Tecnologie ibride per la trasparenza – Conoscenza Strutturata e Modelli Generativi

La crescente richiesta di trasparenza nei processi decisionali automatizzati spinge verso soluzioni ibride che combinano modelli generativi e rappresentazioni strutturate della conoscenza. In occasione di questo lunch seminar verrà illustrata un’architettura ibrida che integra modelli generativi (LLMs), Knowledge Graph (KG) e regole semantiche, per supportare scenari reali come la compliance normativa, il rilevamento di conflitti di interesse e un’analisi multiprospettica su attori privati e pubblici.

Attraverso l’analisi di dati aperti del Comune di Chicago, verrà mostrato come la costruzione incrementale di un Knowledge Graph – dalla comprensione del dominio alla fusione dei dati e alla definizione del modello – consenta l’integrazione di sorgenti eterogenee e l’identificazione automatica di entità e relazioni complesse. L’uso di modelli LLMs e algoritmi di similarità per l’enrichment e l’analisi, combinato con tecniche di rappresentazione semantica, permette di abilitare un’explainability contestuale, validazione automatica e reporting trasparente.

Il risultato costituirà una pipeline informativa orientata alla trasparenza, capace di supportare decisioni pubbliche in modo responsabile, sfruttando le sinergie tra AI generativa e tecnologie semantiche.