Scarica Informatica di base (Lettere) e più Dispense in PDF di Fondamenti di informatica solo su Docsity!
1. Che cos'è un computer? Il termine computer (calcolatore, in italiano) è in uso, oggi, per indicare una “macchina per l'elaborazione di dati rappresentati da caratteri alfanumerici variamente codificati, che vengono sottoposti a procedimenti aritmetici e logici, memorizzati in archivi e resi reperibili e trasmissibili” — dal dizionario di Repubblica.it. Tuttavia, la definizione originale dello stesso termine, in uso dal diciassettesimo secolo, è leggermente differente, visto che si riferisce a qualcuno che “esegue calcoli matematici” - da Wikipedia. In questo capitolo, quando useremo il termine “computer”, considereremo sempre la sua accezione più generica, ovvero: qualsiasi agente (ovvero, quell’entità in grado di agire se istruita appropriatamente, come una persona o una macchina) che è in grado di fare calcoli e produrre una risposta (detta output) a partire da qualche informazione iniziale (detta input). Computer umani, ovvero gruppi di persone che hanno eseguito lunghi calcoli per determinati esperimenti, sono stati impiegati molte volte nel passato. Per esempio, in astronomia, computer umani sono stati impiegati per calcolare le coordinate astronomiche di oggetti extraterrestri - come i calcoli effettuati da Alexis Claude Clairaut e colleghi per comprendere i vari passaggi della cometa di Halley. Come ulteriore esempio, computer umani sono stati usati anche da Napoleone Bonaparte quanto questo ha imposto la creazione di tabelle matematiche per convertire i valori descritti con il vecchio sistema di misura imperiale verso il nuovo sistema metrico (tutt'ora in uso) [Campbell-Kelly, 2009] [Roegel, 2010]. Nel 1822, Charles Babbage, capendo la complessità di eseguire tutti questi calcoli a mano evitando l'introduzione di errori, iniziò lo sviluppo di un nuova, incredibile, macchina, chiamata Macchina Differenziale, mostrata in Figura 1. L'idea era quella di avere a disposizione una macchina che potesse gestire operazioni simili a quelle effettuate dai computer umani, ma in modo che fossero eseguite automaticamente, velocemente, e senza errori. Babbage fu in grado di costruire solo un prototipo parziale della macchina e, dopo l'entusiasmo iniziale, fu demoralizzato dalla limitata flessibilità che offriva. Infatti, la Macchina Differenziale non era programmabile e, di conseguenza, era in grado di utilizzare solo un numero limitato di operazioni sull’input ricevuto - specificato, fisicamente, cambiando specifiche configurazioni della macchina. Figure 1. Macchina Differenziale Numero 2, costruita allo Science Museum di Londra e esposta al Computer History Museum di Mountain View (California). Foto di Allan J. Cronin, sorgente: https://commons. wikimedia.org/wiki/File:Difference_engine.JPG. In modo da sopperire a queste limitazioni, nel 1837, Babbage iniziò a progettare una nuova macchina, la Macchina Analitica, mostrata in Figura 2. Seppur nessun prototipo di questa macchina sia stato effettivamente costruito da Babbage, in linea di principio avrebbe dovuto permettere la creazione di qualunque calcolo procedurale, rendendola il primo computer meccanico e general-purpose della storia. Contrariamente al suo predecessore, la Macchina Analitica era in grado di ricevere in input istruzioni e dati mediante l'uso di schede perforate, senza obbligare l'utilizzatore, quindi, a compiere manipolazioni fisiche della macchina stessa per farla funzionare. Vedi Focus Figura 2. Una bozza di Babbage che descrive l'architettura principale della Macchina Analitica. Sorgente: The Analytical Engine: 28 Plans and Counting, Computer History Museum. Mentre la Bomba era una macchina estremamente efficace ed efficiente, era altresì parzialmente basata su componenti prettamente meccanici, e permetteva lo svolgimento di una sola operazione, anche se estremamente cruciale da un punto di vista squisitamente storico. Il primo computer interamente digitale, come pensato da Babbage con la sua Macchina Analitica, è stato sviluppato negli Stati Uniti d'America soltanto qualche anno dopo, nel 1946: l'Electronic Numerical Integrator and Computer (ENIAC), mostrato in Figura 4, che era completamente programmabile attraverso l'uso di cavi e interruttori. Questa invenzione è stata una delle più cruciali pietre miliari della storia dei computer elettronici, rappresentando una sorta di “punto fisso” nel tempo da cui tutti i moderni computer sono poi stati creati. Figura 4. Una