BOT, CHABOT o iA, ma come distinguerli ?

Il concetto di intelligenza artificiale e chatbot è attualmente ovunque nel mercato dell’esperienza del cliente, con analisti, commentatori e venditori che discutono tutti dei vantaggi che questo tipo di tecnologia può offrire ai marchi e ai loro clienti.

Ma cosa significano effettivamente i termini bot, chatbot e intelligenza artificiale e come possono migliorare la tua esperienza cliente?

Per aiutare tutti coloro che sono coinvolti abbiamo messo insieme alcune definizioni delle parole più comuni e come i concetti sono correlati.

Iniziamo con l’intelligenza artificiale (AI) stessa. Fondamentalmente l’intelligenza artificiale è un’intelligenza simile a quella umana esibita dalle macchine quando mostrano funzioni cognitive come comprensione, apprendimento e risoluzione / ragionamento dei problemi.

L’algoritmo
Quando si tratta di calcolo, il punto di partenza per l’IA è l’algoritmo. Essenzialmente un algoritmo è un processo informatico autonomo che segue un insieme di regole e passaggi distinti, con un punto finale specifico. Ciò significa che esegue il processo e poi si ferma. Pensalo come l’elemento costitutivo della maggior parte dei programmi per computer, compresi quelli basati sull’intelligenza artificiale. Puoi avere un algoritmo deterministico che restituisce sempre la stessa risposta o una versione probabilistica (non deterministica) che modifica le sue risposte in base all’ambiente circostante.

Bot e chatbot
L’ultimo anno ha visto un’esplosione di interesse per i chatbot, ma cosa sono e cosa fanno? E in cosa differiscono dai bot, un altro termine che vedi usato, a volte in modo intercambiabile.

C’è una differenza. Al suo livello base un bot è semplicemente un’applicazione che esegue attività automatizzate, costituita da un insieme di algoritmi. Quindi ogni dispositivo che utilizziamo ha dei bot incorporati al suo interno, come i promemoria pop-up nel calendario del tuo smartphone quando una riunione è in scadenza. I bot non sono nuovi.

Quando si tratta di esperienza del cliente, i bot vengono utilizzati per automatizzare una varietà di attività, come fornire risposte automatiche tramite sistemi web self-service quando viene posta una domanda, indirizzare un’e-mail in arrivo alla migliore persona disponibile per rispondere.

I chatbot sono solo versioni di bot progettate per essere in grado di avere una conversazione. Ciò significa che sono in grado di comprendere un input (come voce o testo), elaborarlo e fornire una risposta durante una conversazione.

Di recente si è discusso molto dei chatbot, con Facebook che ha reso più facile per le aziende crearli e distribuirli su Facebook Messenger e WhatsApp. Allo stesso tempo, dispositivi come Siri di Apple e Alexa di Amazon stanno guadagnando terreno tra i consumatori poiché vengono incorporati in smartphone e altoparlanti. È importante chiarire che il chatbot è la tecnologia sottostante: la messaggistica vocale o istantanea è solo il canale utilizzato per interagire con esso.

Affinché un chatbot funzioni bene, deve essere in grado di seguire i passaggi chiave dell’intelligenza artificiale per comprendere ciò che gli è stato chiesto e quindi fornire una risposta pertinente. Ciò significa che deve utilizzare tecniche come l’elaborazione del linguaggio naturale e avere accesso a una base di conoscenza completa piena delle informazioni giuste.

Da noi pensiamo che prima che i marchi inizino a investire nei chatbot, debbano pensare ai robot e massimizzarne l’uso per guidare la trasformazione dell’esperienza del cliente. Devono quindi assicurarsi di disporre di tutto per creare una piattaforma di chatbot supportata da conoscenza e comprensione, altrimenti il ​​risultato saranno clienti frustrati che ritengono che la loro domanda non abbia ricevuto risposta, portando a un crollo della soddisfazione e della lealtà.

