INNOVAZIONE

Banda ultralarga: federated learning e intelligenza artificiale per andare oltre il 5G

Presentato un testbed dell’Università di Pisa basato su un simulatore di rete e sviluppato nell’ambito del progetto Hexa-X, guidato da Nokia ed Ericsson: connettività ad alto valore aggiunto e privacy garantita

Pubblicato il 23 Giu 2023

Schermata 2023-06-23 alle 13.41.25

Resilienza, robustezza e inclusione digitale. Sono questi i requisiti stringenti che dovrà avere la rete Internet per il 2023: lo hanno stabilito i risultati del progetto europeo Hexa-X, guidato dalle aziende Nokia ed Ericsson in un consorzio di 25 organizzazioni da 9 paesi. Presentati alla conferenza europea su reti e comunicazioni  (EuCNC 2023), questi importanti output sono valsi al progetto il premio per il migliore spazio espositivo.

Tra questi, un testbed realizzato dall’unità di ricerca del Dipartimento di Ingegneria dell’Informazione dell’Università di Pisa assieme a Intel e Tim, che emula una rete oltre il 5G integrata da sistemi di intelligenza artificiale innovativi e affidabili. “ Hexa-X – spiega Giovanni Nardini, docente di ingegneria informatica all’Università di Pisa – ha affrontato sfide come l’aumento delle capacità di machine learning delle intelligenze artificiali, la sostenibilità per ottimizzare i consumi di rete dal punto di vista energetico, lo studio di soluzioni efficienti per una copertura globale del servizio che sia affidabile e possa fornire esperienze ai massimi livelli garantendo velocità di trasmissione estreme e latenze estremamente basse.

Federated learning e modelli AI “spiegabili”

Alcune delle parole chiave per affrontare queste sfide sono apprendimento federato e modelli di intelligenza artificiale “spiegabili”, che combinati sono denominati Fed-Xai (Federated Learning of eXplainable AI).

Da un lato, la tecnica del Federated learning permette di addestrare modelli di intelligenza artificiale in modo collaborativo tra diversi utenti, garantendo prestazioni migliori rispetto a un approccio tradizionale e al tempo stesso preservando la privacy dei dati degli utenti stessi. Dall’altro lato, i modelli di intelligenza artificiale “spiegabili” permettono di produrre informazioni sul funzionamento del modello stesso, e pertanto permettono di rendere i risultati ottenuti da tali modelli maggiormente interpretabili da utilizzatori umani, contribuendo ad incrementare la robustezza e l’affidabilità delle tecniche di intelligenza artificiale”.

Un approccio promettente per le future reti mobili

“Durante la conferenza – prosegue Nardini – abbiamo usato il nostro simulatore di rete Simu5G, il primo simulatore di rete open-source che funziona in tempo reale, per mostrare che l’integrazione di tecniche di Federated learning di modelli di AI spiegabili all’interno delle future reti mobili è un approccio promettente verso servizi innovativi affidabili e di alta qualità agli utenti, mantenendo la privacy degli utenti stessi. Il simulatore stesso è un importante risultato, visto che dalla pubblicazione è stato scaricato più di 6000 volte dal sito che abbiamo messo a disposizione, a testimonianza delle sue potenzialità nel supportare i processi di innovazione di rete e digitalizzazione necessari al nostro paese”.

La ricerca su una intelligenza artificiale in grado di garantire robustezza, privacy nella gestione dei dati e trasparenza e, al contempo, alla sua applicazione per costruire la rete del futuro, è oggi centrale per chi lavora nell’Ict. Questo è uno dei filoni di ricerca del FoReLab, il laboratorio dell’Università di Pisa che si occupa della ricerca su tecnologie per il 2030 e oltre, per la costruzione di quella che ormai viene chiamata “società 5.0”, e che include non solo innovazione nei modi di produzione, ma in cui le tecnologie, in ogni loro declinazione, devono garantire, resilienza, inclusione, e centralità di persone e ambiente.

Valuta la qualità di questo articolo

La tua opinione è importante per noi!

Articoli correlati