Mettiti alla prova
Quattro test per ripassare tutto il corso
Test 1 · AI Act e sicurezza
1. L'AI Act regola il tipo di tecnologia usata, non l'uso che se ne fa.
2. Sulle versioni gratuite, quello che si scrive nelle chat spesso serve ad addestrare il modello.
3. Per la legge italiana, un licenziamento deciso solo da un algoritmo resta comunque valido.
4. L'AI impara dai dati e può ripetere e amplificare i pregiudizi delle persone.
Test 1 · AI Act e sicurezza
1. Un software che filtra i curriculum resta ad alto rischio anche se la decisione finale la prende una persona.
2. L'AI Act vale solo per le aziende che hanno sede in Europa.
3. Le istruzioni nascoste che guidano un'AI non si possono cambiare.
4. Un'AI che gira in locale, su un server aziendale, tiene i dati più al sicuro perché non li fa uscire.
Test 1 · AI Act
1. Quale di questi usi dell'AI in azienda è tra quelli vietati dall'AI Act?
2. Un'azienda usa un'AI per decidere quali candidati scartare. In quale ruolo si trova, secondo l'AI Act?
Test 1 · AI Act
1. Cosa deve fare un'azienda che mette un chatbot sul proprio sito, per rispettare l'AI Act?
2. Il reparto marketing genera un'immagine con l'AI e, senza volerlo, ricalca l'opera protetta di un altro. Chi ne risponde?
Test 1 · Sicurezza
1. Nel fatto raccontato sulla privacy, cosa ha combinato l'assistente AI costruito dall'autore?
2. Qual è, secondo il modulo, la difesa più forte per tenere al sicuro i dati aziendali con l'AI?
Test 1 · Sicurezza
1. Cosa insegna il caso Grok del 2025 raccontato nel modulo?
2. Secondo il modulo, quali due caratteristiche rendono l'AI pericolosa in azienda?
Test 1 · Risposta aperta
Rispondi liberamente. Il testo si salva mentre scrivi.
1. Perché la legge vieta di fidarsi ciecamente di una decisione dell'AI, e cosa deve poter fare davvero la persona che la controlla?
2. Cosa vuol dire che l'AI è una «scatola nera», e perché è un problema?
Test 1 · Risposta aperta
Rispondi liberamente. Il testo si salva mentre scrivi.
1. Perché l'AI Act obbliga le aziende a formare chi usa l'AI? Cosa dovrebbe capire chi la utilizza?
2. Quali due strade indica il modulo per proteggere i dati aziendali quando si usa l'AI, e qual è la migliore?
Test 2 · AI generativa
1. L'AI generativa crea contenuti nuovi a partire dai dati su cui è stata allenata.
2. L'AI ha prodotto l'immagine del cavallo scegliendo la foto migliore fra quelle che già esistevano.
3. Con lo stesso comando, due anni dopo Midjourney genera immagini migliori: è migliorato il software.
4. Se l'AI oggi sbaglia un compito, è certo che non ci riuscirà neanche in futuro.
Test 2 · AI generativa
1. Il deep learning è una cosa del tutto diversa dal machine learning, di fatto il suo opposto.
2. Modelli come GPT o Claude non leggono le lettere di un testo: prima lo trasformano in numeri.
3. La tabella con le coordinate di significato delle parole (l'embedding) la scrivono a mano i programmatori.
4. Nell'apprendimento non supervisionato nessuno dà le risposte: la macchina trova da sola i gruppi.
Test 2 · AI generativa
1. Nell'apprendimento supervisionato la macchina impara senza etichette e senza risposte giuste.
2. In una rete neurale ciò che il modello sa sta nei pesi, non in regole scritte a mano.
3. La parola «profondo» in «deep learning» indica che la rete lavora con dati molto dettagliati.
4. Finito l'addestramento, i pesi di un LLM non cambiano più e il modello non impara a ogni domanda.
Test 2 · AI generativa
1. Perché questo corso non insegna solo a usare l'AI, ma spiega anche come funziona dentro?
2. Nella tokenizzazione, in che ordine viene trasformata una parola perché il computer la elabori?
Test 2 · AI generativa
1. Nella frase «In Italia la pizza si cuoce nel forno», cosa calcolano i Transformer Layers, gli strati che danno il contesto?
