Scarica elementi base di informatica e più Schemi e mappe concettuali in PDF di Elementi di Informatica solo su Docsity!
ABILITA’ INFORMATICHE
[email protected] CHE COS’E’ L’INFORMATICA Si riferisce ai processi e alle tecnologie che rendono possibile l’immagazzinamento e l’elaborazione delle informazioni. Informatica significa letteralmente “INFORmazione+autoMATICA” (dal francese), quindi i due attori protagonisti saranno: ● Informazione → associata molto ai dati (fondamentali). Ad esempio, l’intelligenza artificiale si nutre di dati, senza di essi sarebbe una semplice scatola vuota ● Automatismo → non deve necessariamente essere sinonimo di elettronico o digitale (ad esempio le prime macchine erano macchinari non digitali, meccanici appunto). ALCUNI ANTENATI DEL COMPUTER Parlando di informatica e di prodotti dell’informatica, non possiamo non parlare di macchine , non necessariamente digitali. Le macchine che si sono susseguite fino al computer moderno sono: ➢ la macchina di Babbage → Il progetto della Macchina analitica di Babbage fu sviluppato dal matematico, filosofo e scienziato inglese Charles Babbage (1791–
- con l’obiettivo di automatizzare l’esecuzione delle 4 operazioni aritmetiche. Pur essendo realizzata solo in parte per motivi politici e finanziari, rappresenta un importante passo nella storia dell’informatica nonostante le tecnologie meccaniche dell’epoca non consentirono una realizzazione completa e ben funzionante. Di circa 3 tonnellate e esistenti solo 2 esemplari al mondo (in mostra a Londra e San Francisco), ed è quella che oggi viene chiamata macchina analitica. Babbage non ha costruito la macchina in sé, ma piuttosto ha ideato il progetto, il quale non venne costruito da Babbage stesso in quanto le tecnologie del tempo non permettevano il funzionamento del macchinario per come era stato ideato. La macchina fu realizzata successivamente da alcuni ricercatori inglesi 30 anni fa. I concetti della macchina erano quelli che oggi troviamo nei computer moderni: concetto di memoria, di input, output, che però non vennero sfruttati proprio per la tecnologia arretrata del tempo.
➢ la macchina di Turing → La macchina di Turing è una macchina ideale che manipola i dati contenuti su un nastro (memoria) di lunghezza infinita, con cui interagisce attraverso una testina di lettura/scrittura. Il dispositivo è caratterizzato da n (numero finito) stati interni. Ogni volta che la testina legge un dato dal nastro, la macchina di Turing può: ▪ cambiare stato interno (tra quelli ammessi); ▪ leggere/scrivere un nuovo dato da/sul nastro (memoria); ▪ spostare la testina,di una cella di memoria,avanti o indietro. La macchina di Turing può essere programmata attraverso un codice che descrive le azioni che essa deve compiere. In altre parole, è un modello astratto che definisce una macchina in grado di eseguire algoritmi e dotata di un nastro infinito (la memoria) su cui possono leggere e/o scrivere dei simboli (i dati). ➢ la macchina di Von Neumann → La macchina di Von Neumann è il modello architetturale secondo il quale è organizzata la maggior parte dei moderni elaboratori (compresi gli smartphone e i tablet). È dotata delle seguenti parti: ▪ processore; ▪ memorie; ▪ periferiche di Input; ▪ periferiche di Output. Le parti comunicano attraverso un canale detto BUS, costituito da un insieme di linee elettriche digitali. Abbiamo un processore, da immaginare come un cervello, quindi quella parte di un elaboratore che si prende carico di tutto quello che una macchina sa fare (negli
Scalabile : sostituisco la parti (i moduli) con altre parti compatibili ma aventi caratteristiche migliori. HARDWARE VS SOFTWARE L’ hardware denota la struttura fisica del computer, costituita di norma da componenti elettronici che svolgono specifiche funzioni nel trattamento dell’informazione. Il software indica l’insieme delle istruzioni che consentono alle varie parti hardware di svolgere i compiti per i quali sono stati progettati. PROCESSORE Oggi un processore non viene più identificato con una singola CPU, ma con più CPU (processori multicore). Sebbene sia più complesso,uno schema può essere approssimato come segue: Dunque, è composto da blocchi con funzionalità diverse: ▪ 2n^ CPU (Central Processing Unit); ▪ FPU (Floating Point Unit); ▪ Cache L1 (o di primo livello); ▪ Interfacce varie. Se tutto questo è integrato all’interno di un unico chip, prende anche il nome di microprocessore. I moderni processori sono talvolta dotati anche di una Cache L2 (o di secondo livello).
