Intelligenza artificiale affidabile. Una nuova frontiera della conoscenza. Dalla teoria matematica alle applicazioni nel Decision-Making

L'Intelligenza Artificiale ha smesso di essere una promessa tecnologica per diventare un'infrastruttura decisionale che incide sulla salute, sul credito e sulla finanza, sul lavoro e sulla libertà delle persone. In questo scenario, la domanda "perché il modello ha deciso così?" non è più una curiosità scientifica, ma una questione di diritto, responsabilità e fiducia civile. La seconda edizione di questo volume, profondamente ampliata e aggiornata, risponde a tale trasformazione proponendo un framework unificato per l'IA affidabile, in cui spiegabilità, robustezza ed efficienza computazionale emergono dalla stessa struttura matematica di fondo. Accanto ai pilastri della prima edizione - Intelligenza Artificiale spiegabile, Teoria dei giochi e Analisi topologica dei dati - l'opera integra ora l'ottimizzazione geometrica del framework GEO e la sua estensione quantistica Q-GEO, i metodi a kernel quantistici, le dinamiche multi-temporali delle reti neurali e nuovi risultati su data poisoning e vulnerabilità topologica. Attraverso dieci capitoli interconnessi, dalla geometria dell'informazione al Quantum Computing per il decision-making, il libro traccia un percorso rigoroso e applicativo verso sistemi AI potenti, comprensibili e degni di fiducia. Prefazione di Paolo Benanti.