PROGETTO LAOCOONTE

soluzione sperimentale di apprendimento automatico e previsionale

IL PROGETTO

Energent è lieta di annunciare la disponibilità di Laocoonte, una soluzione sperimentale di apprendimento automatico e previsionale, frutto della collaborazione con TECSO, Innovilab, DLV System e UniCal.

Il progetto Laocoonte è stato finanziato dal MIMIT nell’ambito della risposta dell’Unione alla pandemia di COVID-19, mediante fondi del PON IC 2014-2020 – Iniziativa REACT EU – Asse 6 – Priorità 13i.

La sperimentazione del dimostrativo è avvenuta in collaborazione con le aziende pilota identificate durante la fase di progettazione nei seguenti settori funzionali: bancario, assicurativo, risorse umane e medicale. La Energent è disponibile ad allargare gli ambiti di sperimentazione accogliendo nuovi partner anche in settori diversi.

Oltre alle specifiche features per la predizione e classificazione di elementi in base ad un modello adattativo, Laocoonte ha conseguito importanti traguardi come performance, usabilità, trasparenza algoritmica, risparmio energetico ed è anche dotato di un proprio modulo di anonimizzazione online, invertibile o meno, per l’utilizzo sui dati sensibili.

La strategia sottostante a questo prodotto permette di estendere il suo campo di applicazione, scegliere in modo automatico l’algoritmo ottimale per la creazione del modello del fenomeno in questione e, di conseguenza, aumentare le probabilità di ottenere una rappresentazione efficace per il raggiungimento dell’obiettivo di studio.

Inoltre, consente di identificare e classificare i dati nel caso in cui non siano già noti a priori.
Infine, analizzando i dati in linea, consente di realizzare funzionalità complementari a quante tipiche di strumenti per la protezione dagli attacchi informatici ovvero per la valutazione del rischio.

Energent continua ad investire nell’area dell’Intelligenza Artificiale ereditando un’esperienza ventennale sul trattamento e l’analisi dei dati.

CARATTERISTICHE E VANTAGGI

Riproduci video

Caratteristiche Principali

  • Soluzione AI Centralizzata e agenti distribuiti
  • Raccolta dati automatizzabile, costruzione e distribuzione del modello in tempo reale, adattatività costante del modello
  • Intervallo di aggiornamento dinamico definibile dall’utente
  • Modelli già disponibili: classificazione, real-time series, regressione
  • Agenti – Java Microservices
  • Servizi esposti come Rest API

Benefici previsti

  • Spiegabilità algoritmica
  • Performance molto elevate
  • Usabilità della piattaforma (anche ai non esperti)
  • Analisi del rischio e dei benefici
  • Analisi dell’impatto (scenari, configuration analisys, predictive maintenance)
  • Analisi preventiva della Correlazione tra attributi (features engineering)
  • Data Quality
  • Accuratezza della previsione (automisura della convergenza delle stime)

Maggiori informazioni?