
Sotto la guida del MIT Computer Science and Artificial Intelligence Laboratory (CSAIL), un’inedita metodologia per il controllo del processo di stampa 3D tramite la tecnica del reinforcement learning.

Il lavoro congiunto di quattro Centri di ricerca USA ha portato alla creazione di una libreria di segnali di infrasuoni sintetici, appositamente pensata per addestrare algoritmi ML a rilevare le fonti di esplosioni.

Ispirata alle più recenti scoperte in tema di memoria uditiva del cervello umano, la ricerca sul riconoscimento vocale da parte dei sistemi di intelligenza artificiale guarda a reti neurali profonde capaci di percepire parole pronunciate a qualsiasi velocità, indipendentemente dai dati utilizzati per il suo addestramento.

Le analisi sono tutte d’accordo nell’evidenziare il ruolo dell’intelligenza artificiale a vantaggio del mercato dei semiconduttori. Ma l’AI, già oggi, ne supporta il processo progettuale e realizzativo.

Un paradigma alternativo alla tecnica standard di apprendimento federato permette di sviluppare algoritmi di intelligenza artificiale rispettosi della riservatezza dei dataset con cui vengono addestrati e, al contempo, di rispondere al problema della loro eterogeneità statistica.

Un inedito progetto tuttora in corso, che vede a capo l’Universitat Oberta de Catalunya, mira a distinguere automaticamente - avvalendosi dell’intelligenza artificiale - i contenuti multimediali digitali originali da quelli falsi.

C’è attesa per la nuova edizione dell’AI Forum, che torna in presenza il 19 luglio 2022 al Centro Congressi Padova Fiere, all’interno dell’IEEE World Congress on Computational Intelligence (WCCI) 2022, per il quale sono attesi oltre duemila partecipanti da tutto il mondo.

Un imponente studio che vede coinvolti tre Centri di ricerca USA - tra cui il Dipartimento di Psichiatria del Massachusetts General Hospital - soffermandosi sulla dimensione psicologica del concetto di benessere, sfrutta tecniche di deep learning per prevedere lo stato di salute mentale futuro e definire mappe degli psicotipi umani.

Il contributo dell’intelligenza artificiale per il presente e il futuro del settore aeronautico è già oggi fonte di interesse. Sono molteplici gli impieghi e si guarda con attenzione al volo autonomo.

Il RIKEN Center for Brain Science di Tokio ha sviluppato un metodo per la progettazione di reti neurali artificiali che rispondono al problema della corretta identificazione e classificazione di oggetti in movimento, aggiungendo un altro importante tassello alla ricerca in tema di visione artificiale applicata alla guida autonoma.

Se il dibattito sull’equità, la responsabilità e la trasparenza dell’AI non si arresta, le tematiche sul tavolo si arricchiscono di nuovi contenuti, come emerge guardando al programma della prossima edizione della conferenza internazionale ACM FAccT sull'etica delle tecnologie digitali.

Dal National Center for Atmospheric Research degli Stati Uniti, un modello di machine learning per stimare e classificare il materiale vegetale combustibile presente nei boschi e nelle foreste, dalla cui quantità dipende il livello di rischio incendio.

Proviene da un Ateneo giapponese uno dei primi lavori sulla metamemoria delle macchine che, attraverso una rete neurale neuromodulata, ha seguito l’evoluzione della funzione deputata al ricordo.

Dall'University of New South Wales, a Sydney, l’esortazione a non modificare le vecchie leggi sui bevetti, bensì a definire una legge specifica sulla proprietà intellettuale, atta a proteggere le invenzioni generate dall'intelligenza artificiale. «E se creare una legge su misura non sarà facile, non crearla sarà peggio. L'AI sta cambiando il modo in cui si fa la scienza e si fanno le invenzioni. Abbiamo bisogno di una legge sull’Intellectual Property adeguata allo scopo, per garantire che serva il bene pubblico».

Uno studio condotto negli Stati Uniti - dove l’assistenza sanitaria poggia su basi differenti rispetto a quella del nostro paese - offre a noi lo spunto per una riflessione sull’impatto che sistemi di intelligenza artificiale capaci di predire l’identità razziale dei pazienti solo analizzando le loro immagini diagnostiche, hanno nel perpetuare fenomeni di disparità razziale in tema di accesso alle cure.

