La personalizzazione delle intelligenze artificiali – Come usare l’IA per liberarci tempo

A cura di Eliana Bergaglio, Giovanni Mantegazza, Lorenzo Natali, Emiliano Pino, Ludovica Pinzone, Salvatore Varriale 

Alberto Puliafito, giornalista, produttore e fondatore di Slow News –  testata che promuove un approccio sostenibile e innovativo all’informazione – opera dal 2004 nell’ecosistema digitale, facendo delle intelligenze artificiali generative il fulcro del suo lavoro. Durante il seminario “La personalizzazione delle intelligenze artificiali: come usare l’IA per liberarci tempo”, tenutosi martedì 21 gennaio 2025 presso il Dipartimento di Lingue e Culture Moderne dell’Università di Genova, l’esperto ha offerto una panoramica pratica su come le IA siano uno strumento efficace per alleggerire attività ripetitive e time-consuming. Per approcciarsi all’argomento, Puliafito ha ritenuto doveroso partire da una premessa circa la recente svolta nazionalista e opportunista di OpenAI, che evidenzia come lo sviluppo dell’IA sia sempre più influenzato da fattori politici ed economici.

Immagine generata con ChatGPT 4o mini

La OpenAI, infatti, nelle prime settimane di gennaio 2025, ha pubblicato un documento (disponibile al seguente link) sullo sviluppo delle intelligenze artificiali che rappresenta, in realtà, l’escalation di una lobby, la quale intende favorire le grandi aziende tech statunitensi. Inoltre, il documento mostra come la OpenAI sia pronta a prendere una posizione netta presentando un’analisi che contrappone gli Stati Uniti alla Cina, mentre Europa e Regno Unito vengono considerati solo marginalmente come partner. 

Si tralascia, dunque, una visione più ampia, un’analisi che consideri l’impatto delle IA sul bene comune o sulle dinamiche globali. Il mondo viene, così, meramente semplificato in una lotta tra due superpotenze.

INTELLIGENZE ARTIFICIALI: UN’ARMA A DOPPIO TAGLIO?

Le IA – sarebbe meglio usare il plurale – rappresentano una delle più grandi rivoluzioni tecnologiche del nostro tempo, specialmente considerato l’enorme impatto da queste già esercitato in molteplici settori. Tuttavia, queste macchine pongono anche sfide complesse, paragonabili come sono  a “scatole nere” per l’opacità dei loro processi decisionali interni; difatti, possono essere utilizzate in modi estremamente diversi sfruttando progettazione e addestramenti mirati all’ottenimento di risultati ad hoc. Sebbene offrano vantaggi innumerevoli, dalla generazione di contenuti creativi all’assistenza medica, è fondamentale riconoscere come le IA non siano però strumenti neutri. Come sottolineato da Badino e colleghi (2024), «ChatGPT funziona come specchio amplificatore di disuguaglianze strutturali che trova disseminate nella rete». Altro aspetto cruciale, in tal senso, è l’accessibilità a queste tecnologie: di fatto è sempre più spiccato l’enorme divario competitivo tra chi è in grado di sviluppare e utilizzare le IA e chi, invece, tende e tenderà ad avere un ruolo sempre più marginale

Nonostante le suddette sfide, le IA generative continuano a evolvere rapidamente e a permeare sempre più aspetti della vita quotidiana. Ne è un chiaro esempio il settore editoriale ove le intelligenze artificiali, tra le tante possibilità offerte, potrebbero snellire il processo di valutazione delle opere proposte dagli autori offrendo poi ad essi, inoltre, feedback approfonditi, chiari ed “empatici”.

Insomma, i benefici offerti dalle IA sono innumerevoli; tuttavia ogni uso che se ne fa, come evidenziato da Quintarelli (2020), ha un impatto sociale e, pertanto, è fondamentale sviluppare un approccio etico e responsabile, affinché queste tecnologie siano uno strumento utilizzato a beneficio dell’umanità.

CONSIGLI PER UN USO EFFICACE E CONSAPEVOLE DELLE IA

Immagine dell’assistente di OpenAI tratta da Tratta da Weetech Solution, What Is OpenAI’s ChatGPT, And How Can You Use It?, 2024

Puliafito ha presentato, infine, quattro possibili esempi applicativi di personalizzazione delle IA utili  per risparmiare tempo nello svolgimento di compiti quotidiani e/o ripetitivi: 

