Nasce un metodo innovativo per migliorare modelli di AI per l’analisi di dati e sistemi complessi

(Foto Scuola Superiore Sant'Anna Pisa)

La nostra vita quotidiana è immersa in sistemi fatti di connessioni: le strade di una città, le linee di trasporto urbano e suburbano, le relazioni sui social network. Tutti questi sistemi sono esempi di “reti complesse”: strutture in cui elementi diversi sono collegati tra loro in modi spesso difficili da analizzare. Capire come funzionano queste reti è una sfida cruciale per l’intelligenza artificiale. Una nuova ricerca pubblicata su IEEE Transactions on Knowledge and Data Engineering, una delle riviste di riferimento internazionale in Intelligenza Artificiale, propone un approccio innovativo per aiutare i sistemi di intelligenza artificiale a rappresentare e analizzare le reti complesse. La ricerca è frutto di una collaborazione tra Scuola Superiore Sant’Anna di Pisa, Scuola IMT Alti Studi Lucca e Aalborg University.

Un nuovo metodo di network embedding per comprendere sistemi complessi

Oggi, molte informazioni sono descritte come reti (o grafi), in cui nodi ed elementi sono collegati tra loro da relazioni. Per permettere agli algoritmi di intelligenza artificiale di elaborare questi dati, sono necessarie operazioni di network embedding, la trasformazione dei dati strutturati in rappresentazioni numeriche compatte. Il limite dei metodi tradizionali è che spesso si concentrano solo sulla “distanza” tra elementi, perdendo un’informazione fondamentale: il ruolo che ciascun nodo ricopre nella rete.

Lo studio propone un nuovo metodo di network embedding in grado di preservare non solo la vicinanza tra i nodi ma anche di riconoscere il ruolo strutturale all’interno del sistema.

Un altro punto di forza del metodo è la scalabilità: la tecnica è progettata per funzionare su reti molto grandi, anche con connessioni complesse e direzionali, mantenendo tempi di calcolo significativamente ridotti rispetto alle soluzioni esistenti.

Lo studio coinvolge un gruppo interdisciplinare di ricerca che comprende Giuseppe Squillace, primo autore e ricercatore presso l’Università Paris Saclay, Francia precedentemente alla Scuola IMT Alti Studi Lucca; Mirco Tribastone, professore ordinario presso la Scuola IMT; Max Tschaikowski, professore associato presso Sapienza, Roma, precedentemente a Aalborg University; e Andrea Vandin, professore associato presso l’Istituto di Economia e il Dipartimento di Eccellenza L’EMbeDS della Scuola Sant’Anna.

Secondo gli autori, “questo lavoro mostra come preservare le relazioni strutturali tra entità sia cruciale per migliorare i network embeddings, proponendo un nuovo modo di estrarre informazione da dati complessi a beneficio delle tecniche di intelligenza artificiale e machine learning”.

Le possibili applicazioni

Gli esperimenti contenuti nell’articolo dimostrano come il nuovo metodo consente di elaborare in modo estremamente efficiente reti di grandi dimensioni appartenenti a molteplici domini applicativi, tra cui reti di trasporto, sistemi biologici e social networks.

I risultati sperimentali evidenziano con chiarezza la superiorità dell’approccio rispetto allo stato dell’arte: gli embedding generati sono interpretabili, vengono calcolati in tempi significativamente inferiori, e i modelli che li usano raggiungono prestazioni migliori.

Fonte: Scuola Superiore Sant'Anna - Ufficio stampa