AARO 2025 UAP Workshop Paper su dati narrativi e analisi

Pagina 1 Workshop UAP 2025: Sintesi e raccomandazioni del workshop su dati narrativi, infrastrutture e analisi 5-6 agosto 2025 Associated Universities, Inc. (AUI) Workshop sponsorizzato da: All-domain Anomaly Risoluzione Office (AARO) 26-P-0344 Pagina 2 Sommario Riepilogo esecutivo .................................................................................................................... 2 Introduzione e scopo .................................................................................................................... 3 Informazioni sul workshop .................................................................................................................... 3 Stabilire un dialogo aperto .................................................................................................... 4 Riepilogo del workshop .................................................................................................................... 4 Panoramica dell'agenda .................................................................................................................... 4 Riepilogo delle discussioni interattive .................................................................................... 5 Sessione interattiva n. 1: Identificazione, accesso e integrazione delle fonti di dati [GIORNO 1] .... 5 Sessione interattiva n. 2: Percorsi per l'analisi e l'interpretazione dei dati su larga scala [GIORNO 1] .... 5 Sessione interattiva N. 3: Pulizia, organizzazione e collegamento dei dati: cosa si può e si deve fare? [GIORNO 2] .................................................................................................................................... 5 Risultati e raccomandazioni .................................................................................................................... 7 Sintesi dei risultati .................................................................................................................... 7 Tipi di dati rilevanti e fonti dei resoconti narrativi dell'UAP .................................................... 7 Barriere e sfide nella raccolta e nell'utilizzo dei dati .................................................................. 7 Metadati e contesto per l'usabilità e l'analisi ................................................................... 8 Collegamento delle fonti di dati e sviluppo di un approccio unificato .................................................... 8 Valutazione della credibilità e della qualità dei report .................................................................. 8 Intelligenza artificiale e metodi analitici .................................................................................................. 9 Strategia lungimirante e considerazioni chiave .................................................................. 9 Prossimi passaggi consigliati .............................................................................................. 10 Appendice A: Lettera di invito .............................................................................................. 11 Appendice B: Linee guida di condotta .................................................................................... 13 Appendice C: Programma del workshop .................................................................................... 14 Appendice D: Sessione interattiva Suggerimenti.................................................................................... 15

Page 3 2 Sintesi Sia dal punto di vista governativo che scientifico, il progresso della ricerca sui fenomeni anomali non identificati (UAP) richiede una rigorosa raccolta, standardizzazione e analisi dei dati. La maggior parte dei rapporti UAP sono frammentati, sparsi e non strutturati e vanno dai registri militari e dai rapporti dei piloti ai documenti d’archivio, ai post sui social media e alle testimonianze civili. L’interpretazione di questi dati eterogenei su larga scala è complicata da barriere di classificazione, traduzione e conservazione. Allo stesso tempo, i report UAP presentano anche opportunità per nuovi metodi di integrazione, progettazione di metadati e analisi. Il workshop UAP 2025 su dati narrativi, infrastrutture e analisi ha riunito 40 partecipanti provenienti da organizzazioni governative, accademiche e di ricerca indipendenti. L'incontro si è concentrato specificamente sulle sfide e sulle opportunità di lavorare con i resoconti narrativi dell'UAP e le relative fonti di dati. Le discussioni del workshop hanno evidenziato diversi risultati trasversali. In primo luogo, un progresso efficace richiede standard chiari e modelli di reporting