Docsity
Docsity

Prepara i tuoi esami
Prepara i tuoi esami

Studia grazie alle numerose risorse presenti su Docsity


Ottieni i punti per scaricare
Ottieni i punti per scaricare

Guadagna punti aiutando altri studenti oppure acquistali con un piano Premium


Guide e consigli
Guide e consigli


Appunti informatica!, Appunti di Sistemi Informatici

Dispense e appunti di informatica

Tipologia: Appunti

2024/2025

Caricato il 14/05/2026

82dq2jnsyf
82dq2jnsyf 🇮🇹

3 documenti

1 / 10

Toggle sidebar

Questa pagina non è visibile nell’anteprima

Non perderti parti importanti!

bg1
Intelligenza Artificiale (AI)
Evoluzione dell’Intelligenza Artificiale
L’Intelligenza Artificiale non è una tecnologia recente, ma la sua evoluzione è
strettamente legata ai progressi che l’informatica ha compiuto negli ultimi
decenni. Inizialmente, negli anni ’50 e ’60, i ricercatori come Alan Turing con il
suo famoso test (il “Test di Turing”), proposero l’idea che le macchine potessero
pensare e risolvere problemi autonomamente. Tuttavia, solo con il progresso
delle capacità computazionali e la disponibilità di enormi quantità di dati negli
ultimi anni, l’AI è diventata una parte integrata della nostra vita quotidiana.
Oggi, l’AI è presente in numerose applicazioni, da quelle che gestiscono i flussi
di lavoro aziendali, ai sistemi di intelligenza predittiva, fino alla diagnostica
medica, alla guida autonoma e alle interazioni automatizzate tra umani e
macchine.
Tipi di Intelligenza Artificiale
L’Intelligenza Artificiale può essere suddivisa in due macro-categorie: AI Debole
e AI Forte.
AI Debole (Weak AI): Si riferisce a sistemi progettati per svolgere
compiti specifici, come il riconoscimento vocale o la traduzione automatica.
Non possiedono una coscienza o comprensione. Un esempio comune è
rappresentato dagli assistenti virtuali come Siri o Google Assistant, che sono
progettati per rispondere a richieste specifiche, ma non sono in grado di
eseguire compiti al di fuori dei loro programmi predefiniti.
AI Forte (Strong AI): È l’idea di un’intelligenza artificiale che
possiede una cognizione simile a quella umana, in grado di comprendere,
ragionare e risolvere problemi in maniera autonoma. Ad oggi, l’AI Forte è
ancora un concetto teorico e non esiste una macchina che abbia una vera
“coscienza” o un’intelligenza paragonabile a quella umana.
Tecnologie di Machine Learning
Una delle tecnologie principali nell’ambito dell’AI è il Machine Learning (ML),
che si concentra sull’uso di algoritmi che consentono a un sistema di
apprendere dai dati, senza essere esplicitamente programmato per ogni
singolo compito. Vi sono diverse tipologie di algoritmi di ML, tra cui:
1. Algoritmi Supervisionati: Si tratta di algoritmi che apprendono a
partire da un set di dati etichettati, ovvero dati in cui il risultato corretto è già
noto. L’algoritmo cerca di “imparare” una funzione che, dato un input, possa
pf3
pf4
pf5
pf8
pf9
pfa

Anteprima parziale del testo

Scarica Appunti informatica! e più Appunti in PDF di Sistemi Informatici solo su Docsity!

Intelligenza Artificiale (AI) Evoluzione dell’Intelligenza Artificiale L’Intelligenza Artificiale non è una tecnologia recente, ma la sua evoluzione è strettamente legata ai progressi che l’informatica ha compiuto negli ultimi decenni. Inizialmente, negli anni ’50 e ’60, i ricercatori come Alan Turing con il suo famoso test (il “Test di Turing”), proposero l’idea che le macchine potessero pensare e risolvere problemi autonomamente. Tuttavia, solo con il progresso delle capacità computazionali e la disponibilità di enormi quantità di dati negli ultimi anni, l’AI è diventata una parte integrata della nostra vita quotidiana. Oggi, l’AI è presente in numerose applicazioni, da quelle che gestiscono i flussi di lavoro aziendali, ai sistemi di intelligenza predittiva, fino alla diagnostica medica, alla guida autonoma e alle interazioni automatizzate tra umani e macchine. Tipi di Intelligenza Artificiale L’Intelligenza Artificiale può essere suddivisa in due macro-categorie: AI Debole e AI Forte.

