EduRag
A Proposal to Use Artificial Intelligence in Education
DOI:
https://doi.org/10.4454/graphos.112Parole chiave:
intelligenza artificiale, LLM, RAG, prompt engineering, EduRagAbstract
L’articolo esplora il rapporto tra l’intelligenza artificiale e l’educazione, focalizzandosi sui Large Language Models e sulle opportunità e criticità che questi strumenti offrono. Dopo aver analizzato le architetture che hanno reso possibile il loro successo, come il Transformer, vengono esaminate le problematiche legate alla trasparenza e all’affidabilità delle risposte generate, con particolare attenzione al fenomeno delle "allucinazioni" dei modelli. Vengono poi illustrate strategie per mitigare tali criticità, come la Chain of Thought e la Retrieval-Augmented Generation, che migliorano la trasparenza e l’affidabilità degli LLM. Il progetto EduRag rappresenta un’applicazione pratica di queste strategie, dimostrando come l’IA possa essere utilizzata efficacemente nell’ambito educativo per supportare l’apprendimento e promuovere l’uso di fonti attendibili. Infine, si delineano possibili scenari futuri in cui l’IA giocherà un ruolo centrale nell’educazione, con strumenti sempre più personalizzati, interattivi e multimodali, in grado di migliorare l’esperienza didattica attraverso un’integrazione più profonda con il linguaggio, la scrittura e altre forme di interazione umana.
Parole chiave: intelligenza artificiale, LLM, RAG, prompt engineering, EduRag.
Riferimenti bibliografici
Beard, G. M. (1881). American Nervousness.
Carr, N. (2011). Internet ci rende stupidi? Come la rete sta cambiando il nostro cervello. Raffaello Cortina (ed. or. 2010).
Chen, Y., Fu, Q., Yuan, Y., Wen, Z., Fan, G., Liu, D., Zhang, D., Li, Z., & Xiao, Y. (2023). Hallucination Detection: Robustly Discerning Reliable Answers in Large Language Models. Proceedings of the 32nd ACM International Conference on Information and Knowledge Management, 245–255. CIKM ’23: The 32nd ACM International Conference on Information and Knowledge Management. https://doi.org/10.1145/3583780.3614905
Giliberto, J. (2013, settembre 17). Storia. Quando la paura del treno scatena rivolte e sabotaggi. È il 1830. Correnti. https://jacopogiliberto.blog.ilsole24ore.com/2013/09/17/tav-quando-la-paura-del-treno-scatena-rivolte-sabotaggi/
Gori, M. (2003). Introduzione alle reti neurali artificiali. Mondo digitale, 2(8), 4–20.
Howard, R. (Regista). (2002, gennaio 4). A Beautiful Mind [Bi-ography, Drama, Mystery]. Universal Pictures, Dreamworks Pic-tures, Imagine Entertainment.
Johnson, J., Douze, M., & Jégou, H. (2017). Billion-scale similarity search with GPUs (arXiv:1702.08734). arXiv. https://doi.org/10.48550/arXiv.1702.08734
LangChain. (2024, settembre 15). https://www.langchain.com/
Lewis, P., Perez, E., Piktus, A., Petroni, F., Karpukhin, V., Goyal, N., Küttler, H., Lewis, M., Yih, W., Rocktäschel, T., Riedel, S., & Kiela, D. (2021). Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks (arXiv:2005.11401). arXiv. https://doi.org/10.48550/arXiv.2005.11401
McCarthy, J., Minsky, M. L., Rochester, N., & Shannon, C. E. (1955). A proposal for the dartmouth summer research project on artificial intelligence, august 31, 1955. AI magazine, 27(4), 12–12.
