Descrizione del progetto
Intelligenza collettiva ibrida per il supporto decisionale nella diagnostica medica e nei servizi climatici
Il progetto HACID, finanziato dall’UE, sta sviluppando un’intelligenza collettiva ibrida basata sulla sinergia tra esseri umani e macchine per trovare soluzioni a problemi aperti reali. Le soluzioni a questi problemi non sono ristrette a un insieme limitato di alternative e abbracciano molti ambiti di conoscenza. HACID esplorerà un nuovo approccio che riunisce esperti umani e rappresentazione della conoscenza supportata dall’intelligenza artificiale al fine di creare nuovi strumenti per il processo decisionale. Verranno presi in considerazione due casi di studio. Il primo affronterà la frammentazione delle conoscenze nella medicina, aiutando il personale medico a realizzare diagnosi più accurate. Il secondo fornirà supporto ai responsabili politici nella definizione di strategie di adattamento urbano per affrontare gli impatti futuri dei cambiamenti climatici.
Obiettivo
HACID develops a novel hybrid collective intelligence for decision support to professionals facing complex open-ended problems, promoting engagement, fairness and trust. A decision support system (HACID-DSS) is proposed that is based on structured domain knowledge, semi-automatically assembled in a domain knowledge graph (DKG) from available data sources, such as scientific and gray literature. Given a specific case within the addressed domain, a pool of experts is consulted to (i) extract supporting evidence and enrich it, generating a case knowledge graph (CKG) as a subset of the DKG, and (ii) provide one or more solutions to the problem. Exploiting the CKG, the HACID-DSS gathers the expert advice in a collective solution that aggregates the individual opinions and expands them with machine-generated suggestions. In this way, HACID harnesses the wisdom of the crowd in open-ended problems, relying on a traceable process based on supporting evidence for better explainability. A set of evaluation methods is proposed to deal with domains where ground truth is not available, demonstrating the suitability of the proposed approach in a wide range of application domains. Demonstrations are provided in two compelling case studies contributing to the UN Sustainable Development Goals: crowd-sourcing medical diagnostics and climate services for urban adaptation.
Programma(i)
Argomento(i)
Invito a presentare proposte
HORIZON-CL4-2021-DIGITAL-EMERGING-01
Vedi altri progetti per questo bandoMeccanismo di finanziamento
HORIZON-IA - HORIZON Innovation ActionsCoordinatore
00185 Roma
Italia