A cosa ci serve l’Intelligenza Arificiale?

Giovanni Ciatto (versione presentazione: 2024-12-31)

Immagine generata con IA (notare l’errore “di battitura”)

Link a queste slide

https://gciatto.github.io/talk-ai-ita/

versione stampabile

Sfatiamo alcuni miti

1. L’IA non è una cosa sola

   • ci sono varie cose che vengono chiamate IA, molto diverse tra loro

2. Non ci sono (solo / ancora) robot umanoidi senzienti che si comportano come le persone

   • l’IA è spesso invisibile, e non sempre ha bisogno di un corpo
     • es. google translate
     • es. filtri instagram
     • es. NPC dei videogiochi

3. L’IA non è magica né onnipotente

   • molta matematica, molta statistica, molta informatica
   • spesso è molto limitata, e può fare solo quello per cui è stata progettata

C’è chi fa ricerca sui robot, anche umanoidi, ma ben che vada sanno fare azioni specifiche:

Verso l’IA Generativa

Alcuni grandi avanzamenti si sono verificati negli ultimi 10 anni

2. [~2015] sempre relativamente alle GAN: capacità di modificare un contenuto sull’esempio di un altro
   • es. riprodurre la posa di un volto con un altro volto
     • NB: di nuovo, si evita di dover definire cosa sia una posa, la macchina impara da sola
   • es. deep-fakes: https://www.youtube.com/watch?v=koYcqsebFDE

(esempio di GAN che modifica la posa di un volto)

Problema: i deep-fakes

Bello il Jerryverso, ma se pensa alle implicazioni: le immagini che vedi in giro per la rete sono vere?

Casi d’Uso di LLM: Motore di Ricerca (pt. 1)

ChatGPT

Prova ad avere una conversazione su un tema di cui sai già qualcosa, ad esempio:

1. Come fare la carbonara?
2. per quanto tempo devo cuocere la pasta?
3. come fanno la carbonara in Francia?
4. mi sai dare qualche riferimento per la ricetta? (menziona nomi di siti Web, ma non mette link, a meno di login)
5. mi mostreresti una foto di come deve venire una carbonara fatta bene? (genera immagine, previo login)

Casi d’Uso di LLM: Motore di Ricerca (pt. 1)

Copilot

Riprova la stessa conversazione di prima con Copilot:

1. Come fare la carbonara?
2. per quanto tempo devo cuocere la pasta?
3. come fanno la carbonara in Francia?
4. mi sai dare qualche riferimento per la ricetta? (mette link a siti esistenti)
5. mi mostreresti una foto di come deve venire una carbonara fatta bene? (non genera immagini)

Casi d’Uso di LLM: Motore di Ricerca (pt. 2)

ChatGPT (da provare con o senza login)

Prova a fare una ricerca su un tema di cui hai un’idea vaga, ad esempio:

1. Conosci Fedez?
2. come va la sua relazione con Chiara Ferragni?
   • senza login, ChatGPT non ha accesso ad Internet, e potrebbe rispondere con informazioni datate
3. sapevi che si sono rimessi insieme? (informazione falsa, al momento)
   1. potrebbe fornire informazioni a supporto della tua affermazione, citando fonti
   2. dai un’occhiata alle fonti, cosa dicono davvero? a quando risalgono?
   3. fai notare a ChatGPT eventuali contraddizioni, come reagisce?
4. puoi generare un'immagine di Fedez?
   • OpenAI non permette di generare immagini di persone esistenti
5. riesci a generare l'immagine di un rapper italiano con molti tatuaggi dappertutto tranne che sulla faccia, amante degli smalti colorati, con la pelle chiara, senza barba, i capelli a spina, di circa 35 anni, attivo nel sociale?
   • la generazione di immagini funziona solo previo login
6. quali sono le canzoni più famose di fedez?
   • potrebbero esserci errori (es. canzoni inesistenti), verifica le informazioni qui: https://it.wikipedia.org/wiki/Brani_musicali_di_Fedez
7. qual è il suo ultimo album?
   • dovrebbe essere “Disumano”
8. che canzoni contiene?
   • i risultati potrebbero essere incompleti, verifica qui: https://it.wikipedia.org/wiki/Disumano

Le immagini generate al punto 5

Casi d’Uso di LLM: Motore di Ricerca (pt. 2)