Cos’è l’Intelligenza Artificiale?
Intelligenza Artificiale (AI) è il termine utilizzato per descrivere la capacità di una macchina di esibire processi cognitivi. Attualmente, l’AI comprende una vasta gamma di programmi informatici in grado di svolgere compiti simili alla cognizione umana, come l’apprendimento, la visione, il ragionamento logico e molto altro.
Dare una definizione dell’Intelligenza Artificiale non è semplice soprattutto per i suoi tanti ambiti di applicazione. Se vogliamo definirla da un punto di vista puramente informatico, l’Intelligenza Artificiale è la disciplina che studia tutte le teorie e le tecniche utili per l’elaborazione di un algoritmo che, utilizzando metodi cognitivi, sia in grado di processare una grande quantità di dati. I software che utilizzano l’IA forniscono un output probabilistico diverso da quello deterministico generato dai software tradizionali. Ora vediamo nello specifico in cosa differisce dal ragionamento umano e cosa intendiamo per reti neurali, machine learning e deep learning.

Oggi, l’AI è ampiamente utilizzata da aziende e consumatori grazie ai suoi numerosi vantaggi. Gli algoritmi moderni sono in grado di eseguire un lavoro preciso come quello di un dipendente umano, ma molto più velocemente.
In passato, l’AI è stata studiata come un modo per portare l’automazione allo stesso livello di funzionamento cognitivo degli esseri umani. Tuttavia, oggi l’AI ha molte sottocategorie, tra cui le reti neurali, l’apprendimento automatico, la computer vision e l’elaborazione del linguaggio naturale. Per saperne di più puoi leggere il nostro articolo sull’Intelligenza Artificiale dedicato.
Tuttavia, l’AI non è una tecnologia unitaria, ma può essere classificata in diversi tipi in base alle sue capacità e al suo campo di applicazione.
L’AI nelle sue tre tipologie
Esistono tre tipi di modelli di Intelligenza Artificiale, ognuno con una diversa capacità di svolgere attività. È importante notare che l’AI è una tecnologia al servizio dell’uomo e non è destinata a sostituirlo. Tuttavia, è fondamentale pensare al futuro e stabilire un quadro etico e morale per governare l’AI, considerando le sue possibili conseguenze.
Man mano che l’AI progredisce, si passa da un’intelligenza inferiore a una superiore, il che significa che potrebbero emergere caratteristiche simili a quelle umane, come emozioni e processi di pensiero. Questo rende la regolamentazione dell’AI e delle tecnologie ad essa collegate una sfida per le società sviluppate.
È quindi importante guardare al futuro con lungimiranza e capire i tre tipi di AI proposti.

