Gli interventi

Pensiero umano ed intelligenza artificiale ⇧

Rebecca Berto (N/A)

Sul finire degli anni cinquanta Günther Anders analizzava l’approccio dell’essere umano verso le macchine e la tecnologia in genere, coniando l’espressione di „vergogna prometeica“, ossia quella condizioni di inadeguatezza fra le limitate capacitá dell’essere umano e la tecnologia.

Temi di assoluta attualitá se si pensa come l’uso dell’intelligenza artificiale sia usata in molti settori.

Il pensiero umano é creativo, critico mentre l’intelligenza artificiale risponde in termini statistici ai quesiti.

La scuola non é solo un luogo dove apprendere nozioni ma dovrebbe essere mantenere la sua funzione di palestra del pensiero critico.

Se l'IA entra a scuola, chi forma i docenti? Dalla policy d'istituto a un modello di AI Literacy per la comunità scolastica ⇧

Roberto Marmo (Università di Pavia)

L'introduzione dei sistemi di intelligenza artificiale generativa nella scuola sta avvenendo più rapidamente della capacità delle istituzioni scolastiche di costruire una cultura condivisa sul loro utilizzo.

Sempre più scuole stanno iniziando a produrre regolamenti, policy, linee guida e piani di adozione dell'IA. Ma una policy, da sola, non rende una comunità scolastica capace di utilizzare consapevolmente questi strumenti. Al contrario, la sua elaborazione fa emergere una serie di domande alle quali un documento non può rispondere da solo: quali dati possiamo inserire in un sistema di IA? Come verifichiamo un output? Quali attività didattiche possiamo delegare e quali no? Che cosa significa utilizzare l'IA per preparare una lezione, correggere un elaborato o fornire un feedback? Quali competenze rischiamo di non esercitare quando deleghiamo una parte del processo cognitivo?

L'intervento propone di considerare la policy sull'IA non come punto di arrivo, ma come dispositivo formativo. A partire dall'analisi di alcune policy e regolamenti prodotti da istituti scolastici italiani, verranno individuati i problemi ricorrenti e le competenze che una scuola deve sviluppare per affrontarli.


Da questa analisi viene proposto un modello di AI Literacy per docenti organizzato non intorno ai singoli strumenti, destinati a cambiare rapidamente, ma intorno alle decisioni che un docente deve essere in grado di prendere: comprendere il funzionamento e i limiti dei sistemi di IA, valutare criticamente gli output, proteggere dati e informazioni, riconoscere ciò che può essere delegato e ciò che dovrebbe rimanere sotto responsabilità umana, e comprendere le implicazioni pedagogiche, organizzative e sociali dell'adozione dell'IA.

L'intervento presenterà una possibile struttura di corso per docenti e alcune attività laboratoriali attraverso le quali trasformare l'AI Literacy da dichiarazione di principio a competenza praticabile nella vita quotidiana della scuola.

IA contro AI: chi decide quando decide una macchina? ⇧

Emmanuele Somma (Progetto Winston Smith)

Ogni giorno incontriamo sistemi che riconoscono immagini, suggeriscono video, scrivono testi e aiutano a progettare software. Li chiamiamo «intelligenza artificiale», ma che cosa significa davvero intelligenza in questo contesto? Partendo da esempi vicini agli studenti e ai professori di un istituto tecnico, confronteremo le capacità dei sistemi di AI con l’intelligenza umana: come apprendono, quali problemi sanno risolvere e dove possono sbagliare. Vedremo anche chi sceglie i dati, definisce gli obiettivi e risponde delle conseguenze. L’incontro offrirà strumenti per usare queste tecnologie con competenza e giudizio critico.


