Struttura del corso
Giorno 1
Anatomia di un moderno Agente IA
Oltre i chatbot: gli agenti come sistemi autonomi di ragionamento e azione
Paradigmi degli agenti reattivi, proattivi, ibridi e orientati agli obiettivi
Componenti principali: percezione, pianificazione, memoria, uso di strumenti, azione
Compromessi tra progettazione a singolo agente e multi-agente
Framework per Agenti e lo Stack Moderno
LangChain, LlamaIndex, AutoGen, CrewAI e i relativi compromessi
Confronto con framework classici come JADE e SPADE
Scelta del framework in base ai requisiti di produzione
Chiamate agli strumenti, chiamate alle funzioni e output strutturati
Esercitazione pratica: creazione di uno scheletro per un agente Python singolo con chiamate a strumenti
Architetture dei Sistemi Multi-Agente
Design centralizzati, decentralizzati, ibridi e stratificati MAS
FIPA ACL, scambio di messaggi ed equivalenti moderni
Pattern di coordinamento: pianificazione, negoziazione, sincronizzazione
Comportamento emergente e auto-organizzazione nelle popolazioni di agenti
Processo Decisionale e Apprendimento negli Agenti
Teoria dei giochi per interazioni cooperative e competitive tra agenti
Apprendimento per rinforzo in ambienti multi-agente
Apprendimento trasferito e condivisione della conoscenza tra agenti
Risoluzione dei conflitti e fiducia tra agenti coordinati
Giorno 2
Fondamenti Multimodali per Agenti
IA multimodale come flusso di lavoro unificato su testo, immagini,语音 (speech) e video
Modelli multimodali leader: GPT-4 Vision, Gemini, Claude, Whisper
Tecniche di fusione per combinare le modalità all'interno del ciclo di ragionamento dell'agente
Compromessi tra latenza, costo e accuratezza nelle pipeline multimodali
Costruzione dello Strato di Percezione
Elaborazione delle immagini per agenti: classificazione, didascalizzazione, rilevamento oggetti
Riconoscimento del语音 (speech) con Whisper ASR e trascrizione in streaming
Sintesi da testo a语音 (speech) e interazione vocale naturale
Connessione degli output di percezione al ragionamento basato su LLM e selezione degli strumenti
Esercitazione Pratica - Costruzione di un Agente Multimodale in Python
Definizione del compito dell'agente, della finestra di contesto e dell'inventario degli strumenti
Collegamento end-to-end delle API GPT-4 Vision e Whisper
Implementazione della memoria, dello stato e della gestione della conversazione
Aggiunta di chiamate a strumenti che producono effetti collaterali nel mondo reale in modo sicuro
Esercitazione Pratica - Orchestrare un Sistema Multi-Agente
Composizione di agenti specializzati con AutoGen o CrewAI
Definizione di ruoli, responsabilità e protocolli di comunicazione inter-agente
Assegnazione delle risorse e coordinamento in un ambiente simulato
Registrazione del ragionamento degli agenti, delle chiamate agli strumenti e delle decisioni per ispezione e audit
Giorno 3
Superficie di Minaccia degli Agenti IA in Produzione
Cosa rende l'IA agentic unica mente vulnerabile rispetto al software tradizionale
Superficie di attacco: strati dati, modello, prompt, strumento, output e interfaccia
Modellazione delle minacce per sistemi basati su agenti con uso autonomo di strumenti
Confronto tra pratiche di cybersecurity IA e cybersecurity tradizionale
Esercitazione Pratica: Attacchi Adversarial
Esempi adversarial e metodi di perturbazione: FGSM, PGD, DeepFool
Scenari di attacco white-box versus black-box
Attacchi di inversione del modello e inferenza dell'appartenenza ai dati
Invenenoamento dei dati e iniezione di backdoor durante l'addestramento
