Nature Machine Intelligence | Uno studio condotto da un pool di ricercatori sull'intelligenza artificiale pubblicato sulla celebre rivista.
La comunità scientifica sta studiando il funzionamento dell’intelligenza artificiale utilizzando diversi approcci e campi differenti, in primis informatico, fisico e matematico; dagli assistenti vocali ai chatbot, l’intelligenza artificiale ormai pervade la nostra quotidianità.
A dispetto dell'esplosione che vediamo nelle applicazioni, lo sviluppo di queste tecnologie, in particolare quelle basate sulle reti neurali profonde, non è ancora fondato su solide basi teoriche. Una profonda comprensione del funzionamento dei modelli di apprendimento automatico è ancora lontana: raggiungerla è l'obiettivo di una comunità scientifica che lavora all'interfaccia tra informatica e fisica teorica.
Matteo Osella e Filippo Valle ricercatori del gruppo BioPhys - Computational Biology attivo nel nostro dipartimento, fanno parte di un team di fisici afferenti a diversi atenei italiani ed esteri che esplora i modelli di apprendimento automatico dell’intelligenza artificiale.
Il loro lavoro di ricerca è contenuto all'interno di un articolo Inversion dynamics of class manifolds in deep learning reveals tradeoffs underlying generalization pubblicato dalla rivista internazionale Nature Machine Intelligence
Per maggiori informazioni
Leggi l'articolo di Unito news
Leggi l'articolo completo sullo studio