Con l’avanzare della trasformazione digitale, il Cloud Continuum (CC) si sta imponendo come un modello integrato che unisce infrastrutture cloud, edge e locali. Questa visione consente una gestione più agile e distribuita delle risorse computazionali, adattabile alle esigenze di diversi contesti applicativi. In tale contesto si offre qui una panoramica dei principali risultati sviluppati nell’ambito di una tesi realizzata all’interno del Dottorato Nazionale in Intelligenza Artificiale, area Health and Life Sciences, presso l’Università Campus Bio-Medico di Roma.
Indice degli argomenti
Fondamenti teorici del cloud continuum nell’intelligenza artificiale
La ricerca si concentra sull’analisi e sulla definizione di differenti architetture cloud e cloud-edge, approfondendo il ruolo del Cloud Computing (CC) quale tecnologia chiave per la loro implementazione in contesti applicativi avanzati. Il percorso di analisi si articola in tre grandi aree tematiche: sistemi esperti e semantica, apprendimento automatico e federato, e tecnologie immersive come la realtà aumentata e virtuale. Ogni area è affrontata attraverso progetti sperimentali che includono la progettazione, l’implementazione e la valutazione di specifiche architetture di riferimento.
I progetti trattati comprendono lo sviluppo di uno strumento per la composizione di storie e un sistema esperto per la diagnosi di SARS-CoV-2 basato su regole probabilistiche e semantiche. Altri casi di studio riguardano l’applicazione di algoritmi di deep learning per l’analisi di eventi legati alle comunità energetiche, il monitoraggio della qualità dell’aria utilizzando il machine learning e l’apprendimento federato. Vengono anche esplorati modelli pre-addestrati per il riconoscimento di oggetti in contesti di realtà aumentata e virtuale, con applicazioni pratiche testate presso istituzioni culturali e fiere tecnologiche.
Pertanto, l’approccio metodologico adottato in questa tesi non si limita a una mera discussione teorica, ma comprende un’analisi concreta della progettazione e dell’implementazione di architetture cloud-edge in vari domini applicativi. L’obiettivo è illustrare come il cloud, l’edge o una combinazione di entrambe le tecnologie possano affrontare sfide specifiche, migliorando le prestazioni e l’efficienza operativa in settori quali la sanità, i beni culturali e i sistemi energetici. In particolare, il lavoro si articola in tre aree tematiche principali: sistemi semantici e intelligenti, apprendimento automatico e federato, e tecnologie immersive come realtà aumentata e virtuale. Ciascuna area è affrontata attraverso casi di studio concreti, con architetture progettate e validate su scenari applicativi reali.
Sistemi semantici cloud-edge per sanità e narrativa digitale
Nel campo della semantica applicata, sono state sviluppate, implementate e validate due architetture distinte, progettate per affrontare sfide molto diverse ma ugualmente rilevanti: da un lato, il supporto intelligente alla diagnosi e al trattamento personalizzato in ambito sanitario; dall’altro, la rappresentazione semantica di testi narrativi per favorire nuove modalità di analisi e fruizione.
La prima architettura riguarda un sistema esperto pensato per stimare la probabilità che un paziente abbia contratto il virus SARS-CoV-2, attraverso anche l’utilizzo di regole bayesiane, offrendo al contempo raccomandazioni terapeutiche personalizzate in base al profilo specifico del paziente attraverso regole semantiche. L’obiettivo principale di questo lavoro è creare un sistema esperto che possa supportare i cittadini nel riconoscere e combattere la malattia SARS-CoV-2 o un ipotetico altro virus altamente contagioso.
La seconda architettura si concentra invece sul contesto narrativo e culturale. L’obiettivo è quello di rappresentare graficamente i contenuti di testi narrativi, mappando i diversi elementi della storia in un grafo semantico strutturato. Questo approccio consente di integrare tutte le informazioni in un’unica ontologia, favorendo nuove applicazioni nel campo dell’analisi automatica del testo e della valorizzazione dei contenuti culturali. È stato sviluppato uno strumento in grado di supportare la creazione manuale delle storie e la trasformazione automatica delle connessioni tra i nodi in relazioni ontologiche.
Questo strumento non solo facilita la creazione grafica di narrazioni, ma consente anche di creare query visive per esaminare la storia ed evidenziare le relazioni e le connessioni tra gli elementi della struttura narrativa, come scene, eventi e azioni, nonché gli agenti coinvolti, come attori e oggetti di scena. Il vantaggio principale di questo strumento è la sua capacità di semplificare il processo di creazione e analisi delle storie, rendendo le tecniche avanzate di narrazione accessibili anche a chi non è un esperto tecnico.
Le applicazioni pratiche
Questo strumento ha molteplici applicazioni possibili: può essere utilizzato per scrivere sceneggiature di film, per creare contenuti didattici interattivi, per progettare campagne pubblicitarie accattivanti e per la ricerca in narratologia e scienze sociali. La possibilità di interrogare graficamente la struttura di una storia e di esplorare le relazioni tra i suoi elementi offre nuove prospettive e strumenti per l’analisi e la comprensione delle narrazioni, aprendo la strada a cambiamenti nel modo in cui le storie vengono concepite, sviluppate e condivise.
Metodologie NLP per automazione dei grafi semantici
A completamento di queste due ricerche, è stata anche proposta una metodologia per l’automazione nella generazione dei grafi semantici a partire da testi narrativi, grazie all’uso di tecniche di NLP.