  • AI Debole (Weak AI): Si riferisce a sistemi progettati per svolgere compiti specifici, come il riconoscimento vocale o la traduzione automatica. Non possiedono una coscienza o comprensione. Un esempio comune è rappresentato dagli assistenti virtuali come Siri o Google Assistant, che sono progettati per rispondere a richieste specifiche, ma non sono in grado di eseguire compiti al di fuori dei loro programmi predefiniti.
  • AI Forte (Strong AI): È l’idea di un’intelligenza artificiale che possiede una cognizione simile a quella umana, in grado di comprendere, ragionare e risolvere problemi in maniera autonoma. Ad oggi, l’AI Forte è ancora un concetto teorico e non esiste una macchina che abbia una vera “coscienza” o un’intelligenza paragonabile a quella umana. Tecnologie di Machine Learning Una delle tecnologie principali nell’ambito dell’AI è il Machine Learning (ML), che si concentra sull’uso di algoritmi che consentono a un sistema di apprendere dai dati, senza essere esplicitamente programmato per ogni singolo compito. Vi sono diverse tipologie di algoritmi di ML, tra cui:
  1. Algoritmi Supervisionati: Si tratta di algoritmi che apprendono a partire da un set di dati etichettati, ovvero dati in cui il risultato corretto è già noto. L’algoritmo cerca di “imparare” una funzione che, dato un input, possa

restituire la risposta corretta. Ad esempio, un modello di classificazione potrebbe essere addestrato a distinguere tra email spam e non spam.