Iniezione di prompt, jailbreaking e uso improprio degli strumenti negli agenti basati su LLM
tecniche Defensive e Indurimento del Modello
Addestramento adversarial e strategie di aumento dei dati
Distillazione difensiva e altre tecniche di robustezza
Preprocessing degli input, mascheramento dei gradienti e regolarizzazione
Privacy differenziale, iniezione di rumore e budget della privacy
Apprendimento federato e aggregazione sicura per l'addestramento distribuito
Esercitazione con Adversarial Robustness Toolbox
Simulazione di attacchi contro l'agente multimodale costruito il Giorno 2
Misurazione della robustezza sotto perturbazione e quantificazione del degrado
Applicazione iterativa delle difese e rivalutazione dei tassi di successo degli attacchi
Test di stress sui percorsi di chiamata agli strumenti e sulle vettori di iniezione di prompt
Giorno 4
Framework di Gestione del Rischio per l'IA
NIST AI Risk Management Framework: governare, mappare, misurare, gestire
ISO/IEC 42001 e standard emergenti specifici per l'IA
Mappatura del rischio IA ai framework GRC enterprise esistenti
Responsabilità AI, verificabilità e requisiti di documentazione
Conformità Normativa per i Sistemi Agentic
EU AI Act: livelli di rischio, utilizzi proibiti e obblighi per sistemi ad alto rischio
Implicazioni del GDPR e del CCPA per le pipeline dati degli agenti
Ordine Esecutivo degli Stati Uniti su IA Sicura, Protetta e Affidabile
Direttive settoriali specifiche per finanza, sanità e servizi pubblici
Rischio di terze parti e utilizzo di strumenti AI da parte dei fornitori
Etica, Pregiudizio ed Espiegabilità
Rilevamento e mitigazione del pregiudizio attraverso la percezione e il ragionamento dell'agente
Espiegabilità e trasparenza come proprietà rilevanti per la sicurezza
Equitä, danno a valle e distribuzione responsabile
Progettazione di un comportamento dell'agente inclusivo e verificabile
Distribuzione in Produzione, Monitoraggio e Gestione degli Incidenti
Pattern di distribuzione sicura per sistemi a singolo e multi-agente
Monitoraggio continuo per drift, anomalie e abusi
Registrazione, tracce di audit e prontezza forense per le azioni degli agenti
Piani di risposta agli incidenti di sicurezza IA e recupero
Casi studio di violazioni AI del mondo reale e lezioni apprese
Capstone e Sintesi
Rivedere il sistema multi-agente multimodale costruito durante il corso
Rivista della pipeline end-to-end: progettazione, costruzione, sicurezza, governance, distribuzione
Auto-valutazione del sistema rispetto alle funzioni NIST AI RMF
Sguardo prospettico sulle tendenze emergenti nell'IA agentic e nella sicurezza IA
Riepilogo e Prossimi Passi
Requisiti
Destinatari mirati
Ingegneri e architetti IA che sviluppano sistemi agentic per l'uso in produzione. Professionisti della cybersecurity, del rischio e della conformità responsabili dell'assicurazione AI in settori regolamentati come finanza, sanità e consulenza. Sviluppatori senior e responsible delle soluzioni che integrano funzionalità multimodali e multi-agente nelle piattaforme enterprise.
Recensioni (3)
Il istruttore è paziente e molto disponibile. Conosce bene l'argomento.
CLIFFORD TABARES - Universal Leaf Philippines, Inc.
Corso - Agentic AI for Business Automation: Use Cases & Integration
Traduzione automatica
Buona miscela di conoscenza e pratica
Ion Mironescu - Facultatea S.A.I.A.P.M.
Corso - Agentic AI for Enterprise Applications
Traduzione automatica
Il mix di teoria e pratica e di prospettive a livello alto e basso
Ion Mironescu - Facultatea S.A.I.A.P.M.
Corso - Autonomous Decision-Making with Agentic AI
Traduzione automatica
