1. Manifesto concettuale
Neural Linked Data (NLD) è un paradigma che integra modelli neurali (deep learning, GNN, LLM) con la struttura semantica e logica dei Linked Data (RDF, OWL, ontologie, knowledge graphs). L’obiettivo è creare sistemi che apprendono dai dati non strutturati e contemporaneamente ragionano in modo simbolico, unendo l’adattività dei modelli neurali con la trasparenza e la struttura del sapere formale.
2. Principi
- Connessione → i dati sono entità vive, rappresentate come nodi e relazioni semanticamente definite.
- Apprendimento → i modelli neurali estraggono pattern, generalizzazioni e rappresentazioni latenti.
- Ragionamento → i Linked Data forniscono basi ontologiche, vincoli e inferenze logiche.
- Spiegabilità → ogni decisione neurale deve poter essere tracciata e ancorata a concetti simbolici.
- Evoluzione → i Linked Data si arricchiscono con nuove conoscenze estratte dai modelli neurali, creando un ciclo virtuoso.
3. Obiettivi
- Superare la dicotomia tra “black-box learning” e “symbolic reasoning”.
- Abilitare AI interpretabile grazie alla semantica formale dei Linked Data.
- Potenziare l’inferenza dei sistemi neurali attraverso vincoli e relazioni logiche.
- Creare ecosistemi cognitivi in cui dati, modelli e concetti si alimentano a vicenda.
4. Use case emblematici
🔹 Healthcare → reti neurali che apprendono da immagini mediche, ma collegano diagnosi a ontologie cliniche (SNOMED CT, ICD) per garantire spiegabilità e interoperabilità.
🔹 Legal & Compliance AI → LLM che comprendono testi giuridici, ancorati a knowledge graphs normativi, per motivare le decisioni.
🔹 Scientific Discovery → machine learning che trova pattern in dati sperimentali, integrandoli con grafi semantici di conoscenze pubblicate.
🔹 Conversational AI → chatbot che combinano reti neurali per comprensione linguistica con Linked Data per risposte precise, affidabili e contestualizzate.
🔹 Neuroscienze computazionali → modelli neurali che apprendono dal cervello biologico, rappresentato come grafo semantico di regioni, connessioni, funzioni.
5. Visione a lungo termine
Immaginare un “cervello artificiale semantico”:
- le reti neurali sono le sinapsi che apprendono e generalizzano,
- i linked data sono la memoria simbolica che conserva, organizza e spiega,
- insieme formano un’AI che non solo riconosce pattern, ma capisce e spiega significati.