  1. Algoritmi Non Supervisionati: In questo caso, i dati non sono etichettati e l’algoritmo cerca di identificare pattern o strutture nei dati. Un esempio è l’algoritmo di clustering, che può essere utilizzato per raggruppare i dati in cluster simili.
  2. Algoritmi di Reinforcement Learning (Apprendimento per Rinforzo): Qui, l’algoritmo apprende attraverso l’interazione con l’ambiente e riceve “ricompense” o “punizioni” a seconda delle azioni compiute. È utilizzato, ad esempio, nei giochi e nelle applicazioni di robotica.
  3. Deep Learning (Apprendimento Profondo): Questo tipo di machine learning si ispira al funzionamento del cervello umano, utilizzando reti neurali artificiali. Le reti neurali profonde sono particolarmente adatte per il riconoscimento di immagini, il riconoscimento vocale, la traduzione automatica e altre attività complesse. Gli Algoritmi di Deep Learning Le reti neurali convoluzionali (CNN) sono un esempio di architettura di deep learning utilizzata in particolare per il riconoscimento delle immagini. Queste reti sono composte da strati di neuroni artificiali che si occupano di identificare caratteristiche specifiche nell’immagine, come bordi, forme, e colori, per poi combinarle in rappresentazioni più complesse. Le CNN sono la base della computer vision, usata in applicazioni come il riconoscimento facciale, l’analisi delle immagini mediche e la guida autonoma. Un altro esempio di deep learning è dato dalle Reti Neurali Ricorrenti (RNN), che sono particolarmente adatte a trattare dati sequenziali, come il testo o le sequenze temporali. Le RNN sono molto utilizzate in applicazioni come la traduzione automatica e il riconoscimento vocale. Le Reti secondo il Modello ISO/OSI: Funzionamento e Struttura Il modello ISO/OSI (International Organization for Standardization / Open Systems Interconnection) rappresenta uno dei pilastri teorici fondamentali nell’ambito delle telecomunicazioni e delle reti di computer. Sviluppato per la prima volta alla fine degli anni ‘70 e formalizzato nel 1984, il modello ISO/OSI è una rappresentazione concettuale che descrive il funzionamento delle reti di comunicazione attraverso la divisione delle sue operazioni in sette livelli distinti. La sua importanza non risiede solo nell’essere un framework per la progettazione delle reti, ma anche nel fornire una guida chiara alla risoluzione
  1. Livello Data Link (Data Link Layer) Il livello Data Link è responsabile della trasmissione affidabile dei dati tra due dispositivi direttamente connessi su una rete locale (LAN). A questo livello, i dati vengono organizzati in frame, e viene gestito il controllo degli errori e la sincronizzazione della trasmissione. Il livello Data Link si occupa anche dell’indirizzamento fisico, tramite l’uso degli indirizzi MAC (Media Access Control), che identificano in modo univoco ogni dispositivo sulla rete. Questo livello è fondamentale per garantire che i dati possano essere trasferiti correttamente attraverso il mezzo fisico senza che si verifichino errori o collisioni. Una delle funzioni chiave è la gestione dell’accesso al mezzo condiviso, particolarmente nelle reti locali, dove più dispositivi possono cercare di trasmettere contemporaneamente.
    • Funzioni principali: Creazione di frame, controllo degli errori, gestione del flusso dei dati, controllo dell’accesso al mezzo di trasmissione.
    • Dispositivi e tecnologie: Switch, bridge, schede di rete (NIC), protocolli come Ethernet e Wi-Fi.
  2. Livello di Rete (Network Layer) Il livello di rete si occupa di instradare i pacchetti tra i dispositivi su reti differenti, come nel caso di una rete locale (LAN) che deve comunicare con una rete geografica (WAN). A questo livello vengono utilizzati gli indirizzi IP (Internet Protocol), che identificano in modo univoco ogni dispositivo in rete. Il livello di rete ha il compito di determinare il miglior percorso per i dati attraverso la rete, utilizzando algoritmi di routing. Gli indirizzi IP sono fondamentali per il funzionamento di Internet e delle reti in generale, poiché permettono ai dispositivi di identificarsi in modo univoco e di essere localizzati all’interno della rete. I router operano a questo livello, selezionando la rotta più efficiente per i pacchetti di dati.
    • Funzioni principali: Indirizzamento e routing dei pacchetti, determinazione del percorso migliore per la trasmissione dei dati, gestione del traffico e della congestione.
    • Dispositivi e tecnologie: Router, indirizzi IP, protocolli come IP, ARP (Address Resolution Protocol), RIP (Routing Information Protocol).
  3. Livello di Trasporto (Transport Layer)

Il livello di trasporto è responsabile della gestione della comunicazione end-to- end tra due applicazioni su dispositivi diversi. A questo livello, i dati vengono suddivisi in segmenti, e viene garantito che arrivino correttamente al destinatario, tramite tecniche come il controllo degli errori e il controllo del flusso. I protocolli principali di questo livello sono TCP (Transmission Control Protocol), che garantisce la consegna affidabile dei dati, e UDP (User Datagram Protocol), che, pur essendo meno affidabile, è più veloce. Il livello di trasporto è anche il punto in cui viene garantito l’ordinamento dei segmenti di dati e la corretta ricomposizione delle informazioni inviate.

  • Funzioni principali: Segmentazione dei dati, gestione della comunicazione end-to-end, controllo del flusso, controllo degli errori.
  • Dispositivi e tecnologie: Protocolli TCP, UDP, porta di comunicazione.
  1. Livello di Sessione (Session Layer) Il livello di sessione gestisce l’inizio, la gestione e la fine delle sessioni di comunicazione tra due applicazioni. Una sessione rappresenta una comunicazione interattiva tra due entità di rete (come un client e un server). Questo livello è essenziale per la sincronizzazione delle comunicazioni, mantenendo il controllo sugli scambi di messaggi tra le applicazioni. In particolare, il livello di sessione è utile per le comunicazioni che richiedono il mantenimento di uno stato durante l’intera durata della connessione, come nel caso delle transazioni bancarie o di applicazioni di videoconferenza.
  • Funzioni principali: Gestione delle sessioni di comunicazione, sincronizzazione delle comunicazioni, controllo dei dialoghi.
  • Dispositivi e tecnologie: NetBIOS, RPC (Remote Procedure Call), API.
  1. Livello di Presentazione (Presentation Layer) Il livello di presentazione è responsabile della traduzione, formattazione e codifica dei dati. Si occupa di rendere i dati comprensibili per le applicazioni, trasformandoli in formati standardizzati. Questo livello è anche importante per la gestione della crittografia (per la sicurezza dei dati) e della compressione (per ottimizzare l’uso della larghezza di banda). Inoltre, il livello di presentazione assicura che le informazioni inviate e ricevute da un’applicazione siano compatibili, traducendo il formato dei dati in un formato comprensibile per il ricevente. Ad esempio, potrebbe tradurre un formato di file proprietario in un formato standardizzato come JPEG o PDF.

