Docenti

Denis Delfitto, Andrea Padovan , Fabio d'Asaro, Andrea Padovan, Andrea Padovan, Gaetano Fiorin

Referente

Denis Delfitto

Crediti

2,5

Lingua di erogazione

English

Frequenza alle lezioni

Obbligatoria

Sede

VERONA

Moodle Seminari 0

Obiettivi di apprendimento

Al termine di questo modulo, i dottorandi acquisiranno una conoscenza di base della natura e dell'uso dei Large Language Models e dei recenti sviluppi dell'IA nell'analisi e nella produzione di testi.

Prerequisiti e nozioni di base

Conoscenze di base di linguistica e di teoria formale del linguaggio

Programma

Questo corso di 10 ore introdurrà gli studenti alle caratteristiche principali dei Large Language Models (LLM) e alla loro relazione con il linguaggio naturale.
Il corso prevede (i) una breve introduzione alle nozioni matematiche di base necessarie per comprendere gli sviluppi del Machine Learning (ML) che hanno portato ai LLM e (ii) una discussione critica di alcuni articoli che trattano dell'impatto dei LLM sulla linguistica teorica e applicata.
In particolare, si è molto dibattuto sulla capacità dei modelli di produrre frasi grammaticali e di comprendere costruzioni sintattiche complesse. Alcune delle domande più frequenti sono: (i) come possono i modelli dimostrare un così alto livello di competenza in alcuni domini linguistici? (ii) quali sono le differenze (o i punti in comune) con la competenza linguistica umana? (iii) in quali domini linguistici i modelli hanno attualmente prestazioni insufficienti e cosa si potrebbe fare per migliorarle? (iv) quali sono le conseguenze per le teorie sull'acquisizione del linguaggio? (v) come possono i modelli influenzare la metodologia di ricerca nella linguistica applicata e teorica?
Verranno presentati anche alcuni case studies svolti con ChatGPT e Google Gemini per descrivere le prestazioni grammaticali dei LLM. Il corso tratterà anche il concetto di “emergent skills” nei LLM e il dibattito scientifico ad esse associato.

Bibliografia

Modalità didattiche

n.v.

Modalità di verifica dell'apprendimento

I dottorandi possono scegliere alcuni aspetti del modulo come argomento del loro term paper.

Valutazione

n.v.

Criteri di composizione del voto finale

n.v.

Lezioni Programmate