AI: Randomization for individual fairness

Proseguono gli appuntamenti con i workshop dell’Artificial Intelligence Lab di Intesa Sanpaolo Innovation Center, che mirano a illustrare e diffondere le evoluzioni della ricerca condotta nel campo dell’Intelligenza Artificiale.

Il workshop si svolgerà in lingua inglese.

Gli algoritmi di corrispondenza e classificazione vengono utilizzati regolarmente in molti processi decisionali in settori come la salute, l'istruzione o l'occupazione e possono avere un impatto tangibile e diretto sulla vita delle persone. Sebbene esistano molte soluzioni valide per un dato problema, quando gli elementi che devono essere abbinati o classificati sono gli esseri umani, diventa di fondamentale importanza che la soluzione sia progettata in modo equo.

In questo discorso García-Soriano presenta una nuova linea di ricerca recentemente avviata insieme a Francesco Bonchi, in cui studiano l'equità individuale nei problemi combinatori e sostengono. Dato che possono esistere molte soluzioni valide diverse e ognuna soddisfa un diverso insieme di individui, l'unico modo per garantire l'equità è attraverso la randomizzazione. La loro proposta, chiamata equità distributiva max-min, utilizza la randomizzazione per massimizzare la soddisfazione attesa degli individui più peggio.

II seminario è condotto da David García-Soriano, Senior Research Scientist presso l'Istituto per l'Interscambio Scientifico (ISI) di Torino. Soriano lavora sul data mining algoritmico e sulla progettazione e implementazione di algoritmi efficienti per la copertura e l'ottimizzazione del portafoglio con Intesa Sanpaolo. In precedenza, ha conseguito il dottorato di ricerca in Informatica presso l'Università di Amsterdam e la laurea in Informatica e Matematica presso l'Università Complutense di Madrid. È stato membro del gruppo Algorithms and Complexity presso il CWI Amsterdam (il Centro nazionale di ricerca olandese per la matematica e l'informatica) e visitatore di ricerca presso l'Israel Institute of Technology. In seguito è stato ricercatore post-dottorato presso Yahoo Labs Barcellona e docente presso l'Università Pompeu Fabra. Ha anche esperienza industriale come ingegnere del software presso Google, CERN e Tuenti.

La sua ricerca si concentra sulla teoria e la pratica del data mining e del machine learning su larga scala, con particolare attenzione all'efficienza computazionale e alle garanzie di qualità dimostrabili; gli argomenti includono teoria algoritmica, ottimizzazione combinatoria, machine learning scalabile, data mining, analisi dei social network, flussi di dati e ottimizzazione del portafoglio. I suoi risultati di ricerca sono stati pubblicati in conferenze e riviste di alto livello.