L'Osservatorio italiano sull'Intelligenza Artificiale e le Digital Humanities è un progetto nato ad ottobre 2025 come Special Interest Group (SIG) dell'Associazione di Informatica Umanistica e Cultura Digitale (AIUCD). Siamo un gruppo di ricercatori/trici, professioniste/i, studenti/esse (non solo soci di AIUCD) che si occupano di vari aspetti e temi di Intelligenza Artificiale nell'ambito delle discipline umanistiche (Digital Humanities) . Ci siamo riuniti nella convinzione che sia necessario collaborare su questi temi per condividere conoscenze affidabili e sicure, metodologie e buone pratiche, sia nazionali che internazionali.

Uno degli obiettivi del gruppo è la selezione e la condivisione di contenuti affidabili relativi all'Intelligenza Artificiale nell'ambito delle discipline umanistiche. L'analisi dettagliata e la comprensione esatta dello stato dell'arte è una condizione essenziale per poter riflettere su questi temi complessi in modo non superficiale. D'altra parte, l'Intelligenza Artificiale e le Humanities sono campi multidisciplinari vasti e in veloce evoluzione, con impatti sociali notevoli e rischi di vario tipo.

Riteniamo quindi che sia necessaria la collaborazione di molte persone (ricercatori/trici, professionisti/e, studenti/esse, ecc) in un processo di ricerca aperto e responsabile.

1. Obiettivi principali
   

   1.1 Creare una comunità di persone (ricercatrici, professioniste, studenti, ecc) esperte o comunque interessate ai temi dell'AI nelle Digital Humanities (intersezione tra IA e discipline umanistiche).
   1.2 Consentire a tutti, non solo ai membri della comunità, di rimanere "facilmente" aggiornati su questi temi.
   1.3 Far conoscere e limitare i rischi dell’IA generativa e di altri sistemi basati su AI, tra i quali la diffusione di informazioni sbagliate e di contenuti falsi o illegali.

2. Quali contenuti raccogliamo
   

   2.1 Materiali di ricerca rilevanti, tra i quali libri, paper scientifici pubblicati, articoli in blog rilevanti, contenuti di letteratura grigia, slides, video, ecc.
   2.2 Dataset, benchmark, software affidabili per valutare sistemi GenAI in ambito DH.
   2.3 Materiali affidabili per la formazione (nelle scuole e in altri contesti educativi) e contenuti di divulgazione scientifica per il grande pubblico (raccogliamo ed eventualmente creiamo contenuti di divulgazione scientifica).
   2.4 Policy e normative nazionali e internazionali (UE, UNESCO, MiC, MUR, ecc.), con analisi dell’impatto sulle DH.

3. Regole di condotta (linee guida per chi collabora)
   

   3.1 Difendere il pluralismo delle idee e delle voci, e favorire il pensiero critico.
   3.2 Sostenere la parità di genere e l'equità nei contributi, se possibile.
   3.3 Ricercare e mantenere la qualità scientifica (rigore scientifico e gestione della complessità).
   3.4 Ricercare e mantenere l' utilità sociale (divulgazione scientifica, educazione, impatto sociale).
   

   L’Osservatorio non è un luogo in cui fare marketing di prodotti. Condividiamo però articoli e altri contenuti rilevanti di aziende del settore. Il panorama AI & DH osservato è globale, non è focalizzato su Europa e USA.

"Intelligenza Artificiale" è un termine ambiguo utilizzato per indicare cose diverse, tra le quali ad esempio:

• un campo di ricerca scientifica e tecnologica su hardware e software che si può far partire dal convegno del 1956 al Dartmouth College al quale presero parte John McCarthy, Marvin Minsky, Claude Shannon e Nathaniel Rochester e altri, dove John McCarthy introdusse l'espressione "artificial intelligence". Per una storia sintetica di questo campo di ricerca rimandiamo ad es. alla relativa voce in Wikipedia.
• un tema legislativo e normativo attuale, come nell'EU Artificial Intelligence Act;
• gli attuali sistemi software (commerciali e non) per la generazione di testi, immagini, video (come ChatGPT di OpenAI, Gemini di Google, Stable Diffusion di Stability AI, ecc);
• alcuni tipi di robot con funzionalità decisionali autonome, ad es. i droni autonomi usati in guerra, i robot che si muovono autonomamente in ambienti terrestri difficili, robot che dialogano parzialmente con persone, robot che giocano in squadra, ecc;
• i programmi software di "apprendimento automatico" da grandi quantità di dati (testi, immagini, video, ecc). Questi programmi software creano modelli numerici statistici che descrivono relazioni e pattern presenti nei dati. Secondo la definizione del 1997 di Tom M. Mitchell, "si dice che un programma apprende dall'esperienza E con riferimento a alcune classi di compiti T e con misurazione della performance P, se le sue performance nel compito T, come misurato da P, migliorano con l'esperienza E." (Tom M. Mitchell, "Machine Learning", 1997).
• un argomento complesso di analisi sociale come nel libro Né intelligente né artificiale" (Atlas of AI. Power, Politics, and the Planetary Costs of Artificial Intelligence) di Kate Crawford (2021) in cui vengono descritte le infrastrutture produttive fisiche, economiche, politiche necessarie a "far funzionare" gli attuali sistemi hardware e software basati su LLM.

Nel contesto dell'Osservatorio DH-AI usiamo il meno possibile il termine "Intelligenza Artificiale" in senso ampio e cerchiamo di utilizzare termini più specifici, quando è possibile, tra i quali "Intelligenza Artificiale generativa" (GenAI), "Large Language Model" (LLM), reti neurali, machine learning, sistemi esperti, sistemi basati su LLM, ecc.