Knowledge Graphs and Explainable AI as Complementary Resources for Urban Mining

Sintesi Tecnica: I Grafi della Conoscenza e l'IA Spiegabile come Risorse Complementari per l'Urban Mining

Enunciato del Problema
L'urban mining, nello specifico la valutazione pre-demolizione (PDA) del patrimonio edilizio esistente, si basa su un processo di audit regolamentato in cui auditor qualificati devono inventariare i componenti e determinarne il destino (riutilizzo, riciclo o smaltimento). Sebbene l'Intelligenza Artificiale (IA) possa supportare tali auditor, il principale vincolo alla scalabilità dell'urban mining non è l'accuratezza predittiva dei modelli tecnici, bensì la difendibilità delle decisioni che essi supportano. Le decisioni devono essere leggibili nel vocabolario normativo, plausibili sotto i vincoli del dominio, tracciabili nella documentazione e contestabili.

Le attuali tecniche di IA Spiegabile (XAI) (ad es., attribuzione delle caratteristiche, controfattuali) operano sullo spazio di input di modelli black-box, producendo output che spesso mancano di allineamento con le categorie regolatorie o i vincoli fisici del dominio. Al contrario, i Grafi della Conoscenza (KG) forniscono una conoscenza strutturata del dominio ma mancano di reattività rispetto a specifiche istanze del modello. La letteratura esistente ha tassonomizzato l'integrazione di KG e XAI, ma rimane strutturalmente sotto-specificata; manca di un resoconto teorico sul perché specifiche integrazioni producano artefatti che né una risorsa né l'altra può fornire da sola.

Metodologia e Lente Teorica
Il documento adotta un'interpretazione basata sulla complementarità, radicata nella tradizione delle risorse dei Sistemi Informativi (IS). In questa visione, due risorse sono complementari quando il contributo marginale di una aumenta al crescere del livello dell'altra. Gli autori sostengono che l'integrazione di KG e XAI sia strutturale piuttosto che aggregativa: l'oggetto congiunto possiede proprietà (leggibilità, plausibilità, reperibilità delle fonti, contestabilità) che gli oggetti unilaterali non possiedono.

Il framework opera sulla "superficie esplicativa" dei predittori black-box. Definisce un grafo dello stato delle proprietà $\Sigma(x)$ per un'istanza $x$, composto da tuple $(e, p, v, r)$ che rappresentano entità, proprietà, valori e annotazioni di affidabilità. La metodologia propone quattro modalità di integrazione consolidate, ciascuna definita da un'operazione tipizzata su artefatti XAI e strutture del substrato KG:

1. Lifting (Innalzamento): Mappa le attribuzioni XAI (ad es., valori SHAP) su istanze del KG. Utilizza una funzione di grounding $\gamma$ per mappare le caratteristiche di input in istanze tipizzate (ad es., una regione saliente in un product:DoorLeaf) e aggrega le masse di salienza lungo una gerarchia mereologica.
   • Proprietà di Difendibilità: Legibilità (le spiegazioni esistono nel vocabolario regolatorio alla granularità richiesta).
2. Constraining (Vincolo): Filtra i candidati controfattuali XAI attraverso un predicato di plausibilità basato sugli assiomi di compatibilità del KG. Garantisce che le proposte di intervento (ad es., cambiare un materiale) soddisfino le dipendenze definitorie e i vincoli strutturali (ad es., la topologia del compartimento antincendio).
   • Proprietà di Difendibilità: Plausibilità (i controfattuali corrispondono a interventi ammissibili per decisioni di audit reali).
3. Typing (Tipizzazione): Costruisce annotazioni di affidabilità per le asserzioni di proprietà basate su catene di evidenza (confidenza del modello, catene di inferenza, dati di calibrazione). Applica una tipologia di affidabilità (ad es., Assunta, Confermata, Eliminata) a specifiche asserzioni.
   • Proprietà di Difendibilità: Reperibilità delle fonti (Sourcing) (differenziare la risposta dell'auditor in base all'evidenza che supporta ogni proprietà).
4. Revising (Revisione): Un operatore bidirezionale dove le azioni dell'auditor (accettare, contestare o aggiungere rivendicazioni) aggiornano il grafo dello stato delle proprietà e generano tracce di provenienza (utilizzando PROV-O). Le azioni cross-istanza alimentano un pool di evidenze per la revisione dell'ontologia.
   • Proprietà di Difendibilità: Contestabilità (la decisione di audit è un artefatto ispezionabile, revisabile e con una cronologia interrogabile).