comuni, con metadati affidabili che raccolgano tempo, posizione, provenienza, morfologia e dettagli contestuali. In secondo luogo, il collegamento tra set di dati – militari e civili, per includere archivi, ambientali e tecnici – deve bilanciare l’interoperabilità con i vincoli di privacy, etici e di classificazione. In terzo luogo, la credibilità viene valutata meglio attraverso la conferma, ma per ragioni di efficienza sono necessari metodi automatizzati per filtrare i rapporti e far emergere quelli più promettenti per le indagini. In quarto luogo, gli strumenti di intelligenza artificiale e apprendimento automatico offrono capacità di trascrizione, triage, clustering e ricerca semantica, ma devono essere utilizzati con cautela per evitare allucinazioni, pregiudizi e amplificazione delle bufale. La supervisione umana e i flussi di lavoro iterativi rimangono essenziali. Infine, il workshop ha sottolineato l’importanza dell’impegno della comunità e del rafforzamento della fiducia, incoraggiando la comunità scientifica a coltivare una “comunità di pratica” sostenibile per la ricerca sull’UAP con ulteriori lavori e convegni. Questo rapporto si conclude con i passaggi successivi consigliati per stabilire modelli di metadati; combinare le competenze umane con gli strumenti di intelligenza artificiale; sfruttare gli strumenti e le infrastrutture esistenti; supportare il triage con la consapevolezza dei pregiudizi; convocare i membri della comunità; facilitare l'integrazione qualitativa nelle indagini, come le interviste; dare priorità alla raccolta di nuovi report di alta qualità integrando al tempo stesso i dati storici; e migliorare le interfacce di reporting per migliorare l'accessibilità, la collaborazione e la trasparenza. Insieme, questi risultati e raccomandazioni indicano un approccio multidisciplinare e di coinvolgimento della comunità ai dati narrativi sugli UAP, che può influenzare come e dove vengono distribuiti i sensori tecnici.

Introduzione e scopo La comprensione della natura dei fenomeni anomali non identificati (UAP) è emersa negli ultimi anni come un'area di indagine urgente che necessita di approcci scientifici rigorosi, nonché di collaborazione interdisciplinare, intersettoriale e internazionale. L’analisi dei rapporti sugli avvistamenti e sulle esperienze relativi agli UAP presenta sfide uniche a causa della natura su larga scala, eterogenea e qualitativa dei rapporti provenienti da fonti militari e civili. Questi rapporti in genere mancano di metadati standardizzati, rendendo difficile l’analisi comparativa. Inoltre, l’integrazione dei rapporti UAP provenienti da fonti disparate – come database militari, sistemi di reporting online, documenti di archivio digitali e digitalizzati e social media – pone sfide significative per l’armonizzazione e la verifica dei dati e la costruzione di prove. La complessità di questi set di dati richiede soluzioni innovative per l’infrastruttura dei dati per migliorare l’affidabilità, l’accessibilità e l’interoperabilità. Il workshop ha esplorato queste sfide e cercato strategie per migliorare la standardizzazione, l'integrazione e gli approcci analitici dei dati UAP. I recenti progressi nell’intelligenza artificiale (AI) e nell’apprendimento automatico presentano sia opportunità per affrontare le sfide, sia potenziali pericoli. Strumenti come i Large Language Models (LLM) possono aiutare con la trascrizione, il clustering e il rilevamento di modelli su larga scala, ma rischiano di introdurre bias e allucinazioni. L’uso responsabile dell’intelligenza artificiale per aiutare a organizzare, analizzare e integrare i report UAP su larga scala richiede valutazione, supervisione umana e quadri interpretativi condivisi, insieme a nuovi modelli per garantire trasparenza e fiducia tra le diverse comunità di ricerca. Pertanto, lo scopo generale del workshop era quello di raccogliere punti di vista dalla più ampia comunità scientifica e far avanzare la scienza dell'UAP. Informazioni sul workshop Il workshop era incentrato sulla raccolta, organizzazione e interpretazione dei resoconti UAP, con attenzione alle sfide e alle opportunità di lavorare con i dati narrativi. Gli obiettivi principali stabiliti per il workshop erano: • Valutare il panorama attuale dei sistemi di reporting e degli archivi di dati UAP; • Identificare le principali sfide e lacune nella raccolta dei dati UAP, nella standardizzazione e nell'accessibilità; • Esplorare metodologie per l'analisi dei dati e il riconoscimento dei modelli nei report UAP; • Coltivare la fiducia e la collaborazione tra ricercatori, agenzie governative e organizzazioni civili; e • Proporre raccomandazioni per lo sviluppo di una solida infrastruttura di dati UAP.

