In HighESt Lab ci occupiamo di comprendere, interrogare e migliorare i modelli alla base dell’Intelligenza Artificiale. La ricerca teorica e algoritmica è fondamentale per sviluppare sistemi più efficaci, trasparenti e capaci di affrontare problemi complessi in modo originale. Sperimentiamo nuove architetture, tecniche di addestramento e modalità di interazione persona-macchina che promuovano non solo l’efficienza, ma anche la creatività e la capacità di porre domande rilevanti.
Per questo il laboratorio collabora con esperti di dominio provenienti dal mondo delle imprese e studenti dell'Università per fornire più prospettive da cui osservare le sfide da affrontare. Di seguito i progetti in corso.
Partner: Technology Reply
Tecnologia: OCI
Durata: 24 mesi Stato: Programmato
Il progetto affronta il miglioramento degli algoritmi di AI per sostenere l’apprendimento degli studenti e le ricerche degli scienziati. L'obiettivo è duplice:
● Da un lato fare in modo che gli algoritmi di intelligenza artificiale sostengano e migliorino il processo di apprendimento evitando di “anestetizzare” l'utente.
● Dall’altro migliorare la ricerca sviluppando sistemi che non solo mettano insieme i saperi noti ma ne creino di nuovi mettendo in discussione la conoscenza appresa dai dati di addestramento, adottando approcci audaci e controfattuali, formulando ipotesi generali basandosi su indizi minimi e ponendo domande non ovvie che aprano nuove strade di ricerca
Partner: Inner Wheel
Durata: 6 mesi Stato: Terminato
L’intelligenza artificiale può essere un agente di cambiamento nel superare le disuguaglianze di genere nel mondo del lavoro. Questo studio, realizzato grazie al contributo di Inner Wheel Torino Nord-Ovest, propone un framework per un assistente AI innovativo progettato per fornire mentoring personalizzato e supportare le donne nelle sfide di crescita professionale. L’analisi evidenzia i limiti degli strumenti esistenti e dimostra come un’IA generativa possa colmare le lacune nei percorsi di carriera femminili, offrendo equo accesso alle opportunità
Keywords: Biases, gender equality,