Alessandro Antonucci
Oltre i limiti dell’IA
SUPSI Image Focus
Alessandro Antonucci, Professore associato in intelligenza artificiale probabilistica robusta al Dipartimento tecnologie innovative, ripercorre il percorso che dalla fisica teorica lo ha condotto all’AI. Da oltre vent’anni si occupa di sistemi intelligenti affidabili, analizzandone limiti, sicurezza e trasparenza, con l’obiettivo di rendere concreti e applicabili i risultati della ricerca, anche nel contesto dei modelli linguistici.
Da dove provieni, che percorso di studio hai seguito e di che cosa ti occupi attualmente?
Dopo una laurea in fisica teorica a Milano, avevo intenzione di continuare i miei studi con un dottorato, non necessariamente sugli stessi temi, ma fortemente connotato dal punto di vista matematico. Questo mi ha portato, ormai più di venti anni fa, ad occuparmi di intelligenza artificiale all’Istituto Dalle Molle di studi sull’intelligenza artificiale (IDSIA USI-SUPSI), cosa che continuo a fare anche oggi, con lo stesso entusiasmo. Se l'AI all'epoca era una disciplina quasi esotica e praticamente sconosciuta ai più, ora è entrata nella quotidianità di quasi tutti, anche se forse resta ancora poco conosciuta e compresa.
Su quali temi si concentrano le tue ricerche e che cosa ti appassiona maggiormente?
Mi occupo principalmente di AI "robusta", ovvero di come un sistema intelligente può reagire a perturbazioni esterne. Questo è estremamente importante per capire i "limiti" di questo sistema, valutarne la sicurezza, "spiegare" gli output che restituisce e valutare la presenza di eventuali "bias".
In sostanza cerco di rendere migliori gli strumenti dell'AI contemporanea. Trovo tutto questo appassionante sia dal punto di vista tecnico, ovvero delle sfide matematiche e concettuali che comporta, sia in termini di potenziale impatto.
Qual è stata finora la sfida più grande nel tuo percorso di ricerca e quali i risultati più significativi?
La sfida è sempre quella di coniugare ricerca di base ed applicazioni, ogni volta che sviluppo un nuovo algoritmo dopo una fase di elaborazione teorica, la sfida è rendere pratico e rilevante l'impatto dello stesso.
Mentre credo che alcune delle mie ricerche sugli insiemi di distribuzioni abbiano avuto un impatto rilevante in ambito di AI robusta, l'obiettivo più urgente è applicare queste tecniche ai modelli di linguaggio (LLMs) per rendere gli stessi più sicuri e trasparenti.
C’è un’esperienza particolare, personale o professionale, che ha segnato il tuo percorso?
Nella prima parte della mia carriera ero totalmente focalizzato sulla ricerca svolta individualmente da me. Col tempo ho imparato l'importanza del lavoro in team, la possibilità di moltiplicare il proprio potenziale e l'impatto del proprio lavoro e, simultaneamente, ho cominciato a comprendere quanto importante sia il ruolo di docente, poco importa se del primo anno di un corso di Bachelor o come supervisor di un dottorando all'ultimo anno, e come questo sia parte integrante del lavoro di un buon ricercatore e fonte di soddisfazioni come minimo paragonabili a quelle che si possono avere dalla ricerca.