ACLAI – Lab

Presso ACLAI Lab, parte del Dipartimento di Matematica e Informatica dell’Università di Ferrara, studiamo, progettiamo, e offriamo soluzioni d’Intelligenza Artificiale (IA). La nostra ricerca ruota attorno allo stretto legame tra logica e IA, e il nostro obbiettivo primario è la costruzione di strumenti matematicamente validi e formalmente verificati. Siamo parte del gruppo di ricerca OVERLAY.

Team

Prof. Guido Sciavicco

PROFESSORE ASSOCIATO

Dr. Giacomo Piva

PROFESSORE A CONTRATTO

Dr. Ionel Eduard Stan

RICERCATORE – Milano-Bicocca

Dr. Giovanni Pagliarini

ASSEGNISTA DI RICERCA

Dr. Alberto Paparella

DOTTORANDO

Dr. Federico Manzella

STUDENTE MAGISTRALE

Dr. Mauro Milella

STUDENTE MAGISTRALE

Dr. Michele Ghiotti

STUDENTE MAGISTRALE

Dr. Andrea Paradiso

STUDENTE MAGISTRALE – Udine

Dr. Patrik Cavina

STUDENTE MAGISTRALE – Udine

Dr. Edoardo Ponsanesi

STUDENTE MAGISTRALE

Dr. Pietro Casavecchia

STUDENTE MAGISTRALE

Dr. Pietro Bellodi

STUDENTE MAGISTRALE

Dr. Leonardo Serrentino

STUDENTE MAGISTRALE

Mr. Riccardo Pasini

STUDENTE TRIENNALE

Mr. Marco Perrotta

STUDENTE TRIENNALE

Mr. Lorenzo Negrini

STUDENTE TRIENNALE

Mr. Giacomo Pampalone

STUDENTE TRIENNALE

Progetti

Fondamenti dell'apprendimento simbolico modale

Studiamo i fondamenti dei metodi di apprendimento simbolico portati al caso della logica modale. Il nostro obbiettivo è definire un framework simbolico completo che includa l'analisi dei dati, l'apprendimento e la valutazione del modello, l'analisi post-hoc del modello e la visualizzazione del modello. Il nostro framework è la base su cui sviluppiamo i nostri progetti; la sua implementazione, Sole.jl, è completamente open-source, ed è scritta nel linguaggio di programmazione Julia.

Lettura e interpretazione EEG

All'interno del nostro framework di apprendimento simbolico, estraiamo, interpretiamo e testiamo modelli simbolici per estrarre informazioni dai segnali EEG. Gli esempi includono trial di neurofisiologia in cui i soggetti vengono sottoposti a diversi compiti, tra cui l'osservazione di opere d'arte e/o semplici movimenti, mentre viene registrata la loro attività cerebrale. Il nostro obiettivo è ideare modelli simbolici che spieghino e prevedano i risultati.

Manutenzione predittiva

Studiamo attività di manutenzione predittiva di diversi tipi di macchine, utilizzando i dati dei sensori ed il loro comportamento nel tempo. Ad esempio, abbiamo studiato un problema di predizione per mettere in guardia contro un possibile evento di "arresto" delle turbine a gas e abbiamo progettato un modello temporale simbolico, sia generale che specifico, per la macchina, che consente agli esperti non solo di eseguire arresti preventivi ma anche di studiare ciò che sembra influenzare l'insurrezione degli eventi.

Estrazione di informazioni dall'audio

In collaborazione con i massimi esperti di automazione della conversazione, studiamo modelli temporali simbolici dell'audio per diversi scopi. I nostri modelli mirano a estrarre informazioni su chi parla, le loro caratteristiche, il sentimento e altre caratteristiche rilevanti da conversazioni umane e semi-automatiche, utilizzando approcci innovativi basati sull'audio piuttosto che sul testo.

Monitoraggio della salute

Progettiamo, testiamo e applichiamo modelli simbolici per dati online in tempo reale da monitor sanitari e accelerometri/giroscopi. Tali modelli risiedono su sistemi software/hardware di monitoraggio della salute, creati appositamente per situazioni di emergenza, e vengono testati in casi d'uso reali. Le situazioni reali che possono essere monitorate includono lo stato di movimento dei soggetti, possibili cadute e/o infortuni, ma anche eventi cardiaci/respiratori e/o pericolo. I modelli sono completamente simbolici e producono regole verificabili che possono essere analizzate, discusse ed eventualmente modificate dall'esperto.

Fingerprinting geochimico di prodotti alimentari e risorse idriche

Studiamo, progettiamo e implementiamo protocolli per il fingerprinting geochimico basati su dati fisici, chimici e isotopici. Collaboriamo con il Dipartimento di Fisica e Scienze della Terra dell’Università di Ferrara (Italia), l’Università di Còrdoba (Spagna) e la Fondazione Ayesa (Siviglia, Spagna).

Sistemi di gestione di dati medici e supporto alle decisioni

In collaborazione con il Centro di Ricerca per lo Studio della Menopausa e dell’Osteoporosi dell’Università di Ferrara, stiamo progettando e mantenendo un centro di elaborazione dati dotato di un innovativo sistema di supporto alle decisioni.

Classificazione di serie temporali

Progettiamo e studiamo nuove tecniche di classificazione delle serie temporali utilizzando metodi simbolici di estrazione della conoscenza basati su logiche temporali. Al momento, stiamo applicando le nostre tecniche a molti task; tra questi, lavoriamo con Siemens Europa, e stiamo cercando di costruire sistemi che permettano di prevedere la necessità di manutenzione delle turbine a gas.

Classificazione di immagini

Stiamo studiando nuove tecniche per classificazione e segmentazione di immagini utilizzando metodi simbolici di estrazione della conoscenza basati su logiche spaziali. Queste tecniche hanno mostrato risultati promettenti su problemi che coinvolgono immagini satellitari/aeree.

Partner

Ricerca

ACLAI promuove un’iniziativa di ricerca undergraduate per studenti di matematica e informatica. Lo scopo di questa iniziativa è quello di stimolare gli studenti di lauree triennali e magistrali iniziare la loro carriera di ricercatore e arricchire i loro curricula con pubblicazioni su convegni e riviste. Il Corso di Laurea Triennale in Informatica dell’Università degli Studi di Ferrara, in particolare, prevede 21 CFU (12+9) per tirocinio e prova finale; gli studenti che aderiscono all’iniziativa di ricerca undergraduate guadagnano questi crediti a seguito di un tirocinio presso il laboratorio ACLAI, dove godono della possibilità di approfondire argomenti extracurriculari e, in alcuni casi, pubblicano risultati scientifici (teorici e implementativi). Gli studenti attuali e passati che hanno aderito al programma sono: