Human-Aware Machine Intelligence - HAMI
Con la crescente pervasività e potenza dell'Intelligenza Artificiale (IA), emerge con forza l'esigenza di garantire che gli agenti artificiali agiscano in modo coerente con i nostri interessi, obiettivi, capacità e limiti.
Il nostro obiettivo di ricerca consiste nello studio dei fondamenti per un'IA e un Machine Learning (ML) affidabili (Trustworthy AI/ML), nonché nello sviluppo di agenti artificiali in grado di comprendere gli esseri umani (utenti, esperti di dominio e altri portatori di interesse) e comunicare con essi, adattandosi e allineandosi alle loro esigenze attraverso l'integrazione rapida di feedback sotto forma di spiegazioni, conoscenze, istruzioni e preferenze.
La nostra attività di ricerca trova ampie applicazioni in tutti i settori in cui vengono impiegati l'IA e il ML, dal supporto alle decisioni in ambito medico agli assistenti personali intelligenti.
Linee di ricerca
La nostra attività di ricerca comprende lo sviluppo concettuale, l'analisi teorica e la valutazione empirica di approcci di IA e machine learning. Le principali tematiche di interesse includono:
- Intelligenza Artificiale Spiegabile (Explainable AI - XAI)
- Apprendimento Automatico Interattivo (Interactive Machine Learning)
- Apprendimento di Rappresentazioni Interpretabili dall'Uomo (Human-interpretable Representation Learning)
- Integrazione Neuro-simbolica tra Apprendimento e Ragionamento (Neuro-symbolic Integration)
- Elicitazione delle Preferenze (Preference Elicitation)
Per l'elenco completo delle pubblicazioni, consultare il profilo Google Scholar di Stefano Teso.
- Stefano Teso, Responsabile Scientifico (Principal Investigator)
- Antonio Vergari (University of Edinburgh, Regno Unito)
- Davide Mottin (Aarhus Universitet, Danimarca)
- Guy Van den Broeck (University of California, Los Angeles - UCLA, USA)
- Kristian Kersting (Technische Universität Darmstadt, Germania)
- Andrea Passerini (Università degli Studi di Trento, Italia)