Dalle strade di una città alle linee di trasporto urbano, fino alle relazioni che collegano gli utenti dei social network, le reti complesse sono spesso difficili da capire e analizzare per i sistemi di Intelligenza Artificiale, che ora hanno però un nuovo strumento a disposizione: un metodo innovativo che riesce a preservare un maggior numero di informazioni importanti rispetto a quelli attuali, ma che mantiene tempi di calcolo nettamente inferiori. È stato messo a punto grazie alla collaborazione tra Scuola Imt Alti Studi Lucca, Scuola Superiore Sant’Anna di Pisa e Università danese di Aalborg. Il risultato, pubblicato sulla rivista Ieee Transactions on Knowledge and Data Engineering, apre nuove applicazioni in campi come i sistemi biologici, i trasporti e i social.
Oggi, molte informazioni sono descritte come reti, nelle quali ci sono nodi ed elementi collegati tra loro da determinate relazioni. Per permettere agli algoritmi di IA di elaborarle, i dati vanno trasformati in numeri, ma i metodi tradizionali presentano un grosso limite: spesso si concentrano solo sulla distanza tra i nodi, perdendo così l’informazione fondamentale del ruolo che ciascun nodo ricopre nella rete.
La soluzione elaborata da Giuseppe Squillace e Mirco Tribastone della Scuola Imt di Lucca, Max Tschaikowski dell’Ateneo danese e Andrea Vandin del Sant’Anna di Pisa risolve questo problema. Il nuovo metodo, infatti, è in grado di preservare non solo la distanza tra i vari elementi della rete, ma anche il loro ruolo. Inoltre, è progettato per funzionare su reti molto grandi dotate anche di connessioni molto complesse, mantenendo tempi di calcolo significativamente ridotti rispetto alle soluzioni esistenti.
Riproduzione riservata © Copyright ANSA
