Enhanced Learning Strategies for General Purpose AI: Advancing GenAI4EU (RIA) (AI/Data/Robotics Partnership)
Titolo:
Strategie di apprendimento avanzate per l’IA generica: avanzamento di GenAI4EU (RIA) (AI/Data/Robotics Partnership)
Enhanced Learning Strategies for General Purpose AI: Advancing GenAI4EU (RIA) (AI/Data/Robotics Partnership)
TOPIC ID:
HORIZON-CL4-2025-04-DIGITAL-EMERGING-07
Ente finanziatore:
Commissione europea
Programma Horizon Europe
Obiettivi ed impatto attesi:
I risultati dei progetti dovrebbero contribuire al raggiungimento di alcuni dei seguenti obiettivi:
– Sviluppo di modelli e architetture di Intelligenza Artificiale di Scopo Generale (GPAI) che dimostrino capacità avanzate, come il ragionamento formale, la risoluzione di problemi matematici, la stima del livello di fiducia, la pianificazione a lungo termine e l’adattamento fluido a contesti dinamici e non stazionari;
– Sviluppo di approcci innovativi di apprendimento che combinano self-supervised learning con apprendimento ibrido, apprendimento attivo, apprendimento per rinforzo, transfer learning, apprendimento relazionale, apprendimento continuo o evolutivo;
– Contributi teorici per avanzare nella comprensione delle sinergie tra l’apprendimento auto-supervisionato e paradigmi di apprendimento complementari nello sviluppo dei modelli GPAI.
Ambito:
I modelli di intelligenza artificiale su larga scala attuali hanno dimostrato capacità straordinarie trasformando numerosi settori, eccellendo in compiti come l’elaborazione del linguaggio naturale, la generazione di immagini e il gioco di strategia complessi. Tuttavia, nonostante questi successi, i modelli attuali presentano diverse limitazioni fondamentali. Mostrano difficoltà nell’adattarsi a condizioni variabili del mondo reale e limitazioni nelle capacità di ragionamento logico, nella risoluzione di problemi matematici complessi e nella pianificazione multi-step. Inoltre, tendono a non riconoscere i propri limiti, generando risposte errate a domande esterne al loro dominio di conoscenza.
Queste limitazioni evidenziano la necessità di avanzamenti verso modelli GPAI più robusti e adattabili, capaci di comportamenti intelligenti più ampi, ispirandosi anche a sistemi biologici e collettivi.
Per superare i limiti attuali, questo tema mira allo sviluppo di modelli GPAI innovativi che combinino il self-supervised learning con strategie di apprendimento complementari, quali:
– Apprendimento ibrido, che integra il ragionamento simbolico e la rappresentazione della conoscenza;
– Apprendimento attivo, che consente ai modelli di cercare attivamente nuove informazioni per migliorare le proprie prestazioni;
– Apprendimento per rinforzo, che permette ai modelli di apprendere tramite interazione con l’ambiente;
– Apprendimento relazionale, focalizzato sui dati strutturati in forma relazionale;
– Apprendimento continuo, per adattarsi e acquisire nuova conoscenza senza perdere quella pregressa;
– Apprendimento evolutivo, ispirato all’evoluzione biologica per ottimizzare architetture e parametri dei modelli;
– Apprendimento basato sulla fisica, che integra proprietà fisiche nelle architetture dei modelli.
L’obiettivo è creare modelli GPAI con capacità migliorate, superare le limitazioni esistenti e aprire la strada a una nuova generazione di sistemi intelligenti in grado di affrontare sfide complesse e reali.
Il tema dà priorità alle proposte che esplorano approcci innovativi nello sviluppo di modelli GPAI, concentrandosi su almeno uno dei seguenti ambiti di ricerca:
– Architetture di Apprendimento Ibrido per Ragionamento Avanzato: sviluppo di architetture che integrano self-supervised learning con ragionamento simbolico, rappresentazione della conoscenza e metodi neuro-simbolici per promuovere capacità robuste di ragionamento, pianificazione complessa e risoluzione di problemi;
– Apprendimento Continuo ed Evolutivo per Ambienti Dinamici: ricerca su paradigmi che permettano ai modelli GPAI di adattarsi continuamente e di apprendere da condizioni mutevoli;
– Integrazione di Apprendimento per Rinforzo: studio dell’integrazione tra self-supervised learning e reinforcement learning per affrontare problemi come dati non stazionari, sensibilità algoritmica e costi computazionali;
– Intelligenza Artificiale Spiegabile (XAI) e Decisioni Affidabili: integrazione di metodologie robuste di XAI, inclusa l’inferenza causale e il ragionamento controfattuale, per migliorare trasparenza, responsabilità e uso responsabile dei modelli GPAI in linea con i valori e principi europei;
– Altri Paradigmi Innovativi: combinazione del self-supervised learning con altri paradigmi di apprendimento, come l’apprendimento attivo, relazionale ed embodied learning, per dotare i modelli GPAI di nuove capacità avanzate.
I progetti proposti dovranno perseguire un equilibrio tra avanzamenti teorici e applicazioni pratiche, con un forte accento sull’allineamento dei modelli GPAI ai valori e ai principi europei, incluso il Regolamento sull’IA (AI Act).
L’impatto potenziale di questa ricerca va oltre i progressi scientifici, con la possibilità di trasformare settori chiave europei come la robotica avanzata, la sanità personalizzata, la mobilità, la manifattura, le soluzioni energetiche sostenibili e il settore scientifico, contribuendo anche all’obiettivo della neutralità climatica dell’UE attraverso l’efficienza energetica. I progetti di successo contribuiranno a migliorare la produttività, il processo decisionale e l’innovazione in un’ampia gamma di ambiti.
