In un’era di trasformazione digitale incessante, l’intelligenza artificiale (AI) rappresenta una forza trasformativa capace di ridisegnare industrie e interazioni sociali. Questa tesi magistrale si propone di affrontare le sfide etiche, legali e sociali introdotte dall’integrazione dell’AI nei sistemi socio-tecnici, focalizzandosi sulla validazione e sulla categorizzazione degli standard internazionali di qualità. Attraverso l’analisi rigorosa di standard […]
L’intelligenza artificiale sta trasformando rapidamente il settore sanitario, con un numero crescente di dispositivi medici AI approvati dalla FDA. Tuttavia, nonostante la crescente adozione di questi dispositivi, esiste una carenza di studi che esaminano gli scopi specifici per cui vengono utilizzati. Questa tesi magistrale si propone di colmare tale lacuna attraverso una review sistematica che […]
La sindrome neuro-oculare associata ai voli spaziali (SANS) rappresenta una delle sfide mediche più pressanti nell’era dell’esplorazione spaziale. Con il crescente numero di missioni di lunga durata, comprendere e prevenire la SANS è diventato cruciale per garantire la salute e la performance degli astronauti. Questa tesi magistrale, sviluppata in collaborazione con la SISO e con […]
L’apprendimento online è un paradigma di Machine Learning in cui l’apprendimento di un modello avviene in maniera iterativa, aggiornando un’ipotesi iniziale sulla base di uno stream di dati (potenzialmente selezionati in maniera avversariale), che vengono considerati come elementi di evidenza da considerare per la selezione di un modello ottimale. Il concetto di evidenza risulta un […]
Il credal learning è una metodologia di weakly supervised learning in cui l’informazione parziale relativa alla variabile target è rappresentata tramite credal set (insiemi convessi di probabilità). Sebbene questo approccio sia stato proposto nel contesto dell’apprendimento da etichette imprecise, può essere applicato per modellare anche altri tipi di incertezza nei dati, in particolar modo errori […]
Il progresso dell’AI sta rivoluzionando numerosi campi, inclusa la reumatologia. Questa tesi magistrale mira a esplorare l’impatto dell’intelligenza artificiale nella diagnosi, trattamento e gestione delle malattie reumatiche attraverso una review sistematica della letteratura esistente. Oltre a fornire un’analisi approfondita, lo studente avrà l’opportunità di progettare e sviluppare uno strumento di mining della letteratura. Il tool […]
Tradizionalmente impiegati per compiti di elaborazione e generazione del linguaggio naturale i modelli generativi pre-addestrati (chatgpt e altri simili) hanno recentemente dimostrato una straordinaria capacità di trasferimento delle conoscenze anche nel dominio della visione artificiale. Tuttavia, un aspetto cruciale che merita ulteriore approfondimento è la comprensione di come questi modelli prendano decisioni e interpretino le […]
Questa tesi propone una review dei modelli di reti neurali informate dalla fisica e/o dalla biologia, esplorando i meccanismi delle PINN (Physics-Informed Neural Networks) e delle Bio-inspired neural networks (reti neurali ispirate alla biologia). Tali approcci integrano principi e leggi della fisica e della biologia nel processo di apprendimento, consentendo ai meccanismi neurali di acquisire […]
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 […]
Questa tesi si propone di esplorare l’applicazione di reti neurali per la risoluzione di problemi di ottimizzazione combinatoria su grafi. I problemi di ottimizzazione su grafi sono ampiamente diffusi in vari settori, come la logistica e la pianificazione dei trasporti. Le reti neurali offrono un potenziale significativo per affrontare questi problemi complessi grazie alla loro […]