Una sfida inaspettata: l'AI supera gli studenti
Un anno fa, lo studente di dottorato Stephen Tu, ex ricercatore di Google DeepMind, insegnava il corso di machine learning avanzato EE 660 presso la USC. Durante le lezioni, Tu ha sperimentato la capacità dei modelli di intelligenza artificiale di risolvere compiti di programmazione e dimostrazioni matematiche di più pagine. Ha mostrato ai colleghi due soluzioni di un esercizio, una prodotta da un algoritmo e l'altra da uno studente, chiedendo: “Riuscite a distinguere quale è stata generata dall'AI?”. Nessuno è riuscito a farlo.
“È stato un campanello d’allarme per tutta la facoltà”, ha commentato Richard Leahy, presidente del dipartimento ECE. “Ci siamo resi conto che dovevamo adattare rapidamente il nostro approccio educativo all’era dell’AI”.
Riconsiderare cosa e come insegnare
Dopo mesi di pranzi informali e discussioni nei corridoi, il corpo docente ha concordato che non bastava trovare nuovi metodi di valutazione: era necessario rivedere i contenuti e le modalità di insegnamento. L’obiettivo condiviso è sviluppare il pensiero critico degli studenti, mantenendo al contempo la capacità di sfruttare efficacemente gli strumenti AI.
“Dobbiamo ancorare l’insegnamento allo sviluppo di un pensiero critico rigoroso, ma al contempo consentire agli studenti di usare nuovi strumenti che li rendano ingegneri più efficaci”, ha affermato Michelle Povinelli, vicepresidente della facoltà ECE.
Leahy ha elogiato la rapidità dei progressi: “I nostri professori stanno trovando modi creativi per educare gli studenti in questo nuovo contesto. Avere più docenti esperti di AI e delle sue applicazioni è stato fondamentale per adattare la didattica”.
Povinelli ha sottolineato il ruolo degli studenti nella trasformazione: “Gli studenti sono spesso i primi ad adottare le nuove tecnologie. È stato stimolante vedere loro costruire prototipi in giorni, dove prima occorreva un intero semestre”.
Il feedback dell’industria ha inoltre influenzato la strategia educativa. “Collaboriamo regolarmente con partner industriali, alumni, consigli consultivi e progetti di ricerca. L’alfabetizzazione AI sta diventando una componente standard del flusso di lavoro ingegneristico, e noi prepariamo gli studenti a entrare subito in questo ambiente”, ha aggiunto Leahy.
Insegnare il pensiero critico con l'AI
Il corpo docente ha centrato i propri sforzi sullo sviluppo del pensiero critico in un contesto in cui gli strumenti AI possono fornire risposte rapide. “Adattiamo i corsi per garantire che gli studenti diventino competenti nell’uso di questi strumenti, comprendendo al contempo le loro limitazioni e le implicazioni etiche”, ha ribadito Leahy.
Le attività includono ora la generazione di codice AI e l’ingegneria dei prompt direttamente nei compiti. Si enfatizza che, sebbene l’AI semplifichi compiti tediosi, la responsabilità ultima rimane dell’ingegnere.
“Decidere cosa progettare, come farlo e come valutarne l’impatto sono compiti intrinsecamente umani”, ha spiegato Povinelli. “Gli strumenti non potranno mai sostituire l’ingegnere in questi aspetti”.
Per utilizzare efficacemente l’AI, gli studenti devono applicare i concetti fondamentali appresi lungo tutto il curriculum, così da porre le domande giuste, rilevare errori e convalidare i risultati.
Esempio pratico: EE 250 – Sistemi Distribuiti e IoT
Il professor Bhaskar Krishnamachari è stato tra i primi a integrare l’AI nel curriculum di base. Nel corso EE 250, insegna agli studenti a utilizzare l’ingegneria dei prompt per generare applicazioni Python funzionanti. Nella sua ricerca, ha impiegato l’AI per migrare il software del corso da Raspberry Pi a microcontrollori ESP32, dimostrando come i docenti possano applicare gli strumenti AI in tempo reale.
Rivalutare le modalità di verifica
L’AI ha spinto la facoltà a riconsiderare i metodi di valutazione. “Il fatto che gli studenti possano generare la risposta corretta non significa che abbiano compreso il concetto”, ha osservato Krishnamachari. “Il nostro ruolo è garantire che l’insegnamento faciliti davvero l’apprendimento”.
Molti docenti stanno spostando l’enfasi verso laboratori in presenza, raccolta di dati reali, misurazioni fisiche e problem solving interattivo, dove l’istruttore può osservare e guidare direttamente lo studente.
Il professor Mark Redekopp, responsabile dei corsi di base, ha introdotto quiz orali brevi al termine di ogni laboratorio del corso EE 109 – Introduzione ai Sistemi Embedded, oltre a esercizi di codifica manuale con spiegazioni verbali. “Le valutazioni orali non solo verificano la comprensione, ma preparano gli studenti a esporre il ragionamento tecnico, una competenza molto ricercata nelle aziende”.
Krishnamachari ha inoltre sperimentato valutazioni basate su video: gli studenti registrano brevi presentazioni dei concetti trattati, simulando i formati di colloqui di lavoro. L’analisi automatizzata di questi video consente di individuare lacune comuni e di adattare le lezioni successive.
Nuove opportunità ingegneristiche grazie all'AI
I professori Rehan Kapadia e Yasser Khan hanno guidato una revisione importante del corso EE 105 – Introduzione all’Ingegneria Elettrica, uno dei corsi di prima anno più rappresentativi della USC. Kapadia, che dirige il John O’Brien Nanofabrication Lab e il servizio MOSIS 2.0 per la progettazione rapida di chip, ha utilizzato gli strumenti AI nei suoi gruppi di ricerca per aumentare la produttività dei dottorandi.
“Le possibilità di apprendimento pratico per gli studenti sono state trasformate. Ora possono affrontare progetti più complessi con hardware all’avanguardia, cosa impensabile cinque o dieci anni fa”, ha dichiarato Kapadia.
Khan, esperto in manifattura additiva e dispositivi indossabili e impiantabili, ha arricchito il corso con progetti che combinano AI, stampa 3D e sensori bio‑compatibili. “Il riconoscimento da parte della Packard Foundation testimonia la nostra eccellenza nella ricerca, ma siamo altrettanto impegnati a trasmettere queste conoscenze agli studenti”.
Il nuovo EE 105 utilizza un grafo di conoscenza personalizzato che guida gli studenti attraverso percorsi di apprendimento basati su progetti pratici, molti dei quali richiedono l’uso di modelli AI per la simulazione, l’ottimizzazione e la verifica dei risultati.
Conclusioni e prospettive future
La trasformazione della facoltà ECE della USC dimostra come un’istituzione accademica possa rispondere rapidamente alle sfide poste dall’AI, mantenendo l’equilibrio tra innovazione tecnologica e formazione di competenze fondamentali. L’approccio integrato – che unisce corsi rinnovati, laboratori pratici, valutazioni interattive e stretta collaborazione con l’industria – punta a formare ingegneri capaci di pensare criticamente, utilizzare gli strumenti AI in modo responsabile e guidare l’innovazione nei settori più avanzati.
Con l’AI che continua a evolversi, la USC Viterbi School of Engineering si propone di rimanere all’avanguardia, adattando costantemente curricula, metodologie didattiche e partnership industriali per garantire che i laureati siano pronti a “colpire il terreno” fin dal primo giorno di lavoro.