Costruito attorno alle interfacce
TRAILAB non è un altro specialista aggiunto a un progetto. È costruito attorno alle interfacce tra prove tecniche, doveri legali, governance istituzionale, questioni etiche e azione umana.
Perchè TRAILAB
Un problema di ricerca è diventato troppo grande per una disciplina, un dominio o un’istituzione.
TRAILAB è una nuova istituzione indipendente costruita su base di ricerca matura. La traiettoria dietro di esso è iniziata con l'incertezza, si è spostata verso decisioni ad alto rischio, sistemi critici, causalità, spiegabilità, legge, standard, etica e azione umana, e alla fine ha richiesto una sede duratura in cui quelle interfacce potrebbero essere ricercate insieme.
Il viaggio che ha reso necessario TRAILAB
Il viaggio che ha reso necessario TRAILAB
-
2015-2019
Dubbio probabilistico
La questione tecnica centrale era come i sistemi di intelligenza artificiale possono rappresentare l’incertezza: limiti di dominio, lacune epistemiche e variabilità aleatoria, motivate inizialmente da decisioni finanziarie e bancarie in cui l’automazione era senza dubbio pericolosa.
-
2020-2022
Dalla finanza ai sistemi critici
Lo stesso problema decisionale è apparso nella guida autonoma, nell’aviazione, nell’automazione industriale, nel rilevamento di notizie false e nei progetti pubblici: prove incomplete, condizioni operative mutevoli e responsabilità umana.
-
2021-2023
Causalità e spiegabilità
L’incertezza non era sufficiente. Il lavoro si è espanso verso la causalità, i controfattuali e la spiegabilità: cosa ha causato una previsione, cosa cambierebbe sotto l’intervento e se le spiegazioni sono fedeli, stabili e non contraddittorie.
-
2023-2024
Legge, legge sull'AI e norme
L'intelligenza artificiale affidabile è entrata in ambienti regolamentati. Gli obblighi della legge sull'AI, gli standard ISO/IEC 42001, ISO/IEC 23894, gli standard armonizzati CEN-CENELEC e i quadri garanzia del settore dovevano essere tradotti in metodi operativi.
-
2024-2025
Etica e filosofia
La fiducia tecnica e legale lasciava ancora questioni di legittimità, equità, cura, paternità, responsabilità, reputazione e scopo umano. L'etica e la filosofia sono diventate parte del metodo, non un ripensamento.
-
2026
AI riflessiva e TRAILAB
Poiché l’intelligenza artificiale ha acquisito effetti infrastrutturali sul giudizio, l’intelligenza artificiale affidabile ha dovuto essere integrata dall’intelligenza artificiale riflessiva: un obiettivo di ricerca per preservare e rafforzare le capacità umane. TRAILAB diventa lo spazio indipendente, multidisciplinare e multiistituzionale per quel lavoro.
Indipendente per progettazione
L’indipendenza è preziosa per i partner e i finanziatori perché protegge la credibilità dei metodi, delle prove e delle conclusioni.
Applicato con metodo
L’impatto si verifica quando la ricerca viene sottoposta a stress test in sistemi reali, tradotto in standard e resa riutilizzabile attraverso progetti, formazione e prova di interesse pubblico.
Riflessivo per ambizione
L’intelligenza artificiale riflessiva si chiede in che modo la dipendenza dall’intelligenza artificiale cambia le capacità umane che rendono possibili il giudizio, la creatività e la responsabilità.
Il nostro approccio all'impatto
Il nostro ciclo di impatto trasforma la ricerca in capacità.
TRAILAB è progettato in modo che la ricerca, la validazione nel mondo reale e il trasferimento istituzionale si rafforzino una vicenda. Casi applicativi pongono nuove domande di ricerca; i metodi sono sottoposti a stress test nella pratica; le politiche e gli standard traducono le prove in capacità riutilizzabili.
Ricerca e ancoraggi normativi 9
-
2020 · Building Uncertainty Models on Top of Black-Box Predictive APIs
Quantificazione dell'incertezza · Documento accettato
Brando A., Torres D., Rodríguez-Serrano, J. A., Vitrià, J.
-
2022 · Using Quantile Regression in Neural Networks for Contention Prediction in Multicore Processors
Quantificazione dell'incertezza · Documento accettato
Brando, A., Serra, I., Mezzetti, E., Vitrià, J., Cazorla, F. J.
-
2023 · Main Sources of Variability and Non-Determinism in AD Software: Taxonomy and Prospects to Handle Them
Quantificazione dell'incertezza, AI normativa · Documento accettato
Alcon, M., Brando, A., Mezzetti, E., Abella, J., Cazorla, F. J.