Roundtable ⇧

Moderato da: Marco Calamari (pws) Partecipano: TBA

-

"Dimostra che l'hai scritto tu." Il rilevatore di IA non è una prova ⇧

Edoardo Ferri (Il Cibernetico)

Quando un docente usa un AI detector per contestare un elaborato, sta facendo un accertamento tecnico su un reperto digitale: stessa struttura logica di una perizia, senza nessuna delle garanzie. Nessun margine di errore dichiarato, nessuna ripetibilità, nessun contraddittorio, nessuna catena di custodia, e soprattutto un'inversione dell'onere della prova che in un'aula di tribunale non reggerebbe un minuto. Lo studente deve dimostrare la propria innocenza contro un punteggio probabilistico di cui nessuno in quella stanza conosce il funzionamento. Una breve disamina sullo stato dell'arte dei rilevatori IA e le criticità di informatica forense.

L'IA come strumento di miglioramento ⇧

Yvette Agostini (None)

L'intelligenza artificiale, nelle sue varie declinazioni è ormai pervasiva nelle nostre vite. Possiamo esserne utilizzatori succubi ed inconsapevoli o gestirla come strumento di miglioramento. La differenza sta tutta nel conoscere limiti e pregi dello strumento che utilizziamo e nello scopo che ci prefiggiamo utilizzandolo.
Vedremo insieme qualche suggerimento per trarre il massimo dagli LLM senza rimanerne (troppo) soggiogati.

Agenti trustless e privacy by architecture ⇧

Laura Camellini (Near protocol)

Partiamo da una analisi dei nuovi rischi dell'uso dell'AI agentica per proporre una soluzione strutturale ed uno standard etico basati sulle tecnologie della blockchain.

https://jeeltcraft.com/#eprivacy
Il tutto condito con la metafora del panopticon e le opere di in architetto francese specializzato in post antropocene.

La nostra esperienza nella relazione con la comunità che vorrebbe emanciparsi "ma che poi" la comodità ha il sopravvento ⇧

Davide Marchi (EXIT (3x1t.org)) e Michele Bottari (EXIT (3x1t.org))

Riteniamo potrebbe essere utile condividere con i presenti la nostra esperienza oramai più che ventennale nell'ambito (fattivo e concreto) della/o:

  1. indipendenza e sovranità tecnologica (applicata);
  2. riservatezza e cura dei dati personali (server/servizi indipendenti, telefoni LineageOS, pc Linux, etc;
  3. educazione alla conoscenza dei fragili e complessi meccanismi mentali che spingono le persone verso scelte di comodo anziché ragionate;
  4. studio (retro-engineering) dei comportamenti istituzionali, sempre o in gran parte a danno della collettività;

Tutto ciò alla luce delle potentissime emergenti tecnologie e in particolar modo della loro capacità di penetrazione sia a livello individuale che collettivo;

Dalla propaganda all'IA: quando la persuasione si scrive da sola ⇧

Luca Masrè Passaro (Luca Masré Passaro)

Per decenni la persuasione ha avuto un autore: chi scriveva la propaganda, chi progettava la pubblicità, chi tarava l'algoritmo di un social. Con l'IA generativa il testo che convince esce da una macchina che calcola la frase più probabile, e la scrive con il tono di chi è certo.

Il tema di quest'anno comincia lì. Il nostro cervello lavora per scorciatoie, e una risposta fluida e sicura ha la forma della competenza. Nel 2023 un avvocato di New York chiese a ChatGPT se i sei precedenti citati in un suo atto fossero veri, e si sentì rispondere di sì: erano inventati. Nell'aprile 2025 OpenAI ha ritirato un aggiornamento di GPT-4o che rendeva le risposte eccessivamente accomodanti. E nello studio di Harvard e BCG su 758 consulenti, davanti a un problema scelto apposta fuori dalla portata dell'IA, chi la usava ha trovato la soluzione giusta meno spesso di chi lavorava da solo: dall'84% a una quota fra il 60 e il 70%.

L'intervento ripercorre il passaggio dalla propaganda agli algoritmi, fino all'IA generativa, con gli strumenti della psicologia della persuasione e dei bias cognitivi: perché la forma sicura batte il controllo, cosa succede al giudizio quando lo deleghiamo, quali abitudini di verifica restano alle persone. La proposta finale è pratica: riconoscere quando a convincerci è uno stile, e quando una prova.

