Il progetto FAIR – Future Artificial Intelligence Research si pone l’obiettivo di contribuire ad affrontare le domande di ricerca, le metodologie, i modelli, le tecnologie e anche le regole etiche e legali per costruire sistemi di Intelligenza Artificiale capaci di interagire e collaborare con gli umani, di percepire ed agire all’interno di contesti in continua evoluzione, di essere coscienti dei propri limiti e capaci di adattarsi a nuove situazioni, di essere consapevoli dei perimetri di sicurezza e fiducia, e di essere attenti all’impatto ambientale e sociale che la loro realizzazione ed esecuzione può comportare.
Le attività di ricerca si svolgeranno nell’ambito di 10 spoke (soggetti esecutori) che coinvolgeranno più di 350 ricercatori. Ciascuno spoke è caratterizzato da una specifica area tematica e da un proprio insieme di sfide di ricerca con l’obiettivo di affrontare le sfide di FAIR da diversi punti di osservazione.
Il Prof. Nicola Gatti del Dipartimento di Elettronica, Informazione e Bioingegneria del Politecnico di Milano coordinerà lo spoke 4, dedicato all’IA adattiva.
L’adattabilità è stata uno degli obiettivi primari dell’IA sin dal suo inizio ed è ora pervasivamente richiesta non solo nel mondo virtuale ma anche nel mondo fisico. In particolare, l’adattività è legata alla capacità di un’entità di interagire con l’ambiente, di percepirne il contesto e le relative informazioni che cambiano nel tempo ed agire prontamente. In particolare, finora il machine learning è risultato come la principale tecnologia chiave abilitante per progettare sistemi artificiali adattivi. Nonostante la sua onnipresente adozione, ci sono gravi lacune nella nostra comprensione teorica di come i sistemi di apprendimento possano fornire garanzie e come possano essere efficacemente combinate con altri paradigmi di intelligenza artificiale durante la progettazione di sistemi artificiali adattativi.
Le sfide da affrontare in quest’ambito includono: i fondamenti della teoria di apprendimento per l’adattività, la comprensione dell’ottimizzazione non convessa per i modelli di deep learning e lo studio di strutture ambientali notevoli che possono essere utilizzate per fornire migliori garanzie di adattabilità.
Il CNR è il soggetto proponente del progetto, in collaborazione con il Laboratorio Nazionale AIIS (Artificial Intelligence and Intelligent Systems) del CINI. FAIR è una fondazione senza scopo di lucro e il suo Presidente è Giuseppe De Pietro, direttore dell’Istituto di Calcolo e Reti ad Alte Prestazioni del CNR (CNR-ICAR).
Il partenariato esteso, finanziato dai fondi PNRR, raggruppa per la prima volta la rete scientifica nazionale di esperti in IA coinvolgendo anche un primo nucleo di aziende del settore. È costituito da quattro enti di ricerca (oltre al CNR, Fondazione Bruno Kessler, INFN, Istituto Italiano di Tecnologia), quattordici università (Politecnico di Milano, Politecnico di Torino, Sapienza Università di Roma, Scuola Normale Superiore, SISSA, Università Bocconi, Università Campus Biomedico di Roma, Università di Bologna, Università di Pisa, Università di Trento, Università di Bari, Università della Calabria, Università di Catania, Università di Napoli “Federico II”) e sette aziende (Bracco, Deloitte, Expert.ai, Intesa Sanpaolo, Leonardo, Lutech, STMicroelectronics).
