I progetti, dedicati al ragionamento clinico e alla gestione dell’energia, figurano tra gli 84 casi del volume “Umanesimo Tecnologico. Le eccellenze italiane nell’Intelligenza Artificiale”, presentato al Prix Italia 2026
SIENA. Due progetti di Intelligenza Artificiale sviluppati dal gruppo di ricerca coordinato dal professor Antonio Rizzo, direttore dell’Interaction Design Lab del Dipartimento di Scienze Sociali, Politiche e Cognitive dell’Università di Siena, sono stati selezionati per la pubblicazione nel volume “Umanesimo Tecnologico. Le eccellenze italiane nell’Intelligenza Artificiale”, promosso dal Ministero degli Affari Esteri e della Cooperazione Internazionale (MAECI) e curato scientificamente dall’Associazione Italiana per la Ricerca Industriale (AIRI).
I due casi selezionati sono: la piattaforma di intelligenza aumentata clinica “DiDi – Dialogical Diagnostic”, realizzata con il Centro Chirurgico Toscano (CCT), che supporta il ragionamento diagnostico mettendo alla prova le ipotesi del medico invece di limitarsi a confermarle, lasciando al clinico la decisione finale; e un sistema di gestione intelligente dell’energia per le Comunità Energetiche Rinnovabili (CER), sviluppato con la società Sunlink Srl, in cui un agente di apprendimento per rinforzo coordina produzione fotovoltaica, accumuli e consumi per aumentare la quota di energia rinnovabile prodotta e consumata localmente.
Il volume raccoglie 84 casi applicativi di rilievo nazionale distribuiti in 11 settori strategici ed è stato presentato il 30 settembre a L’Aquila, in occasione della 78ª edizione del Prix Italia della Rai, dedicata al tema “Play Human”. Sarà distribuito a livello internazionale attraverso la rete globale delle Ambasciate, dei Consolati e degli Istituti Italiani di Cultura per testimoniare all’estero l’eccellenza dell’ecosistema scientifico e industriale italiano.
Il progetto “DiDi – Dialogical Diagnostic”, condotto in collaborazione con il Centro Chirurgico Toscano (CCT) di Arezzo nell’ambito del progetto HEART (cofinanziato dal PR FESR Toscana 2021-2027), affronta uno dei nodi più critici dell’adozione dell’IA in medicina: il cosiddetto «problema dell’acquiescenza» (acquiescence problem) dei modelli linguistici generici. Le ricerche empiriche evidenziano infatti che gli strumenti convenzionali tendono a convalidare passivamente le intuizioni dei medici anziché metterle alla prova, rischiando di rinforzare pericolose scorciatoie mentali e bias cognitivi come l’effetto di ancoraggio e la chiusura diagnostica prematura. Per superare queste criticità, il gruppo di ricerca ha sviluppato il “Dialogic Reasoning Framework” (DRF), in cui l’IA assume ruoli distinti – reasoning coach, guida socratica e interlocutore critico che mette in discussione le ipotesi (Red Team Partner) – per aiutare il medico a esplicitare, verificare e confrontare il proprio ragionamento, senza sostituirsi a lui. Il framework, descritto in un articolo pubblicato nel 2026 sulla rivista internazionale Applied Sciences, è stato implementato nel prototipo “DiDi – Dialogical Diagnostic” e sperimentato su casi clinici complessi presso il CCT.
Sul fronte della transizione energetica, il progetto sviluppato dall’Università di Siena con Sunlink Srl e sostenuto dal progetto “SUMMA”, finanziato dal Fondo Repubblica Digitale e da Google, applica tecniche di apprendimento per rinforzo profondo (Deep Reinforcement Learning, DRL) alla gestione delle Comunità Energetiche Rinnovabili (CER).
Come documentato in uno studio pubblicato sulla rivista internazionale Energies, il coordinamento dei sistemi di accumulo elettrochimico a batteria (BESS) all’interno di una comunità energetica è reso complesso dall’intermittenza della generazione fotovoltaica e dalla variabilità dei consumi: occorre decidere, momento per momento, quando caricare, scaricare o condividere l’energia. La soluzione si basa su un agente Soft Actor-Critic (SAC) con architettura asimmetrica Actor-Critic che, in fase di addestramento, integra le strategie di un controllore ottimo basato su programmazione lineare intera mista (MILP): l’adattabilità dell’apprendimento automatico si combina così con il rigore dei metodi di ottimizzazione classici.
«Entrambi i progetti nascono da una stessa idea di intelligenza Aumentata, spiega il professor Antonio Rizzo, «non un sistema che sostituisce il giudizio umano, ma uno strumento che lo rende più solido, nel ragionamento clinico come nella gestione condivisa dell’energia. Per questo le soluzioni sono pensate per essere trasferite ad altri contesti: altre specialità mediche nel primo caso, altre comunità energetiche e altri contesti produttivi nel secondo».
Foto:
Il professor Antonio Rizzo con il team di ricerca Unisi
