ISCRIZIONI APERTE
Scadenza domande: 23 luglio 2021 ore 13 (ora italiana)
N.B. Le iscrizioni vanno effettuate sul 
sito dell'Università di Pisa 

Il dottorato nazionale in Intelligenza Artificiale (PhD-AI.it) è un’iniziativa nazionale che mira a superare la frammentazione esistente nella ricerca in Intelligenza Artificiale mediante l’istituzione di programmi di dottorato a livello nazionale, tali da competere con le più prestigiose iniziative europee ed internazionali.

Il progetto prevede l’istituzione di 5 programmi di dottorato nazionali su altrettante aree di specializzazione, con una base comune focalizzata sugli aspetti fondazionali dell’AI. Le aree di specializzazione sono:

  • Salute e Scienze della vita (Università capofila: Università Campus Bio-Medico di Roma)
  • Industria 4.0 (Università capofila: Politecnico di Torino)
  • Sicurezza e Cybersecurity (Università capofila: Sapienza Università di Roma)
  • Agricoltura (agrifood) e Ambiente (Università capofila: Università degli Studi di Napoli Federico II)
  • Società (Università capofila: Università di Pisa)

Sito web: https://www.phd-ai.it/
Bando e modalità di ammissione per area AI e Società: https://dottorato.unipi.it/index.php/it/concorsi-d-ammissione-a-a-2021-2...

Il ruolo del Dipartimento

L'Università di Trento partecipa al dottorato nazionale in Intelligenza Artificiale nell’area AI e Società, coordinata dall'Università di Pisa, in virtù dell’eccellenza scientifica e della rilevanza del Dipartimento di Ingegneria e Scienza dell'Informazione nell’ambito dell’Intelligenza Artificiale. L'Ateneo ha ottenuto il cofinanziamento di quattro borse tematiche su due cicli (tre per il XXXVII e una per il XXXVIII), il massimo cofinanziamento possibile nell’ambito del dottorato nazionale in Intelligenza Artificiale.

Area AI e Società

Lo studio della società e della complessità dei fenomeni sociali ed economici ha ricevuto negli ultimi dieci anni un forte impulso grazie ai metodi dell’AI e della Data Science, alimentati dal microscopio sociale della big data analytics e del social mining attraverso l’ibridazione inter-disciplinare con le scienze sociali ed economiche. La combinazione degli approcci model-driven e data-driven del data mining, del machine learning e della network science sta progressivamente aumentando la capacità di osservare, misurare, modellizzare e prevedere fenomeni socio-economici complessi, come ad esempio la mobilità umana e la dinamica delle città, le migrazioni ed i loro determinanti economici, le dimensioni del benessere delle comunità, la formazione e la dinamica delle opinioni e delle conversazioni online, e l’impatto sociale dei sistemi AI. Questa linea scientifica è interlacciata con quella dell’AI antropo-centrica, Human-centric AI, lo sviluppo di forme avanzate di interazione persona-macchina in grado di migliorare la qualità delle decisioni individuali e collettive in campi delicati, dalla salute alla giustizia, alle transazioni economiche, alla valutazione del rischio in vari ambiti sociali ed economici. L’area di specializzazione AI for Society si focalizzerà su temi cruciali come explainable AI, AI for personal assistance, AI for social interaction, AI for social good, seguendo un approccio rivolto ad incorporare nei sistemi AI valori etici condivisi (ethics-by-design) e a raggiungere obiettivi comuni, in un’ottica di sostenibilità, diversità, rispetto della dignità e dell’autonomia umana, inclusività e accettabilità sociale.

Borse di studio tematiche co-finanziate 

L'Università di Trento partecipa al ciclo XXXVII del programma in AI e Società co-finanziando tre borse di studio tematiche:

Human-cognition aware explainable AI 
[Explainable AI consapevole della cognizione umana]

La ricerca esistente su explainable artificial intelligence si concentra principalmente su metodi di progettazione "explainable by-design" o su approcci di reverse engineering post-hoc. Questa ricerca ha lo scopo di ampliare la portata dell'"explainable IA" portando l'essere umano nel ciclo del processo di apprendimento stesso. Ciò richiede da un lato lo sviluppo di approcci interattivi, in cui la macchina e l'utente dialogano cercando di migliorare la loro comprensione reciproca, e dall'altro lo sviluppo di forme di spiegabilità consapevoli dei limiti e delle specificità della cognizione umana. La ricerca sarà condotta in collaborazione tra DISI e CIMEC e il candidato sarà supervisionato congiuntamente dai docenti delle due istituzioni.
Contatto: Andrea Passerini andrea.passerini [at] unitn.it

Deep learning models for multi-modal human behaviour analysis and synthesis
[Modelli di deep learning per l'analisi e la sintesi multimodale del comportamento umano]

Questo progetto di dottorato ha l'ambizione di esplorare la fusione di più modalità (ad esempio video, audio, sensori inerziali, ecc.) e la progettazione di nuove architetture di reti neurali profonde cross-modali per studiare comportamenti sociali, interazioni sociali e attività umane. Inoltre, il progetto affronterà anche la sfida di sfruttare modelli generativi profondi come i GAN (Generative Adversarial Networks) o i Variational Autoencoder (VAE) per generare sequenze video che descrivono comportamenti umani realistici in una varietà di contesti sociali.
Contatto: Niculae Sebe niculae.sebe [at] unitn.it

Social robotics for elderly assistance
[Robotica sociale per l'assistenza agli anziani]

Il progetto mira a sviluppare nuovi approcci per migliorare le capacità percettive dei robot umanoidi nel contesto delle interazioni sociali con i pazienti anziani. Nello specifico, il progetto ha lo scopo di progettare e implementare nuove architetture di deep learning che consentano al robot di analizzare i comportamenti umani nelle interazioni multimodali e multipartitiche, con l'obiettivo finale di costruire robot auto-consapevoli che comprendano il livello di accettazione da parte dell'utente . Il dottorando dovrà analizzare algoritmi per il rilevamento e il monitoraggio delle persone, l'analisi di gruppo e il riconoscimento delle espressioni facciali. Queste attività richiederanno la progettazione di reti profonde specializzate che operino in un ambiente con risorse limitate e che consentano al robot di adattare la propria conoscenza interna ad ambienti dinamici.
Contatto: Elisa Ricci e.ricci [at] unitn.it


Per maggiori informazioni sul concorso si invitano i candidati e le candidate a consultare le pagine presenti nel box "link utili".