La partecipazione esterna è stata limitata a causa dei vincoli di bilancio e della capacità istituzionale. I potenziali partecipanti sono stati identificati sulla base delle competenze dimostrate in una o più delle seguenti aree: intelligenza artificiale e apprendimento automatico; Ricerche e dati sull'UAP; scienze fisiche e naturali; scienza dell'informazione e dei dati; archivi e registri; metodi di analisi; infrastruttura informatica e calcolo; e scienze umane e sociali. Se un invitato rifiutava di partecipare, estendevamo l'invito a un altro candidato con competenze/esperienze simili individuate attraverso la ricerca online e il passaparola. Il workshop finale ha coinvolto 40 partecipanti. Stabilire un dialogo aperto La privacy dei partecipanti è stata una considerazione importante durante tutta la pianificazione del workshop e l'approvazione dell'IRB (Institutional Review Board) ha regolato la raccolta dei dati e la sicurezza del workshop. Il comitato organizzatore desiderava inoltre creare un ambiente neutrale in cui i partecipanti con convinzioni e background diversi si sentissero a proprio agio nel impegnarsi. Era molto importante che i partecipanti al workshop si sentissero a proprio agio nel condividere i propri pensieri e idee senza preoccuparsi di ciò che gli altri avrebbero potuto dire o fare. Il comitato di pianificazione ha inoltre deciso di non pubblicizzare in anticipo il workshop online per limitare l'attenzione esterna e incoraggiare il comfort e il dialogo aperto tra un gruppo ristretto di partecipanti. I partecipanti sono stati invitati a evitare di scattare foto o di attribuire dichiarazioni a individui senza permesso. Gli organizzatori si sono sforzati di soddisfare le preoccupazioni sulla privacy dopo aver identificato un elenco finale dei partecipanti. Ciò includeva: ● Opzioni di etichettatura del nome: gli individui potevano semplicemente elencare il proprio nome senza alcuna affiliazione istituzionale; ● Gli individui potrebbero scegliere di allontanarsi da alcune sessioni o conversazioni se si sentissero a disagio nell'impegnarsi in vari argomenti; ● Non era consentito fotografare altri partecipanti a meno che un partecipante non ricevesse il consenso di tutte le persone apparse in una foto; e ● Il rispetto per tutti e l'approccio alle conversazioni con una mente aperta erano un requisito per la partecipazione. Se un individuo non riteneva che ciò fosse possibile, gli veniva chiesto di non partecipare. Vedere la comunicazione e-mail inviata a tutti i partecipanti nell'Appendice B: Linee guida di condotta. Riepilogo del workshop Panoramica dell'agenda L'evento è iniziato con un incontro sociale di networking informale pre-workshop la sera del 4 agosto 2025. Gli organizzatori hanno fornito commenti di benvenuto e di apertura la mattina del 5 agosto 2025. A queste osservazioni sono seguite brevi introduzioni dei partecipanti. Un discorso programmatico sull'importanza di dati UAP validi ha preparato i partecipanti alla prima sessione di approfondimento ("Identificazione, accesso e integrazione delle fonti di dati"), tenutasi prima della pausa pranzo. Il pomeriggio di

Il 5 agosto 2025 è iniziato con un discorso in plenaria, seguito dal primo dibattito, "Opportunità e sfide con l'intelligenza artificiale", e da una seconda sessione di discussione ("Percorsi per l'analisi e l'interpretazione dei dati su larga scala"). Il primo giorno si è concluso con una breve discussione di tutto il gruppo. La cena del workshop si è tenuta in un ristorante vicino alla sede del workshop. Il secondo giorno è iniziato con una seconda conferenza plenaria e un secondo dibattito sul tema “Armonizzare le prospettive qualitative e quantitative sui dati narrativi”. Dopo pranzo, i partecipanti hanno tenuto una serie di discorsi lampo prima della sessione di discussione finale (“Pulizia, organizzazione e collegamento dei dati: cosa si può e si dovrebbe fare?”). Nel corso dell’evento, il team organizzatore ha raccolto appunti che sono stati successivamente trascritti e resi anonimi. Per ciascuna sessione di approfondimento, i moderatori