
Strumentazione e monitoraggio in continuo per le reti idriche
RESEARCH PROJECTS
Sviluppo e definizione dell’architettura neurale di language model che rendono i meccanismi di memorizzazione strutturati, ispezionabili e modificabili
Gli LLM attuali apprendono per accumulo statistico su enormi quantità di dati all’interno di architetture in larga parte “black box”: il processo con cui un’informazione viene appresa resta opaco e difficilmente interpretabile. Questo crea un trade-off critico: potenza generativa versus controllabilità e trasparenza.
Sviluppato in partnership con l'Università di Roma Tor Vergata e finanziato dal Fondo Italiano per le Scienze Applicate del MUR, MeMo è un progetto di ricerca di frontiera che propone un ribaltamento fondamentale: passare da modelli che apprendono implicitamente cosa ricordare a modelli che rendono i meccanismi di memorizzazione strutturati, ispezionabili e modificabili.
L'innovazione risiede in un'architettura rivoluzionaria basata su Correlation Matrix Memories—memorie associative esplicite che materializzano la memoria come struttura dati interrogabile anziché distribuirla nei parametri della rete.
Abbiamo contribuito a sviluppo e definizione dell’architettura neurale del nuovo modello di linguaggio e alla sua sperimentazione, con l’obiettivo di avere un maggiore controllo sulle informazioni che sono inserite nel modello e sulla loro affidabilità.
Inoltre, supportiamo la sperimentazione e valutazione della nuova tipologia di modelli mettendo in campo il know-how acquisito con l'addestramento dei modelli Velvet in termini di:
sulla potenza di calcolo e i costi di addestramento di un modello
di informazioni specifiche
di come e perché una risposta viene generata
per rendere l’AI affidabile, governabile e conforme alle normative