Pubblicazioni

A cura di R. Pugliese, S. Regondi, R. Marini

The field of machine learning (ML) is sufficiently young that it is still expanding at an accelerated pace, lying at the crossroads of computer science and statistics, and at the core of artificial intelligence (AI) and data science. Recent progress in ML has been driven both by the development of new learning algorithms theory, and by the ongoing explosion in the availability of vast amount of data (often referred to as “Big data”) and low-cost computation.

A cura di E. Bagli, S. Regondi e G. C. Ricciardi

I sistemi di intelligenza artificiale (d’ora innanzi “IA”) stanno gradualmente intervenendo nella nostra vita quotidiana, promettendo di generare incrementi di produttività, di migliorare l’efficienza e di ridurre i costi dei processi produttivi. Accanto alla definizione classica di J. Copeland, negli ultimi tempi si fanno strada definizioni di IA che sottolineano gli effetti benefici delle applicazioni di machine learning anche sul potenziamento delle capacità umane, corroborando un rapporto già di per sé reso evidente dalle applicazioni concrete dell’IA, come accaduto recentemente per la robot antropomorfa Sophie, cui è stata addirittura conferita la cittadinanza saudita.

Le analisi e le proposte formulate in questo working paper nascono dall’osservazione attenta dei cambiamenti in atto e da un’esperienza originale e creativa ultradecennale nella Pubblica Amministrazione volta a rileggere tutte le policy pubbliche a partire da una nuova architettura abilitante: l’innovazione. La velocità dell’innovazione sospinta dalla trasformazione digitale e dalle nuove tecnologie abilitanti impongono un ripensamento delle policy pubbliche e delle stesse istituzioni di government. In particolare, il working paper ha un focus sui settori della sanità, della scuola e università, dei trasporti e dell’agroalimentare.