fotografia dell'ENIAC installato nel Ballistic Research Laboratory (Maryland). Sorgente: https://en.wikipedia.org/wiki/ENIAC#/media/File:Eniac.jpg. 2. Pensiero computazionale Spesso diciamo di programmare un computer — dove la parola “computer”, in questo caso, si riferisce a un computer elettronico. Tuttavia, come anticipato nella definizione che abbiamo fornito in questo capitolo, un computer può essere sia una macchina sia un essere umano. Tuttavia, il verbo programmare non si presta particolarmente bene ad essere usato con computer umani — visto che non possiamo letteralmente programmare una persona (anche se qualche pseudoscienza, come la programmazione neuro-linguistica, sostiene di poterlo fare). Casomai diciamo che parliamo con una persona per istruirla sull'esecuzione di specifiche azioni attraverso l'uso di un particolare linguaggio (in questo caso naturale) che viene usato come canale di comunicazione. Di conseguenza, in questo contesto, si dovrebbero usare gli stessi verbi, ovvero parlare e istruire, anche quando ci si riferisce ad un computer elettronico perché, di fatto, è quello che succede. In pratica, scrivere un programma è esattamente questo: comunicare ad un computer elettronico utilizzando un linguaggio (in questo caso formale) che sia l'istruttore umano sia il computer stesso possano comprendere [Papert, 1980]. Una volta d'accordo su quale linguaggio usare per la comunicazione tra l'istruttore e il computer (a prescindere dal fatto che questo sia un umano o una macchina), dovremmo iniziare a pensare una sequenza di possibili istruzioni da comunicare che, se seguite sistematicamente, possano restituire un risultato atteso per risolvere un certo problema. In modo da raggiungere questo obiettivo, solitamente (e inconsapevolmente) proviamo a ricercare possibili soluzioni per il problema in questione confrontandolo con possibili situazioni che si sono già presentate in passato — e che, plausibilmente, abbiamo già risolto. L'idea è quella di trovare un pattern (schema ricorrente) che fornisca una possibile soluzione a un insieme di situazioni che, a livello astratto, sono del tutto omogenee, in modo da poter riusare la stessa strategia per raggiungere il nostro obiettivo, se questa è stata soddisfacente nel passato. Per esempio, alcune delle azioni che eseguiamo in un ufficio postale sono abbastanza simili a quelle che eravamo abituati a svolgere quando, da piccoli, aspettavamo il nostro turno per giocare con lo scivolo in un parco, come mostrato in Figura 5. Figura 5. Due fotografie che descrivono una situazione simile, ovvero fare la coda, in due contesti differenti: un parco (sinistra) e un ufficio postale (destra). La foto di sinistra è di Prateek Rungta, sorgente: https://www flickr.com/photos/rungta/4409560365/. La foto di destra è di Rain Rabbit, sourgente: https://www.flickr.com/photos/37996583811@N01/6158491035/. Figura 6. Due esempi di pareidolia: la prima è una fotografia del Monte Circeo, che da questa prospettiva evoca in alcuni la Maga Circe dormiente, la seconda è una fusione di muffin e facce di cani, creata automaticamente da una rete neurale, DeepDream. Sorgenti: https://it wikipedia.org/wiki/File:Circeo.JPG , https://it.wikipedia.org/wiki/File:Southwark_market_pies_(trippy).jpeg Uno degli obiettivi del pensiero computazionale è quello di dare nuovamente forma alle astrazioni che abbiamo già immagazzinato in passato come conseguenza della nostra esperienza personale - e che, spesso, riusiamo inconsciamente. Quindi, per essere nuovamente e interamente coscienti di queste astrazioni, dobbiamo ridefinirle usando un linguaggio appropriato per renderle comprensibili a un computer. Questo richiede a volte una notevole capacità di introspezione e di riflessione sulle caratteristiche più importanti di un oggetto, di un discorso o di una situazione, non troppo diversamente da ciò che avviene nel pensiero filosofico o semiotico, ma sempre garantendo precisione e adeguatezza alla risoluzione di problemi e alla rappresentazione del loro contenuto. Questo indipendentemente dal fatto che vogliamo risolvere il problema di come elaborare un testo digitale, di come organizzare i dati relativi a un'indagine archeologica, o di come trovare il modo migliore per raccomandare un prodotto o un servizio. A livello generale, l’obiettivo principale (dell'insegnamento) del pensiero computazionale è quello di permettere alle persone di pensare come se fossero computer scientist, anche quando bisogna affrontare attività del