Questo progetto esplora il potenziale trasformativo dell’Intelligenza Artificiale (IA) con un approccio interdisciplinare che integra informatica, scienza delle reti, economia e sociologia. Da un lato, studiamo limiti e potenzialità dell’IA per comprendere le dinamiche sociali, tecnologiche ed economiche; dall’altro, applichiamo questi modelli per indagini innovative su temi complessi come l’evoluzione del lavoro, l’emergere di traiettorie di innovazione e il ruolo dei valori morali nei dibattiti online. Le attività includono lo sviluppo di nuovi algoritmi di apprendimento continuo e creativo (Dreaming Learning, Lyapunov Learning), l’analisi quantitativa delle rappresentazioni concettuali nei modelli di linguaggio e l’impiego di LLM per predire traiettorie emergenti di innovazione tecnologica. L’obiettivo è favorire un’adozione responsabile dell’IA, in grado di supportare la pianificazione strategica, la sostenibilità e il progresso collettivo.

Nell’ambito di questo progetto, si propone l’analisi del potenziale trasformativo dell’Intelligenza Artificiale (IA) attraverso un approccio marcatamente interdisciplinare, che integra la Computer Science, la scienza delle Reti e della Complessità, l’economia e la sociologia. La prospettiva adottata è duplice: in primo luogo, si indagheranno le potenzialità e i limiti dell’IA come strumento di analisi per le dinamiche sociali, tecnologiche ed economiche; in secondo luogo, si farà uso di tali metodologie per condurre studi innovativi in questi ambiti, superando l’impiego prevalente di approcci qualitativi a favore di un’analisi quantitativa rigorosa, essenziale per affrontare la loro intrinseca complessità.

Le attività includono lo sviluppo di nuove metodologie di addestramento per le reti neurali e la realizzazione di studi empirici su questioni di rilevanza economica e sociale, quali l’emergenza di traiettorie di innovazione (attraverso l’analisi dei brevetti), la dinamica di sostituzione e complementarità dell’IA nel mercato del lavoro e l’evoluzione delle opinioni all’interno delle comunità online. L’integrazione di basi quantitative e teoriche con l’analisi della letteratura proveniente dalle diverse discipline costituisce l’elemento essenziale per affrontare con rigore le sfide delineate.

Il  lavoro in questo progetto è diviso in due macroaree, descritte schematicamente in quanto segue. 

1. Potenzialità e limiti dell’IA

• Uso di LLM per studiare e predire dinamiche di innovazione. Applicazioni specifiche a temi di sostenibilità (inquinamento industriale, materie prime critiche, transizione energetica).
  L’utilizzo di Large Language Models (LLM) open-source consente l’analisi automatizzata di grandi volumi di dati non strutturati (brevetti, pubblicazioni, codice) per la mappatura geografica e semantica delle competenze tecnologiche. Questo approccio è impiegato per la previsione di traiettorie di innovazione tramite nuove combinazioni (recombinant innovation) e per connettere le indicazioni di policy con le capacità territoriali, in particolare per le politiche ambientali (es. materie prime critiche e riduzione dell’inquinamento industriale).
• Uso di LLM per lo studio di fenomeni sociali a partire da comunità online.
  Si esplora la fattibilità di utilizzare gli LLM per raccogliere segnali e mappare dinamiche sociali (come lo scontento sociale e la diseguaglianza) a partire dai discorsi accessibili sulle piattaforme di social networking.
• Teoria della Creatività Artificiale.
  La ricerca si focalizza sul Continual Learning per l’integrazione progressiva di nuove informazioni, evitando il Catastrophic Forgetting. Contributi fondamentali includono il Dreaming Learning (pubblicato a NeurIPS 2024), che mitiga il Model Collapse e abilita l’esplorazione controllata di nuove configurazioni informative. A supporto, il lavoro teorico First-Extinction Law for Resampling Processes fornisce una descrizione analitica del Model Collapse. Si sviluppa inoltre il Lyapunov Learning (pubblicato a ICML 2025), basato sull’Edge of Chaos, per estendere le capacità del Dreaming Learning a variabili multidimensionali complesse (es. cambiamento climatico). Applicazioni pratiche includono il progetto Duetto, un sistema avanzato che utilizza architetture Transformer e quantizzazione vettoriale per l’analisi e l’anticipazione in tempo reale del movimento umano nella danza.
  

2. Impatto socio-economico dell’IA

• Impatto sul mercato del lavoro.
  L’obiettivo è fornire una prospettiva quantitativa sull’impatto dell’IA sul lavoro, articolata in tre task: 1) Misurazione dell’Esposizione Occupazionale tramite l’analisi dei pitch di startup AI; 2) Identificazione delle Competenze Emergenti attraverso l’analisi di annunci di lavoro e repositories di codice (GitHub); 3) Studio di Opinione Pubblica ed Etica per comprendere l’influenza della fiducia sociale sull’adozione dell’IA. Metodologicamente si prevede l’uso di LLMs per connettere descrizioni di startup (da dataset come Crunchbase) e del contenuto dei repositories di codice (dal file readme) con descrizioni di attività occupazionali (da O*NET) al fine di misurare l’attività di ricerca, sviluppo e finanziamento in ambito AI finalizzata all’automazione di tasks specifici.
• Valori delle persone e Valori dell’IA.
  Si mira allo sviluppo di modelli di “Intelligenza Artificiale Responsabile” che riflettano i valori morali locali, con l’obiettivo di arginare i contenuti dannosi e favorire interazioni etiche. La ricerca analizza come i valori morali influenzino l’evoluzione delle opinioni nelle comunità online e in che misura gli “elementi base irriducibili” della morale siano rappresentati e compresi dagli algoritmi di IA, inclusi i BOT.