in scIA, un principIAnte a vItA…

Benvenut€ in questo glossario dinamico, una bussola per orientarsi tra le tecnologie d’avanguardia utilizzate nel progetto a cui mi riferisco in modo specifico, ma non esclusivo. Il mio obiettivo è trasformare termini tecnici in concetti familiari, dimostrando come docenti e studenti possano affrontare con lucidità l’Intelligenza Artificiale.

1. Intelligenza Artificiale e Modelli Generativi: Il Motore del Ragionamento

Consideriamo l’IA non come un pacchetto chiuso, ma come un “partner di ragionamento” capace di dialogare con noi per risolvere problemi complessi.

• Intelligenza Artificiale (IA) e Large Language Models (LLM): Gli LLM sono modelli che hanno imparato a leggere e comprendere il linguaggio umano su scala globale.
  • L’analogia: Immaginate l’LLM come un bibliotecario universale che ha letto ogni libro esistente e può riassumerne il contenuto, tradurlo o classificarlo in pochi secondi.
  • Sintesi Progetto Biblioteca del Maiorana di Grugliasco: Hanno usato l’IA per analizzare la struttura dei dati e testare i “casi limite”, ovvero quei volumi con descrizioni ambigue che manderebbero in crisi un software tradizionale.
• Modelli Locali vs Cloud (Ollama): Una scelta strategica per la scuola: dove vogliamo che avvenga il “pensiero”?

• GPT-OSS 130B: È un modello “open weight” ad altissime prestazioni. Nel progetto è stato “esperto culturale”, scelto per la sua capacità di cogliere le sfumature della lingua italiana nella traduzione degli abstract e nella categorizzazione dei generi. Come annotato durante i test: “Probabilmente bastava anche meno, ma il 130B ci piaceva così” per la sua precisione quasi umana.
• Prompting (Direttive di Prompting) e Allucinazioni:
  • Prompting: L’arte di dare istruzioni “ultra-rigorose”. Per evitare che l’IA diventi prolissa, comandi secchi: “Restituisci ESCLUSIVAMENTE il valore del genere… NON aggiungere spiegazioni”.
  • Allucinazioni: Sono gli errori di inventiva dell’IA. Un prompting rigoroso è lo scudo necessario per evitare che il modello “inventi” dati bibliografici inesistenti.

L’intelligenza dell’IA, per quanto brillante, ha bisogno di binari precisi su cui correre: una base dati solida e ben organizzata.

2. Gestione Dati e Catalogazione: Le Fondamenta dell’Archivio

Prima di automatizzare, si deve pulire. Ecco come i dati grezzi diventano una struttura ordinata.

• L’Evoluzione del Database: L’archivio della biblioteca è un viaggio nel tempo:
  • Anni ’80 (dBase): I primi record digitali su floppy disk.
  • Anni ’90/2000 (Access): L’arrivo delle interfacce grafiche.
  • Oggi (MySQL): Un sistema moderno e robusto.
  • L’analogia: Pensate a una cassettiera che negli anni è stata sostituita da armadi robotizzati sempre più capienti e veloci.
• SQL e l’operazione JOIN: SQL è la lingua per interrogare i database. Grazie alla JOIN, abbiamo unito tabelle diverse (libri, autori, editori) in un unico “file CSV monolitico”, pronto per essere processato.
• File CSV: Il CSV è un formato universale che usa il punto e virgola (;) per separare i dati.
• Identificatori e Repository: Per arricchire il catalogo abbiamo interrogato diverse “anagrafiche” mondiali.

Una volta puliti i dati, 8.000 righe di catalogo sono troppe per un essere umano: servono “operai digitali” instancabili.

3. Sviluppo e Automazione: Gli Operai Digitali

L’automazione permette di completare in pochi giorni un lavoro che richiederebbe anni di inserimento manuale.

1. Python e API (Application Programming Interface):
   • Python: Non è solo un linguaggio, è l’orchestratore usato per far dialogare tra loro i servizi di Google, SBN e l’IA locale. Per scriverlo, aiuto di “assistenti al codice” come Qwen e DeepSeek-Coder.
   • API: Il “ponte” per richiedere dati.
   • L’analogia: L’API è come un cameriere: prende l’ordine (il titolo del libro), lo porta in cucina (il server esterno) e torna con il piatto pronto (i metadati del libro).
2. API KEY e Errore 429: Google Books offre dati eccellenti ma pone un limite (circa 1.000 chiamate al giorno). Quando si esagera, il server risponde con l’Errore 429 (Rate Limit). Lo script è stato programmato per capire questo “alt” e fermarsi con garbo.
3. Flag di Tracciamento e Script Supervisor: Come evitare di ricominciare da capo ogni giorno? Inserendo nel CSV un flag di tracciamento (un segnale) che indica se il libro è già stato elaborato. Un secondo script, il Supervisor, riavviava automaticamente il lavoro ogni 24 ore riprendendo esattamente da dove si era interrotto.
4. Il trionfo dell’Hardware Standard (No GPU): Un dettaglio fondamentale per le scuole: l’elaborazione locale con Ollama è avvenuta su un server completamente privo di scheda video dedicata (GPU). Anche senza hardware costoso, lavorando in modalità “batch” (una riga dopo l’altra), il sistema ha macinato migliaia di dati con successo.

4. Piattaforme di Collaborazione e No-Code: L’Interfaccia Utente

Dove finiscono i dati una volta pronti? In un ecosistema che la scuola già possiede.

• SharePoint (Elenchi e Raccolte): Elenchi per i dati dei libri (titoli, autori) e Raccolte Documenti per ospitare le migliaia di immagini delle copertine scaricate.
• Microsoft 365 Academic (M365 A1): È la licenza gratuita per le scuole. Questo significa che l’intero catalogo è ospitato online senza costi di abbonamento per l’istituto.
• Power Platform vs Google AppSheet: Sono strumenti No-Code: permettono di creare app per la gestione dei prestiti senza saper programmare in modo tradizionale. È il “learning by doing” assistito dai modelli di IA che spiegano passo-passo come collegare i pulsanti ai dati.

5. Regolamenti e Normative: La Bussola Etica

L’innovazione è reale solo se è sicura e rispetta le regole. Il progetto è “normativamente tranquillo” per tre motivi:

1. Zero Dati Sensibili: solo titoli di libri e dati bibliografici pubblici. Nessun nome di studente o dato personale è stato processato dall’IA.
2. Sovranità Digitale e Elaborazione Locale: Grazie a Ollama, i dati sono stati elaborati dentro la scuola. Questo rende immuni dalle complicazioni burocratiche legate all’invio di dati verso server esteri.
3. Conformità AI Act: L’uso di modelli Open Source su dati pubblici garantisce trasparenza e sicurezza.

Il risultato? Una scuola che si rinnova senza appesantirsi di nuovi, estenuanti adempimenti burocratici.

Conclusione: Questo progetto dimostra che la scuola pubblica può guidare il rinnovamento anziché rincorrere l’innovazione. Unendo la visione tecnica alla sperimentazione coraggiosa e all’uso di tecnologie aperte, in questo caso è stato salvato dall’obsolescenza un patrimonio storico. A costo zero, in totale sicurezza e con la forza delle idee.

Ditemi che è poco.