quotidiano. In futuro, il pensiero computazionale sarà parte integrante dell'educazione primaria delle persone [Wing, 2008], come la matematica e la fisica, e plasmerà il modo in cui le persone pensano e imparano [Papert, 1980] e di conseguenza, vivono. In modo indiretto, questo sta già avvenendo attraverso la trasformazione dei sistemi di produzione e comunicazione: il Web e i social media, gli “orchestratori di reti” (come AirBnB e Uber), etc. Categorie fondamentali dell'esistenza umana: spazio, tempo, identità, immagine pubblica, collettività, pianificazione, relazioni interpersonali, etc. sono tutte influenzate dalla trasformazione socio-tecnica in maniera più veloce e profonda di quanto sia avvenuto negli ultimi secoli. 3. Strutture dati Uno dei processi di base dell'attività di astrazione è quella di descrivere l'informazione presente in una certa situazione secondo un'organizzazione generica e riutilizzabile in più contesti. Per fare ciò, si usano quelle che comunemente sono chiamate strutture dati. Le strutture dati sono i modi in cui possiamo organizzare l'informazione e i dati da essere processati (input) e restituiti (output) da un computer, in modo da potervi accedere in modo efficiente ed efficace a livello computazionale. In pratica, una struttura dati è una sorta di contenitore dove possiamo posizionare alcune informazioni, e che fornisce dei metodi specifici per aggiungere e richiedere pezzi di questa informazione. Tra le più semplici strutture dati abbiamo: le liste, le code, le pile, gli insiemi, i dizionari, gli alberi e i grafi. Tutte queste strutture verranno analizzate nelle sottosezioni che seguono, fornendo esempi delle loro applicazioni in scenari quotidiani. Lista Una lista è una sequenza di elementi ordinati e ripetibili che si possono contare, perché si può sapere quanti elementi essa contiene in un dato momento. | suoi elementi sono ordinati perché sono posizionati in uno specifico ordine di precedenza tra loro, che è preservato anche quando aggiungiamo e rimuoviamo determinati elementi. Inoltre, gli elementi in una lista sono ripetibili, visto che possono comparire più di una volta in una lista — ad esempio, se proviamo a creare una lista di caratteri della parola “pensiero”, la lettera “e” comparirà due volte, una in seconda posizione, e un'altra in sesta posizione. Esistono diversi esempi tratti da situazioni reali di queste liste astratte. Per esempio, in Figura 7, sono mostrati un indice di un libro e una lista di riferimenti bibliografici in un articolo scientifico. Entrambi sono due oggetti concreti costruiti partendo dalla nozione astratta di lista. Rescarch Articles in Simplified HTML: a Web-first format for HTMI-based scholarly articles Figura 7. Due esempi di una lista espressa in oggetti reali: un indice di un libro (sinistra), e la lista di riferimenti bibliografici di un articolo di ricerca (destra). Foto di sinistra di Marcus Holland-Moritz, sorgente: https://www.flickr.com/photos/mhx/4347706564/. Schermata di destra, sorgente: htips://doi.0rg/10.7717/peerj-cs.132. Coda Una coda è una specie di lista vista da un'altra prospettiva, ovvero da sinistra verso destra, e con uno specifico insieme di operazioni che possono essere effettuate sugli elementi che contiene. Figura 9 mostra due differenti esempi di code in situazioni del quotidiano: una coda di bambini (sinistra) e una linea di attesa di taxi (destra). La caratteristica principale degli elementi di questa struttura riguarda le operazioni di aggiunta e rimozione degli elementi, che seguono una strategia first in first out strategy (FIFO) — ovvero, il primo elemento che viene aggiunto è anche il primo che viene rimosso a seguito di una richiesta. In pratica, il primo elemento inserito nella struttura è posizionato nella parte libera più a sinistra della coda e, di conseguenza, è anche il primo che verrà rimosso quando richiesto. In modo del tutto simile alle pile, anche nelle code, se si vuole rimuovere un certo elemento in mezzo, è necessario prima rimuovere tutti gli elementi che sono stati aggiunti prima di esso. Figura 9. Due esempi di una coda in oggetti del quotidiano: una coda di bambini che aspettano il loro turno per giocare con lo scivolo (sinistra), e una linea di sosta per taxi (destra). Foto di sinistra di Prateek Rungta, sorgente: https://www.flickr.com/photos/rungta/4409560365/. Foto di destra di Lynda Bullock, sorgente: htips://\www.flickr.com/photos/just]snap/5141019486/| Insieme Un insieme è una collezione di elementi non ordinati