  1. la personalizzazione dell’account grazie alla quale è possibile programmare il comportamento dell’IA fornendole informazioni sugli utenti. Ad esempio, le si possono fornire  dettagli precisi su come si vuole che risponda o si comporti durante lo svolgimento di determinati compiti. Questa funzionalità aiuta a risparmiare tempo adattando le risposte alle preferenze personali; 
  2. l’uso della memoria, che avviene su specifica richiesta dell’utente, per permettere all’IA di ricordare eventi o informazioni circa i suoi interessi o lavori. In questo caso, è  importante effettuare una revisione periodica di quanto salvato in memoria, al fine di eliminare informazioni obsolete o non più utili, mediante la funzione “forget”; 
  3. l’organizzazione delle chat in cartelle tematiche al fine di raccogliere tutte le conversazioni relative a uno specifico argomento. Tale funzione fornisce indicazioni aggiuntive sulle modalità che l’IA deve adottare per la produzione delle risposte all’interno di un determinato progetto;
  4. la creazione di assistenti dedicati a compiti specifici come un assistente per LinkedIn che aiuti a scrivere e pubblicare post o un assistente per le call che generi sintesi di quanto emerso eliminando le parti ritenute non rilevanti. 

Le funzionalità precedentemente esplicate mostrano l’assoluto potenziale offerto dalle IA generative, strumenti in grado di semplificare e personalizzare i più disparati processi della nostra routine giornaliera. Non bisogna però dimenticare i limiti, non solo tecnologici, e i rischi da esse rappresentati. Tolta la già citata non neutralità degli strumenti e, non meno importante, la loro “imprecisione” (le allucinazioni non sono rare e diventano tanto più frequenti, quanto più specifiche sono le richieste), le IA portano enormi cambiamenti capaci di stravolgere lo scenario economico-politico. Basti pensare alla trasformazione radicale che sta prendendo piede nel mondo del lavoro e che richiederà, quantomeno, il ripensamento del rapporto tra capitale umano e attività lavorativa.


In conclusione, l’intervento di Puliafito ha sottolineato come le IA rappresentino un’opportunità straordinaria per accelerare l’ormai inevitabile cambiamento sociale. Ciononostante, risulta necessario mantenere un approccio critico e responsabile,  attento ai  processi di progettazione, ai materiali di addestramento e ai futuri utilizzi. Il tutto, sempre considerando che i loro “addestratori” (tutti noi, in un certo senso) sono influenzati da bias sociali, rischiosi per l’individuo e la società.

Tenendo in considerazione quanto asserito nei paragrafi precedenti, l’utilizzo delle IA richiede molta consapevolezza critica e altrettanta responsabilità.

BIBLIOGRAFIA

Badino M., D’Asaro F. A., Pedrazzoli F., 2024, Educare all’IA. La sfida didattica dell’Intelligenza Artificiale: Chat GPT e Gemini, Sanoma

Quintarelli S. (a cura di), 2020, Intelligenza Artificiale: Cos’è davvero, come funziona, che effetti avrà, Bollati Boringhieri.

Riflessioni e spunti dalla summer school “Comunicare e finanziare la ricerca”. Cremona, 9-12 Settembre 2024

Laura Ferroglio

Dottoranda in Digital Humanities

Università di Torino

Università di Genova

Dal 9 al 12 settembre 2024 ho avuto l’opportunità di partecipare alla summer school: “Transferable skills. Comunicare e finanziare la ricerca”, organizzata dall’Università Cattolica, nella sede di Cremona. Molti spunti sono stati utili per capire meglio come
comunicare la ricerca e la funzione del lavoro svolto durante il Dottorato.

Il tema è stato affrontato non soltanto sotto il profilo della presentazione del nostro lavoro, ma soprattutto rispetto alla maniera di comunicare in modo efficace (e finanziabile) noi stessi e il progetto di ricerca attraverso il personal branding e i social media. In questo post cercherò di illustrare alcuni insegnamenti chiave, sperando di fornire spunti utili.

Gli umanisti a volte aborrono l’idea della ricerca come brand e come prodotto, intendendo l’attività come esplorazione, intuizione, cultura e diffusione della conoscenza. Siamo portati a credere che tutti questi elementi abbiano un valore intrinseco, che non ha bisogno di essere spiegato o giustificato.

Per gli addetti ai lavori è certamente così, eppure in un periodo storico nel quale l’opinione pubblica ha sempre meno fiducia nel valore della ricerca, nel suo impatto positivo sulla società, è opportuno chiedersi come trasformare la conoscenza in qualcosa di più accessibile e concretizzabile per i non addetti ai lavori, in un mondo dominato dalla gratificazione spontanea e dal profitto non necessariamente commisurato al valore del prodotto. Da Digital Humanist (più humanist che digital) mi rendo pienamente conto di come siano i contenuti digitali a regolare il nostro modo di comunicare, apprendere, interagire con il mondo. Occupandomi di IA e didattica, assisto alla condivisione della conoscenza, dei problemi e perfino dei nostri stili di vita in modo multimodale.

