Fine-tuning di modelli linguistici di grandi dimensioni a supporto della comunicazione aumentativa

DOCENTE

Christian Pilato (webmail)  

AREA DI RICERCA

Architetture, Intelligenza Artificiale

TECNOLOGIE DA UTILIZZARE

Python

DESCRIZIONE (MAX 500 CARATTERI)

Gli algoritmi di intelligenza artificiale generativa stanno diventando sempre più popolari e fondamentali per una grande quantità di attività. In particolare, la personalizzazione di modelli linguistici di grandi dimensioni, noti anche con l’inglese large language models (in sigla LLMs), permette di ottenere materiale personalizzato nell’ambito in cui viene specializzato. Questo progetto prevede lo studio di modelli esistenti (ChatGPT, DALL-E, o quelli forniti tramite Amazon AWS Sagemaker) per la creazione di simboli da utilizzare in ambito educativo (e.g., nel caso di comunicazione aumentativa – link).

Creazione di applicazione multi-piattaforma a supporto della comunicazione aumentativa

DOCENTE

Christian Pilato (webmail)  

AREA DI RICERCA

Architetture, Intelligenza Artificiale

TECNOLOGIE DA UTILIZZARE

Dart, Flutter

DESCRIZIONE (MAX 500 CARATTERI)

La comunicazione aumentativa include diverse tecniche a supporto di individui con difficoltà comunicative. Predilige la traduzione di concetti, frasi o contenuti più complessi in una sequenza di simboli che l’utente può comprendere. L’obiettivo di questo progetto è di sviluppare una serie di componenti di un’applicazione multi-piattaforma (basata su Dart/Flutter e integrata con Amazon AWS) per la gestione/creazione di simboli, l’interpretazione del testo fornito dall’educatore (anche tramite tecniche di machine learning per includere suggerimenti) e la visualizzazione per l’utente.

ALEXA: monitoraggio e supporto alla vita autonoma e indipendente

Docente

Fabio Salice (mail)

Area di ricerca

Architetture

Keyword (max 3 separate da virgola)

Home monitoring, analisi dei dati, sistemi embedded

Descrizione (max 500 caratteri)

Realizzazione di skills per l’interazione tra l’utente l’ambiente domestico in cui vive. L’architettura di monitoraggio può restituire dati di consumo energetico, di presenza nelle stanze, temperatura e luminosità negli ambienti, apertura porta (o altro).
E’ disponibile un ambiente di prova e un data set di qualche mese.

Rappresentazione dei Giochi del Caos per Identificare e Caratterizzare le Abitudini

Docente

Fabio Salice (mail)

Referente del progetto

Fabio Salice ( mail)

Area di ricerca

Intelligenza artificiale, robotica e computer vision, dati, web e società

Keyword (max 3 separate da virgola)

Rappresentazione dei giochi, Caos, Attività

Descrizione (max 500 caratteri)

Il progetto consiste nell’applicare i metodi della rappresentazione dei giochi del caos (vedi CHAOS GAME REPRESENTATION – EUNICE Y. S. CHAN AND ROBERT M. CORLESS – Abstract: The chaos game representation (CGR) is an interesting method to visualize one dimensional sequences. In this paper, we show how to construct a chaos game representation etc.) per rappresentare graficamente le abitudini di una persona nel contesto del proprio domicilio. Le rappresentazioni grafiche poi possono essere analizzate, comparate tra loro, classificate etc. attraverso l’utilizzo di strumenti di AI e ML.

AI Generativa per la Stima della Qualità del Sonno

Docente

Fabio Salice (mail)

Area di ricerca

Architetture

Keyword (max 3 separate da virgola)

Qualità della vita, analisi dei dati, AI Generativa, sistemi embedded

Descrizione (max 500 caratteri)

Il progetto consiste nell’indentificare le relazioni che esistono tra i parametri biologici rilevabili senza contatto (non intrusivo) e la qualità del sonno attraverso l’utilizzo di nuovi paradigmi di intelligenza artificiale. Il data set è disponibile ed è ricavato da situazioni reali. I sensori utilizzati ricavano informazioni senza contatto con la persona. E’ richiesta una fase iniziale di analisi della letteratura.

