“Oggi l’AI è poco efficiente e costosa per l’ambiente. È necessario cambiare paradigma” sottolinea Vincenzo Lomonaco, tra i massimi esperti italiani di Continual Learning, ricercatore presso il Dipartimento di Informatica dell’Università di Pisa.
Creare dei microprocessori in grado di replicare i sistemi di apprendimento biologico, così da rendere l’Intelligenza Artificiale più flessibile, efficiente e sostenibile anche dal punto di vista ambientale. È questa la sfida lanciata da un gruppo internazionale di ricercatori - coordinato dal Neuromorphic AI Lab (NUAI Lab) della UTSA (University of Texas at San Antonio) - di cui fa parte anche Vincenzo Lomonaco (qui sotto nella foto), tra i massimi esperti italiani di Continual Learning, ricercatore presso il Dipartimento di Informatica dell’Università di Pisa e tra gli autori dell’articolo “Design principles for lifelong learning AI accelerators”, da poco uscito sulla prestigiosa rivista scientifica Nature Electronics.
“La fallibilità dell’Intelligenza Artificiale è ancora troppo alta e questo perché l’AI, così come la conosciamo oggi, si basa su sistemi di apprendimento automatico troppo rigidi, che la rendono incapace di affrontare condizioni nuove, non precedentemente incontrate durante il processo di addestramento – spiega Vincenzo Lomonaco – Di fatto, le facciamo apprendere una grande quantità di informazioni tutte insieme, ma ogni volta che emerge una novità su un determinato tema dobbiamo aggiornare il sistema da zero. Tutto ciò, oltre ad essere poco efficiente, ha anche dei costi altissimi, sia in termini economici che ambientali, visto l’elevato consumo di energia e le conseguenti emissioni di CO2 di questi processi”.
Aggiornare un sistema di AI, d’altronde, può arrivare a costare fino a diversi milioni euro. Mentre per avere un’idea dell’impronta ambientale dell’AI basti pensare che, secondo un recente studio dell’Università del Massachusetts, l’addestramento di diversi modelli di intelligenza artificiale di grandi dimensioni può emettere una quantità di anidride carbonica equivalente a cinque volte quella emessa da un’auto americana media durante il suo ciclo di vita, compreso il processo di produzione. Una soluzione a tutto ciò, secondo Lomonaco e gli altri ricercatori del Neuromorphic AI Lab - coordinato dalla professoressa Dhireesha Kudithipudi -, è rappresentata dall’Apprendimento Automatico Continuo (noto anche come Continual Learning o Lifelong Learning), che permetterebbe all’AI di assimilare un gran numero di conoscenze in sequenza, senza dimenticare quelle acquisite in precedenza.
Vincenzo Lomonaco assieme ai colleghi del Dipartimento di Informatica dell’Università di Pisa, Antonio Carta e Andrea Cossu, con cui collabora attivamente sui temi dell'articolo pubblicato Nature Electronics
“Per realizzare un sistema di apprendimento di questo genere è necessario modificare gli attuali paradigmi computazionali ed eliminare i vincoli infrastrutturali esistenti – prosegue Lomonaco – Per questo, con i colleghi del NUAI Lab di San Antonio, abbiamo gettato le basi di un nuovo sistema di apprendimento incrementale, basato sul co-design hardware-software. Ossia sulla progettazione simultanea di componenti hardware e software, così da dar vita ad un sistema di lifelong learning per l’AI che sia robusto e autonomo. Il tutto basato su algoritmi di nuova generazione che, lavorando in modo più simile all’intelligenza umana, permettono all’Intelligenza Artificiale di accrescere le proprie conoscenze in modo progressivo, più rapido ed efficiente, con consumi che si avvicinano a quelli di una lampadina”.
L’iniziativa è promossa da INNOVIT, hub strategico nel cuore della Silicon Valley che sostiene la crescita e l’internazionalizzazione delle imprese italiane.
17-09-2025
Impegno, performance e traguardi, con l’obiettivo di continuare a creare valore attraverso un percorso di sviluppo responsabile e inclusivo. Questo, ma anche molto altro, nel proprio Bilancio di Sostenibilità 2024 di Nonno Nanni, tra le aziende leader del mercato lattiero caseario a livello italiano, con un fatturato di oltre 135 milioni di euro
17-09-2025
La scoperta fatta dal team di Valeria Chiono, docente presso il Dipartimento di Ingegneria Meccanica e Aerospaziale-DIMEAS del Politecnico di Torino, potrebbe dare vita a sistemi di cura per diverse patologie, portando le molecole di RNA dove serve che esercitino la loro azione.
17-09-2025
Una svolta che consente ai medici di intervenire tempestivamente nelle malattie rare, con cure più mirate e sostenibili. E i risultati sono già tangibili: resa diagnostica +12,5%; risparmio fino a 80.000 euro per paziente; elaborazione dati genetici dieci volte più veloce.
17-09-2025
Un mix bilanciato di tecnologie mature (rinnovabili, pompaggi) e low-carbon (nucleare, CCS) può abilitare benefici per 190 miliardi di euro entro il 2050, spiega uno studio di TEHA ed Edison
La ricerca prende spunto dalla consapevolezza della prossima disponibilità di idrogeno verde che potrà essere prodotto in grandi quantità per elettrolisi con corrente elettrica da fonti rinnovabili.
Il tool è stato sviluppato da ENEA in collaborazione con l’Università degli Studi di Padova, nell’ambito della Ricerca di Sistema Elettrico Nazionale (RdS).
La nomina di Pusceddu risponde alla volontà del Gruppo di rafforzare la propria governance e di accelerare lo sviluppo verso un’offerta globale di smart manufacturing. Manager con consolidata esperienza internazionale, ha ricoperto ruoli di vertice in multinazionali come FlexLink e Coesia e più recentemente la carica di CEO di OCTA Group, guidando progetti di crescita e trasformazione.