Come coniugare contenuti digitali e comunicazione della ricerca? Ritengo sia utile diffondere tre aspetti di quest’esperienza:

• Trovare un branding che ci rappresenti come professionisti, ma soprattutto come persone

• Conoscere gli strumenti e i mezzi per cercare opportunità (social media, spinoff, crowdfunding)

• Individuare con quali interlocutori vogliamo interfacciarci e quai sono i loro bisogni

Trovare un branding:

Nel parlarci del personal branding, la Professoressa Sofia Scatena (docente di psicologia del marketing e dei nuovi media presso l’Università Cattolica) ha sottolineato che ad attirare l’attenzione non è la ricerca ma il/la ricercatore/ricercatrice come persona, con le sue passioni e la sua storia.

È infatti l’esperienza ad attirare l’attenzione, non più il prodotto o la dimostrazione di conoscenza: l’esperienza che facciamo di un brand ci rimane, l’esperienza di com’è per noi la ricerca è quella che arriva al nostro pubblico. Vediamo spesso nelle pubblicità e nei servizi di vendita online come vengono rappresentate situazioni nelle quali facilmente ci riconosciamo. Uno spunto arriva dalla relatrice: “Il valore non risiede nel prodotto, ma nell’esperienza che l’utente fa del prodotto” (Scatena, 2024). Ci riconosciamo anche in categorie e gruppi, derivandone una sensazione positiva, sentendoci accettati e ricercati per quello che vogliamo proporre.

Condivido qui il link a un video che illustra cos’è il branding:

https://www.youtube.com/watch?app=desktop&v=JKIAOZZritk&feature=emb_logo

È importante rendersi conto che avere competenze, “essere bravi” non è più una garanzia di valore sufficiente se non è inserita in una comunità o in una rete. I social media sono fra gli strumenti più immediati per costruire reti. A questo proposito, un aspetto in particolare ha attirato la mia attenzione: le reti vanno costruite prima di averne bisogno. È quindi necessario essere consapevoli di ciò che cerchiamo e contattare persone che condividono i nostri obiettivi e i nostri valori, o magari bisogni che noi possiamo contribuire a soddisfare. Il modo in cui appariamo e ci raccontiamo nei network costituisce la base sulla quale sviluppare la nostra professionalità.

Social media, spin-off e crowdfunding

Per quanto riguarda i social media, di seguito riassumo alcuni punti chiave dell’intervento del Professor Andrea Gaggioli (docente di Psicologia e Nuove Tecnologie della Comunicazione presso l’Università Cattolica).

Media diversi, target diversi, comunicazione diversa: ResearchGate è rivolto alla comunità accademica; LinkedIn raggiunge il pubblico business e punta alla costruzione di reti professionali; X è più adatto a comunicazioni “live” durante le conferenze; Slack, uno strumento di collaborazione e programmazione (https://slack.com), è invece utile per collaborare a progetti.
Un altro consiglio, forse ovvio ma sempre utile, è stato quello di separare gli account personali da quelli professionali, per consentire l’equilibrio professione-vita privata. È stato inoltre studiato quanta influenza diretta abbia la visibilità sul numero di citazioni (Ebrahimy & Setareh, 2018).

Fra gli strumenti utili che ha fornito il Professor Gaggioli vi è il diagramma seguente, che aiuta a procedere nella divulgazione della ricerca attraverso i social media, partendo dal pubblico e dalle intenzioni comunicative per arrivare alla creazione del contenuto:


Da: Bic & Goldstein, 2013: https://journals.plos.org/plosbiology/article?id=10.1371/journal.pbio.1001535

Trovo interessante il suggerimento di partire – come peraltro accade per ogni elaborato scritto – dal pubblico e non dal prodotto della ricerca, un aspetto che forse è facile dimenticare quando si è concentrati sul proprio progetto.

La Professoressa Stella Gubelli, fondatrice e AD della società di consulenza Altis Advisory S.r.l., ha fornito nel suo intervento un’utile introduzione agli spin-off universitari (società di capitali promosse dalle università per valorizzare la ricerca e massimizzarne l’impatto in ambito scientifico e tecnologico). Visionando l’esempio del report annuale della società, emerge come i partner si aspettino di conoscere non solo i dati quantitativi sugli obiettivi raggiunti, ma anche le azioni intraprese per l’impatto sulla società (o “bene comune” nel caso delle cosiddette “società benefit”). Certo, questi principi sono validi anche quando si scrive un progetto di ricerca, ma è stato utile constatare che appartengono anche alla progettazione e all’implementazione di progetti al di fuori dell’ambito accademico.