È fortemente incoraggiata la formazione di team interdisciplinari che uniscano le competenze tecniche necessarie, assicurando che le valutazioni catturino accuratamente capacità e rischi reali e che gli strumenti sviluppati siano rispondenti alle esigenze di tutti gli stakeholder.
Le proposte devono aderire ai requisiti di Open Science di Horizon Europe, prevedendo l’accesso aperto ai risultati della ricerca, salvo motivazioni o vincoli legittimi.
Tutte le proposte dovranno includere meccanismi di valutazione e monitoraggio dei progressi, tramite KPI qualitativi e quantitativi, benchmarking e monitoraggio continuo. Sarà richiesto partecipare a contest internazionali di valutazione e presentare casi d’uso applicativi illustrativi che dimostrino il valore aggiunto concreto. I risultati comunicabili dovranno essere condivisi con la comunità R&S europea attraverso la piattaforma AI-on-Demand e, se necessario, su altre piattaforme digitali rilevanti, per rafforzare l’ecosistema europeo di AI, dati e robotica.
Questo tema implementa il Partenariato Europeo co-programmato su AI, dati e robotica (ADRA) e tutte le proposte dovranno prevedere attività di coesione con ADRA e con il CSA HORIZON-CL4-2025-03-HUMAN-18: GenAI4EU Central Hub.
Le proposte dovranno inoltre basarsi su o ricercare collaborazione con progetti esistenti e sviluppare sinergie con altre iniziative europee, nazionali o regionali pertinenti. In particolare, si richiede di sviluppare sinergie e complementarità con progetti rilevanti finanziati nell’ambito di Horizon Europe e del Programma Europa Digitale (DEP).
Criteri di eleggibilità:
Qualsiasi soggetto giuridico, indipendentemente dal suo luogo di stabilimento, compresi i soggetti giuridici di paesi terzi non associati o le organizzazioni internazionali (comprese le organizzazioni internazionali di ricerca europee4), è ammesso a partecipare (indipendentemente dal fatto che sia ammissibile o meno al finanziamento), a condizione che siano soddisfatte le condizioni stabilite nel regolamento Orizzonte Europa, unitamente a qualsiasi altra condizione stabilita nell’invito/tema specifico. Per “soggetto giuridico” si intende qualsiasi persona fisica o giuridica costituita e riconosciuta come tale ai sensi del diritto nazionale, del diritto dell’UE o del diritto internazionale, dotata di personalità giuridica e che può, agendo in nome proprio, esercitare diritti ed essere soggetta a obblighi, o un ente privo di personalità giuridica6. I beneficiari e le entità affiliate devono registrarsi nel registro dei partecipanti prima di presentare la domanda, al fine di ottenere un codice di identificazione del partecipante (PIC) ed essere convalidati dal servizio centrale di convalida prima di firmare la convenzione di sovvenzione. Per la convalida, verrà chiesto loro di caricare i documenti necessari che dimostrino il loro status giuridico e la loro origine durante la fase di preparazione della sovvenzione. Un PIC convalidato non è un prerequisito per la presentazione di una domanda.
Al fine di conseguire i risultati attesi e salvaguardare le risorse strategiche, gli interessi, l’autonomia e la sicurezza dell’Unione, è importante evitare una situazione di dipendenza tecnologica da una fonte di paesi terzi, in un contesto globale che richiede all’UE di agire per sfruttare i suoi punti di forza e di valutare attentamente e affrontare eventuali debolezze strategiche, vulnerabilità e dipendenze ad alto rischio che mettono a rischio la realizzazione delle sue ambizioni. Per questo motivo, la partecipazione è limitata alle persone giuridiche stabilite negli Stati membri, in Islanda e Norvegia e nei seguenti altri paesi associati: Canada, Israele, Repubblica di Corea, Nuova Zelanda, Svizzera e Regno Unito. Per i motivi eccezionali e debitamente giustificati elencati nel paragrafo precedente, al fine di garantire la tutela degli interessi strategici dell’Unione e dei suoi Stati membri, i soggetti stabiliti in uno dei paesi ammissibili sopra elencati, ma che sono direttamente o indirettamente controllati da un paese non ammissibile o da un soggetto di un paese non ammissibile, non possono partecipare all’azione a meno che non sia possibile dimostrarlo: mediante garanzie, valutate positivamente dal paese di stabilimento ammissibile, che la loro partecipazione all’azione non inciderebbe negativamente sulle attività strategiche, sugli interessi, sull’autonomia o sulla sicurezza dell’Unione. I soggetti valutati come fornitori ad alto rischio di apparecchiature di comunicazione su reti mobili ai sensi delle «restrizioni per la protezione delle reti di comunicazione europee» (o i soggetti interamente o parzialmente posseduti o controllati da un fornitore ad alto rischio) non possono presentare garanzie.
Contributo finanziario:
Contributo UE previsto per progetto
La Commissione stima che un contributo dell’UE di circa 15,00 milioni di EUR consentirebbe di affrontare adeguatamente questi risultati.
Ciò non preclude tuttavia la presentazione e la selezione di una proposta che richieda importi diversi. Bilancio indicativo
Il bilancio indicativo totale per l’argomento è di 30,00 milioni di EUR. Tipo di azione Azioni di ricerca e innovazione
Scadenza:
02 Ottobre 2025 17:00:00 Brussels time
Ulteriori informazioni:
wp-7-digital-industry-and-space_horizon-2025_en.pdf
Per scaricare questo bando, in formato pdf, clicca qui.
Servizio offerto da Mario Furore, deputato al Parlamento europeo, eurodeputato The Left.
Disclaimer: Le opinioni espresse sono di responsabilità esclusiva dell’autore o degli autori e non riflettono necessariamente la posizione ufficiale del Parlamento europeo.
Altri simili:
