Una ricerca pubblicata il 26 agosto 2026 su Mathematics affronta un problema centrale nell’evoluzione dell’AI decisionale: come dimostrare che una scelta suggerita da un algoritmo produca risultati migliori rispetto alla procedura utilizzata in precedenza? Lo studio di Yunxiang Shu, Ran Yan, Feng Tian e Shuaian Wang analizza le difficoltà di confrontare decisioni quando i dati storici documentano soltanto le conseguenze delle azioni effettivamente eseguite.
approfondimento
AI decisionale e analisi controfattuale: come valutare le scelte
Una previsione accurata non garantisce che l’AI individui la scelta migliore. Le ricerche del 2026 affrontano il problema della valutazione controfattuale, mostrando come confrontare strategie decisionali quando i risultati delle alternative non adottate non sono osservabili nei dati storici
Pubblicato il 6 nov 2026
Giovanni Masi
Computer science engineer
@RIPRODUZIONE RISERVATA
Giovanni Masi
Computer science engineer
Ingegnere informatico e dell’automazione, specializzato in cybersecurity e intelligenza artificiale, con oltre vent’anni di esperienza nel settore dell’Information Technology. Ha sviluppato competenze avanzate nella progettazione e nello sviluppo di architetture software, nella gestione di infrastrutture IT complesse, nell’implementazione di strategie di sicurezza informatica e nella creazione di modelli di intelligenza artificiale.
È Presidente della Commissione per l’intelligenza artificiale dell’Ordine degli Ingegneri della Provincia di Frosinone e Vice Delegato del Comitato Italiano Ingegneria dell’Informazione – C3i, dove fa parte anche del Gruppo di Lavoro AI (GTL AI).
Nell’ambito dell’Ordine ha ideato e condotto numerosi seminari ed è autore e docente dei corsi:
- Intelligenza Artificiale per Ingegneri
- Intelligenza Artificiale Generativa
- Prompt Engineering.
Svolge attività accademica come cultore della materia presso il Dipartimento di Ingegneria Informatica dell’Università eCampus e ha tenuto seminari sull’intelligenza artificiale presso la Pontificia Università Antonianum.
Autore di numerosi articoli scientifici e divulgativi, si occupa di Generative AI e delle sue applicazioni professionali. Ha partecipato a progetti di ricerca avanzata, tra cui:
• BioGene, iniziativa supportata da NASA GeneLab per l’analisi genomica di esperimenti spaziali tramite AI
• Uno studio con l’Università Ben Gurion del Negev (Israele) sulla classificazione del livello di ossidazione degli oli mediante modelli intelligenti.
Attualmente concentra la sua attività sullo sviluppo e lo studio dei Large Language Models (LLM), con particolare attenzione alle applicazioni innovative dell’Intelligenza Artificiale Generativa in ambito tecnico e industriale.