Intelligenza Artificiale Ristretta
L’Intelligenza Artificiale ristretta (ANI) è l’attuale forma predominante di AI, adottata in applicazioni su telefoni cellulari, Internet e analisi di big data. L’AI ristretta viene progettata per un singolo compito, da cui deriva il suo nome, e a causa di questa specificità è chiamata anche “AI debole“. Questo le consente di concentrarsi su un compito o un insieme di compiti e di ottimizzare ulteriormente il suo funzionamento.
L’AI ristretta è particolarmente utile per compiti che coinvolgono insiemi di dati su scala milionaria, ovvero big data. La raccolta di dati personali diffusa consente alle aziende di addestrare l’AI e ricavare informazioni utili.
Uno dei campi in cui l’AI ristretta viene utilizzata con maggior successo è quello degli assistenti virtuali, come Siri e Alexa. Questi assistenti utilizzano l’AI ristretta per riconoscere la voce dell’utente, elaborare le richieste e fornire le risposte appropriate. L’AI ristretta viene anche utilizzata in campo medico, per esempio per l’analisi di immagini di risonanza magnetica o di tomografia computerizzata, e nell’industria manifatturiera, per la produzione di automobili o per la gestione di magazzini.
Nonostante le sue limitazioni, l’AI ristretta offre molte possibilità di utilizzo e rappresenta un’importante risorsa per le aziende e le organizzazioni che desiderano automatizzare e ottimizzare i propri processi. Tuttavia, l’AI ristretta non è in grado di ragionare autonomamente, di apprendere da situazioni nuove come un umano o di eseguire compiti che richiedono intuizione o creatività.
L’AI ristretta viene creata con gli strumenti e gli standard più recenti, ed è orientata a garantire la competitività delle aziende che la utilizzano. Grazie alla sua elevata efficienza e velocità, l’AI ristretta è preferita dalle aziende per la sua capacità di impiegare l’automazione e l’integrazione intelligente per fornire efficienza mantenendo la precisione.
L’Intelligenza Artificiale del futuro: l’AI Generale
L’AI ristretta è ciò che l’Intelligenza Artificiale è oggi, ma l’AI generale rappresenta il futuro dell’AI. Anche nota come Intelligenza Artificiale Generale (AGI) o Intelligenza Forte, l’AI generale potrebbe essere in grado di pensare e funzionare come gli esseri umani, compresi compiti percettivi come la visione e l’elaborazione del linguaggio, oltre a compiti cognitivi come l’elaborazione, la comprensione del contesto e il pensiero generale. L’AI ristretta è creata per eseguire compiti specifici, ma l’AI generale potrebbe essere ampia e adattabile.
Tuttavia, la creazione di un’AI generale è ancora lontana, poiché gli strumenti necessari per costruirla non sono ancora disponibili. Molti credono che le reti neurali siano un modo affidabile per creare i precursori di quella che potrebbe essere l’AI generale, ma la realtà è che l’intelligenza umana è ancora una scatola nera.
Ci sono diverse insidie associate all’AI generale, tra cui la capacità di replicare l’apprendimento per trasferimento, il buon senso e la collaborazione, nonché la comprensione della coscienza e della mente. Questi sono ostacoli significativi che devono essere superati per creare un’AI generale che funzioni in modo affidabile e collaborativo con gli esseri umani.
Nonostante queste sfide, la ricerca sull’AI generale continua a progredire e molti esperti ritengono che un giorno potrebbe essere possibile sviluppare un’Intelligenza Artificiale capace di ragionare, apprendere e risolvere problemi in modo autonomo.
