CHISTERA MUCCA
MUCCA - Multi-disciplinary Use Cases for Convergent new Approaches to AI explainability, è un progetto finanziato da ERANET CHIST-ERA 2019, Call 2019 su Explainable Machine Learning. Il progetto ha come obiettivo, sulla scala temporale di 3 anni, lo sviluppo di metodologie che permettano l'interpretabilità degli algoritmi di intelligenza artificiale, una delle maggiori sfide attuali in AI.
In questa proposta vengono portati insieme ricercatori di campi differenti con competenze complementari al fine di comprendere il comportamento degli algoritmi AI. Gli algoritmi verranno studiati su un insieme di use-cases multidisciplinari in cui l’interpretabilità gioca un ruolo cruciale, provenienti da campi differenti: dalla fisica delle alte energie all'analisi di immagini mediche, come le diagnosi di patologie polmonari, alle neuroscienze. Per ogni use-case, il progetto consiste di tre fasi. Nella prima fase verranno applicati metodi già esistenti di interpretabilità scelti appropriatamente per i vari casi. Nella seconda parte, i limiti delle tecniche verranno identificati. Nella parte finale, nuovi algoritmi verranno proposti, sulla base dei limiti osservati.
I partner del progetto sono 6: Sapienza (dipartimenti di Fisica, Ingegneria Informatica, Fisiologia), INFN (Sezione di Roma), Università di Sofia (Bulgaria), Università di Bucharest (Romania), MedLea s.r.l.s., Università di Liverpool (UK).
Il gruppo INFN si occuperà di due use-cases:
- segmentazione di lesioni tumorali in immagini mediche di risonanza magnetico nucleare del cervello
- caratterizzazione delle strategie computazionali del cervello per svolgere determinati compiti attraverso reti neurali
Siti web:
Opportunità di Tesi:
Per informazione riguardanti le opportunità di Tesi rivolgersi a Cecilia Voena.
Responsabile
Cecilia Voena| Nome | Cognome |
|---|---|
| Maurizio | Mattia |
| Cecilia | Voena |