La matematica al tempo dell’intelligenza artificiale

I recenti progressi nell’intelligenza artificiale hanno prodotto risultati notevoli in un’ampia gamma di applicazioni. L’Apprendimento Automatico Scientifico (Scientific Machine Learning) offre un paradigma convincente, combinando metodi basati sui dati con modelli fondati sulle leggi fisiche, creando così un ponte tra l’IA e gli approcci scientifici tradizionali. Tuttavia, permangono importanti preoccupazioni riguardo all’accuratezza e all’opacità dei modelli di IA, spesso criticati come “scatole nere”. In questa presentazione esplorerò i fondamenti matematici dell’apprendimento automatico, discutendo gli algoritmi principali, le loro proprietà teoriche e i limiti intrinseci. Mi soffermerò poi sullo Scientific Machine Learning, mostrando come vincoli fisici e dati possano essere integrati in modo efficace per migliorare l’affidabilità e le prestazioni dei risolutori numerici. Come applicazione principale, presenterò la simulazione del funzionamento del cuore umano.