hanno raccolto i record e sono stati assegnati degli appunti per garantire ulteriormente una documentazione affidabile dei lavori del workshop. Riepiloghi delle discussioni interattive I suggerimenti per ciascuna sessione interattiva sono inclusi nell'Appendice D: Suggerimenti per le sessioni interattive. Sessione interattiva n. 1: Identificazione, accesso e integrazione delle fonti di dati [GIORNO 1] La prima sessione interattiva ha affrontato le sfide centrali della ricerca UAP. Le discussioni hanno rivelato la portata del panorama dei dati UAP come un mosaico di casi storici, resoconti narrativi contemporanei, dati basati su sensori (radar, immagini, dati di volo) e set di dati ambientali o contestuali (meteo, astronomici, sismologici). I partecipanti hanno espresso entusiasmo per la possibilità di collegare queste fonti disparate, ma hanno anche riconosciuto le barriere poste dall’incoerenza nei metadati, dalle restrizioni di classificazione, dai record mancanti o inaccessibili e dallo stigma nei confronti del reporting UAP. Nonostante queste sfide, i gruppi convergono sulla prospettiva che con standard chiari, progetti di integrazione di prototipi e collaborazione intenzionale tra le organizzazioni, è possibile creare set di dati interoperabili e condivisibili che consentirebbero un’analisi più rigorosa e scalabile dei report UAP. Sessione interattiva n. 2: Percorsi per l'analisi e l'interpretazione dei dati su larga scala [GIORNO 1] La seconda sessione interattiva ha esplorato metodi e limiti per l'analisi dei dati narrativi UAP. Nei gruppi, i partecipanti sono stati alle prese con la tensione tra l’estrazione di segnali operativamente utili e il rispetto della ricchezza esperienziale, culturale e storica incorporata nei resoconti. Nel complesso, i gruppi hanno convenuto che le narrazioni dell’UAP non possono essere ridotte a un unico approccio analitico. I metodi a livello di corpus (clustering temporale/spaziale, tendenze delle parole chiave, correlazione statistica, analisi dei grafici) sono utili per il rilevamento di modelli e la generazione di ipotesi, mentre i metodi narrativi/esperienziali (fenomenologia, analisi del discorso) sono utili per preservare il significato, il contesto culturale e le voci dei testimoni. Le infrastrutture dovrebbero consentire a queste modalità di coesistere. Sessione interattiva n. 3: Pulizia, organizzazione e collegamento dei dati: cosa si può e si dovrebbe fare? [GIORNO 2] La terza e ultima attività di breakout ha analizzato la struttura di un ipotetico modulo di reporting online che ha raccolto 1.000 report UAP archiviati come file PDF per identificare le possibilità di dati

Page 7 6 analisi con i dati raccolti, nonché potenziale miglioramento del modulo. La discussione ha portato ai seguenti suggerimenti generali che sono ampiamente informativi per gli strumenti di reporting UAP online. 1. Flusso e struttura dell'assunzione: • Inizia con una casella di testo libero (e caricamento audio opzionale) in cui il testimone fornisce il proprio resoconto con parole proprie. Utilizza l'estrazione assistita dall'intelligenza artificiale per proporre campi strutturati, che il testimone può quindi confermare o correggere. • Inquadrare le domande attorno a ciò che è stato percepito (dimensione angolare, forma, movimento, suono, effetti) piuttosto che alle proprietà presunte (distanza esatta, dimensioni dell'oggetto solido). 2. Aggiunte al modulo: • Chiedere ai testimoni di spiegare come hanno stimato le dimensioni, la distanza o la velocità (ad esempio suggerimenti contestuali). • Verificare se ciò è già accaduto in passato e, in caso affermativo, con quale frequenza. • Invece di “avvistamento di massa: sì/no”, includere il numero approssimativo di testimoni. • Includere un campo per indicare se l'oggetto sembra reagire alla presenza dell'osservatore. • Aggiungere esempi di effetti tecnologici (ad esempio, elettricità statica, guasto dell'auto) e suggerimenti di base su sentimenti o effetti collaterali che potrebbero essere informativi (ad esempio, "Ne hai parlato con altri? Vorresti un supporto professionale/tra pari?"). • Importa e visualizza automaticamente i metadati delle foto (modello di fotocamera, timestamp, posizione), offrendo agli utenti la possibilità di oscurare i campi sensibili. 