Per quanto riguarda, infine, il crowdfunding, Martina Bacigalupi, direttrice della Fondazione De Gasperi, ha definito il fundraising come scambio di beni non equivalenti, ossia beni relazionali, reciprocità, competenze che possono contribuire a raggiungere un obiettivo comune, per un impatto sociale condiviso, a differenza dello scambio commerciale che prevede beni equivalenti.

Le donazioni nei meccanismi di crowdfunding sono intese come modo di incidere in modo trasformativo sulla realtà che ci circonda. Nell’organizzare una campagna, le domande da cui partire sono:
• In che modo l’innovazione migliora lo scenario nell’ambito di cui mi occupo?
• Cosa manca?
• Come colmo questo vuoto?

Il passo successivo è la ricerca della sponsorizzazione, considerando:
• Che sto stipulando un contratto in cui stabilisco quanto e cosa prendo (donazioni in denaro o competenze) e quanto e cosa restituisco (risultati, esperienze, strutture, ad esempio l’opportunità di fare esperienze formative per le scuole)
• Che il pubblico di donatori si aspetta un qualche impatto

Per questo è importante:

individuare i mercati del fundraising, quali individui, aziende, fondazioni ed enti pubblici. Ciascuno di questi mercati avrà naturalmente disponibilità finanziarie diverse, quindi mi rivolgerò a ognuno di questi attori con richieste e approcci adeguati. In realtà il termine “crowdfunding” è un termine ombrello proprio della sharing economy, che si riferisce sia a donazioni sia ad investimenti o prestiti finanziari (equity o lending), e può comprendere una ricompensa (reward), che può essere anche un gesto simbolico come un’email di ringraziamento o una foto del risultato del progetto. È importante specificarlo nella presentazione del progetto come segno di trasparenza e professionalità.

Infine, ci sono stati forniti alcuni consigli utili per valutare l’affidabilità di una piattaforma di fundraising: il cruscotto deve avere un obiettivo chiaro e una ripartizione chiara della gestione delle risorse economiche. Deve anche essere chiara la modalità, di tipo “take it all” o “all or nothing”: nella prima si accetta qualunque cifra venga raggiunta, che rimane a disposizione di chi fonda la campagna; nella seconda si riceve il denaro e si procede con il progetto solo se si raggiunge almeno un ammontare minimo previsto.

Nel complesso, ho reputato la summer school costruttiva. Esprimerei un solo rammarico: sarebbe stato utile collaborare con i colleghi in attività pratiche, ad esempio scrivendo una bozza di progetto, ma non è stato possibile per ragioni di tempo.

Per concludere, probabilmente viene spontaneo associare i suggerimenti proposti nella summer school al mondo del marketing e della ricerca in campo scientifico, economico e tecnologico, non sempre in linea con l’idea di ricerca votata alla conoscenza che vede il rigore minacciato (anche legittimamente) dai tempi rapidi dei social media, in apparenza nemici dell’approfondimento. Auspico tuttavia che ci sia la possibilità di adottare e adattare alcuni di questi spunti in ambito umanistico, in un approccio interdisciplinare, ad esempio fra esperti informatici e di comunicazione e management, per poter raggiungere canali più ampi di divulgazione e finanziamento.

Bibliografia:

Bik HM, Goldstein MC (2013) An Introduction to Social Media for Scientists. PLoS Biol 11(4): e1001535. https://doi.org/10.1371/journal.pbio.1001535.

Ebrahimy, S., & Setareh, F. (2018). Direct and indirect influence of altmetrics on citation in social systems: Assessing a new conceptual model. International Journal of Information Science and Management (IJISM), 16(2).

Scatena, S. (2024). My Personal Branding. [Power Point slides]

Riferimenti utili per il fundraising:

UniGe:

https://intranet.unige.it/promozionesviluppo/ufficio-sviluppo-fund-raising-sponsorizzazioni-e-rapporti-con-gli-alumni

UniTo:

https://www.unito.it/ricerca-e-innovazione/finanziamenti-e-opportunita/il-crowdfunding-la-ricerca-e-linnovazione

Piattaforme consigliate:

https://www.retedeldono.it/en

https://www.produzionidalbasso.com

Discours institutionnels entre extrémisation et réparation – Genova 3-4 dicembre 2024

Il 3 e il 4 dicembre 2024, presso l’Aula Magna di Via Balbi 2 dell’Università di Genova, si è tenuto il convegno internazionale Discours institutionnels entre extrémisation et réparation. L’evento è stato organizzato da Anna Giaufret, Nora Gattiglia, Micaela Rossi e Stefano Vicari, docenti della sezione di Francesistica del Dipartimento di Lingue e Culture Moderne, e da Elena Margherita Vercelli, dottoranda in Digital Humanities, insieme alla rete interuniversitaria Réseau de Recherche sur les Discours Institutionnels et Politiques (R2DIP) e in sinergia con il progetto europeo Analysis of and Responses to Extremist Narratives (ARENAS), di cui l’Ateneo genovese è partner.