Ciò potrebbe portare a un grande progresso tecnologico e scientifico, ma potrebbe anche sollevare questioni etiche e sociali importanti. Per questo motivo, è importante continuare a esplorare il potenziale dell’AI forte e valutare attentamente le sue implicazioni.
Super Intelligenza Artificiale
L’ASI, o Super Intelligenza Artificiale, rappresenterebbe l’apice dell’Intelligenza Artificiale e supererebbe in ogni modo la cognizione umana. Sebbene sia ancora una teoria, gli esperti concordano che l’ASI potrebbe derivare dall’esplosione dell’Intelligenza Artificiale, ovvero una crescita esponenziale degli algoritmi di AI.
Questo tipo di Intelligenza Artificiale non solo sarebbe in grado di superare l’intelligenza umana, ma potrebbe anche superare qualsiasi forma di intelligenza conosciuta, sia artificiale che naturale. L’AI superintelligente sarebbe in grado di eseguire compiti che al momento sono al di là della nostra comprensione e della nostra immaginazione.
L’auto-miglioramento è la chiave su cui si punta per raggiungere l’ASI, e questo avverrebbe attraverso un apprendimento ricorsivo da parte del sistema di AI. In altre parole, l’AI imparerebbe da se stessa, migliorando continuamente le sue prestazioni e aumentando la sua intelligenza a livelli sempre più elevati.
Ad esempio, se un’AI funziona a livello umano medio, imparerà da se stessa utilizzando le capacità cognitive di un essere umano medio, fino a raggiungere un’intelligenza di livello geniale. L’apprendimento accelererà rapidamente, creando una crescita esponenziale dell’intelligenza che porterà alla nascita di una superintelligenza.
Tuttavia, l’AI superintelligente rappresenta anche un’enorme sfida tecnica ed etica. La sua creazione potrebbe portare a una rivoluzione tecnologica senza precedenti, ma potrebbe anche sollevare importanti questioni etiche e sociali.
Ad esempio, se un’intelligenza artificiale superintelligente fosse in grado di apprendere e di migliorare in modo autonomo, potrebbe diventare incontrollabile e persino pericolosa per l’umanità.
Per evitare questi rischi, molti esperti hanno proposto la creazione di “valori” o “principi” per l’AI, che potrebbero guidare lo sviluppo e l’utilizzo responsabile dell’AI superintelligente.
Tali principi potrebbero includere la sicurezza dell’AI, l’etica e la trasparenza, così come la protezione della privacy e dei diritti umani. Inoltre, molti esperti ritengono che sia necessario sviluppare una governance globale per l’AI, che possa regolamentare lo sviluppo e l’utilizzo dell’AI superintelligente a livello internazionale.
Le macchine possono ragionare come gli esseri umani?
Da quando si è iniziato a parlare di Intelligenza Artificiale, e sono stati costruiti i primi robot che simulavano le movenze umane, l’associazione mentale è stata quasi immediata per molte persone: i robot sostituiranno l’essere umano e la cinematografia in merito di certo non ha aiutato ad immaginare uno scenario diverso. Chi conosce a fondo l’argomento sa che le macchine, ad oggi, non potranno mai ragionare come gli esseri umani e che non è questo l’obiettivo dell’implementazione di questa tecnologia.
L’IA emula alcuni sensi umani come la vista e l’udito ma ci sono aspetti del ragionamento umano che non sono replicabili attraverso l’intelligenza artificiale, come le capacità di:
definire degli obiettivi e le ragioni per raggiungerli;
astrarre la conoscenza;
generare autonomamente sentimenti empatici.

