AI4REALNET
Horizon Europe
Ruolo DEIB: Partecipante
Data inizio: 01/10/2023
Durata: 42 mesi
Sommario
L'obiettivo principale di AI4REALNET - AI for REAL-world NETwork operation è quella di implementare un approccio multidisciplinare globale che combini algoritmi e concetti emergenti nel campo dell'intelligenza artificiali, ambienti digitali open-source per testare e valutare l'intelligenza artificiale in casi d'uso di carattere industriale, progettazione socio-tecnica di sistemi decisionali basati sull'intelligenza artificiale e interazione uomo-macchina, per gestire meglio (in modalità predittiva e in tempo reale) infrastrutture di rete complesse.
La ricerca sarà ulteriormente approfondita in relazione a due infrastrutture critiche i cui asset, sistemi e reti, virtuali e fisici, sono considerati vitali in Europa e la cui interruzione avrebbe un effetto debilitante sulla società. Queste infrastrutture sono l'energia (rete elettrica) e i trasporti (gestione del traffico ferroviario e aereo), due dei cinque settori considerati prioritari nelle strategie nazionali europee per l'intelligenza artificiale.
Nella visione di AI4REALNET, livelli elevati di controllo umano e di automazione basata sull'intelligenza artificiale possono coesistere in un equilibrio "ottimale", delineando tre possibili scenari: a) controllo completo da parte dell'uomo (assistito dall'intelligenza artificiale); b) co-apprendimento di intelligenza artificiale e uomo; c) controllo completo da parte dell'intelligenza artificiale basato su un'intelligenza artificiale affidabile (certificata dall'uomo).
Il progetto potenzierà la collaborazione tra l'intelligenza artificiale e gli esseri umani attraverso compiti mission-critical ben progettati nell'ambito dell'industria, in cui questa cooperazione potenzia gli esseri umani, ne migliora le prestazioni e garantisce livelli più elevati di affidabilità e sicurezza delle infrastrutture critiche, evitando tanto l'eccessiva automazione quanto il controllo esclusivamente umano.
Gli elementi fondamentali sono: a) algoritmi di intelligenza artificiale basati principalmente su Reinforcement Learning e Supervised Leanring, in grado di unire i vantaggi delle euristiche esistenti, della modellazione fisica dei sistemi complessi e dei metodi di apprendimento, nonché un insieme di tecniche complementari per migliorare la trasparenza, la sicurezza e la spiegabilità di questi algoritmi; b) processi decisionali human-in-the-loop che promuovano il co-apprendimento di intelligenza artificiale ed esseri umani, alla luce di sfide come l'integrazione dell'incertezza del modello, del rischio, del carico cognitivo umano e della fiducia; c) sistemi di intelligenza artificiale autonomi e sicuri affidati alla supervisione umana.
La ricerca sarà ulteriormente approfondita in relazione a due infrastrutture critiche i cui asset, sistemi e reti, virtuali e fisici, sono considerati vitali in Europa e la cui interruzione avrebbe un effetto debilitante sulla società. Queste infrastrutture sono l'energia (rete elettrica) e i trasporti (gestione del traffico ferroviario e aereo), due dei cinque settori considerati prioritari nelle strategie nazionali europee per l'intelligenza artificiale.
Nella visione di AI4REALNET, livelli elevati di controllo umano e di automazione basata sull'intelligenza artificiale possono coesistere in un equilibrio "ottimale", delineando tre possibili scenari: a) controllo completo da parte dell'uomo (assistito dall'intelligenza artificiale); b) co-apprendimento di intelligenza artificiale e uomo; c) controllo completo da parte dell'intelligenza artificiale basato su un'intelligenza artificiale affidabile (certificata dall'uomo).
Il progetto potenzierà la collaborazione tra l'intelligenza artificiale e gli esseri umani attraverso compiti mission-critical ben progettati nell'ambito dell'industria, in cui questa cooperazione potenzia gli esseri umani, ne migliora le prestazioni e garantisce livelli più elevati di affidabilità e sicurezza delle infrastrutture critiche, evitando tanto l'eccessiva automazione quanto il controllo esclusivamente umano.
Gli elementi fondamentali sono: a) algoritmi di intelligenza artificiale basati principalmente su Reinforcement Learning e Supervised Leanring, in grado di unire i vantaggi delle euristiche esistenti, della modellazione fisica dei sistemi complessi e dei metodi di apprendimento, nonché un insieme di tecniche complementari per migliorare la trasparenza, la sicurezza e la spiegabilità di questi algoritmi; b) processi decisionali human-in-the-loop che promuovano il co-apprendimento di intelligenza artificiale ed esseri umani, alla luce di sfide come l'integrazione dell'incertezza del modello, del rischio, del carico cognitivo umano e della fiducia; c) sistemi di intelligenza artificiale autonomi e sicuri affidati alla supervisione umana.