e non ripetibili che si possono contare. | suoi elementi non sono ordinati perché l'ordine di inserimento di questi non prescrive nessuna relazione di cardinalità tra loro. Inoltre, sono non ripetibili perché lo stesso valore non può essere incluso due o più volte. Ovviamente, esistono diversi esempi di questa struttura dati in oggetti e situazioni di vita quotidiana. Per esempio, Figura 10 mostra una classe di studenti e una collezione di colori. Entrambe sono oggetti concreti costruiti a partire dalla nozione astratta di insieme. Figure 10. Due esempi di un insieme di oggetti reali: una classe di studenti (sinistra), e una collezione di colori in un bicchiere di plastica (destra). Foto di sinistra di Uri Tours, sorgente: https://www.flickr.com/photos/northkoreatravel/10682515504/. Foto di destra di Mikel Seijas Alonso, sorgente: https://www.flickr.com/photos/xumet/2670267503/. For Albero L'attività di marcatura di un testo — ovvero, l'annotazione che vi si può fare, riconoscendo i vari ruoli strutturali e semantici delle varie parti che lo compongono, come l'identificazione delle sezioni, capoversi, dialoghi, etc. — è un'attività che si compie sistematicamente, e in modo inconsapevole, ogni qual volta si prende un documento da analizzare 0, molto più generalmente, da leggere. Per esempio, consideriamo il seguente estratto dal primo capitolo di Alice's Adventure in Wonderland di Lewis Carroll (Carroll, 1866]: <
> Seppur sia totalmente implicito per chi legge, ogni parte del testo è in realtà organizzato in modo molto preciso. Per esempio, specifichi blocchi testuali del testo citato sono descritti in capoversi, che sono a loro volta organizzati in capitoli, che a loro volta compongono il libro. Inoltre, ogni capoverso può contenere altre strutture, come un dialogo di un certo personaggio. Tutte queste strutture sono mostrate in Figura 12, dove la struttura principale, chiamata book, è descritta da una sorta di scatola che contiene diverse scatole più piccole chiamate chapter, una per ogni capitolo. Ognuna di queste, a sua volta, contiene altre scatole chiamate paragraph, una per ogni capoverso, e così via. Questo approccio di racchiudere una parte del testo în una scatola etichettata definisce esattamente l'attività di marcatura, che è possibile definire esplicitamente mediante l'utilizzo di opportuni linguaggi di markup — alcuni dei quali verranno discussi in seguito. book rap Alice was beginning to get very lired of sitting by her sister on the bank, and of having nothing to do: once or twice she had peeped into the book her sister was reading, but it had no pictures or conversations in it, thought Alce, "tout pictures or rap So she was considering in her own mind, (as well as she could, for the hot day mace her feel very s'eapy anc stupid.) whether tha pleasure of making a caisy-chain would be worth the trouble of getting up and picking the daisies, when suddenly a white rabbit with pink eyes ran close by her. paragraph chapter Figure 12. | primi due capoversi di Alice's Adventure in Wonderland marcati con strutture testuali di base: libro (book), capitolo (chapter), capoverso [e (paragraph), e dialogo (quotation). Anche se potrebbe non sembrare estremamente chiaro ad una prima scorsa, l'organizzazione a scatole appena presentata descrive una precisa gerarchia tra loro, dove la più grande (ovvero book) ne contiene di più piccole (ovvero i vari chapter), queste a loro volta ne contengono di più piccole ancora (i paragraph), e così via. Quando siamo in presenza di queste organizzazioni gerarchiche che non si sovrappongono, possiamo usare una specifica struttura dati per descriverle in modo astratto: un albero - come mostrato in Figura 13. So she was considering In her own mind, (as well as she could, for the hot day made her feel very sleepy and stupid.) whether the pleasure of making a datsy-chaln wouki be worth he truble had peeped into the book her ‘of getting up and picking the dalsles, sister was readinp. bu I had no “and wi is the “without'pictures When sucdenly a white rabbit with pink Pictures or conversations In it, use of a book," or conversatians?” eyes ran close by her. Alice was beginning to get very tired of sitting by her sister on the bank, ‘and of having nothing to do: once or twice she thought Alice, Figura 13. L'albero che descrive il contenimento delle varie strutture dell'incipit di Alice Adventure in Wonderland. Il nodo di origine, ovvero quello più in alto, è chiamato nodo radice (root node). Invece, i nodi che