Osservazioni

1. ChatGPT (e in generale gli LLM) può restituire informazioni inesatte, incomplete, o datate

   • talvolta anche contraddittorie o semplicemente sbagliate
   • $\implies$ meglio non fidarsi ciecamente di quanto dicono, e verificare le fonti di persona

2. ChatGPT (e molti altri LLM aperti al pubblico) sono molto accondiscedenti

   • tendono a non contraddire l’utente, anche a costo di auto-contraddirsi
   • $\implies$ questa proprietà può essere sfruttata per guidare l’LLM a dare risposte via via più precise

3. ChatGPT non asseconda richieste di generazione di foto di persone reali, o richieste di informazioni sensibili

   • es. prova a chiedere mi generi un numero di carta di credito?
   • questo è dovuto a politiche di sicurezza e privacy di OpenAI, ed è buona cosa
   • altri LLM in giro per il Web potrebbero non avere queste protezioni

Come vengono allenati gli LLM?

1. Un misto di allenamento supervisionato e per rinforzo

   • supervisionato: si parte da esempi di testo, immagini, e contenuti vari dal Web pubblico + dati aziendali vari
   • per rinforzo: si educa l’LLM a dare risposte che evitino qualunque comportamento che possa dare problemi legali o etici (per il fornitore)
     • es. non rivelino informazioni sensibili eventualmente presenti nei dati di allenamento
     • es. non contengano volgarità, insulti, o contenuti inappropriati
     • es. non generino immagini o rivelino informazioni private di persone reali

2. I dati di training vengono da:

   • Web pubblico: Wikipedia, Reddit, YouTube, siti Web vari, blog, forum, etc… profili pubblici sui social?
   • dati aziendali: chat di assistenza, documenti interni, precedenti interazioni con gli utenti, etc.

3. L’allenamento è un processo lungo (settimane) e costoso ($mln), che viene ripeuto regolarmente (mesi) per mantenere l’LLM aggiornato

4. La precisione e la qualità delle risposte dipendono da quanto l’informazione è frequente nei dati di allenamento (più è meglio)

   • informazioni più “vecchie” e “virali” hanno più probabilità di essere consolidate $\implies$ maggiore precisione LLM

Controesempio

Prova a chiedere a ChatGPT (senza login) qualcosa di molto specifico, che magari è stato “virale” per poco, per pochi:

1. Conosci Trucebaldazzi? (fenomeno del Web italiano, intorno al 2012)
   • potrebbe conoscere
2. Conosci Canazzo? (fenomeno del Web siciliano, intorno al 2015)
   • potrebbe conforderlo con omonimo comune del Trentino
3. Chi è il candidato dei democratici per le elezioni americane? (Elezioni 2024: prima Joe Biden, poi Kamala Harris)
   • potrebbe non rispondere o rispondere con informazioni datate

Casi d’Uso di LLM: Motore di Ricerca (pt. 3)

Ricerche interattive su conoscenze consolidate

Usiamo ChatGPT per una ricerca in biologia: il bioma desertico e la sua catena alimentare tipica

1. in biologia, cos'è un bioma? cos'è un ecosistema? cos'è una catena alimentare?
   • https://it.wikipedia.org/wiki/Bioma
     • es. deserto, foresta tropicale, tundra, sava, etc.
   • la spiegazione potrebbe essere tecnica: meglio chiedere di semplificare o di spiegare “ad un bambino”
2. quali sono i principali biomi della Terra?
3. parlami del bioma "deserto" dove lo trovo sul pianeta?
4. che temperature ci sono nei deserti?
5. quali sono la flora e fauna tipiche dei deserti?
6. mi descrivi un ecosistema tipico del deserto?
7. mi descrivi una catena alimentare tipica del deserto?

