Le grandi aspettative dell’IA: l’approccio è quello giusto?

La Ministra per l’innovazione tecnologica e la digitalizzazione Paola Pisano ha partecipato il 4 dicembre 2020 al primo incontro del Partenariato Globale sull’intelligenza artificiale (Global Partnership on Artificial Intelligence – GPAI), un’iniziativa franco-canadese avviata nel giugno 2020 a cui l’Italia ha aderito come membro fondatore.

La GPAI è una collaborazione internazionale per la promozione di un utilizzo etico e responsabile dell’intelligenza artificiale. Per il 2020 ne fanno parte: Canada, Australia, Francia, l’Unione Europea, Germania, India, Giappone, Corea, Messico, Nuova Zelanda, Singapore, Slovenia, Inghilterra, Stati Uniti. Altri Paesi hanno manifestato l’intenzione di aderire e saranno ammessi nel corso del prossimo anno.

Indubbiamente in questo periodo sono davvero numerose le iniziative messe in campo da istituzioni ed operatori più disparati (Università. Pubblica amministrazione, mondo scientifico, commissione europea, ecc.) nello specifico settore dell’intelligenza artificiale, ma viene spontanea una domanda: è diventata una moda o queste iniziative rappresentano qualcosa di concreto?

Cosa c’è davvero dietro questo considerevole interesse per una materia che fino a qualche anno fa era considerata di nicchia? Per pochi eletti. Si contavano sulle dita di una sola mano gli istituti ed i centri scientifici che la studiavano e si impegnavano a realizzare qualcosa di tangibile ed utile per la società come ad esempio nella ricerca delle informazioni giuridiche, nella legimatica, nei sistemi esperti in campo giudiziario, ecc.

Decisivo in questo cambiamento di tendenza è stato l’apporto dell’Unione Europea e più in generale di molte organizzazioni internazionali che vedono l’IA come un’importante leva per la crescita economica dei paesi.

La ricerca sulla IA e la relativa regolamentazione rappresenta ormai un costante punto di riferimento per le politiche comunitarie in materia di innovazione. Le principali questioni sono state affrontate sia da un punto di vista metodologico che da un punto di vista sostanziale. Da un lato, difatti, l’approccio interdisciplinare è stata una caratteristica costante dello studio fin dal suo inizio. L'esperienza diversificata dei ricercatori coinvolti (avvocati, filosofi, ingegneri, ecc.) hanno portato ad una costante interazione finalizzata allo scambio di informazioni, opinioni e punti di vista in modo che le regole suggerite fossero il risultato di una complessa valutazione tecnica, etica e giuridica.

Il documento “orientamenti etici per un’IA affidabile” redatto dal Gruppo Indipendente di esperti di alto livello sull’intelligenza artificiale istituito dalla Commissione Europea nel giugno 2018, il paper sui principi dell’intelligenza artificiale predisposto dal Berkman Klein Center dell’Università di Haward, lo studio dell’Uni Global Union su principi dell’IA etica, la “carta etica europea sull’utilizzo dell’intelligenza artificiale” predisposta il 4 dicembre 2018 dalla CEPEJ (Commissione Europea per l’Efficacia della Giustizia) sono solo alcuni dei documenti di rilievo prodotti ultimamente in ambito internazionale che si aggiungono ai nostri come il primo Libro Bianco “L’Intelligenza Artificiale a servizio del cittadino” a cura della task force IA dell’Agenzia per l’Italia digitale risalente al 21 marzo 2018, che contiene le linee guida e le raccomandazioni per l’utilizzo sostenibile e responsabile dell’Intelligenza Artificiale nella Pubblica amministrazione e dovrebbe rappresentare l’inizio di un percorso progettuale.

Ovviamente logico corollario di questo grande interesse per l’IA sono gli ingenti finanziamenti europei previsti per le iniziative progettuali di rilievo in tale settore.

Ma ad oggi quali sono stati i risultati concreti ottenuti nel campo dell’IA forte? Volendo intendere con questa espressione un’intelligenza capace di duplicare la mente negli elaboratori, cioè di creare computer in grado di comprendere e di possedere stati cognitivi. E’ questa l’IA che interessa e che può davvero fornire un valido contributo alle attività dell’uomo sebbene con inevitabili interrogativi di carattere etico.

Sono stati realizzati diversi sistemi esperti anche in campo legale che però scontano i limiti di questo approccio allo studio dell’IA con un determinismo che lascia poco spazio ad un effettivo sviluppo delle potenzialità dell’IA. Come noto il dibattito delle scienze cognitive è tutt’oggi aperto, ponendo in dubbio l’esistenza di un sistema simbolico mentale quale causa dei processi cognitivi, ed attribuendo ad esso il ruolo di procedimento euristico, mezzo per la predizione dei comportamenti quotidiani della persona. Il sistema simbolico viene concepito come un modello adatto a descrivere grossolanamente e macroscopicamente il comportamento umano, non però il suo reale funzionamento a livello neuronale.

Le Reti neurali indubbiamente presentano risvolti più interessanti perché differiscono in modo radicale e per diversi aspetti dai tradizionali modelli di intelligenza artificiale. Le principali differenze derivano dal presupposto che le reti apprendono, non conoscono già le regole ma si modellano, attraverso un algoritmo di apprendimento, in modo tale da comportarsi come se conoscessero le regole, alla fine dell’apprendimento.

Quale sarà il risultato finale del procedimento d’apprendimento è imprevedibile per il programmatore stesso: il programmatore non può prevedere l’evoluzione della rete. Ma una volta terminato l’apprendimento la rete diventa stabile e la sua configurazione non cambia più.