AI Generativa per l’Analisi Comportamentale in Ambito Indoor

Docente

Fabio Salice (mail)

 

Area di ricerca

Intelligenza artificiale, robotica e computer vision

Keyword (max 3 separate da virgola)

Monitoraggio Domiciliare, AI Generativa, ChatGPT, Autonomia e Indipendenza

Descrizione (max 500 caratteri)

Il progetto prevede una indagine sia delle opportunità offerte della intelligenza artificiale generativa (es. ChatGPT) sia dei servizi offerti dalle attuali piattaforme per l’identificazione, in modo non supervisionato, di aspetti, azioni o abitudini di persone che vivono in autonomia (HAR – Human Activity Recongnition). L’ambito è il contesto della vita autonoma e indipendente di persone con alta autonomia ma soggette a patologie che comportano un decadimento cognitivo; intercettare le caratteristiche comportamentali e identificare le derive di comportamento ha un ruolo cruciale nella relazione tra il prestatore di cura (caregiver) e la persona.    

Modelling Human Performance and Behavior in Complex Tasks

While effort has been invested in making robots more reliable, experience demonstrates that human-robots interaction (HRI) adaptation, due to unexpected events (such as failures, risk events, falls, etc.), is studied. The project analyzes human-robot interactions in situations where complex tasks occur, with unpredicted events (e.g., due to faults). Due to complexity, it is not possible to foresee all the behaviors, and all the results of the HRI. This requires an ad-hoc adaptation of the interaction, considering the human behavior.  The project requires to overview HRI designs that allows effective management of fault or unexpected events by (untrained) users. An implementations will test solutions on how humans perceive and resolve unexpected events, on how robot failures are communicated, how failures influence people’s perceptions and feelings toward robots, and how these effects can be mitigated.

Reference Tutors: Prof. MG FUGINI and Prof. S COMAI

Keyword spotting with phase-change memory matrix-vector multiplication accelerator

Docente

Daniele Ielmini (mail)

Area di ricerca

Intelligenza artificiale, robotica e computer vision

Keyword (max 3 separate da virgola)

deep learning, emerging memory, hardware acceleration

Termine per accettazione progetto

15/05/2023

Tecnologie da utilizzare

Python, Tensorflow, MATLAB

Descrizione (max 500 caratteri)

The goal of the project is to train and implement a convolutional neural network for keyword spotting on a custom integrated circuit, that features an embedded phase-change memory block for matrix-vector multiplication acceleration.

Time Series Forecasting-as-a-Service for financial applications

Docente

Manuel Roveri (web, mail)

Area di ricerca

Intelligenza artificiale, robotica e computer vision

Keyword (max 3 separate da virgola)

Time-series forecasting, machine learning, deep learning

Descrizione (max 500 caratteri)

Forecasting-as-a-service: studio di algoritmi di deep learning per l’esplorazione e la predizione di serie temporali (sopratutto in ambito finance/economico). Questi algoritmi dovranno essere eseguiti in modo autonomo e in modalità as-a-service per permettere anche ad utenti non esperti di avere predizioni accurate. Un esempio di quanto già sviluppato dal gruppo di ricerca in questo ambito è un sistema online per la predizione della diffusione del COVID che è disponibile al seguente indirizzo: https://covid-timex.it

Theory of Mind con Robot

Docente

Andrea Bonarini (web, mail)

Area di ricerca

Intelligenza artificiale, robotica e computer vision

Keyword (max 3 separate da virgola)

Robot, psicologia, making

Termine per accettazione progetto

31/03/2022

Tecnologie da utilizzare

Arduino, sensori e motori

Descrizione (max 500 caratteri)

In collaborazione con docenti di psicologia dell’Università Cattolica di Milano, si vuole indagare la possibilità di replicare con robot fisici degli esperimenti di teoria della mente di solito fatti utilizzando semplici cartoni animati, come quello che si trova qui https://www.youtube.com/watch?v=8FIEZXMUM2I. Si tratta quindi di realizzare dei semplici robot con forme analoghe (triangolo, quadrato) che si muovano come quelli mostrati nei filmati. È un tipo di indagine fatto per valutare le capacità di interpretazione dei movimenti di questi oggetti in termini di azioni fatte tra esseri senzienti, capacità che si svilupp anelel persone a sviluppo regolare verso i 4 anni, e in persone con disabilità cognitiva va valutata.