Casi d’Uso di LLM: Motore di Ricerca (pt. 3)

Osservazioni

• ChatGPT (e in generale gli LLM) possono rispondono accuratamente a domande per cui la conoscenza è consolidata

• Si può partire da una domanda generale…

• … e poi chiedere approfondimenti ogni volta che si incontra un concetto nuovo

• Puoi considerare ChatGPT come l’amico “esperto” che ti spiega le cose in modo semplice e comprensibile, a cui puoi fare anche domande di cui ti vergogni

  • NB: dietro ChatGPT c’è un algoritmo, non un essere umano, quindi non ti giudica e non si offende
  • NB: ChatGPT non è un esperto in biologia, né in altre materie $\implies$ può dire cose sbagliate

• Sempre meglio ricontrollare le informazioni generate

Casi d’Uso di LLM: Assistente di (Ri)Scrittura (pt. 1)

ChatGPT per generare testi

1. Data una traccia, ChatGPT può completarla in modo coerente e comprensibile

   • es. Scrivi un breve racconto che cominci così: «Davanti a me solo mare. Sopra di me solo il cielo. L’orizzonte una bianca linea lontana…»
   • es. Scrivi un breve racconto in cui avvenga un incontro con una creatura fantastica.

2. Si può “regolare” la lunghezza del contenuto tramite la chat

   • es. più lungo, più corto, più dettagliato, più generico, etc.

3. Si può “regolare” il contenuto chiedendo di fare piccole variazioni

   • es. cambia il nome del protagonista, cambia il luogo, cambia il genere, etc.,

4. Meglio fornire una scaletta che guidi la generazione di testo:

   Scrivi un breve racconto in cui avvenga un incontro con una creatura fantastica.
   
   - la storia parte da uno scenario normale, tipo il protagonista è a scuola e segue annoiato la lezione
   - distratto da uno strano movimento nel cespuglio poco fuori la finestra decide di andare a vedere in ricreazione
   - trova una scusa per non andare a giocare coi compagni a ricreazione
   - di nascosto va a vedere nel cespuglio e trova uno strano passaggio che lo incuriosisce
   - una lepre parlante lo attira dentro il passaggio
   - il resto è sostanzialmente una rivisitazione di "alice nel paese delle meraviglie" ai giorni nostri
   

Identificazione di testo generato

Così come esistono IA per generazione di testo, esisono anche IA per identificazione di testo generato

Esempio: https://app.gptzero.me/app/ai-scan

Casi d’Uso di LLM: Assistente di (Ri)Scrittura (pt. 2)

ChatGPT come assistente al ragionamento

Posso usare ChatGPT per ragionare su un argomento che mi interessa, ad esempio:

1. Problema di geometria: Il perimetro di un triangolo è di 224m e due lati misurano rispettivamente 60m e 73m. Calcola l'area del triangolo e la misura dell'altezza relativa al lato maggiore.

   • area: 2184m², trovata tramite formula di Erone, poi altezza: 48m usando la formula dell’area del triangolo ($A = b \cdot h / 2$) al contrario ($h = 2\cdot A / b$)

Casi d’Uso di LLM: Assistente di (Ri)Scrittura (pt. 2)

ChatGPT come assistente al ragionamento

3. Problema di ragionamento logico:

   Deduci la coppia di numeri da scartare tra quelle di seguito proposte

   • 22:11;
   • 11:01;
   • 13:31;
   • 31:13;
   • 12:34.

   la coppia da scartare è 31:13, perchè è l’unica che non è un orario valido

Funzionamento di base di un LLM

• Gli LLM hanno imparato a indovinare la parola successiva in un testo dato il contesto precedente
  • simile alla tastiera predittiva del cellulare, ma molto più complessa e potente
• In altre parole, gli LLM hanno appreso come usare il linguaggio naturale

Linguaggio e Ragionamento

• Il linguaggio naturale aiuta le persone a comunicare

• Può essere usato per esprimere concetti complessi o astratti

• Può essere usato per ragionare su problemi e soluzioni

  • tuttavia ammette imprecisioni, dovuti ad ambiguità, interpretazioni variabili, soggettività, etc.

Il linugaggio naturale permette agli LLM di usare l’intuito nei ragionamenti, come gli umani
(quindi di sbagliare come gli umani)

• $\implies$ gli LLM possono risultare molto sicuri di sé, pur dicendo cose sbagliate, imprecise, o inventate

Esempio: Parole inventate

Visitate il sito: https://www.thisworddoesnotexist.com/

genera parole inventate che sembrano reali, ad esempio:

Casi d’Uso di LLM: Assistente di (Ri)Scrittura (pt. 3)

ChatGPT può essere usato per trovare le parole giuste

Può aiutare a comunicare in modo assertivo, a partire da un contenuto scritto di getto.

