Struttura del corso
Giorno 1
Anatomia di un Agente AI Moderno
Oltre i chatbot, agenti come sistemi autonomi di ragionamento e azione
Paradigmi di agenti reattivi, proattivi, ibridi e guidati da obiettivi
Componenti fondamentali: percezione, pianificazione, memoria, utilizzo di strumenti, azione
Compromessi progettuali tra sistemi a singolo agente e multi-agente
Framework per Agenti e Stack Moderno
LangChain, LlamaIndex, AutoGen, CrewAI e le relative compromessi
Confronto con framework classici come JADE e SPADE
Scelta di un framework in base ai requisiti di produzione
Chiamate di strumenti (tool calling), chiamate di funzioni e output strutturati
Pratica: creazione di uno scheletro per un singolo agente Python con chiamate di strumenti
Architetture di Sistemi Multi-Agente
Design centralized, decentralizzati, ibridi e a strati per MAS (Multi-Agent Systems)
FIPA ACL, scambio di messaggi e equivalenti moderni
Pattern di coordinamento: pianificazione, negoziazione, sincronizzazione
Comportamento emergente e auto-organizzazione nelle popolazioni di agenti
Risultato delle Decisioni e Apprendimento negli Agenti
Teoria dei giochi per interazioni cooperative e competitive tra agenti
Apprendimento per rinforzo in ambienti multi-agente
Apprendimento per trasferimento e condivisione di conoscenza tra agenti
Risoluzione dei conflitti e fiducia tra agenti coordinati
Giorno 2
Fondamenti Multimodali per Agenti
AI multimodale come flusso di lavoro unificato tra testo, immagine, voce e video
Modelli multimodali leader: GPT-4 Vision, Gemini, Claude, Whisper
Tecniche di fusione per combinare modalità all'interno del loop di ragionamento di un agente
Compromessi di latenza, costi e precisione nelle pipeline multimodali
Costruzione dello Strato di Percezione
Elaborazione delle immagini per agenti: classificazione, didascalia, rilevamento oggetti
Riconoscimento vocale con Whisper ASR e trascrizione in streaming
Sintesi text-to-speech e interazione vocale naturale
Connessione degli output di percezione al ragionamento basato su LLM e alla selezione degli strumenti
Pratica - Costruzione di un Agente Multimodale in Python
Definizione del compito dell'agente, della finestra di contesto e dell'inventario degli strumenti
Connessione end-to-end delle API GPT-4 Vision e Whisper
Implementazione di memoria, stato e gestione della conversazione
Aggiunta di chiamate di strumenti che producano effetti collaterali nel mondo reale in modo sicuro
Pratica - Orchestrazione di un Sistema Multi-Agente
Composizione di agenti specializzati con AutoGen o CrewAI
Definizione di ruoli, responsabilità e protocolli di comunicazione inter-agente
Allocazione delle risorse e coordinamento in un ambiente simulato
Logging del ragionamento dell'agente, delle chiamate di strumenti e delle decisioni per ispezione e audit
Giorno 3
Superficie di Minaccia degli Agenti AI in Produzione
Cosa rende l'AI agentic univocamente vulnerabile rispetto al software tradizionale
Superficie di attacco: 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 AI e cybersecurity tradizionale
Pratica sugli Attacchi Avversari
Esempi avversari e metodi di perturbazione: FGSM, PGD, DeepFool
Scenari di attacco white-box versus black-box
Attacchi di inversione del modello e inferenza dell'appartenenza alla dataset
Avvelenamento dei dati e iniezione di backdoor durante l'addestramento
Iniezione di prompt, jailbreaking e utilizzo improprio di strumenti negli agenti basati su LLM
Tecniche Difensive e Hardening del Modello
Strategie di addestramento avversario e augmentation dei dati
Distillazione difensiva e altre tecniche di robustezza
Preprocessing dell'input, mascheramento dei gradienti e regolarizzazione
Privacy differenziale, iniezione di rumore e budget di privacy
Apprendimento federato e aggregazione sicura per l'addestramento distribuito
Pratica con l'Adversarial Robustness Toolbox
Simulazione di attacchi contro l'agente multimodale costruito nel Giorno 2
Misura della robustezza sotto perturbazione e quantificazione del degrado
Applicazione iterativa delle difese e rivalutazione dei tassi di successo degli attacchi
Stress-testing dei percorsi di chiamata degli strumenti e dei vettori di iniezione di prompt
Giorno 4
Framework di Gestione del Rischio per l'AI
NIST AI Risk Management Framework: governa, mappa, misura, gestisci
ISO/IEC 42001 e standard emergenti specifici per l'AI
Mappatura del rischio AI sui framework GRC (Governance, Risk, Compliance) enterprise esistenti
Requisiti di responsabilità, auditabilità e documentazione per l'AI
Conformità Regolamentare per Sistemi Agentic
EU AI Act: livelli di rischio, utilizzi proibiti e obblighi per sistemi ad alto rischio
Implicazioni di GDPR e CCPA per i flussi di dati degli agenti
Ordine Esecutivo degli USA su AI Sicura, Protetta e Affidabile
Linee guida settoriali per finanza, sanità e servizi pubblici
Rischio di terze parti e utilizzo di strumenti AI da fornitori
Etica, Pregiudizio e Spiegabilità
Rilevamento e mitigazione del pregiudizio attraverso percezione e ragionamento dell'agente
Spiegabilità e trasparenza come proprietà rilevanti per la sicurezza
Equità, danni downstream e distribuzione responsabile
Progettazione di comportamenti degli agenti inclusivi e verificabili
Distribuzione in Produzione, Monitoraggio e Risposta agli Incidenti
Pattern di distribuzione sicura per sistemi a singolo e multi-agente
Monitoraggio continuo per drift, anomalie e abusi
Logging, tracce di audit e preparazione forense per le azioni degli agenti
playbook di risposta agli incidenti di cybersecurity AI e recupero
Studi di caso di violazioni AI reali e lezioni apprese
Capstone e Sintesi
Revisione del sistema multi-agente multimodale costruito durante il corso
Revisione end-to-end della pipeline: design, costruzione, sicurezza, governance, distribuzione
Auto-valutazione del sistema contro le funzioni NIST AI RMF
Prospettive future sulle tendenze emergenti nell'AI agentic e nella cybersecurity AI
Riepilogo e Prossimi Passi
Requisiti
Pubblico Target
Ingegneri AI e architetti 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 responsabili delle soluzioni che integrano capacità 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