Il campo di indagine sulla percezione - da parte delle macchine - dello spazio in cui queste operano, si arricchisce degli studi sulla percezione dei materiali di cui si compongono gli oggetti, per una visione sempre più simile a quella umana e performance sempre più accurate in contesti come, ad esempio, i siti produttivi.

Un recente lavoro del MIT pone la comprensibilità della Explainable AI come un ulteriore parametro per valutarne la concreta efficacia, ai fini di un utilizzo ottimale - in tutti i campi - dei sistemi di intelligenza artificiale e della corretta interpretazione delle decisioni alle quali questi giungono.

Il supporto automatizzato e personalizzato - basato su tecniche AI - agli studenti maggiormente a rischio di abbandono scolastico, sembra avere un impatto significativo sulla pratica dell'apprendimento a distanza.

I veicoli elettrici possono contare sull’impiego dell’intelligenza artificiale per molteplici aspetti, dalla propulsione alla ricarica. Ecco come l’AI svolge il suo ruolo oggi e quali sono le prospettive future.

L’impiego delle tecniche di intelligenza artificiale ci aiuta a comprendere sempre più in profondità (e a smontare) il modo in cui strutturiamo i nostri giudizi superficiali sulla base di semplici percezioni visive di persone sconosciute.

Il settore tessile, uno dei pilastri dell’industria della moda, può trovare nell’impiego delle tecniche di intelligenza artificiale un alleato prezioso per innovare processi e sistemi ed essere più green. E l’Italia della ricerca gioca un ruolo importante.

Il trasporto via mare muove ogni anno miliardi di tonnellate di merci, ma è energivoro e richiede migliorie in ogni sua fase. L’adozione di tecniche e di sistemi di intelligenza artificiale può aiutare a migliorare il settore già al presente, ma contribuirà ancor più sensibilmente a traghettarlo nel futuro.

L'intelligenza artificiale è in grado di supportare la formazione dei futuri insegnanti di scuola primaria nell’individuare eventuali disturbi dell’apprendimento negli alunni, in modo che questi possano ricevere al più presto interventi mirati?

Una nuova tecnica apre ad analisi più sistematiche e approfondite dei comportamenti dei modelli di machine learning, ponendo a confronto - per delinearvi allineamenti o, al contrario, distanze - i meccanismi del ragionamento della macchina e quelli dell’essere umano nei processi decisionali.

Una metodologia per mitigare distorsioni e pregiudizi nascosti nei set di dati utilizzati per l’addestramento di algoritmi AI in ambito bancario, è in grado di consentire a modelli di machine learning di prendere decisioni più eque e corrette nel concedere o nel rifiutare richieste di mutuo e di prestiti.

Fervono le attività per arrivare a definire il primo regolamento UE sull’intelligenza artificiale, la cui portata è potenzialmente enorme data la materia e le sue implicazioni, come evidenzia Andrea Renda, uno degli esperti chiamati al lavoro di definizione.

Un sistema di visione artificiale elabora le immagini tratte da diapositive di vetrini da microscopio e fogli di erbario, per estrarvi informazioni relative a vaste collezioni di esemplari museali finalizzate a progetti di digitalizzazione del patrimonio scientifico.

Un’istantanea che fa luce sui vantaggi dell’intelligenza artificiale a sostegno della formazione in un ambito professionale specifico, illustrando come lavora un algoritmo di machine learning nel guidare i candidati lungo il percorso che conduce all’affinamento delle proprie abilità e a nuove opportunità di lavoro.

Le tecniche di intelligenza artificiale consentono di fornire un importante contributo per rendere più sostenibile ed efficiente uno dei settori economici più importanti al mondo. Ecco in che modo.

Un inedito studio in materia di processi decisionali assistiti da sistemi di intelligenza artificiale propone una metodologia utile a guidare gli utenti a una comprensione più profonda di quelle situazioni in cui la macchina compie previsioni corrette e quelle in cui, invece, compie previsioni errate.