L’attività scientifica di Claudio Sartori si estende a diversi ambiti dell’intelligenza artificiale, della data science e dei metodi computazionali avanzati, con una forte attenzione al machine learning e all’analisi intelligente dei dati. I contributi iniziali erano principalmente incentrati sui sistemi di basi di dati, sul data mining, sull’analisi predittiva, sul rilevamento di anomalie (outlier detection) e sugli algoritmi scalabili per grandi moli di dati, riflettendo una solida formazione nei sistemi informativi e nell’intelligenza computazionale.
Le ricerche più recenti evidenziano un chiaro orientamento verso le moderne metodologie di IA, in particolare l’elaborazione del linguaggio naturale, il representation learning e il quantum machine learning. Una linea di ricerca significativa riguarda la sintesi astrattiva di testi e dialoghi, le strategie di decoding per la generazione automatica del linguaggio e architetture transformer efficienti per la sintesi di documenti lunghi in contesti con risorse limitate. Questi studi mostrano un forte interesse per l’IA generativa e le tecnologie linguistiche.
Un altro settore di ricerca di rilievo e in rapida crescita è quello dell’intelligenza artificiale quantistica. Sartori ha contribuito allo sviluppo di reti neurali quantistiche, quantum support vector machines, framework di apprendimento ibrido quantistico-classico e algoritmi quantistici di classificazione ensemble, esplorando l’integrazione tra tecniche di calcolo quantistico e modelli di machine learning.
Ulteriori lavori recenti riguardano l’information retrieval arricchito dalla conoscenza, l’apprendimento self-supervised e contrastive, gli embedding di knowledge graph e il riconoscimento di entità nominate mediante modelli linguistici di grandi e piccole dimensioni.
Nel complesso, gli interessi scientifici più recenti convergono verso sistemi avanzati di IA che combinano machine learning, comprensione del linguaggio, representation learning e calcolo quantistico, con particolare attenzione a paradigmi computazionali efficienti e innovativi per applicazioni data-intensive e knowledge-driven.
Progetto in corso: DARE - Digital Lifelong Prevention
Ultimo progetto internazionale: Toreador (concluso)