Mikolov, T., Chen, K., Corrado, G., & Dean, J. (2013). Efficient Es-timation of Word Representations in Vector Space (arXiv:1301.3781). arXiv. https://doi.org/10.48550/arXiv.1301.3781
Naveed, H., Khan, A. U., Qiu, S., Saqib, M., Anwar, S., Usman, M., Akhtar, N., Barnes, N., & Mian, A. (2023). A Comprehensive Over-view of Large Language Models. https://doi.org/10.48550/ARXIV.2307.06435
Neelakantan, A., Xu, T., Puri, R., Radford, A., Han, J. M., Tworek, J., Yuan, Q., Tezak, N., Kim, J. W., Hallacy, C., Heidecke, J., Shyam, P., Power, B., Nekoul, T. E., Sastry, G., Krueger, G., Schnurr, D., Such, F. P., Hsu, K., … Weng, L. (2022). Text and Code Embeddings by Con-trastive Pre-Training (arXiv:2201.10005). arXiv. https://doi.org/10.48550/arXiv.2201.10005
Numerico, T. (2021). Big data e algoritmi: Prospettive critiche. Carocci.
Parlamento Europeo e Consiglio dell’Unione Europea. (2024). Regolamento (UE) 2024/1689 relativo all’intelligenza artificiale (AI Act). https://www.europarl.europa.eu/topics/en/article/20230601STO93804/eu-ai-act-first-regulation-on-artificial-intelligence
Ramshaw, L., & Marcus, M. (1995). Text chunking using trans-formation-based learning. Third workshop on very large corpora. https://aclanthology.org/W95-0107
Schulhoff, S., Ilie, M., Balepur, N., Kahadze, K., Liu, A., Si, C., Li, Y., Gupta, A., Han, H., Schulhoff, S., Dulepet, P. S., Vidyadhara, S., Ki, D., Agrawal, S., Pham, C., Kroiz, G., Li, F., Tao, H., Srivastava, A., … Res-nik, P. (2024). The Prompt Report: A Systematic Survey of Prompt-ing Techniques. https://doi.org/10.48550/ARXIV.2406.06608
Skinner, B. F. (1961). Teaching Machines. Scientific American, 205(5), 90–106.
Spitzer, M. (2013). Demenza digitale: Come la nuova tecnologia ci rende stupidi. Garzanti (ed. or. 2012).
Streamlit. (2024, settembre 15). https://streamlit.io/
Toosi, A., Bottino, A. G., Saboury, B., Siegel, E., & Rahmim, A. (2021). A brief history of AI: How to prevent another winter (a critical review). PET clinics, 16(4), 449–469.
Vaswani, A., Shazeer, N., Parmar, N., Uszkoreit, J., Jones, L., Gomez, A. N., Kaiser, L., & Polosukhin, I. (2017). Attention Is All You Need (arXiv:1706.03762). arXiv. https://doi.org/10.48550/arXiv.1706.03762
Vespignani, A., & Rijtano, R. (2019). L’algoritmo e l’oracolo: Co-me la scienza predice il futuro e ci aiuta a cambiarlo (p. 197). Il Saggiatore.
Vygotskij, L. S. (1934). Pensiero e linguaggio (L. Mecacci, A c. Di). La Terza e figli (Ed. italiana 1990).
Wei, J., Wang, X., Schuurmans, D., Bosma, M., Xia, F., Chi, E., Le, Q. V., & Zhou, D. (2022). Chain-of-thought prompting elicits rea-soning in large language models. Advances in neural information processing systems, 35, 24824–24837.
Yao, S., Yu, D., Zhao, J., Shafran, I., Griffiths, T., Cao, Y., & Nara-simhan, K. (2024). Tree of thoughts: Deliberate problem solving with large language models. Advances in Neural Information Pro-cessing Systems, 36. https://proceedings.neurips.cc/paper_files/paper/2023/hash/271db9922b8d1f4dd7aaef84ed5ac703-Abstract-Conference.html
Downloads
Pubblicato
Come citare
Fascicolo
Sezione
Licenza
Copyright (c) 2024 Daniele Dragoni, Italiano
TQuesto lavoro è fornito con la licenza Creative Commons Attribuzione 4.0 Internazionale.
Edizioni ETS s.r.l. LUNGARNO MEDICEO 16 - 56127 - PISA