Innovative Progetti Universitari con l’AI Generativa

Esplora l’uso creativo dell’AI generativa in progetti universitari, dal “Generative Music” al “Personal Chef”.

Nel secondo capitolo della nostra analisi sull’AI generativa, analizzeremo l’applicazione pratica e il potenziale creativo di questa tecnologia attraverso esempi concreti tratti dai progetti degli studenti del corso “Prompt Engineering” presso la Fondazione Bruno Kessler (FBK) di Trento. Parleremo in particolare di due progetti affascinanti: “Generative Music” e “Personal Chef”, i quali dimostrano la versatilità e l’impatto dell’AI generativa in diversi campi.

Progetto Generative Music

Il progetto “Generative Music” sfrutta la tecnologia dell’AI generativa per innovare il processo di creazione musicale. Al centro di questo progetto vi è l’uso di “Generative AI Cards” che definiscono vari parametri musicali e guidano l’AI nella generazione di composizioni uniche. Queste carte specificano elementi musicali chiave come genere, numero di accordi, lunghezza della melodia, tonalità e strumentazione, permettendo un controllo preciso sul contenuto generato.

Configurazione delle Carte

Il processo inizia con la selezione e configurazione delle carte. Le configurazioni iniziali richiedono spesso diverse iterazioni per raggiungere risultati soddisfacenti. I parametri di ogni carta vengono regolati per ottimizzare la generazione musicale, concentrandosi sul raffinamento degli elementi per creare un output armonioso e attraente.

Generazione del Flusso

La generazione del flusso implica la combinazione strutturata di queste AI Cards per produrre un pezzo musicale coerente. Durante il processo di generazione del flusso, l’ordine delle carte AI viene sperimentato per esplorare diversi esiti musicali, senza che l’alterazione della sequenza influenzi significativamente il risultato finale. Questo indica che le configurazioni individuali delle carte sono più critiche dell’ordine in cui vengono disposte.

Raffinamento Iterativo e Interazione Umana

Un aspetto significativo del progetto è il processo di raffinamento iterativo, in cui la musica generata viene sottoposta a multiple valutazioni e aggiustamenti. L’intervento umano è essenziale in questa fase per validare la qualità dell’output. Ascoltare la musica è il metodo principale per valutarne l’adeguatezza, poiché il giudizio umano è necessario per determinare se la creazione dell’AI soddisfa gli standard desiderati. Il team modifica continuamente i prompt e le configurazioni delle carte AI basandosi sui feedback, affinando il processo generativo per migliorare la qualità musicale.

Progetto Personal Chef

Il progetto “Personal Chef” utilizza l’AI generativa per assistere le persone nella pianificazione dei pasti bilanciati in modo efficiente. L’obiettivo principale è risparmiare tempo e risorse, aumentare la creatività e fornire preziose intuizioni per la pianificazione dei pasti. Le Generative AI Cards sono fondamentali per questo progetto, fungendo da componenti modulari che definiscono specifici parametri per la pianificazione dei pasti. Ogni carta racchiude diversi aspetti della creazione del pasto, come il tipo di piatto, gli ingredienti necessari e la composizione nutrizionale.

Configurazione delle Carte

Ad esempio, una carta AI potrebbe concentrarsi sulla generazione di una lista di alimenti ad alto contenuto proteico, mentre un’altra potrebbe assicurarsi che i componenti del pasto siano stagionali. Queste carte vengono raffinate iterativamente basandosi sui feedback degli utenti per garantire che forniscano output precisi e pertinenti. Il linguaggio utilizzato in queste carte è scelto con cura, poiché anche piccoli cambiamenti possono influenzare significativamente i risultati.

Generazione del Flusso

La generazione del flusso in questo progetto prevede la sequenza logica e la combinazione delle Generative AI Cards per creare piani alimentari coerenti e bilanciati. Questo processo assicura che l’output non solo soddisfi le linee guida nutrizionali, ma si allinei anche con le preferenze e i vincoli dell’utente. Il flusso di queste carte è progettato per coprire diverse fasi della pianificazione del pasto, dalla selezione degli ingredienti alla proposta di piatti completi.

Raffinamento Iterativo e Interazione Umana

Il progetto enfatizza l’importanza dei feedback umani nel perfezionamento degli output generati dall’AI. Gli utenti possono interagire con il sistema per personalizzare i piani alimentari generati, aggiungendo o rimuovendo ingredienti secondo necessità. Questo processo iterativo garantisce che i suggerimenti dell’AI rimangano pratici e adattati alle preferenze e ai requisiti dietetici individuali. Incorporando continuamente i feedback degli utenti, il progetto mira a migliorare la precisione e l’utilità delle Generative AI Cards.

Risultati del Sondaggio degli Studenti

La classe dei partecipanti era composta da 11 studenti (età media 23 anni, 5 donne) provenienti da diverse facoltà universitarie come Psicologia, Scienze Cognitive e Interazione Uomo-Computer. La maggior parte degli studenti aveva un’esperienza limitata con strumenti come ChatGPT. Per valutare la conoscenza degli studenti riguardo all’AI generativa e l’efficacia del corso nello sviluppare tale conoscenza, è stato somministrato un questionario all’inizio e alla fine del corso.

I risultati hanno mostrato un aumento della literacy e della self-efficacy degli studenti, insieme a una riduzione dell’ansia legata all’uso dell’AI. Gli studenti hanno riconosciuto il valore dell’AI generativa come strumento di supporto all’apprendimento e sono diventati più consapevoli dei suoi possibili utilizzi e delle implicazioni etiche ad essi collegate.

Alla fine del corso, gli studenti hanno risposto a dieci domande aggiuntive per fornire feedback specifici sull’AI generativa. I risultati hanno dimostrato che gli studenti hanno aumentato significativamente le loro competenze tecnologiche e la loro consapevolezza nella gestione delle tecnologie AI.

Ulteriori miglioramenti nello sviluppo di strumenti ed editor specifici per la configurazione dei prompt potrebbero semplificare ulteriormente il processo didattico, rendendolo più intuitivo per gli studenti.