"La storia delle reti neurali" è un saggio divulgativo che ripercorre l'evoluzione dell'Intelligenza Artificiale, dai pionieristici modelli degli anni '40 fino all'era del Deep Learning. Un racconto fatto di entusiasmi, fallimenti e geniali intuizioni che spiegano come le macchine abbiano imparato a pensare. Indice dei capitoli Capitolo 1 — Le origini e il sogno del "cervello elettronico" Capitolo 2 — L'inverno dell'Intelligenza Artificiale Capitolo 3 — Il rinascimento e la magia della retropropagazione Capitolo 4 — L'ascesa delle macchine visive: le reti convoluzionali Capitolo 5 — L'esplosione del Deep Learning: Big Data e GPU Capitolo 6 — L'era dell'attenzione: la rivoluzione dei Transformer Capitolo 7 — L'alba dell'IA generativa e i grandi modelli linguistici Capitolo 8 — La scatola nera: etica, pregiudizi e il problema dell'allineamento Capitolo 9 — Oltre il Deep Learning: la strada verso l'Inte...
Non richiede, infatti, una “attenzione sostenuta” come prerequisito, ma costruisce continuità tramite ganci di rientro (cue) e unità brevi (chunk) che riducono il sovraccarico iniziale e rendono l’apprendimento riprendibile dopo le interruzioni.
In un’epoca in cui la distrazione digitale in classe è ampiamente documentata (ad es. secondo i dati PISA 2022, in media nei paesi dell'OCSE, il 65% degli studenti dichiara di essere distratto dall'uso di dispositivi digitali in almeno alcune lezioni di matematica; per l'Italia la percentuale di chi riferisce di essere distratto dal proprio cellulare sale al 38%, con un ulteriore 29% disturbato dai dispositivi dei compagni), questo strumento per l’apprendimento asincrono incentrato sul chunking delle informazioni è strutturalmente adatto al problema.
Sul piano teorico, la logica dell'app si allinea con tre pilastri robusti:
(1) cognitive load (carico cognitivo) e scaffolding, perché spezzare e guidare evita che la working memory collassi nei novizi;
(2) retrieval practice (pratica del recupero)/testing effect, perché far recuperare informazioni (anche con aiuti graduati) consolida meglio della sola riesposizione, soprattutto su tempi lunghi;
(3) desirable difficulties (difficoltà desiderabili) ben calibrate, perché i “livelli” aumentano lo sforzo in modo sostenibile invece di lasciare allo studente un compito troppo difficile o troppo facile.
In questa chiave, l'app “Chunker” non è solo l'implementazione di alcune mnemotecniche, ma un vero e proprio ausilio cognitivo compatibile con un ecosistema frammentato, perché trasforma l’attenzione fragile in un vincolo di progettazione (sequenze brevi, cue di re-ingaggio, recuperi ripetuti, feedback formativo).