AI spiegabile versus AI interpretabile: che cosa sono, come funzionano, casi d’uso e strumenti

Non solo leggi per gli umani: l’autonomia decisionale delle macchine richiede una regolamentazione dell’AI che parli direttamente alla tecnologia. Dal nuovo report ENISA allo strumento della privacy by design, i passi verso una governance multilaterale per l’intelligenza artificiale

L’Osservatorio Agenda Digitale del Politecnico di Milano ha condotto un censimento delle principali iniziative internazionali con l’obiettivo di mappare l’ecosistema delle applicazioni di intelligenza artificiale sviluppate in ambito pubblico. Ecco cosa è emerso.

Ora che molte applicazioni dell’analytics hanno raggiunto una piena maturità in diversi settori - dalla gestione della customer experience nelle telecomunicazioni e nell’energia fino all’automazione del processo di analisi e liquidazione dei sinistri in ambito assicurativo - è utile sfruttare proficuamente le lessons learnt anche nel dominio delle risorse umane. In questo podcast si ripercorrono i passi da compiere per costruire innovativi modelli di catalogazione dinamica delle competenze

Se le due tecnologie sono utilizzate in parallelo si possono eliminare i limiti reciproci che ne ostacolano la scalabilità e l'adozione. In questo podcast viene illustrato un caso pratico di certificazione grazie alla tecnologia blockchain dei dati elaborati dagli algoritmi di intelligenza artificiale per dimostrare che i parametri scelti siano coerenti con gli obiettivi prefissati. In generale, il primo vantaggio dell’integrazione delle due tecnologie è che si possono condividere modelli di apprendimento automatico tra tutte le parti che prendono parte a un processo senza un intermediario.

I talenti nell’ambito dell’intelligenza artificiale che operano nell’Unione europea sono la metà di quelli presenti negli USA. L’Italia si colloca nella fascia medio bassa in termini di talenti AI, con l’unica eccezione di una maggior presenza percentuale di donne che lavorano e fanno ricerca in questo campo. Sono questi alcuni risultati che emergono dal rapporto Linkedin – Economic Graph, dedicato alla distribuzione nella UE di competenze AI, la cui scarsa disponibilità rappresenta uno dei principali freni all’adozione, limitando così le opportunità delle imprese.

Per contrastare i moderni attacchi informatici, sempre più complessi, non bastano più l’antivirus o soluzioni semplificate, ma occorre sfruttare tecnologie di cyber defense all’avanguardia come quelle basate sull’intelligenza artificiale. Ecco gli scenari attuali e le possibili soluzioni tecnologiche tenendo presente che i migliori software di protezione globale per un’azienda ricorrono all’analisi in tempo reale di tutto il traffico di rete e al monitoraggio delle attività di ogni utente, di ogni dispositivo connesso alla rete e di ogni elemento che costituisce la rete.

Tutti gli algoritmi dovrebbero essere trasparenti, ma così non è. Secondo gli studiosi la linea di demarcazione tra intelligenza artificiale spiegabile e interpretabile è rappresentata dalla user interface. Indipendentemente dal livello di esperienza degli utenti e dalla loro professione (data science, sviluppatori, business line), l’interpretabilità permette di comprendere i modelli di intelligenza artificiale in modo semplice e facendo questo aiuta a ridurre la diffidenza nei confronti dell’automazione...

I sistemi di intelligenza artificiale pongono nuovi e inaspettati problemi nel mondo del diritto e della società. Ci troviamo davanti a entità, le cui decisioni e risultati non sono pienamente l’effetto di azioni umane, ma derivano da una serie di processi che, dopo l’istruzione della macchina, hanno autonoma capacità decisionale e in alcuni casi non giustificabili a posteriori, in quanto non è possibile comprendere come il sistema sia giunto ad assumere una certa decisione. Di chi è dunque la responsabilità giuridica delle loro azioni? Quali sono gli ambiti più critici? Come si stanno muovendo, in ambito regolatorio, i paesi attivi nello sviluppo di sistemi di AI?

Dalla competenza di dominio, portata da chi lavora sul campo, nella progettazione dei sistemi di intelligenza artificiale, alla cura del dato quanto più vicino alla sorgente; dall’importanza di padroneggiare, e talvolta internalizzare, la conoscenza delle tecnologie, alla governance nell’analisi degli algoritmi. Questo podcast illustra quel che serve per disegnare e poi implementare un progetto di intelligenza artificiale da adottare in azienda. Si tratta di alcuni degli spunti emersi durante il panel “Come sviluppare un progetto di AI” che ha messo attorno a un tavolo 4 testimonianze

È più corretto parlare di intelligenza artificiale o di intelligenza aumentata o …? E ancora: cosa deleghiamo alle macchine e ai sistemi che definiamo “intelligenti”? Siamo in un mondo globale, interconnesso, senza confini eppure siamo sempre più chiusi nelle piccole stanze create da algoritmi costruiti per “renderci la vita più facile”: come scardinare questo paradosso? Sono alcuni dei temi che ZeroUno ha affrontato in questa intervista a Luciano Floridi, professore ordinario di filosofia ed etica dell’informazione all’Università di Oxford