L’Intelligenza Artificiale: reti neurali, machine learning e deep learning
L’idea alla base del concetto di IA è il tentativo di emulazione delle capacità dell’intelletto umano. Da dove partire quindi? Dal complesso sistema di reti neuronali che nell’individuo consentono attività elaborate come il ragionamento, l’apprendimento, la riproduzione di suoni, parole, immagini e la capacità di azione. Negli anni 40 del XX secolo W.S. McCulloch e W. Pitts furono i primi a realizzare un prototipo di neurone artificiale. Da quel momento sono stati realizzati sistemi sempre più elaborati di reti neurali artificiali in grado di apprendere ed adattarsi a diversi scopi.
Le reti neurali artificiali e il deep learning
Le reti neurali artificiali si basano su modelli computazionali che ricreano le connessioni tipiche delle reti neurali biologiche. La struttura è composta da nodi e interconnessioni sotto forma di flusso. I dati vengono inseriti nell’Input Layer, lo strato di ingresso, attraversano l’Hidden Layer, strato nascosto di elaborazione e generano un output in linea con l’obiettivo di progettazione iniziale.
Costruite le connessioni si passa alla fase di apprendimento in cui avviene l’inserimento di un set di dati. Se l’ apprendimento è supervisionato si forniscono anche dei possibili output finali. Se, invece, l’apprendimento non supervisionato si lascia che il sistema impari dagli output precedentemente generati.
Un esempio di rete neurale artificiale: il riconoscimento di un volto umano da un’immagine elaborata.
Le architetture di Deep Learning sono features di reti neurali che coinvolgono un numero nettamente maggiore di livelli “nascosti”, hidden layer, per identificare le caratteristiche dei dati.
Nell’apprendimento strutturato e profondo delle architetture di Deep Learning possiamo trovare, nei casi più complessi, oltre 150 layer nell’hidden.
Quali sono i campi di applicazione delle reti neurali e del deep learning?
Le soluzioni che le reti neurali e le architetture di deep learning sono in grado di generare possono essere applicate nella maggior parte delle aziende. Maggiore è la quantità di dati da gestire migliore sarà la risposta data come output.
Riconoscimento vocale: molte app sfruttano questi software per tradurre il linguaggio parlato in testo scritto. In azienda, ad esempio, se utilizziamo il riconoscimento vocale per le operazioni di magazzino otterremo un miglioramento della produttività. Come? Attraverso la trasformazione dei messaggi vocali in testi intelligibili dai software che dovranno poi occuparsi della gestione dei processi. Questo processo in gergo tecnico è conosciuto come speech-to-text.
Elaborazione del linguaggio naturale (NLP): utile nelle interazioni tra computer e voce umana, che oltre al riconoscimento vocale, comprende e genera un linguaggio naturale. Questo permette anche la traduzione in un’altra lingua e l’analisi testuale di grandi quantità di dati. Nell’organizzazione aziendale ciò si traduce con un’ottimizzazione dei dati attraverso la sintesi dei documenti e la classificazione delle informazioni.
Riconoscimento di parti di testo: se inseriamo un testo come input dataset con una chiara denominazione possiamo ottenere come output un controllo delle incongruenze o applicare delle regole che ci consentano di verificare immediatamente un errore. In campo assicurativo questo aspetto è fondamentale per rilevare le frodi.
Riconoscimento e classificazione degli oggetti presenti in un’immagine attraverso algoritmi in grado di riconoscerli, identificando la forma, il colore, ed estrapolarli dal contesto. L’applicazione dell’Image Recognition coinvolge diversi settori come la sicurezza, la sorveglianza e controllo delle merci.
Machine learning: la capacità di apprendimento delle macchine
Quando queste enormi potenzialità vengono traslate nei software entriamo nel campo del machine learning. Insegnare alle macchine ad apprendere automaticamente e ad agire senza essere programmati esplicitamente è un importante traguardo che permette di velocizzare i tempi di riposta. Come avviene l’apprendimento? Analizzando i dati per costruire ed adattare modelli. I pattern consentono di apprendere attraverso un percorso esperienziale analogo a quello umano ovvero scartando gli errori e promuovendo le azioni corrette. Identificando questi pattern si può costruire un algoritmo che adatta i modelli e migliora la loro capacità di fare previsioni. Quando si lavora con software strutturati con questa tecnologia bisogna ricordare che i risultati non sono certi ma probabili e occorre valutare attentamente la percentuale di correttezza del dato.
Gli ambiti in cui è possibile utilizzare il machine learning sono molteplici, ne citiamo alcuni:
tradurre un testo in un’altra lingua;
scegliere delle opportunità di investimento attraverso i sistemi di trading;
personalizzare i prodotti in evidenza di un e-commerce in base alle ricerche effettuate online;
rilevare rapidamente le frodi ad istituti bancari creando strumenti che sfruttino le tecniche di apprendimento automatico.
La razionalità dell’Intelligenza Artificiale
Le parole, il pensiero e l’azione sono concetti che, nell’Intelligenza Artificiale, appartengono alla sfera razionale più che a quella emotiva. Quando parliamo di sistema probabilistico dobbiamo immaginare un software che, così programmato, possa essere in grado di interpretare le nostre emozioni. Ma i sentimenti non si possono tradurre in bit e byte. E allora a cosa ci riferiamo quando utilizziamo parole così simili alle abilità umane? La risposta la troviamo nell’infografica.

