Logo d'ateneo Unibo Magazine

Come costruire un’intelligenza artificiale affidabile

Il progetto europeo TAILOR, a cui partecipa l’Alma Mater, ha sviluppato indicazioni su come mettere a punto metodi di misurazione e valutazione di sistemi affidabili basati sull'intelligenza artificiale, e su come dare vita a strumenti per il loro controllo e aggiornamento costante


La professoressa Michela Milano, coordinatrice del Roadmap Editorial Board del progetto TAILOR


Come può un radiologo fidarsi di un sistema di intelligenza artificiale che analizza immagini mediche? Come può un broker finanziario fidarsi di un sistema di intelligenza artificiale che fornisce previsioni sui prezzi delle azioni? Come può un passeggero fidarsi di un'auto a guida autonoma? Il progetto di ricerca europeo TAILOR, a cui partecipa l’Università di Bologna, nasce per offrire risposta a queste domande, costruendo le basi scientifiche per sviluppare sistemi affidabili basati sull’intelligenza artificiale. L’obiettivo è dare vita a una rete di centri di eccellenza per la ricerca, sfruttando e combinando i domini scientifici di apprendimento (learning), ottimizzazione (optimization) e ragionamento (reasoning) nel campo dell’intelligenza artificiale.

Michela Milano, professoressa al Dipartimento di Informatica - Scienza e Ingegneria dell'Alma Mater e direttrice del Centro interdipartimentale Alma AI, coordina il Roadmap Editorial Board del progetto TAILOR. Il gruppo, che comprende studiosi di cinque paesi europei, ha messo a punto una "Strategic Research and Innovation Roadmap", pensata per aprire la strada che porta ad un'intelligenza artificiale affidabile, definendo chiaramente le principali sfide da affrontare.

"Partendo dalle linee guida indicate dalla Commissione Europea per costruire sistemi intelligenti affidabili, la Strategic Roadmap del progetto TAILOR identifica le linee di ricerca necessarie per lo sviluppo di questi sistemi in vari ambiti: ragionamento e meta-ragionamento, azione e interazione sociale", spiega Milano. "La Roadmap considera sia la comunità di ricerca sia il settore industriale e identifica priorità di breve, medio e lungo termine: vogliamo aprire un dibattito e richiamare l’attenzione sulla ricerca per un’intelligenza artificiale affidabile".

I sistemi di intelligenza artificiale saranno sempre più al servizio degli utenti, con l'obiettivo di facilitare compiti e lavori complessi. Questo può però avvenire solo se chi li utilizza giudica questi sistemi affidabili. La "Strategic Research and Innovation Roadmap" sviluppata dal progetto TAILOR offre indicazioni su come mettere a punto metodi di misurazione e valutazione di sistemi affidabili basati sull'intelligenza artificiale, e su come dare vita a strumenti per il loro controllo e aggiornamento costante.

Coordinato dalla Linköping University (Svezia), il progetto TAILOR vuole definire le basi di una nuova generazione di sistemi basati sull'intelligenza artificiale che non facciano riferimento solo su approcci basati sui dati, ma comprendano l'intero insieme di tecniche di IA, compresi i metodi di IA simbolica, ottimizzazione, ragionamento e pianificazione. Il progetto, inoltre, fa parte di una più ampia rete di progetti europei, come ELISE, HUMANE AI NET e AI4MEDIA, che vanno a formare un "network di eccellenza" per lo sviluppo di un'intelligenza artificiale europea sicura e affidabile.