PI: Sergio Di Martino (Università di Napoli Federico II)
Co-PI: Massimo Esposito (CNR)
Le sfide di ricerca in AI condividono un aspetto cruciale: l’uso di algoritmi di apprendimento automatico addestrati con dati del mondo reale (dati in-the-wild) che sono non strutturati, sono rumorosi, spesso incompleti, in numero limitato e parzialmente incoerenti. La ricerca del costante miglioramento delle prestazioni di questi sistemi non può essere separata dallo studio di specifiche metodologie finalizzate all’elaborazione dei dati in-the-wild, rendendo le prestazioni dell’intelligenza artificiale resilienti e robuste in questi contesti sfidanti.
Le attività di ricerca da svolgere includeranno:
- la definizione di adeguate tecniche di data augmentation, quando i dati sono incompleti o non adeguatamente rappresentativi;
- rendere gli algoritmi resilienti e robusti rispetto a possibili attacchi esterni (derivanti anche da addestramento con dati “dannosi”);
- l’indagine delle implicazioni relative alla progettazione, validazione e verifica, evoluzione e funzionamento del software che implementa algoritmi di machine o deep learning, quando deve lavorare in-the-wild.