Le due giornate sono state dedicate all’esplorazione delle pratiche discorsive istituzionali in un mondo segnato da profonde trasformazioni sociali ed economiche, nonché dall’uso massivo degli ambienti digitali, in primis i social network. Questo scenario ha infatti evidenziato una proliferazione di narrazioni estremiste che prendono di mira i membri più vulnerabili (o resi vulnerabili) della società. In particolare, sono state analizzate due dinamiche principali: la produzione di narrazioni estremiste a partire da posizioni istituzionali e le contro-narrazioni istituzionali capaci di contrastarle. Il programma integrale delle due giornate di studio può essere consultato e scaricato a questo link

Le varie sessioni hanno preso in esame temi e ambienti diversi quali il discorso carcerario, il dibattito sui corpi devianti nelle Olimpiadi del 2024, le chat di prevenzione del suicidio, le nicchie dell’estremismo xenofobo on-line e le campagne politiche sui social networks.

Nella sessione dedicata alle ricerche dottorali, ha trovato spazio anche il Dottorato in Digital Humanities con l’intervento di Elena M. Vercelli. La dottoranda genovese, attualmente in soggiorno di co-tutela presso la CY Cergy Paris Université, ha presentato Métafort!, un gioco per investigare gli effetti delle metafore nei discorsi istituzionali e mediatici, insieme alla collega Rose Moreau-Raguenes e al Prof. Julien Longhi, che è stato anche protagonista della plenaria del primo giorno. 

I tre relatori, affiliati al laboratorio AGORA e all’Institut des Humanités Numériques della CY Cergy Paris Université, hanno riportato l’esperienza realizzata durante la 33° edizione della Fête de la Science (FDS) – Océan de savoirs (4-14 ottobre 2024). La FDS è un evento annuale che coinvolge tutta la Francia ed è dedicato al grande pubblico: famiglie, scuole, studenti, curiosi, scettici o appassionati di scienza. In questa occasione, migliaia di scienziati e ricercatori di diverse discipline condividono con i visitatori il loro entusiasmo per la scienza e la tecnologia attraverso numerose attività e animazioni e dipartimenti e laboratori di ricerca aprono le porte a grandi e piccini.

Quest’anno, l’ateneo di Cergy ha organizzato diverse manifestazioni nell’ambito della FDS, tra cui la Journée des Lycées, tenutasi l’11 ottobre presso la biblioteca universitaria, e il Village des Sciences, allestito il 12 ottobre presso il Parco François Mitterand della cittadina francilienne. Ed è proprio in questo contesto che è nato ed è stato presentato Métafort!, un gioco di carte ideato dai tre relatori sulla base del jeu des sept familles e sugli effetti argomentativi delle metafore, figure retoriche e al contempo potenti strumenti di linguistica cognitiva che pervadono i discorsi politici e mediatici.

Per rispondere agli obiettivi didattici e di divulgazione scientifica della FDS, il gruppo ha scelto di partire dalla definizione “classica” e “scolastica” di metafora come “paragone implicito” per poi estendere la riflessione ai principi teorici della Conceptual Metaphor Theory (CMT), nonché alla sua funzione di framing e alla possibilità di utilizzarla come strumento pedagogico o, al contrario, come dispositivo dagli effetti pericolosi e nocivi.

Tra le metafore raccolte per la creazione delle carte, si sono rivelate particolarmente efficaci quelle che richiamavano la memoria collettiva ed (inter)discorsiva dei partecipanti e che quindi ne rinforzavano l’impatto emotivo, mentre esempi meno conosciuti e/o più difficili da contestualizzare hanno creato qualche complicazione aggiuntiva.

Il gioco, divertente, facilmente adattabile e modulabile in base al target, ha riscosso un successo innegabile: non solo è stato raggiunto l’obiettivo di sensibilizzazione rispetto all’interazione ed incidenza continua tra lingua, media, pensiero e società, ma il gruppo ha anche iniziato a lavorare a una sua valorizzazione per usi futuri in ambito didattico e accademico.

