B4979 - COMPUTATIONAL PHILOSOPHY

Conoscenze e abilità da conseguire

After completing the course, students know and apply formal, ontological and computational methods for the analysis, comparison and integration of different theories, and their verification with respect to data. In particular, students will become able to investigate scientific, humanistic and philosophical theories in a shareable and interoperable wayusing artificial intelligence systems.

Contenuti

l corso si sviluppa su due linee. La linea metodologica fornisce le tecniche di analisi. La linea tematica affronta uno stesso insieme di problemi fondazionali, ogni volta con l'apparato analitico acquisito nella linea metodologica. La linea tematica non è una successione di lezioni separate: è un unico esercizio longitudinale, e il dossier che ciascuno studente accumula sarà usato nel progetto d'esame.

Linea metodologica in moduli

M1. Che cos'è la filosofia computazionale? I tre sensi in cui la filosofia può essere computazionale: filosofia della computazione, filosofia per mezzo della computazione, e computazione come oggetto filosofico. Riferimenti: Scheller, Merdes & Hartmann (2022); Peacey et al. (2024); Rees (2025).

M2. Ricerca assistita da metodi computazionali nella letteratura filosofica, sociale e scientifica. Banche dati bibliografiche, grafi di citazione e ambienti di ricerca assistiti da intelligenza artificiale. La formulazione della query come atto concettuale: come la scelta dei termini preseleziona la risposta. Copertura, bias di indicizzazione, fonti plurilingui e fonti meno recenti. Verifica dei riferimenti e individuazione di citazioni fabbricate. Riferimento: Petrovich (2024).

M3. Distant reading e storia quantitativa delle idee. Leggere un corpus che non si è letto: obiettivi, tecniche e limiti. Operazionalizzazione: che cosa accade a un concetto filosofico quando diventa una variabile misurabile. Modelli della storia delle idee e loro criteri di valutazione. Riferimenti: Moretti (2013); Betti (2023).

M4. Modellazione ontologica delle teorie. Dalla comprensione alla specifica formale. Distinzioni fondazionali (oggetti, eventi, qualità, oggetti informativi); Descriptions and Situations come dispositivo per rappresentare una teoria e le situazioni che la teoria interpreta; Ontology Design Patterns. Rappresentare teorie in competizione in modo che il loro disaccordo diventi esplicito e verificabile automaticamente. Riferimenti: Gangemi (2020); Betti & van den Berg (2014).

M5. Modelli formali del ragionamento e simulazione. Il ragionamento umano come oggetto di modellazione formale: assunzioni di mondo chiuso, defeasibility, vincoli di integrità, ragionamento con eccezioni. Eventi, tempo e mutamento. La simulazione come strumento filosofico: agenti, comprensione dell'azione come pianificazione inversa, simulazioni di dinamiche epistemiche collettive. Riferimenti: Reiter (1981); Baker, Tenenbaum & Saxe (2009); Peacey et al. (2024).

M6. Uso critico dell'IA generativa: attrito cognitivo, metodo socratico e steering. I modelli generativi come interlocutori e come strumenti. Attrito critico: quale difficoltà cognitiva va preservata e quale può essere delegata. Pilotaggio neurosimbolico: vincolare la generazione mediante strutture di conoscenza esplicite, e sottoporre a audit ciò che il modello ha prodotto. Riferimenti: Shi & Haupt (2025); Gangemi & Lucifora (2026).

M7. Logic-Augmented Generation. Arricchimento basato su retrieval e modelli logici; il ruolo dell'inferenza deduttiva nel vincolare la generazione; controllo della plausibilità dei percorsi e tracciabilità delle inferenze. Riferimento: Gangemi & Nuzzolese (2025).

M8. Interpretabilità meccanicistica e duplice ruolo dell'IA. L'interpretabilità come studio della struttura interna di un sistema artificiale e dei concetti filosofici incorporati nel suo modello (rappresentazione, feature, concetto, causa). L'IA come oggetto dell'indagine filosofica e insieme come strumento attraverso cui tale indagine viene condotta. Criteri di valutazione di un risultato di filosofia computazionale: riproducibilità, test negativi, baseline, ecc. Riferimento: Williams et al. (2025).