Di solito le cache L1 sono più piccole (128KB o 256KB) quindi integrate con lo stesso chip, mentre le cache L2 sono più grandi (valori tipici vanno da 512KB fino a 8MB o anche più), pertanto talvolta sono implementate in un circuito esterno (quindi con velocità di accesso minore). In questo modo si riescono a gestire esigenze differenti in fase di elaborazione dei programmi. CENTRAL PROCESSING UNIT (CPU) Svolge tutte le operazioni di: ▪ elaborazione numerica; ▪ controllo e coordinamento di tutte le attività. Si suddivide in: ▪ Unità Logico-aritmetica (ALU); ▪ Unità di Controllo (CU); ▪ Registri. L’Unità di Controllo svolge tutte le operazioni che coinvolgono un PC, la ALU si occupa delle operazioni aritmetiche e logiche, mentre i registri sono piccole unità di memoria interne al processore. MEMORIA Viene utilizzata per conservare dati e programmi. Si suddivide in: ▪ Memoria principale → memoria in grado di conservare dinamicamente dati e programmi che il processore sta utilizzando. A fine elaborazione, i dati vengono eliminati. ▪ Memoria di massa → memoria in grado di conservare permanentemente dati e programmi degli utenti. MEMORIA PRINCIPALE La memoria principale (o centrale) è utilizzata per ospitare, in modo temporaneo, i dati ed i programmi che gli utenti richiedono di eseguire e/o elaborare. Prevedono piccole capacità di memorizzazione e sono in genere costituite da RAM , memorie cache o registri. Alcune memorie centrali, invece, contengono in modo permanente informazioni necessarie al funzionamento dell’hardware ( ROM ). Quando si vuole eseguire un programma, esso viene sempre caricato nella memoria principale (insieme agli eventuali dati da elaborare). RANDOM ACCESS MEMORY (RAM) È una memoria volatile basata su circuiti digitali, a disposizione della CPU per memorizzare programmi e dati necessari allo svolgimento delle elaborazioni richieste da un utente. A fine elaborazione, lo spazio occupato viene rilasciato. Il tempo di accesso a tale memoria è il tempo necessario per leggere o scrivere l’informazione in una Word. Il concetto «accesso casuale» indica che ogni cella ha lo stesso tempo di accesso, indipendentemente dall'indirizzo ad essa associato.
- Accesso casuale
- Operazioni di Lettura/Scrittura ✓Nastri magnetici
- Accesso sequenziale (legato alla posizione del dato)
- Operazioni di Lettura/Scrittura ▪ Ottica ✓CD-ROM, DVD
- Accesso casuale (tipicamente lettura/scrittura in alcuni supporti) ▪ Flash memory ✓Pen drive, schede di memoria, memorie SSD (Sd, micro Sd, memory stick, compact flash, etc. ▪ Accesso casuale (lettura/scrittura) DISPOSITIVI DI INPUT/OUTPUT I dispositivi di I/O, detti anche periferiche, permettono di realizzare l’interazione uomo/macchina. È importante notare che oltre alle periferiche di tipo tradizionale, ne esistono di varia natura per applicazioni specifiche (ad esempio in campo medico, geologico, ingegneristico, etc.). La loro funzione principale è quella di consentire l’ingresso dei dati da elaborare, attraverso il bus, fino al processore e/o l’uscita delle informazioni restituite dalle elaborazioni, fino alla stampa su carta o a video. Il controllo è eseguito da un software, detto “ driver ”, che ne gestisce le funzionalità a basso livello (linguaggio macchina). Esistono diversi tipi di dispositivi I/O e sono: Terminali ▪ Tastiera ▪ Video Dispositivi di puntamento ▪ Mouse ▪ Trackball ▪ Penna ottica ▪ Schermo sensibile (Touch Screen) Stampanti Presentano varie tecnologie: ▪ Ad aghi ▪ Ink jet ▪ Laser Scanner,modem,plotter, scheda audio,etc. UNITÀ DI INPUT ❖ Tastiera (fisica o emulata nei display) La tastiera (o keyboard) può essere ridotta, con 86 tasti, oppure espansa, con almeno 102 tasti. Si distinguono i seguenti elementi: ▪ la tastiera alfanumerica; ▪ i tasti funzione; ▪ Il tastierino numerico;
▪ i tasti di controllo: ✓ STAMP, utilizzabile per stampare il contenuto dello schermo su carta; ✓ CANC (o DEL), per cancellare il carattere su cui è collocato il puntatore; ✓ (HOME) e (End), utilizzati nei WORD PROCESSOR per posizionarsi rapidamente all'inizio o alla fine della riga; ✓ (PagUp) e (PagDn), per spostarsi rapidamente una videata in su o in giù; ✓ TASTI FRECCIA, per spostarsi rapidamente in alto, in basso, a destra o a sinistra. ❖ Mouse ❖ Trackball ❖ Touchpad (sostituisce il mouse nei portatili) ❖ Joystick ❖ Penna ottica ❖ Scanner: ▪ Manuali ▪ Piani ❖ Fotocamere e videocamere ❖ Microfono UNITÀ DI OUTPUT: MONITOR Possono essere di tre tipi: CRT (tubo a raggi catodici), utilizza la tecnologia simile a quella usata nei vecchi televisori. LCD (schermo a cristalli liquidi).