Contributi Principali
Il documento apporta tre contributi primari:

1. Interpretazione Teorica: Fornisce un resoconto basato sulla complementarità dell'integrazione KG–XAI per processi esperti che richiedono accountability, andando oltre le tassonomie descrittive verso un'analisi strutturale di come le coppie tecniche diventino artefatti di audit.
2. Modalità Consolidate: Formalizza quattro modalità di integrazione specifiche (Lifting, Constraining, Typing, Revising), collegando ciascuna a una distinta proprietà di difendibilità richiesta per la conformità normativa.
3. Framework Illustrativo: Dimostra il framework utilizzando un esempio di valutazione di una porta tagliafuoco all'interno del contesto dello stack W3C Linked Building Data (LBD) e dell'Urban Mining Index.

Risultati ed Esempio Illustrativo
Il documento non presenta risultati sperimentali empirici, ma offre un esempio pratico di valutazione di una porta tagliafuoco per illustrare le modalità:

• Il Lifting traduce la salienza del modello (guarnizione, battente, ferramenta) in una descrizione strutturata dei componenti della porta, permettendo all'auditor di copiare direttamente la spiegazione nei campi dell'audit.
• Il Constraining filtra i controfattuali; ad esempio, rifiuta il suggerimento di cambiare il materiale del nucleo con una sostanza non resistente al fuoco perché la porta si trova in una parete con compartimentazione antincendio (un vincolo codificato nel KG), ma accetta il cambiamento da cerniere incollate a cerniere imbullonate come un intervento valido.
• La Typing assegna punteggi di affidabilità (ad es., Assunta con una confidenza di 0,68) alla classe di resistenza al fuoco, spingendo l'auditor a eseguire un'ispezione di chiarimento specifica piuttosto che una generica nuova fotografia.
• La Revising consente all'auditor di contestare la classificazione dopo l'ispezione (riscontrando che la porta è per il controllo del fumo, non resistente al fuoco). Ciò aggiorna lo stato della proprietà, registra la provenienza del cambiamento e segnala l'ontologia per una potenziale raffinazione.

Gli autori notano che rimuovere anche una singola modalità degrada il profilo di difendibilità: rimuovendo il Lifting rimangono solo mappe di calore; rimuovendo il Constraining si permettono sostituzioni regolatoriamente vietate; rimuovendo la Typing rimangono punteggi di confidenza senza fonte; e rimuovendo la Revising si ottengono inventari statici privi di tracce di provenienza.

Significatività e Rivendicazioni
Il documento si pone come un lavoro posizionale piuttosto che empirico. La sua significatività risiede nell'offrire un vocabolario strutturale per integrare KG e XAI in processi di esperti in domini specialistici dove un essere umano qualificato rimane responsabile.

Gli autori affermano che i risultati cautelativi riguardanti la XAI nei domini esperti (ad es., le spiegazioni che non riescono a migliorare l'accuratezza) possono essere spiegati strutturalmente dalla mancanza di un substrato che sblocchi le proprietà di difendibilità. Costruendo implementazioni di IA che supportino intrinsecamente leggibilità, plausibilità, reperibilità delle fonti e contestabilità, il framework mira a soddisfare le richieste dei regimi normativi come l'EU AI Act e gli standard di settore (ad es., DIN SPEC 91484).

Il documento riconosce esplicitamente i limiti: il framework non risolve la governance dell'ontologia (l'autorità per le revisioni deve provenire da organismi istituzionali esterni) e non si estende a modelli intrinsecamente interpretabili senza modifiche. Il lavoro futuro è identificato nell'operazionalizzazione del framework in casi studio di PDA per valutare il suo impatto sulla capacità degli auditor di documentare, contestare e revisionare le valutazioni supportate dall'IA.