3. Standardizzazione e pulizia: • Accettare informazioni sulla posizione, inclusi città/indirizzo/CAP/lat-long, con semplici indicazioni e menu a discesa e normalizzarle sul back-end. • Applicare un formato a voce singola per date e orari (widget calendario o menu a discesa). • Consentire più input per unità (imperiali/metriche) ma convertirli e archiviarli in modo coerente. • Includere campi numerici strutturati per il conteggio degli oggetti e oggetti multipli, con follow-up adattivo per descrivere ciascun oggetto separatamente. 4. Considerazioni tassonomiche: • Fornire una tassonomia concisa delle forme comuni (disco, sfera, triangolo, sigaro, “altro”) ma consentire testo libero per forme insolite. • Aggiornare i riferimenti descrittivi per la familiarità culturale (usando oggetti come monete o carte di debito per stimare le dimensioni) e internazionalizzare/tradurre i moduli per una più ampia accessibilità. 5. Integrazione e collegamento: • Includere un campo per indicare se l'evento è stato segnalato altrove (NUFORC, MUFON, FAA, ecc.).

• Progettare lo schema in modo che i rapporti possano essere collegati ai dati FAA/NASA Aviation Safety Reporting System (ASRS), tracce di volo Automatic Dependent Surveillance-Broadcast (ADS-B), radar meteorologici, database astronomici, reti di palle di fuoco, ecc. • Abilitare follow-up dinamici per più oggetti, più testimoni o eventi sequenziali. 6. Governance e fiducia: • Fornire ai reporter un controllo chiaro su quali informazioni (come geolocalizzazione, metadati delle foto) vengono condivise pubblicamente. • Impegnarsi nella diffusione di dati aggregati e anonimi (mappe, riepiloghi delle tendenze) per creare fiducia senza incoraggiare le bufale. • Sono state suggerite domande leggere sul benessere, per aiutare a identificare se gli intervistati gradirebbero un follow-up professionale o tra pari senza entrare nella valutazione clinica. Risultati e raccomandazioni Sintesi dei risultati Tipi di dati rilevanti e fonti dei resoconti narrativi sull'UAP I partecipanti hanno sottolineato che la ricerca sull'UAP richiede di attingere a un ecosistema diversificato di dati, che si estende oltre le testimonianze. I resoconti narrativi primari in formati che vanno da PDF e CSV alle e-mail e alle storie orali rimangono centrali, offrendo resoconti di prima mano che, una volta digitalizzati e trascritti secondo necessità, possono essere strutturati per l'analisi. Questi rapporti sono integrati da foto e video degli smartphone, ampiamente disponibili ma spesso di scarsa qualità, anche se migliorano nel tempo. Fonti governative gestiscono documenti classificati e non classificati, compresi documenti storici e informazioni complete. I rapporti militari e i registri delle navi sono particolarmente affidabili e forniscono informazioni strutturate su piattaforme, piani di volo e piloti, mentre la FAA continua a raccogliere rapporti sui piloti. Altri flussi di dati includono post sui social media, che sono spesso multimodali (come video online e sui social media); database di partner internazionali; e dati strutturati di sensori tecnici o scientifici, come analisi radar o di spettro. Anche i dati contestuali supplementari sono fondamentali, compresi i record di volo e meteorologici, i dati sismologici, le immagini satellitari e persino i video dei campanelli o i sistemi CCTV possono corroborare gli avvistamenti. Barriere e sfide nella raccolta e nell'utilizzo dei dati Nonostante le numerose potenziali fonti di dati, permangono ostacoli significativi. L’accesso ai dati dei social media è diventato più limitato a causa delle politiche aziendali sulle licenze, mentre considerazioni etiche e giurisdizionali ne complicano l’utilizzo. La classificazione rimane una barriera dominante, poiché dati UAP sostanziali possono essere catturati su sensori classificati, rendendoli automaticamente inaccessibili finché non vengono declassificati. Altre sfide includono le barriere linguistiche e di traduzione, con sistemi sia umani che automatizzati soggetti a errori, soprattutto nelle lingue con poche risorse. Stigma nel reporting,

