AI and Hard sciences

Responsabili scientifici: Prof. Daniele Bonacorsi, Prof. Francesco Zerbetto

 I principali risultati raggiunti nel settore dell'IA provengono dall'applicazione di tecniche di apprendimento statistico e di apprendimento automatico. In questo campo, la spinta verso una rapida adozione di soluzioni di successo deve essere accompagnata da sforzi nella costruzione di una teoria globale del processo di “learning” che potrebbe costituire la base teorica per i futuri progressi in questo settore.

Quest'area di lavoro comprende metodi geometrici e topologici, studio di sistemi disordinati e complessi, macchine di Boltzman e meccanica statistica, metodi algebrici e combinatori, equazioni differenziali parziali e trasporto ottimale, fondamenti dell'apprendimento statistico, analisi funzionale e armonica, probabilità e inferenza, ottimizzazione stocastica, teoria delle decisioni, teoria delle reti complesse, visualizzazione e rappresentazione dei dati, integrazione dei dati multicanale.

I risultati delle scienze dure hanno una contaminazione diretta, attraverso lo sviluppo di algoritmi moderni e la loro applicazione, in una varietà di settori come la diagnostica assistita da computer, la medicina di precisione, la biologia dei sistemi.

Guardando al futuro, la scienza dell'informazione quantistica e l'apprendimento automatico quantistico rappresentano anche aree che meritano sforzi mirati e richiedono grande attenzione e investimenti nei prossimi decenni. L'uso onnipresente di architetture avanzate per reti neurali discriminative e generative indica anche l'attuale mancanza di modellizzazione ottimizzata di processi basati su ML in ambito Big Data Analytics, nonché per i sistemi di intelligenza artificiale che si basano su risorse di calcolo eterogenee (ad esempio CPU, GPU, TPU , FPGA, ..), sia on-premise che su cloud. La necessità di una comunicazione scientifica moderna su argomenti di intelligenza artificiale e di analisi analitica nei programmi di istruzione abilitati all'intelligenza artificiale sulle scienze dure, inoltre, sarà fondamentale anche per avvicinare gli studenti all'argomento e per rafforzare l'impatto della ricerca dell'IA sulla società.