Linea tematica e casi d'uso

Quattro problemi attraversano l'intero corso e saranno indicati all'inizio di ciascun anno accademico. Ogni studente ne sceglie uno; i tre passaggi sono separati da sessioni plenarie in cui i gruppi mettono a confronto le rispettive trattazioni.

Passaggio 1 – Descrizione e collocazione. Il problema viene enunciato in linguaggio ordinario e se ne registra la forza intuitiva prima che venga applicato qualsiasi apparato. Dove si colloca nella letteratura, chi dissente da chi, e su che cosa. Usando i protocolli di ricerca di M2, ciascun gruppo costruisce e documenta un corpus, con un resoconto esplicito di ciò che il protocollo esclude. Prodotto: un enunciato annotato del problema e un corpus documentato.

Passaggio 2 – Esplicazione e struttura. Lo stesso problema viene  sottoposto agli strumenti di M3 e M4. Che cosa mostra il corpus riguardo all'uso effettivo della nozione, in contrasto con la sua definizione? Le posizioni in competizione vengono modellate a partire da competency question, e il modello viene messo alla prova per stabilire se le discrimina davvero o si limita a rietichettarle. Dove il problema ammette una trattazione empirica o simulativa, M5 la fornisce. Prodotto: un modello formale con le relative competency question, e l'esplicitazione dell'inferenza che porta dalla misura all'asserzione.

Passaggio 3 – Messa alla prova avversariale e audit. Il problema viene affrontato con l'apparato di M6–M8. I modelli generativi vengono orientati contro il modello del gruppo stesso e indotti ad attaccarlo; gli output vengono sottoposti ad audit anziché accettati. Il gruppo dichiara che cosa la trattazione computazionale ha stabilito, che cosa ha presupposto e che cosa non è riuscita a raggiungere. Prodotto: un audit avversaria e un'autovalutazione critica, nucleo del progetto d'esame.

Riunioni plenarie. Ciascun gruppo presenta agli altri lo stato del proprio problema e risponde alle obiezioni. Le giunzioni sono i punti in cui il binario metodologico viene verificato rispetto all'uso effettivo: una tecnica che nessun gruppo è riuscito ad applicare al proprio problema viene riesaminata in aula.

Prerequisiti (facoltativi). Logica formale di base; storia della filosofia moderna e contemporanea. Non è richiesta alcuna preparazione in programmazione: il lavoro computazionale si svolge con ambienti interattivi e pipeline predisposte, che gli studenti eseguono, ispezionano, perturbano e sottopongono a audit, anziché implementare. Il modulo 1 fornisce un raccordo per studenti di provenienza filosofica o tecnica.

Testi/Bibliografia

Baker, C. L., Tenenbaum, J., & Saxe, R. (2009). Action understanding as inverse planning. Cognition, 113(3), 329–349.
Betti, A. (2023). The status of philosophy as a data-driven science. Third DR2 Conference, Rome.
Betti, A., & van den Berg, H. (2014). Modelling the history of ideas. British Journal for the History of Philosophy, 22(4), 812–835.
De Giorgis, S. & Gangemi, A. (2025). Beauty and the bit: AI-driven philosophical aesthetics. Contemporary Aesthetics, Special Volume 13, https://contempaesthetics.org/2025/07/14/beauty-and-the-bit-ai-driven-philosophical-aesthetics/
Gangemi, A. (2020). Closing the loop between knowledge patterns in cognition and the Semantic Web. Semantic Web, 11(1), 139–151, https://semantic-web-journal.net/system/files/swj2334.pdf
Gangemi, A. & Lucifora, C. (2026). Critical Friction. Cognitive Systems Research, 99, 101511, https://www.sciencedirect.com/science/article/pii/S138904172600077X
Gangemi, A. & Nuzzolese, A. G. (2025). Logic-Augmented Generation. Journal of Web Semantics, https://www.sciencedirect.com/science/article/pii/S1570826824000453
Gangemi, A. & Presutti, V. (2022). Formal representation and extraction of perspectives. In P. Vossen et al. (Eds.), Creating a More Transparent Internet: The Perspective Web, https://www.dropbox.com/scl/fi/qmaoifmxwqfklvixs629n/WebOfPerspectives-GangemiPresutti.pdf?rlkey=e82o49dz4crwgf84yue0eiupv&dl=0
Moretti, F. (2013). Distant reading. Verso.
Peacey, M. et al. (2024). Computational philosophy: Reflections on the PolyGraphs project. Humanities and Social Sciences Communications, 11(1), 186.
Petrovich, E. (2024). A quantitative portrait of analytic philosophy: Looking through the margins. Springer.
Rees, T. (2025). AI and philosophy: Notes on the rise of the technologist-cum-philosopher. Limn / LinkedIn Pulse.