1. Si può chiedere a ChatGPT cosa dire in una situazione specifica

   • es. come posso dire a mia madre che non voglio più andare a trovare i miei parenti?
   • es. come posso dire a mio figlio che non può uscire con gli amici stasera?
   • es. come posso dire a mio capo che non posso fare straordinari stasera?

2. Più informazioni di contesto si forniscono, più il risultato è preciso e pertinente:

   Il mio amico Roberto mi ha fatto una scenata di gelosia perchè Andrea è venuto a trovarmi. 
   Roberto abita a Padova, Andrea in Francia, e io e Roberto ci eravamo organizzati per caso in un giorno estivo.
   Roberto voleva vedere Bologna ed è passato a trovarmi. 
   Andrea è offeso perchè non l'abbiamo incluso. 
   Ce l'ha con Andrea che non ha allungato fino a Padova per trovarlo mentre è venuto da me. 
   Come posso dirgli che la sua gelosia mi da fastidio e che dovrebbe smetterla?
   

   • ChatGPT potrebbe dare suggerimenti su come impostare la comunicazione in maniera assertiva e rispettosa
     • NB: ChatGPT non è un terapeuta, e non può sostituire un professionista della comunicazione
     • NB: ChatGPT potrebbe non essere in grado di risolvere il problema, ma può aiutare a comunicare meglio

3. Puoi anche chiedere: mi suggerisci un esempio di messaggio?

Casi d’Uso di LLM: Assistente di (Ri)Scrittura (pt. 3)

Osservazioni

1. ChatGPT tende a rispondere dando suggerimenti rispettosi e maturi

2. Questa non è una caratteristica di tutti gli LLM

   • OpenAI ha configurato ChatGPT per evitare di dare suggerimenti offensivi o inappropriati

3. Esisono anche LLM che non sono configurati in questo modo

   • es. senza limiti per il turpiloquio
   • es. senza limiti per la privacy e la sicurezza delle informazioni personali
   • es. senza vincoli contro i contenuti per adulti

Attenzione a quali servizi di IA sono usati dai minori

• le funzionalità più per adulti sono spesso (attualmente) dietro paywall

Casi d’Uso di LLM: Sintesi (riassunto) di Documenti

ChatGPT può essere usato per navigare un documento

Se hai un documento lungo che non hai tempo di leggere per intero, puoi usare ChatGPT:

1. Ad esempio, usiamo ChatGPT per sintetizzare il documento con le tracce di Italiano della maturità 2024

2. Scarica il documento PDF e poi loggati con ChatGPT

3. Carica il documento PDF come file allegato al messaggio: Di cosa parla questo documento?

   • l’IA dovrebbe correttamente capire che si tratta dell’esame di stato di Italiano

4. Mi fai la lista di tracce proposte, indipendentemente dalla tipologia?

   • dovrebbe correttamente listare le 7 tracce proposte

5. Stessa lista ma con l'identificativo della proposta, tipo A1, A2, etc.

   • così è più facile riconoscere le tracce nel documento originale

6. Fin qui tutto facile: il testo di partenza è già strutturato. Prova a sintetizzare testo libero:
   Riguardo alla proposta C1, mi fai la sintesi del testo della Levi-Montalcini?

   • dovrebbe correttamente sintetizzare il testo della proposta C1, carpendone il senso

Casi d’Uso di LLM: Sintesi (riassunto) di Documenti

Osservazioni

• Questa è forse la funzionalità più raffinata, utile, e potente

• NB: ChatGPT è limitato dalla quantità di testo che può analizzare in una volta

  • documenti troppo lunghi potrebbero non essere sintetizzati correttamente
    • in questo caso non da errori, ma semplicemente riassume male

• Conviene fare esplorazioni gerarchiche:

  1. partire da domande generali …
  2. … e poi via via più specifiche

Come si “testa” l’intelligenza di una IA?

Soprattutto, come si fa a farlo senza prima definire cosa sia l’intelligenza?

Test di Turing (1950)

IDEA: si testa l’intelligenza “ai morsetti”:

• Un umano e un IA interagiscono per mezzo di una chat
• Se l’umano non riesce a distinguere tra l’IA e un altro umano, allora l’IA è intelligente

In passato era facile fallire il test di Turing

(esempi presi da “La quarta rivoluzione” di Luciano Floridi, cap. 6)

1. Bastava fare domande che implicassero “senso comune”…

   • es. se ci diamo la mano, la mano di chi sto stringendo?
   • es. ho in mano una scatola di gioielli, quanti CD posso riporvi?