IA tra opportunità e rischi nella ricerca. Impatto dell’IA sulla metodologia della ricerca tradizionale – Seminario IA, Ing. Giovanni Paolo Caruso, 26/11/2024

Nella giornata di mardedì 26 novembre 2024 ha avuto luogo presso la Facoltà di Lingue e letterature straniere dell’Università di Genova e online su Teams il seminario dal titolo “IA tra opportunità e rischi nella ricerca. Impatto dell’IA sulla metodologia della ricerca tradizionale”, tenuto dall’Ing. Giovanni Paolo Caruso.
Ingegnere elettronico dal 2005, Giovanni Paolo Caruso lavora come tecnologo presso l’ITD-CNR di Genova su tematiche quali l’Inclusione socio-educativa, l’Accesso agli strumenti e alle informazioni, la Cybersecurity, l’Intelligenza Artificiale generativa nel contesto educativo e la Formazione / Disseminazione.

L’intervento, da lui svolto durante la seconda giornata del seminario organizzato nell’ambito della programmazione didattica e di ricerca del dottorato il Digital Humanities, si è focalizzato su diversi aspetti inerenti all’ambito della ricerca relativa allo sviluppo delle IA. .

Introduzione all’Intelligenza Artificiale Generativa

In primis l’Ing. Caruso ha offerto una panoramica sulle IA generative e la loro storia, iniziando dalla nascita dei primi pensieri sull’intelligenza artificiale proposti da Alan Turing con la pubblicazione nel 1950 del suo articolo “Computing Machinery and intelligence”, nel quale il matematico pose uno degli interrogativi alla base dello sviluppo del settore: “Può una macchina pensare?”. Per rispondere a tale domanda Turing propose il proprio esperimento, che nato negli anni ‘60, portò allo sviluppo di due diversi modelli di “intelligenza artificiale”: quello deduttivo e quello induttivo.

Un’intelligenza deduttiva, denominata anche simbolica, si muove dal generale al particolare e si  basa sull’uso dei simboli per la rappresentazione della conoscenza usando la logica aristotelica. Tuttavia, tale posizione porta con sé delle criticità; in particolare il Teorema di Gödel ha dimostrato che esiste un’infinità di problemi che non possono essere dimostrati tramite l’applicazione di una logica di questo tipo.
Un’intelligenza induttiva, per contro, segue un approccio dal particolare al generale e si basa su grandi quantità di dati, grazie ai quali è possibile estrarre modelli e regole utili per comprendere i fenomeni che li generano e predirne il comportamento. Tali moli di dati vengono elaborate dalle IA in vari modi, ma in ognuno dei casi si parla di apprendimento. Questo può essere di tipo:

  • supervisionato: in cui l’utente fornisce i dati input e il modello fornisce l’output ricevendo un feedback (giusto/sbagliato);
  • non supervisionato: che segue la stessa procedura, ma senza feedback; in quanto è il modello che deve capire da solo se sta sbagliando;
  • semi-supervisionato;
  • attivo.

Un primo quesito che ci si può porre, quindi, è: “Quali devono essere le dimensioni di un dataset?”. La risposta non è semplice: da una parte, ci deve essere il maggior numero di dati possibile e, dall’altra, la quantità minima di dati sufficiente a garantire che la macchina non restituisca degli output errati. L’accuratezza dei dati è fondamentale ed è direttamente proporzionale all’accuratezza dell’output restituito, che dipende anche dal modello usato dalla macchina.

Tra i modelli di IA generativa più comuni si trovano:

  • gli LLM, ossia dei modelli ottimizzati per processare il linguaggio naturale (NLP). Si tratta tuttavia ancora di pappagalli stocastici che predicono quale simbolo deve seguirne un altro in base agli esempi che hanno a disposizione e sono in grado di riconoscere il sentiment di un testo e di tradurlo, riscriverlo o rispondere alle domande;
  • i LAM (Large Action/Agenting Models) che sono ottimizzati per analizzare le azioni compiute dagli umani e predirne il comportamento futuro. Impiegati nella creazione di assistenti che comprendo le richieste degli utenti ed eseguono azioni, come ad esempio i chatbot.
  • i RAG (Retrieval-Augmented Generation), in grado di addestrarsi con maggiore frequenza rispetto agli LLM, online e su contenuti elaborati ad hoc;

La maggior parte di questi modelli sono basati sull’architettura dei Transformers, che permettono di estrapolare le relazioni fra i token che gli vengono forniti per poi passarle agli LLM.

Opportunità e vantaggi

Numerosi sono i vantaggi offerti dall’intelligenza artificiale generativa a supporto della ricerca tradizionale, in particolare modo la generazione automatica di ipotesi e idee e quindi il suggerimento di domande di ricerca; l’analisi rapida ed efficiente di una grande quantità di dati in tempi contenuti e quindi l’elaborazione dei dati; l’individuazione di pattern e modelli per estrapolare informazioni che si ripetono ed elaborare successivi schemi; il supporto nella stesura di articoli scientifici, relazioni e, sempre più spesso, tesi. Per quanto riguarda quest’ultimo punto, si tratta di un tema molto discusso e sul quale non c’è ancora ampio accordo, dato che investe non solo le tesi di ambito accademico, bensì anche compiti e temi prodotti e presentati all’interno di ordine e grado inferiori.

