Processi di semiosi algoritmica e intelligenza artificiale. Strumenti per orientare le policy in materia di competenze digitali da una prospettiva di genere.

La tesi propone una teoria della semiosi algoritmica applicata ai Large Language Models (LLM) che: i) assume il prompt come topologia dinamica capace di attivare il virtuale intensivo enciclopedico, nel suo carattere globale altrimenti irrappresentabile, consentendone un ritaglio locale; ii) legge la capacità di generazione di nuovi enunciati come effetto di un assemblaggio tra istanze eterogenee. Il lavoro intreccia semiotica interpretativa e cognitiva con elementi di epistemologia, filosofia del linguaggio, matematiche, scienze computazionali e studi di genere al fine di chiarire statuti ontologici ed epistemologici dei testi generati, nonché i limiti e le potenzialità delle macchine dotate di linguaggio. A un inquadramento generale utile per definire in che termini si possa parlare di senso, significazione e competenze semiotiche a proposito dei modelli generativi, seguono due sguardi prospettici sul loro funzionamento: da un lato, i processi di significazione dell’architettura transformer (IA in sé); dall’altro l’ibridazione cyborg tra umano e macchina (IA per sé). L’enunciazione impersonale ed evenemenziale e l’eterogenesi differenziale vengono poste a fondamento teorico come dispositivi euristici capaci di tenere insieme questi due sguardi combinati. Viene, in conclusione, dedicato un capitolo alla filiera formativa STEM da una prospettiva di genere e presentato il percorso di ricerca in impresa condotto presso ART-ER società consortile della regione Emilia-Romagna.