terminano l'albero, chiamati nodi foglia (leaf nodes), sono posizionati in basso nell'albero, rispetto al nodo radice. Prendendo in considerazione uno specifico nodo dell'albero, come quello evidenziato in giallo in Figura 14, possiamo definire tutti i restanti nodi come segue: * il nodo genitore (parent node) è quello direttamente connesso quando ci si muove verso il nodo radice; * un nodo figlio (child node) è uno di quelli direttamente connessi quando ci si muove lontano dal nodo radice; e un nodo fratello (sibling node) è uno di quelli che condivide lo stesso nodo genitore; + un nodo antenato (ancestor node) è uno di quelli raggiungibili seguendo ripetutamente le relazioni genitore-figlio andando verso il nodo radice; e un nodo discendente (descendant node) è uno di quelli raggiungibili seguendo ripetutamente le relazioni genitore-figlio spostandosi lontano dal nodo radice. ii, cela IT iatà Figura 15. Un “albero di analisi a costituenti” della frase “Alice was beginning to get very tired of sitting by her sister on the bank". Sorgente: CoreNLP parser. Anche se abbiamo usato un esempio di contenimento a “scatole”, le strutture ad albero possono rappresentare informazioni molto diverse, per esempio la prima frase dell'incipit di Alice in Wonderland può essere analizzato sintatticamente come in Figura 15, ma le relazioni non sono di contenimento, come avviene anche nel caso degli “alberi delle decisioni” (immaginate le istruzioni per usare un bancomat) o nel caso degli organigrammi gerarchici di un'azienda. Grafo L'origine della struttura a grafo deriva da una piccolo gioco, conosciuto ai tempi come un vero e proprio problema matematico, che riguarda sette ponti di una specifica città, Kinigsberg, illustrata in Figura 16. Il problema può essere enunciato come segue: è possibile fare una passeggiata in città attraversando ogni ponte una ed una sola volta? Molte persone hanno provato a proporre una soluzione a questo enigma, dimostrato (negativamente) da Eulero nel 1736 mediante una dimostrazione matematica formale [Euler, 1741]. Figura 16. Una rappresentazione dei sette ponti di K6nigsberg. Figura di Bogdan Giuscà, sorgente: https://commons.wikimedia.org/wiki/File:Konigsberg_bridges.png. La soluzione del problema era interamente basata sulla seguente intuizione. L'idea era che ogni nodo, ad eccetto del nodo di partenza e quello di arrivo, dovrebbero avere un numero pari di archi per essere raggiunti e poi abbandonati. Questa è un'implicazione pratica, derivata dagli spostamenti che una persona deve fare per arrivare in un lembo di terra e poi passare oltre. Infatti, ogni volta che si entra in un nodo bisogna percorrere un arco, e un altro arco è comunque necessario per uscire da quel nodo. Quindi, per poter essere attraversati, ogni nodo che non sia quello di partenza o quello di arrivo deve avere necessariamente un numero pari di archi, in modo da essere transitato una o più volte. Tuttavia, tutti i nodi in Figura 17 hanno un numero dispari di archi, il che contraddice il precedente requisito. Di conseguenza, con questa configurazione, il problema dei sette ponti non può essere risolto. | grafi sono una delle principali strutture dati in informatica e, in generale, del pensiero computazionale. Sono usati per descrivere, in termini astratti, molte situazioni del mondo reale come tragitti tra città, relazioni tra persone nei social network, l'organizzazione dei collegamenti ipertestuali tra pagine Web [Albert and Barabasi, 2002] e le relazioni concettuali nelle basi di dati o nei knowledge graph usati per esempio da Google (Figura 18), Amazon e Facebook per i loro servizi. Questa struttura dati è interamente derivata dall'omonimo strumento matematico inventato da Eulero, e possono essere distinti in due macro-categorie: grafi non orientati (come quello usato da Eulero per risolvere il problema dei sette ponti di Kònigsberg, mostrato in Figura 17), dove un arco può essere attraversato in una direzione o nell'altra a piacere, ed i grafi orientati, dove ogni arco specifica esplicitamente la direzione di percorrenza, come mostrato in Figura 19. constato Cd | Mate dt so Me Ò x sCagine Figura 19. Un esempio di grafo orientato, in cui gli archi specificano la direzione di percorrenza attraverso una freccia — ad esempio, tra il nodo “1” e 7a iter il nodo “2” ci sono due archi che possono essere percorsi solo dal primo nodo al secondo, ma non viceversa. eteri Figura 18. Un frammento del knowledge graph di Google. Sorgente: Syracuse University Blog 