Come esempio pratico per mettere in luce i risvolti positivi dell’intelligenza artificiale, è stato presentato il progetto TRIS (Tecnologie di Rete e Inclusione Socioeducativa) nato nel 2014 nell’ambito dell’apprendimento. Tramite l’utilizzo di Google Notebook LM, assistente di ricerca e strumento per prendere appunti basato sull’intelligenza artificiale sviluppato da Google, lo scopo del progetto era quello di proporre soluzioni per l’insegnamento verso studenti impossibilitati ad una normale frequenza scolastica per motivi che non rientrano né nell’istruzione domiciliare (ID) né nella scuola in ospedale. Il diritto allo studio di tali studenti facenti parte di una categoria “grigia” deve essere garantito; quindi, è stato creato un modello che permettesse allo studente di lavorare a distanza. 

Fig. 1. Modello classe ibrida inclusiva

Rischi e sfide

Tuttavia, accanto ai principali vantaggi dell’IA, emergono anche rischi e sfide: a livello più macroscopico, sono stati evidenziati sia nel seminario sia in letteratura i rischi di pregiudizio (bias) e discriminazione, poiché i modelli sono addestrati in contesti occidentali e più frequentemente legati alla lingua inglese. Un’altra questione emersa è quella della mancanza di trasparenza, dove i modelli di IA Generativa vengono spesso paragonati a una “scatola nera” (black box), intendendo come non sia possibile tracciare le fasi ed i processi di addestramento della macchina né percorrerli a ritroso. A questi due fenomeni, legati al rischio di mancanza di trasparenza ed alla diffusione di convinzioni discriminanti, si accompagna una fiducia eccessiva e acritica (overreliance) nelle risposte fornite dagli strumenti di IA Generativa, dove gli utenti tendono a considerare vero l’output fornito dallo strumento, un po’ come accade con i risultati forniti da un motore di ricerca.

È importante considerare che l’IA non è progettata con lo scopo di riferire informazioni restituendole così come le trova, ma elaborandole creando pattern che potrebbero servire a risolvere problemi. Come tale, l’IA non andrebbe usata come motore di ricerca ma come interlocutore, con la debita curiosità e diffidenza che mettiamo in atto con interlocutori sconosciuti. Questa eccessiva fiducia è evidente, in campo educativo e accademico, quando gli strumenti IA vengono utilizzati per produrre testi o eseguire compiti, con il concreto rischio di plagio, fenomeno che rimanda ad un altro problema, legato alla proprietà intellettuale ed alla necessità per le istituzioni di creare linee guida condivise. 

Dataleak & Databreach

A questi rischi appena descritti si aggiungono rischi concreti, quali la condivisione di informazioni sensibili e di materiali protetti da diritti d’autore, nonché la potenziale rivelazione di segreti industriali, in quanto inserire queste informazioni nelle richieste effettuate porta questi dati ad essere integrati nelle fasi successive di training, rendendo queste informazioni potenzialmente accessibili a chiunque.

Il principale rischio associato all’uso dell’IA generativa è l’esfiltrazione di informazioni personali o sensibili, che può portare a furti d’identità o data breach. Gli attacchi possono essere motivati dall’intento di ottenere vantaggi economici o l’accesso a documenti e risorse riservate. Inoltre, vi è la possibilità di arrecare danni o destabilizzare individui, organizzazioni o intere società, con conseguenze come il danno d’immagine, azioni di cyberwarfare o la diffusione di fake news.

L’esposizione accidentale o intenzionale di informazioni sensibili da parte di un LLM prende il nome di “Data Leakage” (fuga di informazioni). Il Data Leakage si può trasformare in “Data Breach”, ossia ovvero la distruzione, la perdita, diffusione non autorizzata, accesso a informazioni trasmesse, stoccate o processate in altro modo all’interno di un supporto, per farne uso contro altre persone.
Le cause di un Data Breach possono essere molteplici e si manifestano in diverse modalità. Un esempio comune è il furto o lo smarrimento di dispositivi personali o aziendali, che possono contenere informazioni sensibili. Anche il furto di identità digitale rappresenta un rischio significativo, poiché consente a malintenzionati di accedere ai nostri account e utilizzare le informazioni personali per fini illeciti, come il ricatto. Altre cause molto diffuse sono la propagazione di malware, ransomware, cryptolocker o altri virus, spesso presenti in software craccati, che possono bloccare l’accesso ai file, esportarli nel dark web e richiedere un riscatto per recuperarli, e le truffe online, come il phishing, smishing e qishing, che sfruttano pagine web ingannevoli per sottrarre credenziali di accesso.
A ciò si aggiungono cattive abitudini personali, come l’utilizzo di password deboli o riutilizzate per più servizi, che facilitano l’accesso non autorizzato ai dati. Anche un’eccessiva esposizione sui social network, l’accesso da parte di terzi ai nostri account e la mancata creazione di backup su supporti esterni contribuiscono ad aumentare il rischio di violazioni dei dati.

