Torino, il laboratorio VANDAL premiato per la ricerca su modelli di intelligenza artificiale più leggeri e sostenibili

Il laboratorio VANDAL (Visual and Multimodal Applied Learning Lab) del Politecnico di Torino è stato riconosciuto con lo IAPR Best Paper Award durante la International Conference on Image Analysis and Processing (ICIAP 2025), tenutasi a Roma dal 15 al 19 settembre 2025. Il riconoscimento è andato al lavoro “A Second-Order Perspective on Pruning at Initialization and Knowledge Transfer”, firmato da Tatiana Tommasi, Leonardo Iurada e Beatrice Occhiena del Dipartimento di Automatica e Informatica (DAUIN).

Powered by

L’ICIAP, giunta alla 23ª edizione, rappresenta il principale appuntamento italiano per la comunità scientifica che si occupa di visione artificiale, riconoscimento dei pattern e machine learning. L’evento, promosso dal CVPL e affiliato all’International Association for Pattern Recognition (IAPR), ha riunito studiosi da tutto il mondo per discutere i recenti sviluppi della ricerca in ambito AI.

Nasce la Digital Revolution House: Fondazione Crt e Politecnico insieme per il futuro della città

40 milioni di investimento complessivo per un centro di ricerca e formazione dedicato all’intelligenza artificiale e alla transizione digitale

La ricerca premiata affronta uno dei temi centrali della tecnologia attuale: la sostenibilità computazionale dei modelli di deep learning, che alimentano applicazioni in settori come diagnostica, sicurezza, industria e servizi digitali. I modelli visivi pre-addestrati — fondamentali per il transfer learning — sono spesso estremamente complessi, richiedendo risorse di calcolo, energia e memoria elevate. Il team ha sviluppato un metodo per “alleggerire” questi modelli già nella fase di inizializzazione, attraverso un processo di pruning (riduzione delle connessioni neuronali ridondanti) basato su criteri di secondo ordine.

L’approccio consente di comprimere i modelli mantenendo la loro capacità di generalizzazione anche senza conoscere in anticipo il compito finale. I test hanno mostrato che i modelli così ottimizzati conservano le prestazioni sui compiti di origine e migliorano in scenari zero-shot — ossia quando devono affrontare attività mai viste prima —, riducendo nel contempo i tempi di addestramento e i consumi energetici. Tali risultati rappresentano un passo concreto verso una intelligenza artificiale più accessibile e sostenibile, adatta anche a dispositivi edge e contesti di apprendimento federato.

Torino punta all'aerospazio: da Intesa Sanpaolo 17 miliardi per le imprese

Patto quadriennale fra l'istituto di credito e l'Unione Industriali, ecco i termini dell'accordo

Il progetto rientra nelle attività della ELLIS Unit Torino, rete europea di eccellenza in AI, ed è sostenuto da finanziamenti del PNRR-NGEU (decreto MUR 351/2022), del programma FAIR – Future Artificial Intelligence Research e del progetto europeo ELSA – European Lighthouse on Secure and Safe AI. Le simulazioni e i test sono stati eseguiti sulle infrastrutture di calcolo ad alte prestazioni del CINECA, tramite il supercomputer LEONARDO.

Il lavoro del VANDAL Lab si colloca tra le ricerche più avanzate in Europa sul fronte dell’efficienza dei modelli di intelligenza artificiale. La prospettiva a medio termine è integrare questi algoritmi in strumenti di machine learning destinati ad applicazioni pubbliche e industriali, riducendo costi, impatti energetici e dipendenza da infrastrutture centralizzate.

Italia tra le stelle: la corsa alla space economy

Investimenti record e nuove sfide per il futuro spaziale del Paese