Skip to main content
Vai all'homepage della Commissione europea (si apre in una nuova finestra)
italiano it
CORDIS - Risultati della ricerca dell’UE
CORDIS

NeSySCALE: Scalable and Trustworthy Neuro-Symbolic AI through ε-Guaranteed Approximate Inference

Descrizione del progetto

Oltre la «scatola nera»: un’intelligenza artificiale neurosimbolica trasparente

Sebbene l’apprendimento profondo eccella nel riconoscimento dei modelli, la sua natura da «scatola nera» non offre la trasparenza richiesta in settori ad alto rischio come quello sanitario. Sostenuto dal programma di azioni Marie Skłodowska-Curie, il progetto NeSySCALE mira a colmare questa lacuna combinando le reti neurali con la logica strutturata dell’intelligenza artificiale (IA) simbolica. Integrando questi approcci attraverso la programmazione probabilistica neurale, il progetto creerà modelli che siano al tempo stesso potenti e interpretabili. Per superare gli attuali limiti tecnici, NeSySCALE utilizzerà una ricerca dinamica in profondità volta a garantire che il sistema rimanga scalabile e affidabile, puntando in definitiva a fornire un quadro end-to-end per un’IA affidabile e, consentendo un ragionamento chiaro e spiegabile in settori critici in cui la responsabilità è essenziale per la sicurezza e la fiducia del pubblico.

Obiettivo

Deep learning has achieved remarkable success in tasks such as language generation, image classification, and speech recognition. However, these models remain largely opaque “black boxes,” making it difficult to understand or explain their predictions. This lack of interpretability limits their use in high-risk, regulated domains like healthcare or autonomous systems, where transparency and accountability are essential. The field of neuro-symbolic AI addresses this limitation by combining deep learning’s pattern recognition capabilities with the structured reasoning of symbolic AI. Neural probabilistic programming (NPP) is one such approach, integrating neural networks with probabilistic logic programs to produce models that are both powerful and interpretable. For example, in hospital risk monitoring of sepsis, NPP systems can transform raw medical data into probabilistic observations and then reason reliably using logic programs, making predictions transparent and explainable. A major challenge of NPP is scalability, as symbolic reasoning relies on computationally expensive weighted model counting, which is an obstacle to its application in practice. The NeSySCALE project aims to overcome this by developing a neuro-symbolic framework that integrates learning and reasoning in an end-to-end manner while remaining scalable, robust, and reliable. Using a dynamic depth-first search approach with formal guarantees on approximation errors, the project will enable trustworthy AI in domains where standard neural networks are currently unsuitable. The PF will join the DTAI research group at KU Leuven, under the supervision of Professors Giuseppe Marra and Luc De Raedt.

Campo scientifico (EuroSciVoc)

Parole chiave

Programma(i)

Argomento(i)

Meccanismo di finanziamento

HORIZON-TMA-MSCA-PF-EF - HORIZON TMA MSCA Postdoctoral Fellowships - European Fellowships

Vedi tutti i progetti finanziati nell’ambito di questo schema di finanziamento

Invito a presentare proposte

(si apre in una nuova finestra) HORIZON-MSCA-2025-PF

Vedi tutti i progetti finanziati nell’ambito del bando

Coordinatore

KATHOLIEKE UNIVERSITEIT LEUVEN
Contributo netto dell'UE
€ 216 240,00
Indirizzo
OUDE MARKT 13
3000 Leuven
Belgio
Regione
Vlaams Gewest Prov. Vlaams-Brabant Arr. Leuven
Tipo di attività
Higher or Secondary Education Establishments
Collegamenti
Costo totale
Nessun dato