Le stampanti a getto d’inchiostro possono essere a testina termica: ogni ugelli ha un elemento riscaldante (un resistore). Il calore fa uscire una goccia di inchiostro, mentre il raffreddamento fa rientrare l’inchiostro. Vi sono poi quelle a testina piezoelettrica ( a bolla di inchiostro ): ogni ugello ha un quarzo piezoelettrico che, se eccitato sulla sua frequenza di risonanza, si deforma facendo prima uscire la goccia di inchiostro a pressione e poi staccandola per risucchio. Le stampanti laser , infine, fanno uso del toner, una polvere finissima contenente carbone e ossido di ferro. Un rullo fotosensibile viene caricato negativamente. Attraverso un laser si neutralizza tale carica dove il toner non deve attaccare. Il toner, caricato positivamente, verrà attratto dal rullo. Un foglio di carta viene caricato negativamente (con una intensità maggiore) in modo da catturare il toner. Il foglio viene fatto passare nel cosiddetto «forno di cottura» fissandone il toner. Quello in eccesso verrà spazzolato via, prima dell’uscita.
ELEMENTI DI INTELLIGENZA ARTIFICIALE
Storia Era l’estate del 1956 quando l’informatico statunitense John McCarthy riunì al Dartmouth College, in un seminario durato due mesi, un gruppo di lavoro formato da ricercatori interessati allo sviluppo di sistemi di ragionamento automatico, teoria dei giochi e intelligenza. Fu in quell’occasione che John McCarthy introdusse per la prima volta il termine “ Intelligenza artificiale ”. Sebbene vi fosse coinvolta gente del calibro di Marvin Minsky, Allen Newell, Claude Shannon e Herbert Simon, durante il seminario non si riuscì a portare a compimento quanto era nei programmi di McCarthy. Tuttavia, quel seminario rappresenta ancora oggi una sorta di pietra miliare nella storia dell’Intelligenza Artificiale, in quanto tutti gli scienziati coinvolti presero spunto proprio da quei due mesi di lavoro per portare avanti, insieme ai loro studenti, progetti di ricerca che caratterizzarono la disciplina per il ventennio successivo. Durante questo ventennio, il contributo dato dagli studi sull’IA ha portato alla realizzazione di sistemi che andavano ben oltre le potenzialità dell’informatica tradizionale. Ad esempio si realizzarono programmi che giocavano a dama, risolvevano problemi elementari di geometria, o riuscivano a comprendere semplici frasi di linguaggio parlato. Con molta probabilità, la disciplina ha pagato a caro prezzo lo scotto di un nome troppo impegnativo. L’espressione “intelligenza artificiale”, infatti, se da una parte ha innescato paure ingiustificate, alimentate da certa letteratura e cinematografia fantascientifica nella quale l’uomo viene distrutto da macchine e robot super-intelligenti, dall’altra ha generato nell’ambiente scientifico delle aspettative eccessive che hanno portato a sottovalutare i grandi risultati ai quali la disciplina, comunque, è giunta grazie al lavoro svolto durante il seminario al College. Alan Turing , alcuni anni prima del seminario al Dartmouth College, nel suo articolo Computing machinery and intelligence, elaborò una teoria per comprendere se un computer fosse o meno intelligente: il gioco dell’imitazione.