Le Virtual Private Networks (VPN) sono strumenti essenziali per garantire la sicurezza delle comunicazioni, specialmente in un mondo in cui le minacce alla privacy sono cresciute in modo esponenziale. Le VPN vengono utilizzate per creare canali di comunicazione sicuri su Internet, cifrando i dati trasmessi per evitare che vengano intercettati da malintenzionati. Utilizzando una VPN, l’indirizzo IP dell’utente viene mascherato, rendendo difficile per terze parti tracciare l’attività online. Le VPN sono particolarmente utili per gli utenti che si connettono a reti Wi-Fi pubbliche, come quelle disponibili in caffè o aeroporti, che potrebbero essere vulnerabili agli attacchi. Inoltre, grazie alla loro capacità di criptare i dati, le VPN offrono una protezione contro il man-in-the-middle attack (attacco uomo nel mezzo), in cui un attaccante si inserisce tra il mittente e il destinatario per intercettare i dati. Vantaggi delle VPN Oltre alla protezione contro gli attacchi informatici, le VPN offrono una serie di altri vantaggi, tra cui:

  • Privacy online: Le VPN mascherano l’indirizzo IP dell’utente, proteggendo la sua identità online.
  • Accesso a contenuti geo-bloccati: Le VPN possono aggirare le restrizioni geografiche, permettendo l’accesso a contenuti da altre nazioni, come film e serie TV su piattaforme di streaming.
  • Connessioni sicure da remoto: Le aziende utilizzano le VPN per consentire ai dipendenti di lavorare da remoto in modo sicuro, proteggendo le informazioni aziendali sensibili. Cos’è il Cloud Computing? Il Cloud Computing è un paradigma che consente di accedere a risorse di calcolo e archiviazione tramite internet, senza la necessità di possedere o gestire hardware fisico. In altre parole, anziché dover acquistare server, dispositivi di archiviazione e software, gli utenti e le aziende possono “noleggiare” questi servizi da fornitori di cloud, come Amazon Web Services (AWS), Google Cloud, Microsoft Azure, e molti altri. Questi fornitori offrono una vasta gamma di servizi, tra cui:
  • Infrastruttura come Servizio (IaaS): Questo modello fornisce risorse di calcolo, come server virtuali, storage e reti, in modo flessibile. Esempi noti includono Amazon EC2 e Google Compute Engine.
  • Piattaforma come Servizio (PaaS): Qui, gli utenti possono sviluppare, testare e distribuire applicazioni senza dover gestire l’infrastruttura sottostante. Un esempio popolare di PaaS è Google App Engine.
  • Software come Servizio (SaaS): In questo modello, gli utenti accedono a software applicativo via web, senza dover installare o mantenere il software sui propri dispositivi. Google Docs, Microsoft 365 e Salesforce sono esempi di SaaS. Vantaggi del Cloud Computing Il Cloud Computing ha trasformato la gestione dell’infrastruttura IT per molte organizzazioni, sia grandi che piccole. I vantaggi principali includono:
  1. Scalabilità: Una delle caratteristiche più potenti del cloud è la capacità di scalare rapidamente le risorse in base alle necessità. Le aziende possono aumentare o ridurre la capacità di archiviazione e di calcolo in modo elastico, adattandosi così a picchi di domanda senza dover investire in hardware costoso.
  2. Costi ridotti: Poiché non è più necessario possedere server fisici e altre infrastrutture, le aziende possono ridurre significativamente i costi di gestione hardware, energia e manutenzione. I costi sono generalmente legati al consumo effettivo delle risorse, consentendo ai clienti di pagare solo per ciò che utilizzano.
  3. Accessibilità: I servizi cloud sono accessibili da qualsiasi parte del mondo, purché ci sia una connessione a internet. Questo facilita il lavoro remoto, la collaborazione tra team distribuiti e l’accesso alle risorse aziendali anche fuori dall’ufficio.
  4. Affidabilità: I principali fornitori di cloud offrono servizi ad alta disponibilità, garantendo che le risorse siano disponibili e protette da backup e failover. I dati vengono distribuiti su server geograficamente separati, riducendo il rischio di perdita di dati a causa di guasti locali.
  5. Aggiornamenti automatici: I provider di cloud gestiscono gli aggiornamenti software e le patch di sicurezza, assicurando che le applicazioni siano sempre aggiornate e sicure, senza che l’utente finale debba intervenire. Tipologie di Cloud

