Home

Sito Web: http://aimh.isti.cnr.it/

L'intelligenza artificiale (IA) sta cambiando la nostra vita in maniera molto veloce e avrà un impatto sulla società paragonabile all'avvento della televisione, dei personal computer e del world wide web. La tecnologia cha fa uso di intelligenza artificiale sta diventando sempre più presente nei dispositivi e nei servizi di uso quotidiano come smartphone, smartwatch, smart tv stick, personal computer, servizi di shopping online, servizi di intrattenimento online, servizi di infotainment online.

L'esplosione dell'intelligenza artificiale, guidata per lo più dai progressi del deep learning, è stata favorita in modo significativo dalla disponibilità di potenti hardware specializzati per l’intelligenza artificiale e di dataset molto grandi da utilizzare per addestrare gli algoritmi di intelligenza artificiale. Infatti, da un lato, i dispositivi basati su GPU permettono di elaborare enormi quantità di dati in tempi brevi. Dall'altro lato, i dati digitali prodotti dalle persone, ad esempio con i loro smartphone, e condivisi sul world wide web e sui social network, offrono una preziosa fonte di dati annotati che possono essere usati per insegnare agli algoritmi di intelligenza artificiale ad eseguire una vasta gamma di compiti.

Il laboratorio di Intelligenza Artificiale per i Media e le Scienze Umane (AIMH) ha la missione di investigare e far progredire lo stato dell'arte nel campo dell'Intelligenza Artificiale, in particolare per ciò che riguarda le applicazioni ai media digitali e alle scienze umane digitali, e tenendo conto anche delle questioni relative alla scalabilità.

In particolare, il laboratorio AIMH persegue le seguenti linee di ricerca:

IA e dati visivi: indagare nuove soluzioni basate sull'IA per l'analisi, la comprensione e la classificazione dei contenuti di immagini e video. Ciò include tecniche di rilevamento, riconoscimento (oggetti, pedoni, volti, ecc.), classificazione, estrazione di caratteristiche (di basso e alto livello, relazionale, cross-media, ecc.), rilevamento di anomalie anche considerando le minacce di adversarial machine learning.

IA e dati testuali: ricerca di soluzioni basate sull'IA per l'analisi, la comprensione e la classificazione dei dati testuali. Ciò include l'apprendimento della rappresentazione per la classificazione del testo, transfer learning per la classificazione del testo in più lingue e in più domini, la sentiment classification, sequence learning perl'estrazione delle informazioni, la text quantification, la transductive text classification, e le applicazioni di quanto sopra a domini come l'analisi della paternità dei testi e la technology-assisted review.

AI e Digital Humanities: ricerca di soluzioni basate sull'IA per rappresentare, accedere, archiviare e gestire i dati del patrimonio culturale tangibile e intangibile. Ciò include soluzioni basate su ontologie, con particolare attenzione alla narrativa, e soluzioni basate sull'analisi, il riconoscimento e il recupero di contenuti multimediali.

AI e recupero di informazioni multimediali su larga scala: ricerca di soluzioni efficienti, efficaci e scalabili basate sull'IA per la ricerca di contenuti multimediali in grandi dataset non annotati. Ciò include tecniche per l'estrazione e la rappresentazione di contenuti multimediali, metodi di accesso scalabili per la ricerca per similarità, gestione di database multimediali.