Al Complexity Literacy Meeting 2025, edizione interamente dedicata all’intelligenza artificiale, Paolo Dell’Aversana – geofisico, Senior Data Scientist and Project Manager in Eni, Multimedia Artist – ha presentato come Lettore il libro “Deep Reinforcement Learning with Python” di Sudharsan Ravichandiran.

Il volume introduce uno dei paradigmi più avanzati dell’IA contemporanea: il Reinforcement Learning (RL), un metodo che permette a un agente artificiale di apprendere attraverso l’esperienza, proprio come accade nei sistemi biologici. La presentazione ha messo in luce la natura profondamente interattiva di questo apprendimento: l’agente esplora l’ambiente, riceve ricompense o penalizzazioni e modifica progressivamente la propria strategia per massimizzare il proprio rendimento. Il modello si ispira ai meccanismi dopaminergici dei cervelli viventi, evidenziando una continuità concettuale tra processi biologici e algoritmi computazionali.

Paolo Dell’Aversana ha illustrato con chiarezza la transizione dal quadro teorico alle applicazioni reali.
Il Reinforcement Learning è oggi al centro di moltissimi sistemi intelligenti: robotica autonoma, diagnostica medica, industria manifatturiera, elaborazione geofisica, controllo di sistemi complessi e persino gestione delle risorse naturali.
A partire dagli esempi più noti — come gli agenti che imparano a giocare ai videogiochi o la navigazione dei veicoli autonomi — la presentazione si è estesa verso applicazioni scientifiche più sofisticate.

Gli agenti RL possano essere addestrati a esplorare modelli geofisici, migliorare interpretazioni complesse, sostenere decisioni cliniche o ottimizzare scenari ambientali. In tutte queste applicazioni, l’IA non sostituisce l’esperto, ma diventa un alleato capace di esplorare soluzioni non intuitive, generare ipotesi e contribuire a comprendere sistemi complessi.