2. In sintesi, come funziona l'algoritmo K-Means, che raggruppa i dati senza etichette?
Test 2 · AI generativa
1. Un modello ha imparato a indovinare il ruolo dei calciatori solo dai loro numeri (gol, assist, contrasti, parate). Arriva un giocatore mai visto, con zero parate, pochi contrasti, molti passaggi e molta corsa: come ne stabilisce il ruolo? Usare il modello su un caso nuovo si chiama inferenza.
2. Cosa sono i «dati sintetici» e qual è il rischio principale se un modello viene addestrato solo su di essi?
Test 2 · AI generativa
1. Cosa fa un singolo neurone artificiale, il mattone di base di una rete?
2. In che modo un LLM (il modello che genera testo) costruisce una frase intera di risposta?
Test 2 · Risposta aperta
Rispondi liberamente. Il testo si salva mentre scrivi.
1. Spiega con parole semplici come impara una rete neurale, nominando le sue due mosse, l'«andata» e il «ritorno».
2. Nel deep learning è la rete a trovare da sola le caratteristiche da guardare nei dati: vuol dire che il lavoro della persona sparisce? Spiega.
Test 2 · Risposta aperta
Rispondi liberamente. Il testo si salva mentre scrivi.
1. Un «Token ID» è solo un numero di etichetta assegnato a una parola. Cosa aggiunge l'embedding, e perché si dice che «parole simili finiscono vicine»?
2. Descrivi i passaggi principali che un LLM compie per completare la frase «Il piatto tipico italiano per eccellenza è la ___».
Test 3 · Prompting
1. Nello «zero-shot» dai al modello alcuni esempi già svolti prima di affidargli il compito.
2. Assegnare un ruolo al modello, ad esempio «fai l'avvocato», aiuta a orientare il tono e il contenuto della risposta.
3. Il context engineering riguarda solo come formuli la domanda, non quello che il modello ha davanti.
4. Con il «few-shot» mostri al modello qualche esempio di come vuoi la risposta.
Test 3 · Prompting
1. Qual è la differenza principale fra prompt engineering e context engineering?
2. Vuoi che l'AI risponda sempre nello stesso formato. Qual è la mossa più efficace?
Test 3 · Prompting
Rispondi liberamente. Il testo si salva mentre scrivi.
1. Scrivi un prompt per la fase di esplorazione di un nuovo software: vuoi che l'AI ti aiuti a mettere a fuoco l'idea e a validarla dal punto di vista tecnico, prima di scrivere una riga di codice. Cosa le scrivi?
2. Con parole tue e con un esempio, spiega la differenza fra prompt engineering e context engineering.
Test 4 · Context coding
1. La finestra di contesto è la memoria di lavoro del modello: quanto testo riesce a tenere a mente in una volta.
2. La «progressive disclosure» vuol dire dare all'AI tutte le informazioni in una volta sola, all'inizio del progetto.
3. Conviene assegnare a ogni tipo di compito un agente specializzato, riusando quelli che hanno già le competenze giuste.
4. Nella «modalità piano» l'AI scrive subito il codice, senza proporre prima un piano.
Test 4 · Context coding
1. Cosa succede quando la finestra di contesto si riempie e l'AI «compatta»?
2. A cosa serve un file d'ingresso come AGENTS.md nella progressive disclosure?
Test 4 · Context coding
Rispondi liberamente. Il testo si salva mentre scrivi.
1. Con parole tue, spiega cos'è una «patch» in un progetto e perché conviene metterla per iscritto.
2. Perché conviene dare al modello livelli di «impegno» diversi a seconda della fase (planning, cuore del codice, patch)?
© Alessandro Caprai 2026
01/24