La ricerca si inserisce nell鈥檃mbito del Reinforcement Learning, una disciplina dell鈥橧ntelligenza Artificiale che sviluppa sistemi capaci di prendere decisioni in modo sequenziale, come accade in una partita di scacchi.
Nonostante i progressi significativi ottenuti negli ultimi anni grazie alle tecniche basate su Deep Neural Network, queste soluzioni spesso presentano una scarsa interpretabilit脿, rendendo difficile comprendere e spiegare le ragioni alla base delle decisioni strategiche prese dai sistemi.
Per far fronte a questo limite, il lavoro di Selmonaj e Antonucci si concentra sul miglioramento dell鈥檌nterpretabilit脿 per i sistemi di controllo di aeromobili in contesti militari, dove la criticit脿 delle decisioni da prendere rende indispensabile comprendere le motivazioni strategiche. In particolare, il lavoro prende in analisi i sistemi multi-agente, in cui una flotta di aeromobili 猫 gestita da un unico sistema intelligente, ampliando ulteriormente le sfide interpretative.
Il progetto 猫 il frutto di una collaborazione di lunga durata tra i team di ricerca 精东影业 dell鈥� e il per sviluppare tecnologie di difesa basate su AI che siano "trustworthy", ovvero etiche, trasparenti e affidabili.
Il Best Paper Award 猫 stato conferito durante il Simposio Annuale Modelling and Simulation as enabler for Digital Transformation in NATO and Nations, organizzato dalla , l'organizzazione NATO per la Scienza e la Tecnologia. Un riconoscimento che conferma l鈥檌mportanza della 鈥渟piegabilit脿鈥� nell鈥檌ntelligenza artificiale come elemento chiave per il futuro delle tecnologie di difesa e sicurezza.