Agenti che imparano: ​un approccio soft actor-critic

19 mag 202608:00 - 08:30
Stage 4

Description

In occasione dell'AI Week 2026, presenteremo una architettura per sistemi agentici autonomi, adattabili e orientati all'apprendimento continuo. Il cuore della soluzione separa il ragionamento dall'esecuzione: un primo sistema multi-agente fatto da "Attori" e "Critici" collaborano in modalità avversariale alla redazione della strategia d'azione, attingendo anche allo storico delle esecuzioni passate, mentre una secondo sistema multi-agente, organizzato gerarchicamente, è responsabile dell'esecuzione e della messa a terra tramite agenti specializzati e funzioni operative, dette "Tools". Il sistema implementa il paradigma di Reinforcement Learning, in cui agenti valutatori confrontano il risultato generato con le attese dell'utente, alimentando una memoria globale e personalizzata che garantisce un miglioramento costante delle performance e la non ripetizione degli errori. L'infrastruttura, portabile on-premise, garantisce la totale sovranità e sicurezza dei dati, vantando un design modulare e "LLM-agnostic" che elimina il rischio di vendor lock-in. Infine, l'architettura multi-agente assicura la massima spiegabilità e trasparenza dei processi decisionali, permettendo alla soluzione di crescere ed evolversi in stretta collaborazione con gli utilizzatori finali tramite il co-design.
5

TIM Enterprise

TIM Enterprise è la business unit di TIM che offre a imprese e Pubblica Amministrazione soluzioni digitali integrate, innovative, sostenibili e sicure, supportando la trasformazione digitale e la...