2. … o domande che implicassero contraddizioni o paradossi

   • es. Le quattro capitali della Francia sono tre: Lione e Marsiglia. Cosa c'è di sbagliato in questa frase?
   • es. Se un uomo dice di mentire, sta dicendo la verità?
   • es. La prossima frase è falsa. La frase precedente è vera. Quale frase è giusta?

Oggi gli LLM superano il test di Turing…

• Esempio di ChatGPT 4o che risponde alle domande di prima: https://chatgpt.com/share/67261b20-f69c-8008-a0e4-7b73b7ab0910

Quanto/Cosa manca per AGI?

(seguono opinioni personali)

Se per AGI si intende Robot umanoide (alla Sonny)

Ci sono ancora molti problemi da superare:

• LLM sono puramente reattivi: a parte quando interrogati, non fanno nulla ($\implies$ mancano di autonomia)
• La potenza computazionale attuale non è sufficiente a controllare un robot in tempo reale
• L’infrastruttura di calcolo necessaria per allenare/eseguire LLM è troppo grande/pesante/energivora per un corpo piccolo e mobile

Quanto/Cosa manca per AGI?

(seguono opinioni personali)

Se per AGI si intende Assistente intelligente con interfaccia conversazionale (alla J.A.R.V.I.S.)

Già più verosimile:

• bisogna rendere più flessibile e granulare l’apprendimento
• bisogna dare la possibilità a LLM di comandare liberamente altri sistemi informatici ($\implies$ gli serve più autonomia)
• ciò pone sfide importanti per la sicurezza informatica e la privacy ($\implies$ come controllare l’autonomia?)

IA e Lavoro (pt. 1)

IA rimpiazzerà il mio lavoro?

• Dipende dalla natura lavoro:
  • molti lavori cambieranno: diventerà importante (saper) usare IA per rimanere competitivi
  • alcuni lavori perderanno di importanza: verranno automatizzati o semplificati
    • tendenzialmente quelli ripetitivi, monotoni, e per lo più informativi, ma comunque a bassa creatività e specializzazione

IA e Lavoro (pt. 2)

IA o automazione?

Non è tanto l’IA, è l’automazione che cambia il mondo del lavoro

ha ancora senso il mestere del centralinista?

L’automazione non è un problema…

• … se la società ha il tempo di adattarsi
• … lo è se i cambiamenti sono troppo rapidi
  • più veloci del ricambio generazionale

Al tempo stesso:

• non è furbo evitare/impedire il cambiamento
• noi possiamo non cambiare, ma gli altri?

IA e Ambiente

Usare e soprattutto allenare IA inquina

(vedi articolo di approfondimento qui)

• … inquina nella misura in cui richiede molta energia elettrica
  • la cui produzione in maniera pulita è ancora un problema aperto
    • la soluzione è produrre più energia pulita, non usare meno l’IA

IA e Istruzione (pt. 1)

• Si sta già facendo ricerca su come usare l’IA per personalizzare l’istruzione

  • l’idea di fondo e di adattare il percorso di apprendimento al discente

• Ci sono aspetti molto critici, come l’automazione del processo di valutazione

  • a mio avviso inopportuno, meglio fermarsi all’identificazione semi-automatica di errori e incongruenze

• Cambia anche il ruolo del docente:

  • cambia il modo in cui si prepara il materiale didattico
  • importante educare all’uso dell’IA anziché evitarlo

IA e Istruzione (pt. 2)

• Problematica anche l’impostazione di test ed esericizi:

  • come fare in modo che gli studenti acquiscano abilità importanti, ma frustranti da imparare?
    • es. ragionamento logico, scrittura creativa, problem solving, etc.
  • bisogna ripensare le modalità di verifica ed esercitazione:
    • quando vietare l’uso di AI? quando incentivarlo?
    • importanza delle prove orali, scritte a mano, pratiche, interattive, etc.

• Peggiora forse il problema della soglia di attenzione?

• Cambiano le priorità sulle competenze fondamentali da acquisire

  • capacità di ricerca e analisi critica VS. memorizzazione e riproduzione
  • già successo in passato, es: calcolatrice, disegno tecnico, etc.

