In questa tesi si richiede di esplorare meccanismi neuro-simbolici per mitigare il “bias” e garantire la “fairness” in contesti critici in cui le componenti neurali svolgono un ruolo chiave nel processo decisionale. Le reti neurali, infatti, sono sempre più utilizzate in applicazioni critiche, come la selezione del personale, la concessione di prestiti o l’assegnazione di risorse. Tuttavia, queste strumenti possono essere soggetti a bias indesiderati che possono portare a decisioni discriminatorie e ingiuste. L’obiettivo principale di questa tesi è sviluppare e valutare approcci ibridi innovativi (simbolici e sub-simbolici) che combinano la potenza delle reti neurali con la precisione del ragionamento simbolico.
PREREQUISITI
Familiarità con i principali algoritmi di apprendimento.
Esperienza di programmazione Python-PyTorch.
OBIETTIVI FORMATIVI
Studio approfondito delle problematiche legate al bias e alla fairness nei processi decisionali basati su reti neurali, con un focus particolare sulle applicazioni critiche.
Logica e Ragionamento Simbolico: Approfondimenti su logica proposizionale e predicativa, nonché delle tecniche di ragionamento simbolico utilizzate per rappresentare e manipolare conoscenza.
Progettazione e implementazione di meccanismi neuro simbolici innovativi per mitigare il bias e garantire la fairness nei processi decisionali neurali. Valutazione empirica delle prestazioni dei meccanismi proposti attraverso sperimentazioni su dataset reali, analizzando l’impatto delle soluzioni proposte sulle metriche di fairness e sulle performance complessive del sistema.
DURATA DELLO STAGE E CONTESTO RACCOMANDATO
• Adatto a: Tesi di Laurea Magistrale
• Durata: 3-5 mesi
MODALITA’ DI LAVORO: da remoto, con riscontri sistematici.
o Pianificazione del lavoro con obiettivi sistematici (di volta in volta concordati con il docente) utili al completamento del progetto di tesi.