccanico è influenzato dall'uomo in molti casi?
Questi algoritmi sono effettivamente «addestrati» sui dati, che ovviamente devono provenire da qualche parte. Attualmente, si tratta spesso di dati creati dall'uomo; nell'esempio precedente, potrebbero essere i percorsi più veloci calcolati manualmente tra due località.

Il chatbot ChatGPT, che ovviamente è un argomento molto sentito a scuola, è stato addestrato, tra l'altro, con i testi di Wikipedia e del Progetto Gutenberg. A seconda dell'applicazione, i dati di addestramento sono costituiti anche da immagini o brani musicali. Inoltre, va detto che i sistemi possono essere addestrati su dati umani che emergono involontariamente e forse anche in maniera inavvertita.

Le macchine imparano come gli esseri umani?
Sistemi come le reti neurali hanno evidenti modelli biologici, ma sono molto diversi da loro. E per rispondere a questa domanda - in termini puramente formali - bisogna ovviamente prima capire esattamente come gli esseri umani imparano. E noi non lo sappiamo. Ma è ovvio che le persone raccolgono esperienze e adattano il loro comportamento sulla base di esse. Lo facciamo abbastanza bene, e questo ha garantito la nostra sopravvivenza nel corso dei millenni. Gli algoritmi sono diventati molto bravi a leggere i modelli dai dati e a estrapolare il comportamento in situazioni sconosciute. Quindi, se intendiamo l'apprendimento come la capacità di ricavare strategie d'azione dall'esperienza, ci sono chiare analogie. Tra l'altro, c'è anche il fatto che sia le macchine che gli esseri umani possono essere ingannati in questo processo.

La regola delle 10.000 ore dice che dobbiamo ripetere qualcosa molto spesso e intensamente finché non riusciamo a farlo bene. Questo vale anche per gli algoritmi di apprendimento?
In effetti, la dimensione della quantità di dati di addestramento è un parametro essenziale per il successo di tali algoritmi. Ma molti altri dettagli dell'implementazione e del modo in cui avviene esattamente l'apprendimento sono un fattore almeno altrettanto importante. Ad esempio, non è sufficiente prendere un quinquagintilione di libri e generare le risposte più probabili alle domande poste. C'è molto di più.

La nostra concezione dell'istruzione cambierà con il crescente progresso della digitalizzazione?
Ciò che viene insegnato a scuola e le competenze che vengono promosse non sono fissate per sempre. Da un lato, speriamo di essere tutti d'accordo sul fatto che l'istruzione non consiste solo nel memorizzare fatti, anche senza la costante disponibilità di Wikipedia o ChatGPT.

Dall'altro lato, l'obiettivo generale a cui la scuola dovrebbe preparare è, a mio avviso, piuttosto intramontabile: essere in grado di condurre una vita autodeterminata e responsabile e di trovare la propria strada nel mondo; idealmente, anche volendo contribuire a plasmarlo. Questa idea di base non cambia, ma ciò che cambia è il mondo.

Esso è sempre più costruito dall'uomo e sempre più digitale ed è importante preparare allieve e allievi a questo. Da un lato, credo sia importante sensibilizzare su alcuni aspetti, come le tracce digitali che si lasciano inavvertitamente o il fatto che non ci si dovrebbe fidare ciecamente dei testi generati dai chatbot. D'altra parte, l'informatica è la scienza di base che spiega i fenomeni alla base del mondo moderno, proprio come la fisica fa con i fenomeni naturali, ad esempio.

Anche in questo caso, però, lo sviluppo non è frutto delle ultime conquiste dell'apprendimento automatico o in particolare della ChatGPT: l'attenzione deve essere sempre più rivolta a ciò per cui l'essere umano è necessario, ad esempio le abilità di problem solving menzionate all'inizio, come la capacità di astrazione, ecc. Tuttavia, non voglio spingere questo argomento all'estremo: una certa quantità di conoscenze fattuali dovrebbe rimanere recuperabile nella memoria a lungo termine. Nel racconto di fantascienza «The feeling of power» di Isaac Asimov, a un certo punto le persone sono talmente dipendenti dalle macchine da aver dimenticato le operazioni aritmetiche di base. Non vogliamo certo arrivare a questo punto! Un diplomato di qualsiasi scuola dovrebbe comunque essere in grado di valutare se l'importo esposto alla cassa della Migros è ragionevole.

Come dobbiamo immaginare la vita scolastica di tutti i giorni nel futuro?
Recentemente ho sentito da colleghe e colleghi dire che «il genio è uscito dalla bottiglia» e sono d'accordo. Che ci piaccia o no, i modelli linguistici come ChatGPT continueranno a migliorare e mi sembra che chiudere gli occhi di fronte a questo, o addirittura demonizzarli, non sia la strada da seguire.

Dovremmo discutere di quanto sia sensato giudicare il rendimento di un allievo/un'allieva solo sulla base di un elaborato scritto. Un esame di dottorato, ad esempio, non si considera superato se il lavoro scritto è di alta qualità, ma se è stato «difeso» bene davanti a una commissione di esperte e di esperti. Anche i lavori di maturità vengono solitamente presentati. Questo dovrebbe essere un fattore decisivo nell'assegnazione dei voti. Gli esami che si svolgono in condizioni controllate devono essere al centro della valutazione delle prestazioni. Ma anche questa non è una novità.

Ogni persona può appassionarsi all'informatica con il giusto insegnamento?
Non più di quanto ogni persona possa essere ispirata dalla musica o dallo sport. Ci sono delle preferenze e questo è un bene. Ma un cattivo insegnamento dell'informatica può spaventare molti potenziali informatici; in realtà vedo questo pericolo come particolarmente grande nell'informatica, perché ci sono ancora idee sbagliate su cosa sia effettivamente. Ecco perché abbiamo bisogno di insegnanti motivati ed entusiasti che trasmettano che l'informatica significa lavoro creativo.

Infine, un consiglio per tutte le e tutti gli insegnanti: qual è il modo migliore di reagire quando si sospetta che un allievo o un'allieva abbia risolto i compiti con ChatGPT? 
Cercare il dialogo e spiegare, magari facendo riferimento alla regola delle 10.000 ore di cui si è parlato sopra, che le cose devono essere praticate per poterle padroneggiare. Ma ovviamente i modelli linguistici o i chatbot continueranno a essere utilizzati, così come si continuerà a copiare gli uni dagli altri.

Ciò che mi sembra davvero centrale è il modo in cui vengono valutate le prestazioni, e questo, come già detto, non dovrebbe comunque avvenire attraverso la semplice lettura dei compiti o degli incarichi.

Naturalmente, vedo anche applicazioni utili per i chatbot. Sono uno strumento potente, le cui basi dovrebbero essere comprese e i cui benefici possono essere immensi - se non si prende il loro output al valore nominale, ma lo si controlla attentamente.

Bisogna essere un professore di informatica per capire i chatbot?
Attualmente non è necessario, ci sono indicatori relativamente chiari. Ma diventerà sempre più difficile e probabilmente assisteremo a una corsa agli armamenti tra tools che riconoscono i testi generati e quelli che li ingannano.

Sono tuttavia un po' sorpreso quando sento dire che sarebbe assolutamente facile smascherare i testi generati dai chatbot perché sono scritti «troppo bene», perché ovviamente questo è vero solo finché non chiedo al modello linguistico di scrivere come un dodicenne.