-
2023 · SAFEXPLAIN: Safe and Explainable Critical Embedded Systems Based on AI
Spiegabilità, AI normativa · Documento accettato
Abella Ferrer, J., Pérez, J., Englund, C., Zonooz, B., Giordana, G., et al. (incluso Brando, A.)
-
2024 · A Novel Application of SCMs to Time Series Counterfactual Estimation in the Pharmaceutical Industry
Causalità · Documento di officina
Garriga, T., Sanz, G., de Cambra, E. S., Brando, A.
-
2025 · Managing Sources of Uncertainty in Utilizing AI in Development and Deployment of Safety-Critical Autonomous Systems
Quantificazione dell'incertezza, AI normativa · Documento accettato
Lowe, R., Ulan, M., Bui, T.H., Adell, A., Labaien, J., Brando, A.
-
2026 · AI Sandboxes Must Be SME-Oriented Compliance Accelerators
Quantificazione dell'incertezza, IA etica, IA normativa · In corso di revisione
Rodrigo-Albert, D., Eguíluz, J. A., Hidalgo, J., Vargas, V., Mir, M., Brando, A.
-
2026 · EU AI Act implementation timeline
Fonte normativa · FAQ Commissione Europea
La Commissione inquadra la legge sull'intelligenza artificiale come un quadro giuridico basato sul rischio con applicazione graduale: pratiche proibite e alfabetizzazione sull'intelligenza artificiale da febbraio 2025, governance GPAI da agosto 2025 e obblighi ad alto rischio ora sequenziati verso dicembre 2027 e agosto 2028 nell'ambito del pacchetto di semplificazione.
-
2026 · Standardisation of the AI Act
Fonte normativa · Pagina politica della Commissione Europea
La Commissione descrive come le norme armonizzate traducono i requisiti della legge sull’IA in un linguaggio tecnico per la gestione del rischio, la governance dei dati, la registrazione, la trasparenza, il controllo umano, l’accuratezza, la robustezza, la sicurezza informatica, la gestione della qualità e la valutazione della conformità.
Ricerca → metodi
Pubblicazioni e domande aperte su incertezza, causalità, spiegabilità, sicurezza, regolamentazione, etica e intelligenza artificiale riflessiva.
Validazione applicata → evidenza
Casi d'uso nel settore finanziario, bancario, aeronautico, sistemi autonomi, automazione, ricerca farmaceutica, sanità, istruzione e infrastrutture di interesse pubblico.
Trasferimento sistemico → adozione
Metodi attenti alla regolamentazione, traduzione degli standard, capacità politica, adozione delle PMI, orientamento del settore pubblico e apprendimento istituzionale sensibile ai diritti.
Approccio a doppio ciclo TRAILAB
Metodi/know-how
incertezza · causalità · spiegabilità · governance · interazione riflessiva
Ricerca ↔ Applicazione ↔ Impatto
- RicercaPubblicazioni, lavori di dottorato, problemi di benchmark, domande teoriche
- ApplicazioneBanche, finanza, ADAS, aviazione, farmaceutica, sanità, automazione, istruzione
- ImpattoAdozione, sistemi più sicuri, decisioni migliori, capacità di interesse pubblico
Ricerca ↔ Trasferimento sistemico ↔ Impatto
- RicercaPubblicazioni, lavori di dottorato, problemi di benchmark, domande teoriche
- Trasferimento sistemicoContesto AI Act, ISO, CEN-CENELEC, politiche pubbliche, società civile, diritti
- ImpattoAdozione, sistemi più sicuri, decisioni migliori, capacità di interesse pubblico
Perché adesso - Europa
L’Europa si sta spostando dalla normativa sull’IA verso l’adozione su larga scala in tutti i settori strategici, continuando a enfatizzare l’affidabilità dell’intelligenza artificiale, le competenze e la capacità istituzionale incentrate sull’uomo. TRAILAB lavora all'interfaccia tra capacità, adozione, fiducia, diritti e azione umana.
- Contesto della legge dell’UE sull’intelligenza artificialecompiti basati sul rischio, alfabetizzazione all’intelligenza artificiale, governance GPAI e obblighi di sistema ad alto rischio
- Norme armonizzatelinguaggio tecnico per la gestione del rischio, la governance dei dati, la registrazione, la trasparenza, il controllo umano, la robustezza e la sicurezza informatica
- Adozione istituzionaletraduzione delle capacità in prova, governance, competenze e responsabilità in tutti i settori