Le abilità dell’Intelligenza Artificiale
L’abilità del sentire
L’IA può ascoltare e rispondere utilizzando il nostro linguaggio? Sì grazie a software in grado di comprendere il linguaggio naturale e alle tecnologie che permettono la registrazione di suoni. Questo però non significa che sarà in grado di fornirci risposte diverse da quelle inserite nella programmazione del software.
Ecco un esempio. Alexa, l’assistente vocale virtuale di Amazon, contiene un software dotato di IA in grado di fornire risposte preimpostate, fare ricerche online e leggere testi nella lingua scelta. Se l’utente fa domande simili, Alexa potrà dare un numero di risposte diverse ma pur sempre limitato perché dipenderanno dalle variabili scelte in fase di programmazione.
L’abilità del vedere
E ancora. L’IA può vedere? Dipende. La possibilità di registrare immagini e di trasformare uno spazio fisico in digitale è l’aspetto virtuale più simile alla vista umana. Queste abilità rientrano nella computer vision e si applicano attraverso tecnologie come la videosorveglianza.
Infatti, se vogliamo essere avvisati nel caso di un’intrusione sospetta, la semplice registrazione non basta. Neanche un allarme che si attiva ad ogni movimento può esserci d’aiuto in quanto genera falsi allarmi. Con l’IA, invece, le reti neurali rilevano i movimenti dell’ambiente circostante e creano modelli che identificano il pericolo. Questi, utilizzati come filtri, permettono di distinguere i movimenti umani da altri spostamenti irrilevanti. La stessa tecnologia, installata nei boschi e nelle foreste, sta salvando flora e fauna grazie alle telecamere che rilevano il fumo e fanno scattare l’allarme.
L’abilità del pensare
Come l’Intelligenza Artificiale emula il pensiero umano? Attraverso le reti neurali e l’utilizzo di algoritmi tipici del deep learning. Tuttavia, siamo ancora lontani dall’ottenere un risultato complesso come quello frutto del ragionamento umano.
Lo sviluppo del pensiero critico è una delle facoltà umane più complesse perché implica la consapevolezza di sé e del mondo circostante. Il ragionamento, infatti, è un processo che va al di là della percezione sensibile e dei limiti spazio-temporali. Tradurre ciò in dati non è semplice.
Ecco un esempio legato a un’attività concreta. Immaginiamo che il capo di un’azienda voglia monitorare la giornata lavorativa di un suo dipendente per capire come migliorare le performance aziendali. Per farlo utilizzerà dei software di Time Sheet che sfruttano l’Intelligenza Artificiale e al tempo stesso chiederà al dipendente di prendere nota personalmente delle attività e dei tempi. Al termine della giornata convocherà il dipendente e gli chiederà un resoconto orale. In quel momento, il capo avrà due output: il report del software e il resoconto del dipendente. Dal raffronto delle due versioni appariranno delle differenze. Perché? Semplice, perché i dati raccolti descrivono solo le azioni e i tempi e non contengono il valore aggiunto dell’interpretazione e dell’analisi cognitiva. Invece, il resoconto commentato del dipendente è costruttivo perché esprime un punto di vista basato sull’esperienza, delle supposizioni e quindi un ragionamento critico.
Il ragionamento simulato dall’Intelligenza Artificiale funziona come il pensiero deduttivo introdotto da Aristotele:
“Tutti gli uomini sono mortali, Socrate è un uomo, quindi Socrate è mortale”
In questa frase si partirà da premesse vere e da regole vere e si otterrà un risultato corretto. Nel caso dell’IA se inserisco dati verificati e addestro correttamente il software otterrò dei risultati esatti.
L’IA si basa su un sistema probabilistico e un modello computazionale. Senza l’inserimento di un’enorme mole di dati e senza un adeguato addestramento, l’IA non sarebbe in grado di scegliere la decisione migliore tra le varie proposte.
Posso quindi utilizzare l’IA per simulare le seguenti attività cognitive:
Programmare o pianificare azioni come quelle della gestione e manutenzione dei macchinari.
Rappresentare graficamente i dati frutto di ragionamenti semplici. L’analisi dei dati attuata dal reparto marketing con software specifici è un esempio perfetto di come con l’IA si ottimizzano tempi e risorse.
L’abilità dell’agire
