forgionegianluca

 

I "DATI" rappresentano la vera risorsa per la creazione di modelli AI

L'intelligenza artificiale si nutre di dati.

Nel contesto di tecnologie AI, l’accesso ai dati risulta cruciale non solo per la formazione di soluzioni di AI (addestramento e fine-tuning) a monte ma altresì per l’implementazione e l’offerta di servizi basati sull’AI.

Le piattaforme digitali sono diventate luoghi di scambio in cui l’utente non è solo un consumatore passivo, ma una risorsa attiva che contribuisce alla creazione di valore (monetizzazione da sfruttamento dei dati).

Negli ultimi anni i dati hanno assunto importanza via via crescente nell’organizzazione delle attività di produzione e di scambio, a tal punto da poter essere considerati una risorsa economica a tutti gli effetti, anzi la risorsa di gran lunga più importante in molti settori. Infatti, grazie agli avanzamenti nell’ambito dell’Information e Communication Technology (ICT), le organizzazioni tendono a raccogliere dati di qualsiasi tipo, ad elaborarli in tempo reale per migliorare i propri processi decisionali e a memorizzarli in maniera permanente al fine di poterli riutilizzare in futuro o di estrarne nuova conoscenza.

Con il termine «big data» si indica un complesso di dati enormemente vasto che può essere utilizzato per formare nuova conoscenza attraverso le relazioni tra dati conoscibili.

 

In specifici settori l’utilizzo dei big data diventa centrate:

ad es. nell’offerta di nuovi servizi pubblici contribuendo a migliorare la qualità della vita della collettività. Si pensi, per esempio, al traffico che può essere monitorato costantemente grazie alla condivisione dei dati relativi agli spostamenti registrati dagli smartphone, e gestito, nella misura in cui molteplici applicazioni di navigazione satellitare usano questi dati per suggerire ai propri consumatori il percorso più breve e meno congestionato. Ancora, secondo l’approccio Big Data possono essere monitorati i tempi di attesa presso gli sportelli pubblici. Analogamente, in ambito sanitario, grazie ai progressi nelle tecnologie di nuova generazione che hanno portato ad una disponibilità crescente di dati biomedici, sono state create banche dati ad accesso libero contenenti dati genomici e clinici di pazienti in forma anonima. Tali database contenenti un gran numero di dati eterogenei costituiscono un grande opportunità per gli scienziati, i quali, avvalendosi di tecniche di analisi dei Big Data, possono estrarre nuova conoscenza in maniera automatizzata su una determinata patologia.

Processati attraverso algoritmi di machine learning, tali dati, insieme a quelli tradizionali, possono essere impiegati per costruire indicatori dell’attività economica più accurati e tempestivi, ad esempio per stimare il tasso di disoccupazione o il tasso di inflazione, per migliorare le previsioni di variabili rilevanti a fini di policy, per misurare il clima di fiducia di consumatori e imprese

 

 

Le tecniche utilizzate sono diverse:

1. Il data mining è il processo di analisi dei dati da diversi punti di vista al fine di ottenere informazioni utili. È il processo di ricerca di correlazioni o modelli tra i dati raccolti nei database relazionali

2. La data fusion è il processo di integrazione di più dati e conoscenze. L’aspettativa è che i dati «uniti» contengano informazioni superiori ai dati originali.

3. La procedura di clustering ha lo scopo di raggruppare i dati e di orga- nizzarli in gruppi in modo che i dati contenuti nello stesso cluster siano più simili tra loro rispetto a quelli contenuti in cluster diversi.

4. L’«analisi di regressione» viene utilizzata per stimare la forza e la dire- zione della relazione tra le variabili che sono in relazione lineare tra loro.

 

Le tecniche di analisi consistono per lo più in algoritmi tra i quali si distinguono quelli di interrogazione e quelli di apprendimento.

 

L’accesso e la condivisione di dati è cruciale al fine di sviluppare le applicazioni di IA

Mentre l’informazione pubblica è regolamentata dalla Direttiva 2019/1024 sul riuso dei dati prodotti dalla pubblica amministrazione (Public Sector Information) , la condivisione dei dati privati è ancora completamente rimessa all’autonomia delle parti.

Il principio generale della direttiva è quello di favorire al massimo il riutilizzo dei dati della pubblica amministrazione, a eccezione dei dati esclusi dal diritto di accesso ai sensi di specifiche norme nazionali e nel rispetto della normativa sulla protezione dei dati personali. Tale principio muove dalla convinzione, ribadita dalla raccomandazione (UE) 2021/1970 della Commissione Europea del 10 novembre 2021, che il libero riutilizzo dei dati, anche per fini commerciali, possa essere un potente moltiplicatore di ricchezza e un assetstrategico per lo sviluppo sociale, culturale ed economico dei Paesi membri. In una fase di forte crescita dei settori che si occupano dell’elaborazione di dati disaggregati per lo sviluppo di nuovi servizi digitali, tanto maggiore è la qualità e quantità degli Open Data messi a disposizione dalle pubbliche amministrazioni, quanto maggiori saranno le probabilità che i dati vengano riutilizzati nella creazione di servizi innovativi contribuendo al benessere della società.