Questi tre lavori mostrano come le tecnologie semantiche possano trovare applicazione sia in contesti ad alto impatto sociale, come la sanità, sia in ambiti legati alla cultura e alla conoscenza, offrendo strumenti innovativi per analizzare, rappresentare e valorizzare l’informazione.
Applicazioni del cloud-edge nell’apprendimento automatico e federato
Negli ultimi anni, le tecnologie di apprendimento, in tutte le loro forme, come machine, deep, reinforcement e persino federated, hanno rivoluzionato molti settori, consentendo soluzioni avanzate per la gestione dei dati, l’ottimizzazione dei processi e l’analisi predittiva. In questo contesto all’interno del lavoro di tesi, sono stati definiti, progettati, implementati, distribuiti e testati diversi progetti relativi a diversi domini applicativi con le suddette architetture di supporto al software.
Il percorso di ricerca è iniziato con lo studio delle comunità energetiche in collaborazione con ENEA, finalizzato alla definizione di una pipeline in grado di esaminare le notizie raccolte da diverse fonti testuali in lingua italiana e, da queste, filtrare solo i contenuti relativi al tema delle comunità energetiche e recuperare le informazioni relative agli eventi descritti.
Il sistema sviluppato, quindi, si basa sulle tecnologie di NLP, process mining e Sentiment Analysis e progettato per operare in modalità Batch. Questo approccio consente di elaborare grandi volumi di dati in diversi momenti della giornata, mantenendo la compatibilità con un’analisi in streaming grazie a un’architettura scalabile e pronta per lo streaming. Il corpus di notizie trattato presenta caratteristiche di testi non strutturati, con dati di grandi dimensioni che richiedono processi di pre-normalizzazione.
In seguito presso il centro di ricerca IIIA di Barcellona è stato portato avanti un lavoro sull’analisi della qualità dell’aria nell’ambito del progetto europeo K-HiA. Quando si parla di qualità dell’aria, ci sono due filoni di studio: le cause e gli effetti. Questo studio mira a sviluppare un metodo per capire come le attività quotidiane influenzino la qualità dell’aria interna nelle case di Valladolid, utilizzando un set di dati reali parzialmente etichettati. Lo scopo principale è quello di analizzare e modellare i fattori ambientali applicando tecniche di intelligenza artificiale, con un focus specifico sulla qualità dell’aria interna. Attraverso l’uso di metodi di riconoscimento dei pattern e di apprendimento automatico, si mira a identificare le variazioni della qualità dell’aria legate alle diverse attività svolte nelle stanze monitorate. Infine, nell’ultima fase della ricerca, ci si è soffermati sul monitoraggio e l’analisi dei pazienti diabetici attraverso tecniche di machine learning federate e architetture definite con l’uso del cloud, sperimentate in studi precedenti.
Inizialmente è stata condotta un’analisi comparativa completa delle tecniche di apprendimento automatico. Nella fase successiva, l’obiettivo è stato quello di adattare e implementare gli algoritmi esistenti al contesto dell’apprendimento federato in un ambiente virtuale. Successivamente sono state definite diverse architetture che possano supportare le ipotesi proposte, garantendo flessibilità e scalabilità. Infine, attraverso simulazioni reali con un numero limitato di utenti e simulazioni più ampie con strumenti specifici, verrà valutata l’efficacia delle architetture definite in termini di prestazioni.
Realtà virtuale e aumentata nel cloud-edge continuum
All’interno dello scenario cloud continuum applicato ad ambienti di realtà aumentata e virtuale, sono state progettate, implementate e testate diverse architetture. Tali soluzioni sono state validate attraverso l’uso combinato di casi d’uso reali e simulatori, con l’obiettivo di valutare la scalabilità e le prestazioni in presenza di numerosi utenti. Le architetture sviluppate seguono un modello distribuito che consente di spostare progressivamente il carico computazionale dal core verso l’edge, ottimizzando così l’efficienza del sistema.
Il lavoro è stato condotto in più fasi, partendo dalla definizione di tre architetture distinte, modellate tramite diagrammi UML. Successivamente, sono state individuate le tecnologie più idonee per l’implementazione dei singoli componenti, assicurandone la coerenza e l’integrazione all’interno delle architetture progettate. Parallelamente, sono state sviluppate tre applicazioni dimostrative, pensate per evidenziare la versatilità delle soluzioni proposte in contesti differenti. Queste applicazioni sono state presentate sia all’Archivio Centrale dello Stato che alla fiera We Make Future di Bologna. L’ultima fase ha riguardato l’attività di simulazione, attraverso strumenti dedicati, per validare ulteriormente le architetture in scenari complessi e ad alta intensità d’uso.
Sintesi e prospettive future per il cloud-edge computing
La ricerca ha esplorato e validato diverse architetture cloud-edge in ambiti come semantica, apprendimento automatico e tecnologie immersive, con l’obiettivo di ottimizzare l’elaborazione distribuita nel cloud continuum. I casi di studio hanno coperto settori sanitari, culturali ed energetici, dimostrando l’efficacia dell’approccio proposto. Tra le prospettive future vi sono l’ottimizzazione tramite 5G e offloading e la creazione di un framework modulare per l’adattamento dinamico delle architetture. Questo permetterà una configurazione flessibile e scalabile in base ai vincoli di ciascun caso d’uso.