Cosa fa concretamente l’Intelligenza Artificiale? Nelle aziende, l’unione di Intelligenza Artificiale e Robotic Process Automation (RPA) genera un cambiamento radicale in quanto migliora l’efficienza dei processi, ottimizza tempi e risorse e riduce i rischi di errori umani.
Il risultato delle azioni richieste ad un software dotato di Intelligenza Artificiale possono essere di tipo:
descrittivo: scannerizza ed elenca una serie di azioni, documenti e/o dati in generale;
predittivo: prevede quello che potrebbe succedere in un lasso di tempo medio – lungo sulla base dei dati che analizza;
prescrittivo: partendo da modelli standard relativi all’attività che voglio analizzare il software può dirti cosa si potrebbe ancora fare per migliorare le performance.
Digitalizzare l’intero sistema aziendale con l’utilizzo di programmi che sfruttano l’automazione e l’IA permette, ad esempio, di:
ottenere un’interazione costante tra i reparti che lavorano sullo stesso processo ma in fasi differenti;
automatizzare le attività che richiedevano risorse dedicate e tempi elevati, oltre al rischio di commettere errori nelle ripetizioni;
ottenere le risposte date dall’elaborazione di enormi quantità di dati complessi da gestire.
Nell’era della Digital Transformation è importante conoscere le potenzialità che l’IA e l’automazione offrono senza confonderli con la potenza delle capacità umane di sentire, agire e pensare. Il suggerimento è quello di guardare al digitale come ad un insieme di strumenti indispensabili per accrescere il business e potenziare ulteriormente le nostre capacità cognitive.
Etica e Intelligenza Artificiale: qual è il vero dilemma?
Il concetto della privacy non è mai stato tanto dibattuto e rilevante come in questo periodo. La motivazione è semplice: nel mondo digitale si producono una quantità di dati enorme. Non tutti sono funzionali alle attività che vogliamo digitalizzare; molti sono legati, ad esempio, alla personalizzazione del customer journey per ottenere una buona customer experience. Mi spiego meglio.
Per vendere un prodotto o servizio è importante conoscere il nostro target. Inizialmente ci bastava studiare il comportamento di consumo nel punto vendita, ma oggi non più. Con l’Intelligenza Artificiale incorporata nelle tecnologie e nei media digitali è possibile raccogliere dati, ad esempio, sull’intero percorso di acquisto di un potenziale consumatore. Sapere cosa fa quando si collega al nostro e-commerce, quali prodotti preferisce e quali sono le App che utilizza per i pagamenti.
Come fanno le aziende a raccogliere questi dati? Attraverso il consenso espresso quando accettiamo i banner presenti sui siti che visitiamo. Tra le righe, c’è scritto che i nostri dati saranno tracciati. Per la fretta di accedere ai contenuti del sito, spesso consentiamo il trattamento dei nostri dati senza leggere le specifiche. Da quel momento, ogni click del mouse, sul sito che stiamo utilizzando, sarà rilevato e registrato.
Se questo comportamento è etico o non lo è, non dipende certo dalla tecnologia o dai software utilizzati. Inoltre, la responsabilità dell’azienda è solo quella di garantire la massima trasparenza sulla raccolta e gestione dei dati. Siamo noi, in quanto utenti, che dobbiamo prestare attenzione.
La sfida delle istituzioni come la Commissione Europea e la Federal Trade Commission è proprio quella di proteggere le persone dagli effetti negativi derivanti dall’uso delle loro informazioni personali. L’attacco, che avviene attraverso leggi stringenti sull’uso della privacy, è indirizzato alle aziende e ai programmatori e non all’Intelligenza Artificiale.
Quali potrebbero essere degli usi immorali dell’AI?
Quando abbiamo tra le mani uno strumento potente come l’Intelligenza Artificiale, il rischio di utilizzarlo per scopi non etici e che danneggino altre persone è molto forte. Non sempre, infatti, i responsabili aziendali, prima di programmare un algoritmo di AI, valutano le possibili implicazioni etiche.
Si incorre, per questo, ad usi immorali che minano la credibilità aziendale. Tali utilizzi impropri possono avvenire in vari ambiti:
