Claudia Rabaioli ha partecipato alla recente edizione della Mediterranean Machine Learning (M2L) Summer School, tenuta a Split, in Croazia, dall’8 al 12 settembre 2025.

Puoi raccontarci brevemente qual è il tema della scuola e perché è rilevante?

La Mediterranean Machine Learning (M2L) Summer School è un programma intensivo di cinque giorni dedicato ai principali temi di ricerca nel campo del machine learning, con particolare attenzione agli sviluppi più recenti nel Deep Learning e nei Large Language Models. Da un lato offre formazione tecnica di alto livello, grazie a speaker internazionali, lezioni e sessioni pratiche; dall’altro crea uno spazio per costruire una comunità scientifica internazionale tra studenti, ricercatori ed esperti.

M2L rappresenta un’occasione importante per confrontarsi con professionisti di riferimento e discutere delle sfide attuali e future dell’IA. Inoltre, il Dipartimento di Informatica dell’Università degli Studi di Milano-Bicocca ha co-organizzato una delle edizioni precedenti: per noi questa scuola è quindi anche un momento di continuità e dialogo con un’iniziativa riconosciuta a livello internazionale.

In particolare, tu di cosa ti occupi, e perché hai scelto di partecipare alla scuola?

Sto completando il primo anno di dottorato in Informatica presso il Dipartimento di Informatica, Sistemistica e Comunicazione (DISCo) dell’Università di Milano-Bicocca. Ho un percorso un po’ diverso da quello di molti altri dottorandi del dipartimento: ho conseguito la laurea magistrale in Teoria e Tecnologia della Comunicazione sempre in Bicocca; prima ancora la triennale in Nuove Tecnologie dell’Arte presso l’Accademia di Belle Arti Santa Giulia di Brescia.

Oggi il mio lavoro cerca di unire questi mondi eterogenei con un approccio multidisciplinare: utilizzo modelli e algoritmi per studiare i comportamenti e gli stati affettivi delle persone, come emozioni e umore. In particolare, sto sviluppando sistemi che, tramite questionari e riconoscimento di segnali fisiologici, possano fornire contenuti audiovisivi personalizzati a supporto del benessere mentale.

Ho scelto di partecipare alla M2L Summer School innanzitutto per ampliare le mie competenze in aree di machine learning, ma anche per ricevere suggerimenti sul mio lavoro e creare connessioni con ricercatori che condividono interessi simili.

L’iscrizione era scontata o non era ovvio poter partecipare?

Non era affatto scontato: su oltre 1700 candidature, soltanto 300 studenti e ricercatori sono stati selezionati. Essere parte di questo gruppo è stato per me un riconoscimento importante, che ha reso l’esperienza ancora più significativa.

Gli studenti avevano solo il ruolo di uditori o era prevista qualche attività nella quale eravate protagonisti?

Gli studenti non erano semplici uditori: oltre a seguire le lezioni e i tutorial, avevamo la possibilità di presentare i nostri lavori nelle sessioni di poster. Io ho presentato il mio poster dal titolo “Computational methods for a customised positive mood-supporting system based on multi-sensorial stimuli”, illustrando il mio progetto di dottorato. È stata un’occasione preziosa per ricevere feedback, avviare conversazioni con altri ricercatori che condividono interessi simili e raccogliere suggerimenti utili per portare avanti la mia ricerca.

Quali sono state le lezioni o i seminari che ti hanno più impressionata? Hai avuto spunti utili per la tua ricerca?

Quello che mi ha colpito di più non sono state solo le lezioni, ma le persone: ho conosciuto ricercatori e ricercatrici brillanti con cui spero di rimanere in contatto, e che hanno reso l’esperienza ancora più arricchente. Inoltre, la forte presenza femminile tra i relatori (11 speaker su 18) è stata particolarmente ispirante in un contesto tecnico-scientifico.

Tra i contenuti, mi sono rimaste impresse le lezioni di Sander Dieleman sui modelli di diffusione, per la capacità di spiegare in modo chiaro concetti complessi con una prospettiva sia teorica sia applicativa. Molto stimolante anche la presentazione di Lydia Chen sul Watermarking dei contenuti generati da AI, che affronta un tema cruciale per la tracciabilità e l’autenticità. Infine, il dibattito apero guidato da Julia Haas su sicurezza ed etica ha dato spazio a riflessioni spesso marginali (purtroppo!) su come tradurre principi morali in pratiche concrete nello sviluppo dell’IA, un tema che si collega direttamente agli obiettivi di ReGAInS.