Reiter, R. (1981). On closed world data bases. In B. L. Webber & N. J. Nilsson (Eds.), Readings in artificial intelligence (pp. 119–140). Morgan Kaufmann.

Scheller, S., Merdes, C., & Hartmann, S. (2022). Computational modeling in philosophy: Introduction to a topical collection. Synthese, 200, 114.

Shi, Y. & Haupt, A. (2025). The collapse of heterogeneity in silicon philosophers: How large language models systematically reduce philosophical disagreement. Preprint. https://whusym.github.io/silicon-philosophers-paper/
Williams, I., Oldenburg, N., Dhar, R., Hatherley, J., Fierro, C., Rajcic, N. et al. (2025). Mechanistic interpretability needs philosophy. arXiv:2506.18852.

Letture ulteriori sui temi verticali specifici e progetti individuali saranno concordate con il docente durante il corso.

Metodi didattici

Il corso si articola in sessioni di tre ore suddivise in due filoni paralleli: lezioni metodologiche accompagnate da attività pratiche e un percorso tematico longitudinale in cui lo stesso problema fondamentale viene affrontato tre volte, con livelli di approfondimento analitico crescenti. Questa struttura, che permette di rivedere un problema dopo aver acquisito nuovi strumenti, anziché risolverlo una volta per tutte, costituisce il meccanismo per apprendere i metodi, piuttosto che limitarsi a mostrarli. Gli studenti portano in aula elaborati intermedi per una discussione collettiva e svolgono il ruolo di revisori dei lavori dei propri compagni.

Modalità di verifica e valutazione dell'apprendimento

L'esame finale consiste in un progetto e nella sua discussione. Il progetto trasforma il materiale raccolto durante le tre fasi del percorso tematico in un'analisi autonoma di una questione filosofica concordata con il docente e comprende: la ricerca documentale e il protocollo di costruzione del corpus; la strutturazione delle posizioni in gioco; una componente empirica o basata su simulazioni, laddove la questione lo consenta; e una valutazione critica di quanto emerso dall'analisi computazionale, di ciò che essa presupponeva e di ciò che non è stato possibile raggiungere.

L'IA può costituire uno strumento utile a supporto dello studio individuale, favorendo approfondimenti, sintesi e autovalutazione. Per quanto riguarda la verifica dell'apprendimento, l'esame può prevedere una sezione che faccia ampio ricorso all'IA (problem solving, generazione di contenuti), affiancata da una sezione obbligatoria di analisi critica. In quest'ultima, gli studenti dovranno illustrare le parti del lavoro svolte con il supporto dell'IA: quali attività sono state delegate e per quali ragioni, nonché quali elementi sono stati verificati in modo autonomo. Affermazioni generate dalla macchina non verificate e riferimenti bibliografici non controllati incideranno negativamente sulla valutazione.

Studenti con disabilità e Disturbi Specifici dell'Apprendimento (DSA)

Gli studenti con disabilità o Disturbi Specifici dell'Apprendimento (DSA) hanno diritto a misure personalizzate in base alla propria condizione, previa valutazione da parte del Servizio di Ateneo per studenti con disabilità e DSA. Si prega di non contattare direttamente i docenti o il personale del Dipartimento, bensì di fissare un appuntamento con il Servizio. Sarà cura del Servizio stabilire le misure più idonee e prendere contatto con il docente. Per ulteriori informazioni, si invita a consultare la pagina: https://site.unibo.it/studenti-con-disabilita-e-dsa/en/for-students

Strumenti a supporto della didattica

Saranno usati strumenti pubblicamente disponibili, seguendo la rapida evoluzione dello stato dell'arte.

Orario di ricevimento

Consulta il sito web di Aldo Gangemi