La situazione, in particolare tra i progetti pilota, mina la tempestività e la completezza dei dati, mentre la mancanza di formati di reporting standardizzati tra agenzie e organizzazioni frammenta ulteriormente il panorama. La sensibilità al tempo e le deboli politiche di conservazione hanno portato alla perdita di documenti critici, come nel noto caso Nimitz. Anche le questioni tecniche sono sostanziali. I dati più vecchi possono essere difficili da digitalizzare, la scrittura corsiva resiste ai sistemi di riconoscimento ottico dei caratteri (OCR) e i progetti di trascrizione in crowdsourcing soffrono di risultati di bassa qualità, recentemente peggiorati dall’uso improprio dell’intelligenza artificiale generativa. Infine, il settore deve confrontarsi con dati falsi e disinformazione, comprese foto o video generati dall’intelligenza artificiale, che mettono a rischio sia la fiducia del pubblico che l’integrità analitica. Metadati e contesto per l'usabilità e l'analisi Un uso efficace dei dati UAP richiede ricchi metadati contestuali. Ogni report dovrebbe idealmente contenere ora, data e posizione, preferibilmente con precisione geospaziale. È fondamentale distinguere tra metadati descrittivi (caratteristiche oggettive come la morfologia o la banda di frequenza) e metadati interpretativi (effetti soggettivi o significato esperienziale). I metadati dovrebbero anche acquisire dettagli specifici dell’evento, come comportamenti, posizioni dei sensori e background dei testimoni, e devono estendersi ai parametri tecnici per i dati strutturati. La provenienza (la catena di custodia e la fonte dei dati) è essenziale per garantire interpretabilità e affidabilità. Per quanto riguarda le prove visive, i metadati come il tipo di dispositivo e i geotag incorporati consentono la convalida rispetto ai fatti segnalati. I partecipanti hanno anche sottolineato l'importanza di moduli di segnalazione flessibili e ben progettati, che ad esempio includono opzioni di "rifiuto di rispondere" per evitare voci inventate quando gli intervistati non hanno conoscenze. Collegare le fonti di dati e sviluppare un approccio unificato Data la natura frammentata dei dati UAP, i partecipanti hanno sostenuto progetti di integrazione modesti e su scala pilota come punto di partenza. Stabilire una terminologia e dizionari di dati comuni è importante per armonizzare i set di dati tra agenzie e discipline. Standard di metadati modulari ed estensibili potrebbero portare verso un ecosistema componibile, potenzialmente implementato attraverso modelli standardizzati, documenti di controllo dell’interfaccia (ICD) o API. È necessaria una qualche forma di governance consolidata per facilitare la gestione dei dati, l’accesso e il coinvolgimento dei ricercatori, alleviando al tempo stesso i silos tra agenzie. La trasparenza è stata evidenziata sia come un obiettivo che come una sfida, poiché i dati non classificati dovrebbero essere resi disponibili al mondo accademico, mentre il materiale sensibile deve rimanere protetto. Lezioni provenienti da altri campi, come la genetica e l'astronomia, sono state citate come modelli per lo sviluppo di standard di metadati interoperabili e approcci guidati dall'ontologia. Valutazione della credibilità e della qualità dei rapporti I partecipanti hanno sottolineato l'importanza dell'affidabilità dei sensori, sottolineando che la percezione umana è fallibile. Stabilire esempi di gold standard di report di alta qualità potrebbe aiutare a guidare la raccolta e l’analisi future. Il triage semiautomatico, assistito dall’intelligenza artificiale, offre la promessa di vagliare enormi quantità di dati per identificare casi con probabili spiegazioni convenzionali, nonché casi di potenziale interesse, sebbene la supervisione umana rimanga indispensabile. Inoltre, la credibilità aumenta quando i rapporti sono confermati da più testimoni o da flussi di dati indipendenti, ad esempio

