Relatore
Descrizione
Le metodologie basate sull'Artificial Intelligence sono in rapidissima evoluzione. I modelli linguistici (LLM), sempre più potenti, non sono più limitati alla sola generazione ed elaborazione di testo, ma sono anche capaci di pianificare ed eseguire task complessi. Attraverso l'integrazione all'interno di agenti autonomi, possono accedere a strumenti e dati esterni (grounding), generare ed eseguire nuovi moduli software e implementare meccanismi automatici di verifica formale, mantenendo punti di controllo umani (human-in-the-loop). Questo consente di superare i limiti intrinseci dovuti alla natura stocastica e di aumentare la precisione dei risultati, fino a raggiungere, in casi specifici, l'affidabilità e il rigore richiesti dalla ricerca scientifica.
In questo contributo esploreremo alcuni esempi applicativi in ambito scientifico e le prospettive di utilizzo dell'A.I. generativa nel campo della ricerca astronomica (es. analisi dati multi-messenger, automazione di pipeline, interrogazione della letteratura scientifica, gestione di workflow complessi, ecc.)
Verrà inoltre discussa la sfida trasformativa per l’INAF, analizzando come l’adozione di queste tecnologie richieda un aggiornamento trasversale delle competenze, una infrastruttura tecnologica e organizzativa adeguata e un’attenta riflessione metodologica per garantire che l'automazione potenzi, senza sostituire, la valutazione critica del ricercatore.
| Sessione | Calcolo, Archivi e Intelligenza Artificiale |
|---|