I settori in cui l’utilizzo delle reti neurali presenta interessanti potenzialità sono numerosi ed ormai è quasi impossibile elencarli tutti. I principali sono:

• finanza, con numerose applicazioni: previsioni sull’andamento dei mercati inclusi quelli valutari, analisi del rischio di credito, analisi del portafoglio, etc;
• riconoscimento ed elaborazione delle immagini;
• analisi del parlato e riconoscimento vocale;
• simulazione di sistemi biologici, da quelli intracellulari alle reti neurali;
• diagnosi mediche, inclusi i referti di TAC e risonanze magnetiche;
• robot steering;
• controllo di qualità su scala industriale;
• data mining;
• simulazioni di varia natura, anche comprendenti un fattore temporale. Le reti ricorrenti (ad esempio SOM, Hopfield) si prestano meglio per simulazioni e classificazioni, mentre le reti feedforward (MLP) sono valide in applicazioni quali l’OCR.

In molti casi però abbiamo solo sperimentazioni, ma non effettivi risultati finali.

Inoltre, con specifico riferimento al mondo giudiziario, abbiamo avuto anche interessanti studi nel campo della giustizia predittiva grazie anche al contributo di studiosi italiani come l’avv. Viola. Il tema dell’efficienza della giustizia, è un tema che da anni abbraccia la nostra nazione, ma in modo particolare conferisce una stringente attualità a quello della giustizia predittiva, ossia la capacità di calcolare la probabilità di un esito giudiziario sulla base di un algoritmo o a base statistica oppure a base logica. In particolare l’esigenza di riconoscere caratteristiche strutturali proprie di sottosistemi giuridici assume particolare rilevanza nel momento interpretativo ove si riscontri l’insufficienza dei tradizionali principi sistematici nella risoluzione dei conflitti fra norme; a livello di descrizione di un sistema giuridico, che è quella che bisogna prendere in considerazione, è sufficiente disporre di parametri per la definizione di un sottosistema e di criteri organizzativi omogenei per strutturarlo. E’ in tale ottica che assume rilevanza la giustizia predittiva che dopo aver ricondotto le diverse forme di interpretazione a modelli matematici, passa alla concreta applicazione della propria teoria analizzando specifiche sentenze fino ad ipotizzare la realizzazione di una vera e propria giustizia predittiva. Ma allora ciò cosa potrebbe comportare: ridurre la decisione di un giudice all’applicazione di una formula matematica? Magari fino ad arrivare allo scenario prospettato da Jacques Charpentier nella sua opera “Justice machines” dove l’applicazione della giustizia viene affidata ad apparecchi cibernetici?

Come giustamente sostiene Jonas bisogna evitare che "sviluppi tecnologici di volta in volta avviati con obiettivi a breve termine, presentino la tendenza a rendersi autonomi acquisendo una propria dinamica coattiva in forza della quale non solo diventano irreversibili, ma acquistano una funzione propulsiva al punto da trascendere la volontà ed i piani degli attori."

I sistemi di giustizia predittiva sono destinati a essere utilizzati da parte di uffici legali, assicuratori (sia per le loro esigenze interne che per i loro assicurati), nonché avvocati, al fine di anticipare l’esito di una controversia. Teoricamente potrebbero anche aiutare i giudici a prendere delle decisioni, ma non sono di certo idonei a sostituire l’uomo.

Grandi progressi, inoltre, sono stati fatti nella tecnologia di elaborazione del linguaggio naturale (NLP) che è in grado di leggere e comprendere il testo generato dall'uomo. Del resto sin dagli albori i ricercatori dediti allo studio e allo sviluppo dell’intelligenza artificiale si sono specializzati nell’elaborazione del linguaggio naturale, che è stato un campo che ha conosciuto un rapido sviluppo. Un prodotto di tali studi sono i c.d. i c.d. chatbot (dal termine più generale bot, diminutivo di robot). Con tale termine si intende un software basato sull’Intelligenza Artificiale, in grado di simulare una conversazione intelligente con l’utente su una chat. Di fatto offre un servizio funzionale e di supporto attraverso le principali piattaforme di messaggistica come Slack, Telegram, Facebook Messenger. Può essere utilizzato in diversi settori: customer care, diffusione di notizie, offerte e promozioni, e-commerce, attivazione di servizi. Il software si contraddistingue per essere autonomo e sempre attivo per offrire agli utenti aiuto e risposte, ma nello stesso tempo tracciarne interessi, preferenze, età e gusti ai fini marketing e pubblicità comportamentale.

Notevoli risultati sono stati ottenuti anche nell’apprendimento automatico (Machine Learning). Questo settore è composto da strumenti, tecniche e algoritmi in grado di analizzare dati e gli scienziati lo utilizzano per creare modelli predittivi o identificare modelli nei dati. L'apprendimento automatico non è un approccio unico per analizzare i dati. Difatti ci sono decine di classi di algoritmi che si concentrano su specifici problemi. La tecnologia di ricerca cognitiva utilizza l'apprendimento automatico per identificare modelli ricorrenti nei risultati della ricerca che possano assumere sempre più una maggiore rilevanza con il passare del tempo.

In realtà, però, ad oggi, come dicevo all’inizio di questo lavoro, si è visto ancora poco di realmente concreto, le prospettive sono tante, si pensi ad esempio: a sistemi automatici di diagnostica in grado di individuare velocemente la patologia di un paziente, a piattaforme automatiche per supportare gli insegnanti nella valutazione dei compiti scolastici, a sistemi avanzati di elaborazione dei dati per contrastare l’evasione fiscale ed altro ancora.

Ma bisogna ancora lavorare e studiare molto per vedere risultati tangibili e probabilmente andrebbe privilegiato un approccio alla materia più critico ed analitico e meno “propagandistico” che possa consentire un’efficiente interazione dell’uomo con la macchina ed un più efficace supporto dei sistemi di IA alle decisioni dell’uomo.