Sebbene possa tenere testa ad un interlocutore al computer fino a fargli dubitare di star dialogando non con un elaboratore, ma con uno psicologo reale, non vi è alcun fondamento di intelligenza nell’algoritmo usato. Nelle intenzioni di Weizenbaum, vi era solo la volontà di realizzare una parodia all’approccio iniziale di un terapeuta. ELIZA, però, ebbe un tale successo da lui ritenuto ingiustificato, da indurlo ad abbandonare la ricerca nel campo dell’intelligenza artificiale. Definizione di IA Ce ne sono svariate, ma tutte non sono né completamente giuste né completamente sbagliate. Alcune sono: ● È la scienza che si occupa di far fare alle macchine cose che richiederebbero intelligenza se fatte dagli uomini. ● È lo studio di come far fare ai computer cose in cui, al momento, le persone sono più brave. ● È la scienza e l’ingegneria della creazione di macchine intelligenti, in particolare di programmi informatici intelligenti [ovvero] di macchine che si comportano in modi che sarebbero definiti intelligenti se un essere umano si comportasse così. ● È lo studio di agenti che ricevono indicazioni dall’ambiente e agiscono. Ogni agente di questo tipo è implementato da una funzione che mappa le percezioni in azioni. ● È quella attività dedicata a rendere intelligenti le macchine, e l’intelligenza è quella qualità che permette a un’entità di funzionare in modo appropriato e previdente nel suo ambiente. ● La nostra intelligenza è ciò che ci rende più intelligenti, e l’intelligenza artificiale è un’estensione di questa qualità. ● È un insieme di sistemi basati su macchine capaci di prendere decisioni influenzando ambienti reali o virtuali in base a obiettivi predefiniti dall’uomo. ● È un sistema in grado di percepire, interpretare, ragionare e agire nel modo fisico o digitale e in grado di imparare e adattarsi in base alle proprie azioni e alle risposte dell’ambiente. Definizione di Intelligenza Naturale Sebbene negli anni lo studio dell’intelligenza abbia impegnato centinaia di ricercatori, nel mondo accademico ancora oggi non esiste una definizione condivisa e universalmente accettata. Anzi, ad oggi sono tanti gli esempi di aspre diatribe condotte da studiosi della materia a sostegno delle loro diverse scuole di pensiero. Una definizione di intelligenza tra le più autorevoli, non fosse altro per il fatto di essere stata sottoscritta da ben 52 ricercatori in una dichiarazione editoriale pubblicata il 13 dicembre del 1994 in The Wall Street Journal, è la seguente: «Una funzione mentale generale che, tra le altre cose, comporta la capacità di ragionare, pianificare, risolvere problemi, pensare in maniera astratta, comprendere idee complesse,
imparare in fretta e apprendere dall’esperienza. Non si tratta solo di imparare un libro, una stretta competenza accademica, o fare un test di intelligenza. Piuttosto, essa riflette una capacità più ampia e più profonda nel comprendere il nostro ambiente – "afferrando" le cose, “attribuendole un significato”, o "capendo" il da farsi.» Un’altra definizione autorevole, dovuta all’Associazione Americana degli Psicologi, a proposito dell’intelligenza afferma che: «Gli individui differiscono l’uno dall’altro nella loro capacità di comprendere idee complesse, di adattarsi in modo efficace all’ambiente, di imparare dall’esperienza, di impegnarsi in varie forme di ragionamento, di superare gli ostacoli attraverso il pensiero. Anche se queste differenze individuali possono essere notevoli, non sono mai del tutto consistenti: le prestazioni intellettuali di una persona possono variare in diverse occasioni, in diversi campi, sulla base di criteri diversi» Quale che sia la definizione, all’intelligenza sono connesse molte abilità di un individuo quali: la capacità di ragionare, di pianificare, di risolvere problemi, di pensare in modo astratto, di comprendere le idee, di usare il linguaggio e di apprendere. Sta proprio in questo la chiave di lettura: l’intelligenza non fornisce una misura sulla quantità di conoscenza di una persona, bensì indica quanto velocemente essa sia in grado di acquisire conoscenza , o di svolgere compiti per i quali non ha alcuna esperienza pregressa e non è in alcun modo legata ad elementi caratteriali quali la sensibilità, o la saggezza. Inizialmente, dunque, l’intelligenza era vista come una competenza monolitica capace di esprimersi in forme diverse, ma riconducibile ad un unico fattore di base. Lo psicologo americano Howard Gardner , però, si convinse che non poteva esistere un fattore unitario, misurabile con un singolo Quoziente d’Intelligenza (QI), piuttosto con i suoi studi elaborò la teoria delle intelligenze multiple , identificando 9 tipi fondamentali di intelligenza (oggi 11):
- Intelligenza linguistica , legata alla capacità di esprimersi attraverso l’uso di un vocabolario chiaro, completo ed efficace. Caratterizza, ad esempio, gli scrittori.