La necessità di promuovere un quadro in cui i regimi che consentono la libera circolazione di dati ed informazioni siano controbilanciati da strumenti che garantiscano una piena ed effettiva trasparenza sull’uso di tali informazioni

L'utilizzo dei dati a mezzo dei sistema di AI si interseca sia con la tutela dei dati personali , sia con la tutela del consumatore nell’assetto complessivo del rapporto negoziale con gli imprenditori dell’ecosistema digitale.

 

La dinamica del settore AI risulta condizionata dal controllo struttura tecnica ( c.d. stack tecnologico dell’AI) da parte di grandi player digitali

I servizi cloud e cloud computing rappresentano la principale struttura tecnica (unitamente agli altri strumenti digitali - che rientrano nel c.d. stack tecnologico dell’AI- linguaggi di programmazione, framework, database, sistemi operativi, software, librerie ) cui si avvalgono gli sviluppatori per realizzare soluzioni digitali, applicazioni web o software basate sull’AI . ed il loro controllo

I servizi di cloud e cloud computing includono l’uso di infrastrutture (c.d. IaaS), l’uso di piattaforme (PaaS) e l’uso di software (c.d. SaaS)

I «Software as a Service» (SaaS) sono destinati a tutti gli utenti, i servizi per l’uso di infrastruttura (IaaS più standardizzati) e di piattaforme (PaaS) sono destinati principalmente agli sviluppatori e professionisti dell’IT per costruire soluzioni AI e applicazioni da queste derivate sia per un uso interno che per terzi.

Altro elemento è rappresentato dai chip che sono processori/acceleratori che trovano impiego oltre che nelle infrastrutture di cloud anche nella fase di sviluppo di modelli di fondazione AI

Il maggior produttore di GPU è Nvidia, e marginalmente AMD e Intel.

SITEMI DI INTELLIGENZA ARTIFICIALE

IA DEBOLE: L'intelligenza artificiale debole (o AI ristretta/ANI) è un tipo di AI progettato per eseguire un compito specifico e ben definito, come il riconoscimento vocale o i motori di raccomandazione. 

IA GENERATIVA: è un tipo di intelligenza artificiale che crea nuovi contenuti, come testo, immagini, musica, audio e video, analizzando e apprendendo da grandi quantità di dati esistenti. A differenza dell'IA tradizionale, che si basa su regole predefinite, l'IA generativa imita la creatività umana per produrre risultati originali e realistici (LLM come CHAT GPT). A seconda delle informazioni che le vengono fornite, tenterà di dare una risposta, completare una frase o generare una traduzione. I modelli di IA generativa utilizzano il deep learning, una tecnica di machine learning per l'analisi e l'interpretazione di grandi volumi di dati.  I rischi sono rappresentati dalle c.a. allucinazioni o dalla violazione plagio dei diritti d'autore

IA PREDITTIVA: L'IA predittiva si serve dei dati per prevedere o dedurre un evento altamente probabile che potrebbe verificarsi in futuro. In base al prompt immesso dall'utente, l'IA generativa è in grado di creare nuovi contenuti utilizzando dati esistenti, come testi o codice creato dagli sviluppatori. Un'IA addestrata con testi letterari, ad esempio, può rispondere al prompt proponendo una storia originale. I rischi sono rappresentati dalla possibilità di introdurre bias o pregiudizi

 

 

RISCHI DA CONDOTTE ANTICONCORRENZIALI

Le condotte anticoncorrenziali delle imprese dominanti possono esacerbare i rischi dell’AI in altri ambiti del diritto, quali la tutela della proprietà intellettuale (innovazione umana e copyright), la tutela dei consumatori e la privacy e protezione dei dati

 

 

DAI – Human-in-the-loop Artificial Intelligence

 

AI – Human-in-the-loop Artificial Intelligence – si propone di cambiare la narrazione sull’Intelligenza Artificiale per far prendere coscienza di un modo diverso di intenderne lo sviluppo. E potrebbe permettere una più equa redistribuzione dei redditi. Ecco di che si tratta e quali sono le sfide tecnologiche e politiche

L'AI avanzata per identificare e neutralizzare minacce in tempo reale

li strumenti di AI avanzata, applicati alla threat intelligence, consentono di identificare e neutralizzare minacce in tempo reale, riducendo i tempi di risposta agli attacchi e migliorando la capacità di prevenzione. Tuttavia, il crescente utilizzo dell’AI introduce anche nuove sfide, tra cui la necessità di garantire la trasparenza e l’affidabilità degli algoritmi, evitando decisioni errate o discriminazioni nei sistemi automatizzati di cybersecurity .

DANNI DA AI

APPROCCIO LIABILITY: si parte dal danno. Approccio europeo (metodo compensativo della repsonsabilità)

APPROCCIO ACCOUNTABILITY: Si cerca di prevenire. Si individua nel produttore il centro di responsabilita (metodo preventivo della responsabilità)