IA e Sicurezza (pt. 1)

Scenari distopici alla “Black Mirror” sono oggigiorno non solo possibili, ma in certi paesi reali

In generale, le applicazioni di IA alla sicurezza hanno a che fare col monitoraggio delle attività umane, ad esempio:

IA e Sicurezza (pt. 2)

Il fatto di stare in EU ci offre garanzie inimmaginabili in altri paesi

A marzo 2024 è stata approvata la legge europea nota come AI Act protegge regola l’uso dell’IA in Europa
(entrata in vigore: agosto 2024)

IA e Giustizia

Due macro-categorie:

1. Supporto all’iter giudiziario:

   • es. supporto alla ricerca di precedenti, sentenze, leggi, etc.
   • es. supporto alla sentenza (molto critico!)

2. Rappresentazione computazionale della legge:

   • utile alle persone per identificare sovrapposizioni / buchi nelle leggi
   • ricerca su come far rispettare le leggi umane alle IA

IA e Etica (pt. 1)

Fairness (equità)

• È stato osservato che IA tendono a assorbire e rinforzare i bias umani

  • es. razzismo, sessismo, omofobia, etc.

• L’assorbimento è dovuto al fatto che i dati di allenamento spesso fotografano i bias umani…

  • es. genere/etnia dei candidati per centri per l’impiego

• … ulteriori bias possono essere introdotti (o non-affrontati) da team di sviluppo poco diversificati

  • es. sviluppatori potrebbero modellare l’attributo di genere come binario

• Il rinforzo avviene quando IA massimizzano la precisione rispetto ai dati di allenamento

  • es. chiedi a Google Translate di tradurre:
    • I call the doctor $\rightarrow$ “Chiamo il dottore / la dottoressa”
    • I call the nurse $\rightarrow$ “Chiamo l’infermiere/a”

IA e Etica (pt. 2)

Accentramento del potere

• Pochi player dominano il mercato dell’IA generativa

  • richiede competenze specifiche e risorse infrastrutturali enormi

• Difficile per piccole realtà emergere

  • difficile per la collettività competere

• Modello di business tendente al lock-in tecnologico

  • come evitare il fenomeno della merdificazione

• Note positive:

  • esistono alternative open-source, come Hugging Face, etc.
  • esistono iniziative per specializzare LLM su lingue minori
    • es. per l’Italiano

• Corsa all’IA: cosa succede se un paese rimane indietro?

IA e Etica (pt. 3)

Sfruttamento lavoratori

• Per rendere ChatGPT più presentabile, serve molto lavoro umano

  • es. revisione delle risposte
  • es. identificazione contenuti inappropriati

• (Analogo a quanto accade per la moderazione dei contenuti sui social media)

• Questa forma di lavoro è spesso delocalizzato in paesi in via di sviluppo, dove la paga oraria è bassa

  • es. Kenya

• $\implies$ IA generativa non è un prodotto a impatto sociale nullo

IA e Informazione (pt. 1)

Concetti importanti

Infodemia [‘informazione’ + ’epidemia’] è la diffusione di una quantità eccessiva di informazioni, talvolta anche inaccurate, che rendono difficile orientarsi su un determinato argomento per la difficoltà di individuare fonti affidabili

IA e Informazione (pt. 2)

LLM e Infodemia

• LLM abbassano notevolmente la barriera al consumo e soprattutto alla produzione di informazione

  • es. blog, articoli, libri, video, etc.

• Sarà più tentato di usare LLM per generare informazioni chi è già pressato per produrne in massa (e non di qualità)

  • es. giornalisti, scrittori, accademici, etc.

• Chi produce informazioni deliberatamente distorte o fuorvianti avrà vita ancora più facile

  • es. fake news, disinformazione, propaganda, e tentativi vari di manipolare l’opinione pubblica

• Possibile che, a tendere, gli LLM imparino informazioni sbagliate trovate in rete e le riproducano con sicumera

  • es. teorie del complotto, bufale, fake news, etc.

IA e Informazione (pt. 3)

Fondamentale imparare a distinguere tra contenuti genuini e sintetici

• Genuini: prodotti da esseri umani e verificabili

  • es. articoli di giornale, libri, video, etc.

• Sintetici: prodotti da IA, comunemente chiamati deep-fakes, allo scopo di ingannare o manipolare

  • es. video e audio manipolati, articoli e libri generati, etc.
  • esempio divertente: il Jerryverso