Page 10 9 come registrazioni radar o meteorologiche. Le interviste e lo screening psicologico dei testimoni sono stati offerti come esempio di come valutare le motivazioni e ridurre le false denunce, sebbene sia stato riconosciuto che ciò è difficile da implementare su larga scala. Allo stesso tempo, i pregiudizi a favore di alcune professioni (piloti, polizia) devono essere riconosciuti a causa del miglioramento della formazione e delle capacità di osservazione. Un approccio fenomenologico (analisi qualitativa degli indicatori delle esperienze vissute) che consenta di far emergere modelli dai resoconti narrativi è stato raccomandato come complemento ai metodi quantitativi, garantendo che dettagli insoliti ma significativi non vengano esclusi prematuramente. L'intelligenza artificiale e i metodi analitici L'intelligenza artificiale offre opportunità per il riconoscimento di modelli, la generazione di ipotesi e guadagni di efficienza nell'analisi di testi su larga scala e di dati multimodali. Tecniche come la ricerca semantica, il clustering e la modellazione multimodale (ad esempio, combinando segnali acustici e infrarossi) possono aiutare a identificare le anomalie. L’intelligenza artificiale è preziosa anche per attività di routine, come l’estrazione di date o posizioni da testo non strutturato o la valutazione di probabili identificazioni errate. Tuttavia, ci sono rischi associati all’intelligenza artificiale. L’allucinazione (la generazione di conclusioni convincenti ma false) rimane una preoccupazione fondamentale. L’analisi dell’intelligenza artificiale è affidabile tanto quanto la qualità dei suoi input, sottolineando il principio “garbage in, garbage out”. Inoltre, gli LLM sono già influenzati dai contenuti culturali legati agli UFO, potenzialmente distorcendo le analisi. I set di dati di piccole dimensioni limitano il potenziale dell'addestramento del modello, sebbene i modelli preaddestrati possano comunque essere riproposti. Le migliori pratiche prevedono una collaborazione iterativa uomo-intelligenza artificiale, in cui gli algoritmi forniscono analisi preliminari che vengono verificate, corrette e arricchite da ricercatori umani. Gli approcci d’insieme, che sfruttano più modelli, possono ridurre i tassi di errore. Nel complesso, i compiti devono essere definiti attentamente per allineare i metodi di intelligenza artificiale agli obiettivi di ricerca, garantendo un equilibrio tra profondità qualitativa e rigore quantitativo. Strategia lungimirante e considerazioni chiave Il gruppo ha sottolineato la necessità di un'infrastruttura di ricerca lungimirante che integri raccolta dati proattiva, solidi standard di metadati e collaborazione interdisciplinare. Alcuni hanno sostenuto la necessità di concentrarsi su una nuova raccolta di dati di qualità superiore, mentre altri hanno esortato a continuare a investire nei dati storici per preservarne il valore potenziale. Le priorità future dell'infrastruttura includono una soluzione di sicurezza unificata per la gestione dei dati classificati e non classificati, una migliore progettazione dei questionari per le relazioni dei testimoni e sistemi di benchmarking per monitorare le prestazioni analitiche nel tempo. È importante sottolineare che anche i rapporti di “bassa qualità” o stigmatizzati non dovrebbero essere scartati ma resi disponibili per diverse linee di indagine e riutilizzo dei dati. Infine, i partecipanti hanno sottolineato la necessità del coinvolgimento dei cittadini e della responsabilità etica. I contributori pubblici devono essere incorporati in strategie coerenti per la raccolta dei dati e la ricerca impegnata nella comunità. Allo stesso tempo, i ricercatori devono rimanere vigili sui rischi di disinformazione, allucinazioni legate all’intelligenza artificiale e ingiustizia epistemica, garantendo che le narrazioni siano rispettate nella loro forma originale. Bilanciare la trasparenza con la sicurezza e il rigore metodologico con l’apertura alle “cose ​​strane” sarà essenziale per costruire un campo di ricerca sull’UAP sostenibile, credibile e innovativo.