L’ apprendimento dell’AI può essere utilizzato dai cybercriminal per ricreare modelli di e-mail automatizzate simili a quelle reali. Ad esempio, nel corpo della mail il testo riprende frasi utilizzate dal CEO con lo stesso stile in modo da rendere impossibile il riconoscimento. In questi casi può salvarci conoscere come proteggere la nostra identità digitale.
Un altro utilizzo eticamente scorretto dell’AI è per diffondere propaganda e disinformazione. Ci sono movimenti online che, soprattutto attraverso i social, agganciano adepti tramite fake news e immagini fuorvianti e inesatte. Oppure, video reali con volti modificati dall’AI, come nel caso del Deepfake.
Impiegare algoritmi di AI per la selezione del personale non è del tutto scorretto eticamente ma può diventarlo a causa dei dati di input. Per addestrare gli algoritmi si utilizzano dati precedenti che, spesso, riflettono un panorama lavorativo molto diverso da quello attuale. Nell’era digitale, le professioni e le skill richieste sono in continua evoluzione. Pertanto, capita che l’algoritmo diventi discriminatorio e immorale per carenza di dati aggiornati che possano includere tutte le variabili necessarie a garantire un equo trattamento.
Quali, invece, potrebbero essere degli impieghi etici dell’Intelligenza Artificiale?
Programmare dei software che abbiano un impatto positivo sulla società, significa perseguire obiettivi che puntino al miglioramento della vita privata e professionale delle persone.
Ecco alcuni usi che hanno un impatto etico sulla società:
L’AI utilizzata in ambito medico per salvare vite umane. In questo caso l’apprendimento, ad esempio, permette di velocizzare i tempi di diagnosi di una patologia. Solo un software così potente, infatti, può scansionare e combinare rapidamente un’enorme quantità di dati provenienti da tutto il mondo.
Gli algoritmi utilizzati per migliorare l’apprendimento dei bambini con difficoltà cognitivo-comportamentali attraverso dei programmi studiati su misura. In questo caso, l’algoritmo si adatta alle capacità e ai miglioramenti dei bambini.
Il monitoraggio intelligente delle colture è un altro impiego etico dell’AI che permette di controllare, con la computer vision, vaste aree di coltivazioni. Tale impiego permette, ad esempio, un monitoraggio per prevenire eventuali danni o incendi che potrebbero compromettere i raccolti.
Etica e Intelligenza Artificiale
Come progettare un software di Intelligenza Artificiale etico?
Quando si decide di implementare un software dotato di Intelligenza Artificiale in azienda la fase più delicata in assoluto è quella della progettazione. Sia perché impatta sui risultati che vogliamo ottenere; sia perché è in questo passaggio che si rischia di urtare i valori etici dei soggetti coinvolti.
Se l’organizzazione vuole creare un algoritmo di Machine learning economicamente redditizio ma che preservi, al tempo stesso, l’autonomia delle persone, potrà progettarlo basandosi su principi etici.
Cosa bisogna considerare quando si progetta un software dotato di Intelligenza Artificiale:
Innanzitutto fare molta attenzione ai dati di input sui quali si baserà l’addestramento. Bisogna valutarne la provenienza, che dovrà essere affidabile, e le interferenze subite durante la lavorazione del dato.
Utilizzare un volume sufficientemente ampio di dati che prenda in considerazione le variabili e tutti i possibili scenari dei contesti in cui saranno implementati.
Puntare ad obiettivi che promuovano il benessere delle persone e del pianeta. In generale, lo scopo dell’AI dovrebbe essere quello di offrire un supporto alle risorse, ridurre le disuguaglianze e garantire un equo trattamento.
Formare le risorse affinché conoscano a fondo la tecnologia e possano comprendere anche le implicazioni etiche che potrebbero generarsi dalla sua applicazione.
Valutare l’impatto dell’algoritmo. Il sistema di controllo e la definizione delle responsabilità sono passaggi fondamentali per limitare i rischi generati inconsapevolmente.
Il vero problema è che spesso, chi progetta gli algoritmi non riesce ad essere obiettivo. Nelle sue scelte c’è sempre un velo dei pregiudizi radicati nella nostra società. L’importante è prestare attenzione e, nel caso, modificare i modelli al primo accenno di danno etico o morale. I progettisti dell’AI dovrebbero assicurare che l’uso di tale tecnologia persegua valori come il rispetto, l’equità, la trasparenza.