Sustainable and Process-aware Artificial Intelligence – SPAI

Descrizione Attività

La ricerca del gruppo va oltre i consueti processi/workflow organizzativi e produttivi, estendendo la nozione di processo a vari domini applicativi, quali: programmi/piani ottenuti come composizione di servizi/funzioni; attività umane/sociali complesse; esecuzione di task complessi da parte di uno o più robot/agenti (anche nella prospettiva della Agentic AI); processi fisici (es., alluvioni, inquinamento, incendi; esecuzione di applicazioni in sistemi software o reti di calcolatori; attacchi alla sicurezza/privacy e relative policy di prevenzione/protezione.

Le attività del gruppo vertono sullo studio e sulla risoluzione di vari problemi di ricerca, fra cui:

(i) scoperta di modelli del comportamento di un processo descrittivi e predittivi;

(ii) metodi di AI generativa per la simulazione/predizione di processi (come “digital twin”) e per la risoluzione di compiti complessi (es., agentic workflow);

(iii) costruzione di modelli dinamici di supporto a decisioni e all’ottimizzazione di attività da parte di operatori umani o agenti;

(iv) individuazione di comportamenti potenzialmente pericolosi (anomalie, violazione di vincoli derivanti da regole di business o raccomandazioni/linee-guida, attacchi alla sicurezza);

(v) monitoraggio di eventi critici e di indicatori di qualità/prestazione definiti su log di eventi (e possibilmente informazioni di contesto);

(vi) interpretazione di dati streaming e sequenze di eventi in termini di attività/eventi ad un maggiore livello di astrazione.

I membri del gruppo vantano solide competenze ed esperienze nei seguenti campi disciplinari:

Data Mining, Machine Learning, Knowledge Representation & Reasoning, Process Modeling, Workflow Management, Mathematical modelling, Optimization.

La complessità, la mole e la dinamicità dei dati analizzati, che rendono questi obiettivi sfidanti e richiedono lo sviluppo di soluzioni efficienti e robuste rispetto alla natura non-stazionaria e/o incerta/incompleta dei dati, e possibilmente la capacità di sfruttare pienamente conoscenza e feedback provenienti dagli esperti e dall’ambiente.

Particolare attenzione è dedicata all’efficienza, alla trasparenza e alla sicurezza delle soluzioni sviluppate, nella prospettiva emergente della Green/Sustainable AI.

La ricerca del gruppo abbraccerà tematiche di frontiera nei settori AI e Data Science, fra cui:

– Neuro-Symbolic AI, Informed Machine/Reinforcement Learning;

– Meta-learning, Continual learning;

– Explainable and Human-in-the-loop AI;

– Data/compute/energy -efficient AI;

– Distributed/Federated AI.

Obiettivi

L’obiettivo generale perseguito dal gruppo può essere sintetizzato come segue: studio e sviluppo di tecniche per l’analisi, il monitoraggio e la predizione del comportamento di processi e di sistemi complessi, eventualmente distribuiti e eterogenei.

L’oggetto principale di tali tecniche è costituito da dati generati dall’esecuzione di attività e/o acquisiti da sensori ambientali, e informazioni/conoscenza associate ai processi/sistemi oggetto dello studio.

In tale contesto, il gruppo si propone di definire modelli, strumenti e metodologie che permettano di estrarre informazioni e conoscenza da tali dati, al fine di comprendere, predire e migliorare il comportamento (in termini di efficienza, sicurezza, resilienza, qualità, etc.) dei processi che li generano e di supportare decisioni inerenti la loro gestione.

Campi Applicativi

I risultati prodotti dal gruppo di ricerca potranno trovare impiego in importanti contesti applicativi, fra cui i seguenti: Industry 4.0/5.0, Smart Cities, Civil protection, Power grids, Autonomous systems, Cybersecurity.

Area Tematica

Artificial Intelligence and data science

Keywords

Process Modeling, Agentic AI, Machine/Deep Learning, Decision Support

Coordinatore del Gruppo

Luigi Pontieri