- Intelligenza logico-matematica , alla quale è legato il ragionamento deduttivo, la schematizzazione. E’ propria dei matematici, o degli scienziati in genere.
- Intelligenza spaziale , grazie alla quale si riesce a percepire forme ed oggetti tridimensionali. Chi la possiede in modo spiccato, riesce a manipolare oggetti 3D anche semplicemente immaginandoli.
- Intelligenza corporeo-cinestesica , caratteristica di chi ha grande padronanza del corpo, riuscendo a coordinare bene i movimenti. E’ spiccata in ginnasti, ballerini ed in tutti quelli che fanno un uso creativo del proprio corpo.
- Intelligenza musicale , la quale rappresenta la capacità di riconoscere l’altezza dei suoni (orecchio assoluto), di analizzare costruzioni melodiche, armoniche e contrappuntistiche. Chi eccelle in questo tipo di intelligenza, ha uno spiccato talento verso il canto, verso l’uso di uno o più strumenti musicali, o verso la composizione.
Tipi di IA Dare una definizione di Intelligenza Artificiale, dunque, è complesso tanto quanto dare una definizione di Intelligenza Naturale. Genericamente, potremmo affermare che si intende una disciplina la quale studia in che modo far compiere ad una macchina (un computer, un robot) attività solitamente eseguite dall’uomo. In base alle tecnologie utilizzate, alle applicazioni nel mondo reale, a quanto si avvicinano alle funzioni proprie del cervello umano, vengono classificate in: ✓ Intelligenza Artificiale ristretta o debole; ✓ Intelligenza Artificiale generale o forte; ✓ Super-intelligenza Artificiale. ➢ INTELLIGENZA ARTIFICIALE RISTRETTA Detta anche ANI ( Artificial Narrow Intelligence ), è in grado di svolgere singole operazioni come riconoscere un volto, fare ricerche su Internet, riconoscere comandi vocali o, nelle applicazioni che vedremo, suggerire una diagnosi clinica. Anche se potrebbero sembrare sistemi intelligenti, replicando il ragionamento umano, riescono ad operare solo a patto di rimanere dentro un insieme ristretto di vincoli e di parametri. Inoltre, non hanno alcuna capacità di memorizzare dati (memoria), o di tenere conto della propria esperienza pregressa. Ad oggi, è l’unica forma di intelligenza artificiale che siamo stati in grado di implementare. ➢ INTELLIGENZA ARTIFICIALE GENERALE Detta anche AGI ( Artificial General Intelligence ), è in grado di imitare ogni forma di comportamento umano, apprendendo ed applicando la propria esperienza per risolvere qualsiasi tipo di problema. Per poterla implementare sarebbe necessario riuscire a rendere la macchina consapevole, introdurre capacità cognitive, partire da una esperienza iniziale, ma attivando una metodologia grazie alla quale imparare a risolvere nuovi problemi, basandosi sull’esperienza pregressa. Una delle ragioni che determina l’incapacità attuale di implementarla, deriva dalla mancata conoscenza dell’intera funzionalità del nostro cervello. ➢ SUPER-INTELLIGENZA ARTIFICIALE Detta anche ASI ( Artificial Super Intelligence ), è una ipotetica Intelligenza Artificiale in grado di superare ogni forma di abilità umana. Oltre ad emulare totalmente il cervello umano, una ASI dovrebbe essere di gran lunga superiore nel risolvere ogni tipo di contesto (sport, arte, scienza, emotività, etc.). Dovrebbe inoltre essere dotata di una memoria superiore a quella umana, oltre ad una elevatissima velocità di elaborazione dati. Inutile ricordare che è da sempre oggetto di varia letteratura fantascientifica, che vede l’uomo soccombere alle macchine. Le reti neurali artificiali Che si tratti di una rete neurale naturale o artificiale, possiamo immaginarla come una struttura in cui i neuroni sono tra loro interconnessi, per veicolare il segnale ricevuto in ingresso verso l’output corrispondente, in funzione dei valori assunti dai pesi sinaptici.
