Annalisa Barla

Annalisa Barla è Professoressa Associata di Informatica presso l'Università di Genova. Fisica di formazione e informatica per specializzazione, si occupa di machine learning, intelligenza artificiale, data visualization e analisi di dati complessi. Da anni conduce attività di ricerca e divulgazione sui temi della trasformazione digitale, dell'AI affidabile e del ruolo dei dati nei processi decisionali, con un approccio che combina rigore scientifico, chiarezza comunicativa e attenzione agli impatti sociali ed etici delle tecnologie emergenti. Contattaci se sei interessato a Annalisa Barla per il tuo evento.

Chi è Annalisa Barla?

Annalisa Barla è Professoressa Associata di Informatica presso il Dipartimento di Informatica, Bioingegneria, Robotica e Ingegneria dei Sistemi (DIBRIS) dell'Università di Genova, dove svolge attività di ricerca e insegnamento nei campi dell'Intelligenza Artificiale, del Machine Learning e della Data Visualization. È inoltre membro del Machine Learning Genoa Center (MaLGa), uno dei principali centri di ricerca italiani dedicati all'apprendimento automatico e alle sue applicazioni interdisciplinari.

Il suo percorso accademico nasce dall'incontro tra scienze esatte e tecnologie digitali. Dopo aver conseguito la Laurea in Fisica presso l'Università di Genova, ha ottenuto il Dottorato di Ricerca in Informatica sviluppando attività di ricerca nell'ambito dei metodi matematici e computazionali per il machine learning e l'analisi delle immagini. Questa doppia formazione le ha consentito di sviluppare una visione trasversale dei fenomeni complessi, combinando rigore scientifico, modellazione matematica e applicazioni concrete dell'intelligenza artificiale.

Nel corso della sua attività accademica ha partecipato a numerosi progetti nazionali e internazionali, collaborando con gruppi interdisciplinari che spaziano dall'informatica alle scienze biomediche, fino alle discipline umanistiche e progettuali. Questa esperienza le ha consentito di sviluppare una visione ampia delle trasformazioni innescate dalle tecnologie digitali e del loro impatto sui processi di conoscenza, innovazione e collaborazione.

Negli ultimi anni ha approfondito in particolare il rapporto tra Intelligenza Artificiale, produzione della conoscenza e trasformazione della società, studiando come i dati possano essere utilizzati per comprendere fenomeni complessi e supportare decisioni più consapevoli.

Accanto all'attività di ricerca, Annalisa Barla svolge un'intensa attività di formazione e divulgazione. Nei suoi interventi pubblici affronta temi legati all'Intelligenza Artificiale, alla trasformazione digitale e alle competenze necessarie per affrontare il cambiamento, con l'obiettivo di rendere accessibili argomenti complessi a pubblici eterogenei.

Il suo approccio si distingue per la capacità di coniugare rigore scientifico e chiarezza espositiva, offrendo una lettura equilibrata delle opportunità e delle sfide poste dalle tecnologie emergenti. Per aziende, istituzioni e organizzazioni rappresenta una voce autorevole nel dibattito sul futuro dell'innovazione e sul ruolo che l'Intelligenza Artificiale avrà nella costruzione di modelli di sviluppo più responsabili e sostenibili.

Quali sono i temi trattati da Annalisa Barla?

● Intelligenza artificiale
● Trasformazione digitale
● Innovazione tecnologica
● Data Visualization e comprensione della complessità
● AI, persone e responsabilità

Quali sono i format delle conferenze tenute da Annalisa Barla?

- Conferenza
- Intervista
- Tavola Rotonda

Libri e pubblicazioni

Le principali pubblicazioni scientifiche di Annalisa Barla includono:

● Artificial intelligence and network science as tools to illustrate academic research evolution in interdisciplinary fields: The case of Italian design
D Pretolesi, I Stanzani, S Ravera, A Vian, A Barla
PloS one 20 (1), e0315216, 2025

Analisi dell’evoluzione della ricerca italiana nel design, con particolare attenzione alla crescita delle collaborazioni e all’emergere di nuove direzioni interdisciplinari.

● Geometric deep learning strategies for the characterization of academic collaboration networks
D Pretolesi, D Garbarino, D Giampaoli, A Vian, A Barla
IEEE Transactions on Emerging Topics in Computing 12 (3), 840-851, 2023

Analisi delle reti di collaborazione scientifica attraverso modelli di deep learning su grafi, utili anche per individuare possibili connessioni tra ricercatori.

● Predicting diabetes second-line therapy initiation in the Australian population via time span-guided neural attention network
S Fiorini, F Hajati, A Barla, F Girosi
Plos One 14 (10), 2019

Previsione dell’avvio di una terapia di seconda linea per il diabete a partire dalla storia sanitaria dei pazienti e dalla sequenza temporale dei trattamenti.

● Genome instability model of metastatic neuroblastoma tumorigenesis by a dictionary learning algorithm
S Masecchia, S Coco, A Barla, A Verri, GP Tonini
BMC medical genomics 8 (1), 57, 2015

Ricostruzione dei processi di instabilità genomica che caratterizzano lo sviluppo delle diverse forme di neuroblastoma metastatico.

● Multi-output learning via spectral filtering
L Baldassarre, L Rosasco, A Barla, A Verri
Machine learning 87 (3), 259-301, 2012

Sviluppo di un metodo per apprendere contemporaneamente più variabili di risposta, applicabile sia alla regressione sia alla classificazione multiclasse.

● A biology-driven approach identifies the hypoxia gene signature as a predictor of the outcome of neuroblastoma patients
P Fardin, A Barla, S Mosci, L Rosasco, A Verri, R Versteeg, HN Caron, ...
Molecular cancer 9 (1), 185, 2010

Individuazione di una firma genetica associata all’ipossia in grado di distinguere i pazienti con prognosi favorevole da quelli con esito più critico affetti da neuroblastoma.

● Algebraic stability indicators for ranked lists in molecular profiling
G Jurman, S Merler, A Barla, S Paoli, A Galea, C Furlanello
Bioinformatics 24 (2), 258-264, 2008

Definizione di nuovi indicatori per valutare quanto siano stabili e affidabili le classifiche di geni e biomarcatori ottenute dalle analisi molecolari.

● Building kernels from binary strings for image matching
F Odone, A Barla, A Verri
IEEE Transactions on Image Processing 14 (2), 169-180, 2005

Sviluppo di metodi matematici per confrontare le immagini a partire da rappresentazioni binarie delle loro caratteristiche visive.

La sua produzione scientifica completa è consultabile tramite il profilo Google Scholar: https://scholar.google.com/citations?user=Q5k0Nr0AAAAJ&hl=en