Insegnare l'AI, Non Usarla
Perché i miei studenti implementano backpropagation a mano, costruiscono reti neurali da NumPy, e imparano ad architettare sistemi invece di chiamare API.
Nella prima lezione di ogni semestre, dico agli studenti: “Non userete TensorFlow o PyTorch per il primo mese. Implementerete gradient descent. Deriverete la backpropagation. Costruirete una rete neurale usando solo NumPy.”
La maggior parte dell’educazione AI insegna l’uso. Importa libreria, carica modelli pretrained, fai fine-tuning. Funzionale? Sì. Sufficiente per costruire nuovi sistemi? No.
Implementando backpropagation, gli studenti vedono che l’addestramento è ottimizzazione matematica, non alchimia. Capiscono perché le funzioni di attivazione contano, come i gradienti fluiscono, dove l’addestramento si rompe.
Costruire una rete da NumPy richiede implementare tutto: pesi, forward pass, backward pass, update rules, training loops. È tedioso. È istruttivo.
L’AI production richiede più che model inference. Richiede pipeline dati, monitoring, versioning, evaluation, deployment. Nessun framework fa questo per te.
Gli studenti che attraversano questo programma non sono solo utenti AI—sono costruttori AI. Possono implementare papers, progettare architetture, debuggare training.
Insegnare AI, non usarla. Costruire comprensione, non solo competenza. Creare indipendenza, non dipendenza.