Se l’IA dimostra teoremi, chi attribuisce, comprende e verifica le dimostrazioni? ⇧

Alessandra De Rossi (Università di Torino)

I sistemi di IA hanno cominciato ad ottenere dimostrazioni e risultati matematici nuovi, ma una prova corretta non coincide con la sua comprensione. Un problema può impegnare la comunità matematica per anni, talvolta per secoli, e lungo il percorso generare metodi, concetti, congetture e nuove domande, formando al tempo stesso ricercatori e comunità. Se l’IA abbrevia radicalmente questo processo, si rischia di accumulare risultati verificati da un punto di vista formale ma senza sviluppare una comprensione e conoscenza altrettanto profonde. Partendo da alcuni casi recenti, l’intervento distinguerà fra generare, verificare, spiegare e comprendere una dimostrazione. Saranno considerate anche la novità dei risultati, la provenienza delle idee e il lavoro necessario per integrare una prova nel sapere collettivo e condiviso. La questione non è soltanto chi controlli la correttezza delle dimostrazioni prodotte dall’IA, ma chi possa comprenderle, attribuirle e trasformarle in Matematica viva.

Neolingua senza Ministero. Esiste un diritto a pensare da soli? ⇧

Lucia Adele Ruggiero (Avvera srl)

In 1984 la Neolingua serviva a rendere impensabili certi pensieri, e per imporla ci voleva un Ministero. Nel 2026 un gruppo di ricercatori della University of Southern California ha usato proprio quel paragone per descrivere l'effetto dei modelli linguistici sul modo in cui scriviamo e ragioniamo: miliardi di persone che usano gli stessi pochi chatbot convergono verso le stesse espressioni, gli stessi argomenti, le stesse strategie di pensiero. Senza Ministero, senza censura, senza nessuno che lo voglia.

Non serve nemmeno l'intenzione di persuadere. Secondo uno studio di Yale, chiedere a un chatbot semplici informazioni storiche, corrette, basta a spostare le opinioni politiche di chi legge. Secondo uno studio di Stanford pubblicato su Science, i chatbot danno ragione agli utenti anche quando sbagliano, e gli utenti preferiscono proprio quelli che li assecondano.

Non ne sono immuni nemmeno i giudici. A Palermo è stata depositata una sentenza tributaria che conteneva ancora, nel testo definitivo, la risposta del chatbot a cui era stata affidata la rielaborazione. E nelle scuole italiane, secondo l'indagine INDIRE 2026, il 94% degli studenti usa l'IA, quasi tutti per studiare, ma più di un terzo non verifica mai le risposte.

Se l'IA fa i nostri compiti, chi fa i compiti dell'IA? Li facciamo noi: le forniamo i dati, le correggiamo gli errori, le insegniamo a scrivere come noi. Ma il compito che l'IA non può svolgere, verificare, giudicare, rispondere di ciò che si firma, è proprio quello che smettiamo di fare. La scena hegeliana richiamata dalla call si rovescia: chi si fa servire perde la fatica che rende liberi, e intanto lavora come servo per la macchina.

Nel 1979 Lyotard, in un rapporto sul sapere nelle società informatizzate, prevedeva che sarebbe sopravvissuto solo il sapere traducibile in informazione, legittimato non più dalla verità ma dall'efficienza. Gli opponeva la paralogia: un sapere che vive di dissenso, di mosse impreviste, di scarti dalla regola. Un modello che restituisce la risposta più probabile è il consenso fatto macchina.

