AI simbolica e sub-simbolica per XAI: stato dell'arte ed esperimenti con reti neurali e vincoli logici
 |
 |
 |
@mastersthesis{pisanoxai2020,
abstract = {L'intelligenza artificiale ha visto nel tempo il delinearsi di due paradigmi distinti: quello simbolico, basato sulla manipolazione di simboli come metodo di approssimazione dell’intelligenza umana, e quello sub-simbolico, basato invece sull’applicazione di procedure statistiche o numeriche. Sebbene il secondo goda oggi di un rinnovato successo — anche grazie ai vantaggi dal punto di vista di scalabilit\`{a} e capacit\`{a} di gestione della conoscenza contestuale —, esso manca di uno dei principali pregi delle tecniche simboliche: la comprensibilit\`{a}. Le tecniche sub-simboliche infatti producono spesso predittori difficilmente comprensibili ad un osservatore umano, rendendo le decisioni basate su essi difficilmente interpretabili. D'altra parte, i modelli simbolici — che viceversa sono facilmente comprensibili — non sono arrivati finora ad un'ampia diffusione, presentando limiti sia in termini di performance che in termini di capacit\`{a} di apprendere. Muovendo da queste considerazioni, \`{e} nato un nuovo campo di ricerca, che mira ad unificare e sfruttare in maniera sinergica il paradigma simbolico e sub-simbolico. Le tecniche ibride — che combinano cio\`{e} i due approcci a livello di modello — potrebbero fornire la chiave per il superamento dei limiti di entrambi, sfruttandone al contempo i pregi, a particolare beneficio della spiegabilit\`{a} dei sistemi intelligenti. Tra gli ambiti potenzialmente intersecati con questo nuovo campo di ricerca c'\`{e} il ramo della Computazione Neuro Simbolica (NSC), che corrisponde all'oggetto di analisi ed esplorazione di questa tesi. Il primo obiettivo della tesi \`{e} fornire una rassegna della letteratura in ambito NSC, finalizzata a valutarne l'impiego nella creazione di sistemi intelligenti spiegabili. Come secondo obiettivo, la tesi si occupa di discutere un possibile modello di integrazione, e della sua prototipazione e validazione, selezionando le tecnologie pi\`{u} adatte alla sua realizzazione nel campo della Computazione Neuro Simbolica.},
amseprint = {20479},
amspractice = {1657832},
author = {Pisano, Giuseppe},
cosupervisor = {Ciatto, Giovanni and Calegari, Roberta},
cycle = {LM},
keywords = {computazione neuro-simbolica; sistemi intelligenti spiegabili; reti neurali; vincoli logici; integrazione simbolico/sub-simbolico},
language = {it},
month = mar,
supervisor = {Omicini, Andrea},
title = {AI simbolica e sub-simbolica per XAI: stato dell'arte ed esperimenti con reti neurali e vincoli logici},
type = {Master's thesis},
year = 2020
}
abstract = {L'intelligenza artificiale ha visto nel tempo il delinearsi di due paradigmi distinti: quello simbolico, basato sulla manipolazione di simboli come metodo di approssimazione dell’intelligenza umana, e quello sub-simbolico, basato invece sull’applicazione di procedure statistiche o numeriche. Sebbene il secondo goda oggi di un rinnovato successo — anche grazie ai vantaggi dal punto di vista di scalabilit\`{a} e capacit\`{a} di gestione della conoscenza contestuale —, esso manca di uno dei principali pregi delle tecniche simboliche: la comprensibilit\`{a}. Le tecniche sub-simboliche infatti producono spesso predittori difficilmente comprensibili ad un osservatore umano, rendendo le decisioni basate su essi difficilmente interpretabili. D'altra parte, i modelli simbolici — che viceversa sono facilmente comprensibili — non sono arrivati finora ad un'ampia diffusione, presentando limiti sia in termini di performance che in termini di capacit\`{a} di apprendere. Muovendo da queste considerazioni, \`{e} nato un nuovo campo di ricerca, che mira ad unificare e sfruttare in maniera sinergica il paradigma simbolico e sub-simbolico. Le tecniche ibride — che combinano cio\`{e} i due approcci a livello di modello — potrebbero fornire la chiave per il superamento dei limiti di entrambi, sfruttandone al contempo i pregi, a particolare beneficio della spiegabilit\`{a} dei sistemi intelligenti. Tra gli ambiti potenzialmente intersecati con questo nuovo campo di ricerca c'\`{e} il ramo della Computazione Neuro Simbolica (NSC), che corrisponde all'oggetto di analisi ed esplorazione di questa tesi. Il primo obiettivo della tesi \`{e} fornire una rassegna della letteratura in ambito NSC, finalizzata a valutarne l'impiego nella creazione di sistemi intelligenti spiegabili. Come secondo obiettivo, la tesi si occupa di discutere un possibile modello di integrazione, e della sua prototipazione e validazione, selezionando le tecnologie pi\`{u} adatte alla sua realizzazione nel campo della Computazione Neuro Simbolica.},
amseprint = {20479},
amspractice = {1657832},
author = {Pisano, Giuseppe},
cosupervisor = {Ciatto, Giovanni and Calegari, Roberta},
cycle = {LM},
keywords = {computazione neuro-simbolica; sistemi intelligenti spiegabili; reti neurali; vincoli logici; integrazione simbolico/sub-simbolico},
language = {it},
month = mar,
supervisor = {Omicini, Andrea},
title = {AI simbolica e sub-simbolica per XAI: stato dell'arte ed esperimenti con reti neurali e vincoli logici},
type = {Master's thesis},
year = 2020
}
