BRAIN Studies and Technologies for Artificial Intelligence and Neuroscience
Resposabile Locale: Roberto Ammendola; Responsabile Nazionale: Alessandro Lonardo (RM1).
I recenti progressi nell’ambito delle neuroscienze sono attribuibili in larga misura all’introduzione di nuove tecnologie di acquisizione dati e alla disponibilità di un numero elevato di registrazioni, caratterizzate da grande varietà per quanto riguarda le tecniche di misura, la risoluzione, e le scale spaziali e temporali di indagine. Quantità e varietà, in una parola ricchezza di dati sperimentali, pongono la sfida di realizzare procedure consolidate per l’analisi dati, in particolare per la comparazione delle diverse registrazioni (ottenute con tecniche diverse e da laboratori diversi) e per la definizione di metriche comuni che abilitino il confronto quantitativo dei risultati, in modo da accrescere la complementarità dei diversi approcci sperimentali e garantire la riproducibilità dei prodotti della ricerca. Inoltre, una procedura di analisi solida e generalizzata consente anche di confrontare in modo puntuale dati sperimentali e risultati di simulazioni, permettendo la validazione dei modelli negli approcci data-inspired, e la calibrazione dei parametri negli approcci di modellistica data-constrained. Questi studi costituiscono il punto di partenza per ricerche tecnologiche, quali quelle dedicate alla progettazione e la prototipazione di architetture di calcolo innovative dedicate all’accelerazione di applicazioni di intelligenza artificiale che riproducano alcune caratteristiche uniche del cervello biologico, quali ad esempio l’altissima efficienza energetica, l’elevato grado di parallelismo o la capacità di apprendimento incrementale a partire da pochi esempi.
Gli obiettivi di BRAINSTAIN sono quindi quelli di integrare analisi dei dati, modelli teorici e tecnologia, al fine da una parte di conseguire una maggiore comprensione del cervello (anche in direzione di possibili applicazioni cliniche), dall’altra di realizzare soluzioni di intelligenza artificiale ispirate alla biologia, valutando sistemi neuromorfici e approcci di co-design hw/sw.
