Il corso in Artificial Intelligence Systems è un corso del Dipartimento di Ingegneria e Scienza dell’Informazione, avviato nell’anno accademico 2020/21. In queste settimane si terranno le prime sessione di laurea. «Il corso AIS si sta rivelando una delle iniziative più promettenti a livello nazionale, nel campo della didattica e della ricerca sull’intelligenza artificiale», spiega Luigi Palopoli, coordinatore del corso. «La risposta degli studenti e delle studentesse è stata ottima: la partecipazione è crescente e a soli due anni dall’avvio stiamo raggiungendo il massimo del numero programmato. Anche le aziende stanno manifestando sempre più interesse, per concordare insieme nuove linee di sviluppo e di ricerca. Siamo davvero felici e soddisfatti di vedere le prime lauree, che sono un segno concreto del favore che questo corso così innovativo ha incontrato e continua a incontrare». UniTrentoMag ha intervistato Matteo Farina, un laureando AIS, ormai in dirittura d’arrivo.
Matteo, adesso che sta per arrivare alla fine del suo percorso di studi in intelligenza artificiale, può parlarci di come ha iniziato e di come è andato?
All’inizio il mio percorso era molto distante dall’intelligenza artificiale. Ho frequentato un Liceo linguistico e poi mi sono iscritto Ingegneria dell’informazione e organizzazione d’impresa a UniTrento. È stato al terzo anno di studi, nel corso di Comunicazioni Multimediali tenuto da Nicola Conci e Giulia Boato, che mi sono appassionato di Computer Vision. Era un ambito che conoscevo solo marginalmente per interesse personale, ma dopo questi corsi ho continuato a pensarci. La scelta successiva di iscrivermi alla laurea in Artificial Intelligence Systems, percorso Computer Vision, è stata abbastanza ovvia. Il corso è molto vasto e va dall’elaborazione di algoritmi capaci di seguire degli oggetti in una sequenza video o di generare o individuare dei deep-fakes, al “multi model fitting”, che è quello che ho studiato io.
Come si intitola la sua tesi? Che cosa riguarda?
La mia tesi si intitola Quantum Multi Model Fitting. È una tesi in linea con i miei interessi, e con il mio percorso. Il mio elaborato finale riguarda infatti il vasto ambito della computer vision. Sotto la supervisione di Elisa Ricci, docente per questo corso di laurea di Machine learning e Advanced computer vision e di un gruppo di ricerca molto competente, abbiamo cercato di rimodellare il problema del Multi Model Fitting affinché fosse assimilabile da un Quantum Annealer.
Andiamo per ordine.
Il Multi Model Fitting, alle origini, è un problema in cui si hanno a disposizione molti punti: si pensi a dei punti distribuiti su un piano. L’obiettivo è campionare molti “modelli parametrici” affinché tali punti vengano “spiegati”. “Modello parametrico” significa un modello matematico con parametri: un esempio può essere una circonferenza, i cui parametri sono le coordinate del centro e il raggio. Sempre a titolo di esempio, se alcuni punti sono allineati e riusciamo a generare una retta che passi attraverso questi punti, allora diciamo che tale retta “spiega” questi punti. Il nostro obiettivo era generare sufficienti modelli parametrici affinché tutti i punti a nostra disposizione fossero spiegati da esattamente un modello.
E “Quantum”, perché interviene anche la meccanica quantistica?
Un Quantum Annealer, per farla semplicissima, è una macchina che sfrutta effetti della meccanica quantistica per risolvere problemi in brevissimo tempo (o, perlomeno, questo è come ho compreso io il concetto…). Abbiamo poi analizzato ed individuato punti forti e deboli del nostro approccio, perfezionando un algoritmo ibrido, ossia eseguito in parte su un computer “normale” ed in parte su un Quantum Annealer, di cui siamo molto soddisfatti.
Un non addetto ai lavori immagina che ci siano delle ricadute sulla nostra vita di tutti i giorni. Ci può fare qualche esempio?
In realtà noi siamo totalmente immersi nelle dinamiche della intelligenza artificiale. Per fare alcuni esempi l’intelligenza artificiale interviene nel momento in cui sblocchiamo il nostro smartphone con il face ID, o negli algoritmi che ci suggeriscono una parola sulla tastiera o ancora nel self-driving. Le applicazioni sono davvero quasi infinite.
Abbiamo notato che il corso di laurea è molto interdisciplinare e pratico. È stata per lei una cosa positiva?
Sì. Ci sono molti esami tecnici, ma anche corsi legati all’etica e alle leggi nell’intelligenza artificiale o alle neuroscienze. La cosa positiva è che puoi costruirti il percorso che risponde meglio ai tuoi interessi. Inoltre, l’assetto teorico è accompagnato da una ricca attività laboratoriale. Potrei dire che circa il 60% dei corsi unisce lo studio teorico all’ideazione e alla presentazione di un progetto. L’ho trovato un ottimo modo per permettere ai corsi universitari di collocare lo studente in un’esperienza reale, e di rinsaldare notevolmente le nozioni teoriche apprese durante le lezioni. Questo dimostra che l’Università, al contrario di quello che si sente spesso dire, sa formare persone capaci di entrare nel mondo del lavoro. Ho anche lavorato per alcuni mesi ad una start-up come sviluppatore di software. Qui ho avuto l’occasione di gestire dei progetti reali, nella pratica, e questa è stata una fortuna anche per la preparazione degli esami.
Una domanda più personale. Cosa le piace dell’IA, perché studiare proprio la computer vision?
Sono sempre stato molto curioso e ho letteralmente pensato di buttarmi dentro a questa avventura. Ho sempre apprezzato l’idea di mistero attorno a questi strumenti. Spesso appaiono ai profani come magie, ma hanno un loro funzionamento e un loro meccanismo che derivano da idee geniali. Inoltre personalmente mi diverte lavorare con la computer vision perché a differenza di altri ambiti d’indagine, ti dà la possibilità di avere un feedback visivo immediato rispetto al tuo lavoro, avendo a che fare con video e immagini.
Quali sono i suoi progetti per il futuro ora che è ormai prossimo alla laurea?
Pensò che continuerò a fare ciò che amo. Mi piacerebbe proseguire nello studio su questi temi. A livello teorico c’è già molta ricerca, ma a livello pratico l’interesse per l’IA è esploso davvero più recentemente, grazie a nuove metodologie e tecniche. C’è quindi ancora moltissimo da studiare e da sperimentare.
«Uno degli aspetti peculiari e affascinanti della Computer Vision e più in generale dell’Intelligenza Artificiale è la velocità dei progressi scientifici», osserva anche Elisa Ricci, relatrice di tesi di Matteo Farina. «Fino a qualche anno fa le auto a guida autonoma sembravano una realtà lontana e invece ora siamo molto vicini a realizzarle. Questo fa pensare che problemi complessi e tematiche più di frontiera, come la Quantum Computer Vision su cui Matteo ha lavorato, in pochi anni cambieranno le tecnologie che utilizziamo e le nostre vite. Insegnando a questo corso, sono stata positivamente sorpresa non solo dall’entusiasmo di studenti e studentesse, ma soprattutto del loro grado di preparazione e dalle loro capacità di approfondire in maniera autonoma argomenti complessi. Non mi stupisce quindi che, già ora, molti di loro abbiano trovato delle opportunità di internship in aziende leader del settore o siano ben inseriti in gruppi di ricerca affermati contribuendo a pubblicazioni internazionali».
Aggiornamento 22 luglio 2022. In gallery, alcune foto della discussione della tesi e della proclamazione di Matteo Farina, che si è laureato con il massimo dei voti e la lode.