Riprendendo l’esempio del Cyberspazio, nel contesto di una classe ibrida le vittime potenziali includono sia le persone – studenti, famiglie, docenti, dirigenti e ricercatori – sia le organizzazioni coinvolte.

Accenni legislativi

Con lo sviluppo e la presenza sempre più pervasiva dell’Intelligenza Artificiale generativa in ogni ambito della società, gli organi nazionali e internazionali si stanno dotando di nuovi protocolli legislativi che possano normare e arginare le problematiche di cybersecurity

Per quanto concerne l’Unione Europea dal 2016 è stato adottato il General Data Protection Regulation 2016/679 (GDPR), che si pone come obiettivo la protezione dei dati degli utenti dando omogeneità in ambito comunitario, al fine di garantire la totale trasparenza in merito al trattamento di informazioni sensibili e personali.

A questo si somma l’EU Artificial Intelligence Act, il primo regolamento sull’AI da parte di un’autorità di regolamentazione ufficiale, approvato da parte del Consiglio dell’Unione europea il 21 maggio 2024. Tale legge ha come scopo categorizzare e normare le applicazioni dell’intelligenza artificiale in base al rischio di causare danni ai cittadini. Nello specifico, tale classificazione distingue i programmi AI in tre diversi livelli di rischio. Le pratiche che creano un rischio inaccettabile sono vietate all’interno dell’Unione Europea in quanto comportano gravi pericoli in merito ai diritti fondamentali dell’uomo, quali salute e sicurezza. Tra queste, ci segnalano a titolo esemplificativo: i sistemi di manipolazione subliminale, di social scoring e di classificazione biometrica in tempo reale in spazi accessibili al pubblico. Si hanno in seguito quelle che vengono definite applicazioni ad alto rischio, il cui utilizzo scorretto può comportare danni alla sicurezza delle persone. Per tale motivo, l’applicazione, prima di poter essere rilasciata, deve soddisfare una serie di requisiti rigorosi per attestare la conformità ai più alti standard di sicurezza imposti. Alcuni dei sistemi che sono inquadrati in tale categoria sono quelli utilizzati in infrastrutture, trasporti, istruzione, occupazione e giustizia. Le applicazioni che non fanno parte di queste due tipologie sono invece in gran parte non regolamentate e sono classificate come rischio limitato e minimo. Questi parametri sono da ritenersi validi per le aziende che utilizzano e sviluppano i programmi per fini commerciali, mentre queste regolamentazioni non sono applicate nell’ambito della ricerca.

Accanto alle questioni legali correlate all’utilizzo e la diffusione dell’AI, si pongono anche problematiche riguardanti i principi etici dell’utilizzo di queste tecnologie. Un documento che si pone come finalità aiutare gli Stati a pianificare politiche a lungo termine per lo sviluppo dell’AI è la Guida per l’Intelligenza Artificiale generativa nell’educazione e nella ricerca, rilasciata dall’Unesco nel settembre 2023. Nell’ambito dell’educazione, in particolare, si suggerisce un approccio ponderato, etico e student-based al fine di stimolare un’integrazione responsabile, con la creazione di comitati etici, la definizione di standard e la realizzazione di percorsi di formazione volti a sviluppare competenze e atteggiamenti digitali sempre più coscienziosi nelle nuove generazioni per padroneggiare le complessità del lavoro.

Conclusioni

L’intervento dell’Ing. Caruso ha dunque permesso di approfondire il rapporto complesso tra le opportunità e i rischi legati all’adozione dell’intelligenza artificiale generativa. Se da un lato emergono grandi potenzialità nel supportare e rivoluzionare la metodologia tradizionale, dall’altro non mancano criticità legate a questioni etiche, legislative e di sicurezza. È quindi fondamentale adottare un approccio equilibrato, al fine di valorizzare tali tecnologie senza trascurarne l’aspetto etico e sostenibile.


Post a cura di Eliana Bergaglio, Matilde Bianchi, Laura Ferroglio, Giovanni Mantegazza, Giada Pantana, Giulia Pilosu, e Davide Ponzini.