Representations as flows: navigating the latent space dynamics of neural models

L’intervento propone di interpretare le reti neurali come sistemi dinamici che agiscono sullo spazio delle rappresentazioni, mostrando come gli autoencoder generino campi vettoriali con punti fissi e attrattori utili ad analizzarne il comportamento. Questa prospettiva permette di comprendere meglio generalizzazione, memorizzazione, conoscenza incorporata e di caratterizzare dati fuori distribuzione, suggerendo nuovi modi per progettare modelli più efficaci.