dati. L’edge computing sposta l’elaborazione dei dati vicino alla fonte di generazione, riducendo i ritardi e migliorando la velocità delle applicazioni in tempo reale.

  1. Intelligenza Artificiale nel Cloud: Molti fornitori di servizi cloud integrano funzionalità di AI nelle loro piattaforme, consentendo alle aziende di sfruttare modelli pre-addestrati di Machine Learning e Deep Learning per analizzare i dati, prevedere tendenze e ottimizzare i processi aziendali.
  2. Cloud-Native Applications: Con l’adozione diffusa di container, microservizi e orchestrazione, come Kubernetes, le applicazioni native cloud stanno diventando la norma. Queste applicazioni sono progettate specificamente per funzionare in ambienti cloud, garantendo maggiore scalabilità e agilità. In conclusione, l’Intelligenza Artificiale (AI), il modello ISO/OSI, le reti VPN e il Cloud Computing sono pilastri fondamentali nel panorama tecnologico moderno, con implicazioni trasversali in molti settori. L’AI, con la sua capacità di migliorare l’automazione, l’efficienza e la decisione, sta influenzando enormemente i processi aziendali e la vita quotidiana. La sua continua evoluzione, grazie al Machine Learning e al Deep Learning, porterà a nuove applicazioni sorprendenti in vari campi, dalla sanità alla guida autonoma, e potenzialmente cambierà il nostro modo di interagire con la tecnologia. Il modello ISO/OSI, sebbene teorico, è indispensabile per comprendere come le reti di computer comunichino tra loro, facilitando il lavoro di tecnici e amministratori di sistema nella configurazione e gestione delle comunicazioni di rete. Il suo approccio a strati fornisce una base solida per la risoluzione dei problemi di rete e l’ottimizzazione delle prestazioni. Le reti VPN, nel frattempo, offrono sicurezza e privacy in un mondo sempre più connesso. Con la crescente quantità di dati che viaggiano su internet, le VPN diventano strumenti cruciali per proteggere la comunicazione tra dispositivi, consentendo l’accesso sicuro alle risorse aziendali e la navigazione privata. Infine, il Cloud Computing ha trasformato il modo in cui le risorse IT sono gestite e distribuite, consentendo alle aziende di ridurre i costi e aumentare la flessibilità, la scalabilità e l’affidabilità. Il cloud, con i suoi diversi modelli (pubblico, privato, ibrido) e i continui sviluppi tecnologici, è destinato a svolgere un ruolo sempre più centrale nel futuro delle infrastrutture IT. Combinando queste tecnologie, le aziende sono in grado di operare in modo più intelligente, sicuro ed efficiente, e gli utenti finali beneficiano di servizi sempre più sofisticati, flessibili e accessibili. Man mano che la tecnologia avanza, sarà fondamentale continuare a monitorare e analizzare l’impatto di queste innovazioni su diversi settori e società nel suo complesso.