- Machine Learning: Sviluppo di algoritmi e modelli che consentono ai sistemi di apprendere dai dati, fare previsioni e migliorare le prestazioni nel tempo.
- Natural Language Processing (NLP): Analisi, comprensione e generazione del linguaggio umano per consentire una comunicazione efficace tra esseri umani e macchine.
- Computer Vision: Consentire alle macchine di interpretare e comprendere le informazioni visive da immagini o video, incluso il riconoscimento di oggetti, classificazione delle immagini e comprensione delle scene.
- Robotics and Autonomous Systems: Progettazione di robot intelligenti e sistemi capaci di percepire e interagire con l'ambiente, prendere decisioni e svolgere compiti autonomamente.
- Knowledge Representation and Reasoning: Sviluppo di metodi per rappresentare e organizzare le conoscenze in una forma strutturata, consentendo alle macchine di ragionare, inferire e prendere decisioni intelligenti.
- Planning and Scheduling: Creazione di algoritmi e tecniche per generare piani e programmi ottimali o quasi ottimali per compiti o processi complessi.
- Expert Systems: Costruzione di sistemi AI che imitano l'esperienza umana in specifici domini, consentendo la presa di decisioni intelligenti e la risoluzione dei problemi.
- Data Mining and Big Data Analytics: Estrarre informazioni preziose, modelli e conoscenze da grandi e complessi set di dati, consentendo la presa di decisioni informate.
- Intelligent Agents: Progettazione di entità autonome che possono percepire il loro ambiente, imparare dalle interazioni e prendere decisioni per raggiungere obiettivi specifici.
- Cognitive Computing: Sviluppo di sistemi che simulano i processi di pensiero umani, compresa la percezione, il ragionamento, l'apprendimento e la risoluzione dei problemi.
- Deep Learning: Avanzamento delle architetture e degli algoritmi delle reti neurali per consentire alle macchine di apprendere e rappresentare modelli e relazioni complesse nei dati.
- Reinforcement Learning: Allenamento di agenti per prendere decisioni sequenziali attraverso l'interazione con l'ambiente, ottimizzando ricompense a lungo termine.
- Ethical and Responsible AI: Investigazione dell'impatto sociale dell'IA, garantendo equità, trasparenza, privacy e responsabilità nei sistemi AI.
- Human-AI Interaction: Progettazione di interfacce e tecniche di interazione che facilitino una collaborazione e una comunicazione senza soluzione di continuità tra esseri umani e sistemi AI.
- Explainable AI: Sviluppo di sistemi e modelli di intelligenza artificiale che possano fornire spiegazioni trasparenti e interpretabili per le loro decisioni e azioni, consentendo agli utenti di comprendere i fattori sottostanti e la logica alla base dei risultati generati dall'IA.
- Trustworthy AI: Progettazione, sviluppo e implementazione di sistemi di intelligenza artificiale affidabili, etici, trasparenti e responsabili, garantendo che operino in modo coerente con i valori umani, rispettino la privacy e evitino pregiudizi e discriminazioni.
Dottorato in
Intelligenza Artificiale