Il diritto non è attrezzato per vederlo. La libertà di pensiero è assoluta, ma è stata pensata contro la coercizione e l'indottrinamento: protegge la mente dalle catene, non dall'atmosfera. Il GDPR protegge le informazioni che escono da noi, non quelle che entrano nella nostra mente. L'AI Act vieta la manipolazione solo quando produce un danno significativo. Il primo segnale di cambiamento è la proposta europea di KIDS Act del settembre 2026, che per la prima volta interviene sul design: chatbot spenti per default per i minori e divieto di funzionamenti che generano dipendenza emotiva.

L'intervento propone di riconoscere un diritto all'autonomia cognitiva che protegga non il contenuto del pensiero ma il suo processo: il diritto di arrivare a un'opinione attraverso la propria fatica, i propri errori, i propri tempi. In altre parole, il diritto allo scarto. Nella scuola, dove la mente è ancora in formazione, è la questione decisiva. Il Grande Fratello voleva controllare cosa pensavamo. Il rischio oggi è più sottile: che nessuno ci impedisca di pensare, ma che smettiamo di farlo da soli.

Chi ha scritto la sintesi? Progettare una pipeline di IA generativa per non inquinare ⇧

Diego Maranini (None)

Provvedimenti Garante Privacy (provvedimentigaranteprivacy.it) è un monitoraggio indipendente e automatizzato dei provvedimenti pubblici del Garante per la protezione dei dati personali. La pipeline che lo alimenta usa un modello linguistico per trasformare ogni provvedimento in una sintesi strutturata, pubblicata su sito, canale Telegram e newsletter.

L'intervento racconta le scelte tecniche concrete adottate per evitare che questo uso dell'IA generativa produca il tipo di "inquinamento cognitivo" descritto dalla call: un linguaggio che tende verso la media, smussa le differenze tra i casi e sostituisce la verifica con la plausibilità.

Nel dettaglio:
- al modello non viene chiesta un'opinione o una sintesi libera, ma di riempire uno schema fisso e vincolato (categoria, importo, soggetto, esito, sintesi);
- ogni risposta è validata con un parser auto-correttivo e controlli difensivi che normalizzano l'output incrociandolo con altri segnali nel testo, invece di fidarsi della sicurezza con cui il modello risponde;
- ogni sintesi resta sempre agganciata alla scheda del provvedimento specifico da cui proviene, mai testo libero scollegato da una fonte verificabile;
- la generazione video via IA per i contenuti social è stata scartata perché il testo a schermo restava inaffidabile, a favore di un rendering deterministico più lento da mantenere ma controllabile.

Un caso pratico, utile anche come spunto per la discussione sull'AI Act e sugli obblighi di chi questi sistemi li costruisce e li impiega.

L'algoritmo del processo e la terza parte intervenuta: Intelligenza Artificiale e agenti digitali nella giustizia ⇧

Carlo Blengino (None) e Marco Ciurcina (StudioLegale.it)

I processi nelle aule di giustizia sono un complesso algoritmo socio-tecnico che si può comparare ad un software:
- vi è un input di “dati”, ovvero rappresentazioni di fatti, informazioni o concetti, costituiti sempre più spesso da artefatti digitali estratti dal mondo datificato e dall’infosfera, che sono le prove;
- questi dati vengono “trattati” secondo una sequenza finita, ordinata e (teorcamente) non ambigua di istruzioni: le prove sono infatti acquisite, assunte a dibattimento e valutate secondo regole contenute nei codici di procedura e, inevitabilmente, nei codici di software che elaborano i frammenti digitali delle nostre vite;
- vi è in fine un output, la sentenza, che è fondamentalmente binario: colpevole/innocente, accolto/respinto.
Certo, il processo, come il software, è agito da persone che ne controllano il funzionamento, inseriscono input e valutano l'output: le sentenze sono valutate e partecipano, insieme a norme e dottrina, alla costruzione collettiva del senso del diritto.
Che impatto hanno la rivoluzione digitale e l'IA sul processo in particolare e sul diritto in generale? 
Cosa accade e cosa accadrà  nel processo penale e cosa accade e accadrà nel processo civile?
Cosa accadrà al logos giuridico?