Ricerc@Sapienza

L'Intelligenza Artificiale gioca oggi un ruolo strategico sia nei paesi in via di sviluppo che in quelli ad economia avanzata ed è considerata uno dei driver fondamentali della 4° Rivoluzione industriale. Uno dei temi d'importanza fondamentale è l'elaborazione del linguaggio naturale con numerose applicazioni quali, il riassunto automatico, l'estrazione di entità nei testi, la scoperta dei topic principali e il loro tracking (e.g. nei Social Network), la traduzione automatica, la generazione di risposte sensate negli assistenti digitali, la generazione di didascalie nelle immagini (e.g. imaging medico), la prevenzione delle frodi. Sia per motivi etici che per motivi pratici, data la pervasività e l'ubiquità dei sistemi basati sull'IA è necessario disporre di algoritmi predittivi che siano spiegabili, comprensibili ed interpretabili ovvero in linea con il filone di ricerca che si sta delineando noto come explainable IA. In letteratura sono state studiate numerose metodologie per rappresentare un testo, sia attraverso metodi statistici sia tramite architetture neurali di tipo deep (Geometric Deep Learning). Queste ultime si sono rivelate molto performanti in termini di capacità di generalizzazione ma poco in termini d'interpretabilità dei modelli. Il Granular Computing (GrC) può fornire il framework concettuale per costruire sistemi gerarchici di elaborazione delle informazioni al fine di sintetizzare una metodologia capace da un lato di risolvere le questioni concettuali discusse nella Pattern Recognition (e.g. il problema della "rappresentazione") e dall'altro di costruire sistemi induttivi (classificatori testuali) che operino come white-box. Tale caratteristica spinge il mondo della ricerca a concepire algoritmi che abbiano un buon compromesso tra prestazioni ed interpretabilità. Ciò è di estrema importanza in campi quali la medicina, la biologia e le scienze in genere in seno all'Industry 4.0 e nell¿'elaborazione del linguaggio naturale.