Machine Learning Ma al pari di quanto accade per un cervello naturale, anche un «cervello artificiale», perché diventi bravo nel far qualcosa, deve «imparare». Ogni neurone, dunque, deve essere “addestrato” a svolgere il compito per il quale è stato progettato e tale addestramento avviene modificando i pesi associati ai vari ingressi, in un processo detto di apprendimento della macchina (o Machine Learning). I principali paradigmi di Machine Learning sono: ✓ Apprendimento Supervisionato , prevede l’utilizzo di un training set con esempi di input previsti ed il corrispondente output; tramite un algoritmo di backpropagation, vengono ricalcolati i pesi ed altri parametri della rete neurale, al fine di minimizzare l’errore compiuto quando alla rete vengono applicati input non noti della stessa natura. ✓ Apprendimento Non Supervisionato , prevede l’utilizzo dei soli dati di ingresso, tentandone la comprensione tramite l’applicazione di metodi probabilistici. ✓ Apprendimento per Rinforzo , non prevede coppie input-output, bensì un'interazione con l’ambiente che fornisce dei feedback di backpropagation che fungono da guida verso lo stesso processo di addestramento. In sostanza, l’algoritmo prevede il compimento di una serie di azioni sull’ambiente, ricevendo in risposta incentivi o disincentivi, a seconda dei casi. Deep Learning È il ramo più avanzato del Machine Learning basato su Reti Neurali Artificiali organizzate in più strati. Un tipico esempio è quello legato alle Convolutional Neural Network (CNN), le reti più utilizzate nell’elaborazione di immagini e video, in quanto emulano il comportamento della corteccia visiva animale. Consideriamo il riconoscimento di oggetti, così come accade in applicazioni alla diagnostica per immagini. Si ricorre al Machine Learning Supervisionato , effettuando la cosiddetta segmentazione, associando un’etichetta a un gruppo di pixel individuato nell’immagine iniziale attraverso una maschera:
Il Deep-Nude La stessa tecnologia ha prodotto fenomeni preoccupanti, quali il Deep-Nude. Nato come evoluzione del DeepFace (molto utilizzato anche nel cinema), è in grado di spogliare foto vestite attraverso software basati su intelligenza artificiale: LE RETI DI CALCOLATORI ED INTERNET ➔ RETE DI CALCOLATORI Per Rete di Calcolatori si intende un insieme di computer, collegati tra loro mediante una rete di comunicazione, che possono interagire condividendo informazioni e risorse, ma che possiedono comunque una indipendenza nella funzionalità, nel momento in cui intendano operare in modalità stand-alone. Per rete di comunicazione si intende una infrastruttura formata da nodi (computer, server, banche dati, etc.) connessi tra loro attraverso un sistema di interconnessioni (canali fisici) che scambiano dati grazie al protocollo di comunicazione. In definitiva, attraverso una rete informatica, è possibile: ▪ condividere in modo razionale risorse costose ad esempio, non è conveniente dotare ogni computer di una stampante multifunzione; ▪ condividere/scambiare dati e/o informazioni ad esempio un database al quale molti utenti, da remoto, devono poter accedere per leggere/scrivere; ▪ creare team di lavoro geograficamente distribuiti (si pensi alla didattica effettuata da remoto o allo smart working); ▪ fornire servizi, si pensi ad un servizio di booking, o di home banking, giusto per citarne alcuni esempi.
★ Tipologie di reti È possibile identificare due macro-tipologie di reti di calcolatori: ▪ reti locali che collegano elaboratori in un’area geografica circoscritta (stesso edificio o edifici attigui), distribuiti in un contesto privato; ▪ reti geografiche che collegano elaboratori in località remote, distribuiti in un contesto geografico ampio (urbano e/o extraurbano). Entrando in dettaglio, possiamo avere dunque: ▪ LAN (Local Area Network) rete composta da nodi che risiedono, senza sconfinare, in un’area privata (solitamente uno stesso ambiente di lavoro); ▪ MAN (Metropolitan Area Network) rete composta da nodi che risiedono all’interno di una stessa area urbana; ▪ WAN (Wide Area Network) rete composta da nodi che sconfinano oltre l’ambiente urbano e perfino oltre uno stesso stato (rimanendo dentro un continente). ▪ GAN (Global Area Network) rete composta da nodi dislocati in tutti i continenti. ● RETI LOCALI Sono reti che coprono distanze circoscritte ad un contesto privato. Solitamente fanno uso quasi esclusivo di connessioni via cavo (Ethernet), sebbene sia sempre più diffusa la configurazione mista (cablata/wireless): Punti di forza: ▪ solitamente più veloci e sicure di una rete geografica;
- RETI GEOGRAFICHE Sono reti di grosse dimensioni che coprono lunghe distanze (come detto, anche intercontinentali). Il sistema di interconnessioni fa uso di canali (wired e/o wireless):
