La natura sistemica delle sfide economiche, politiche e sociali poste dall’attuale pandemia rende sempre di più evidente l’inadeguatezza di soluzioni ‘verticali’ basate su sforzi singoli e individuali e la necessità di porre in atto azioni collettive capaci di valorizzare l’intelligenza distribuita di comunità, imprese, organizzazioni e governi. Si tratta della cosiddetta “intelligenza collettiva”, ovvero la capacità di generare soluzioni innovative a problemi complessi attraverso la collaborazione e lo scambio di informazioni tra collettività. Non è un concetto nuovo, dato che l’umanità ha da sempre avuto la necessità di mettere insieme le proprie forze per risolvere problemi e sfide comuni, dall’organizzazione della conoscenza (dalle prime enciclopedie del ‘700 a Wikipedia), del lavoro, dei giudizi e delle previsioni, della capacità decisionale. L’Intelligenza Collettiva ha attirato sempre di più negli ultimi decenni l’attenzione da parte di accademici ed organizzazioni, anche alla luce delle potenzialità offerte dall’incredibile sviluppo a cui abbiamo assistito delle tecnologie dell’informazione e della comunicazione e dell’intelligenza artificiale.
Le recenti e sempre più avanzate tecniche di IA sono in grado di potenziare ulteriormente tali capacità, grazie al valore aggiunto che queste tecniche offrono in termini di capacità di elaborare grandi moli di dati, trovare nessi causali tra variabili e predire risultati. Questo avviene attraverso la capacità di riconoscimento delle immagini (computer vision), di comprensione e reazione al linguaggio scritto o parlato (natural language processing), all’analisi di grandi masse di dati strutturati, fino al deep learning, modelli neurali artificiali in grado di adattarsi a ogni tipo di compito, anche complesso, “apprendendo” dall’esperienza.
Nella recente ricerca che abbiamo condotto abbiamo messo in luce il proliferare nel mondo di esempi di intelligenza collettiva che stanno sempre di più sfruttando i vantaggi offerti dalle tecniche di IA, praticamente in tutti gli ambiti. Qui di seguito alcuni esempi, che pur non essendo esaustivi possono offrire un ventaglio di come il mondo stia già cambiando in modo positivo grazie alle sinergie tra IA e intelligenza collettiva.
- Partecipare
I processi di coinvolgimento democratico dei cittadini stanno radicalmente cambiando grazie a piattaforme come Citizen Lab che utilizza il natural language processing (NLP) per categorizzare, prioritizzare e sintetizzare gli input provenienti dai cittadini, favorendo una connessione costante tra il governo e i cittadini e di conseguenza processi decisionali pubblici più inclusivi. Molto interessante in tal senso anche la sperimentazione attuata a Taiwan, dove la partecipazione digitale è stata veicolata attraverso una piattaforma neutrale per coinvolgere esperti e cittadini in deliberazioni su larga scala rispetto ad argomenti specifici. Questi processi hanno portato in alcuni casi allo sviluppo di proposte di legge, poi discusse ed approvate in parlamento.
- Conoscere
Lo stesso vale per l’informazione basata sull’analisi in tempo reale dei big data: ad esempio il software Dataminr è uno dei sistemi più usati e avanzati al mondo capaci di affiancare i governi e le organizzazioni nella gestione delle emergenze, grazie alla straordinaria capacità di raccogliere ed interpretare dati, contenuti e segnali provenienti da social network e immagini satellitari, associando quindi l’uso di NLP all’analisi delle immagini resa possibile dalla Computer Vision.
L’IA ha rivoluzionato anche la cosiddetta citizen science, la capacità di produrre conoscenza scientifica da parte della cittadinanza. Ci sono molteplici iniziative affascinanti in questo ambito, come Zooniverse, in cui le tecniche di deep learning stanno aiutando migliaia di volontari appassionati di astronomia nei loro compiti di identificare la morfologia della costellazioni stellari, contribuendo in modo straordinario alle nuove scoperte scientifiche. O come INaturalist, che grazie all’uso della Computer Vision, permette a migliaia di esperti ed appassionati in tutto il mondo di identificare velocemente le specie vegetali e animali contribuendo in modo significativo a nuove scoperte scientifiche nelle scienze naturali.
- Produrre
Le applicazioni di IA nell’automazione dei macchinari, nell’ottimizzazione dei processi industriali, nella gestione delle catene produttive in ambito manifatturiero sono sempre più riconosciute e sono state le prime nello scorso decennio ad introdurre l’IA nel lessico comune, con l’ormai celebre etichetta di “Industria 4.0”.
E’ invece meno noto come l’IA arrivi ad influenzare l’intelligenza collettiva anche in agricoltura, aumentando la capacità di resilienza grazie ad un aumento dell’informazione e della capacità di azione degli agricoltori: ad esempio We Farm permette alle comunità di contadini nelle aree rurali di scambiarsi informazioni senza il bisogno di una connessione internet e senza la necessità di dover lasciare la propria fattoria, mettendo rapidamente in connessione l’utente che ha bisogno di un consiglio o una consulenza con un esperto di riferimento. Oppure Onesoil, una piattaforma utilizzata da contadini che grazie alle potenzialità della computer vision da immagini satellitari è in grado di acquisire e combinare questi dati con quelli sulle caratteristiche dei terreni, consentendo agli agricoltori di anticipare la diffusione di malattie, sfruttare al meglio le potenzialità dei terreni e programmare nel modo più efficiente le proprie attività.
- Decidere
L’IA sta invadendo anche il campo dei processi decisionali che avvengono in modo trasversale ai settori, consentendo di predire risultati e anche di rendere più efficiente ed efficace il processo decisionale nei team. E’ il caso di Unanimous con la sua Swarm AI, i cui algoritmi sono ispirati ai movimenti che avvengono in natura negli sciami di api e negli stormi di uccelli, capace di aumentare sensibilmente il livello di accuratezza con cui vengono prese le decisioni umane, in campo medico o politico, come ad esempio la previsione di risultati elettorali.
- Analizzare
Cercando di immaginare quali potrebbero essere gli sviluppi futuri delle tecniche di IA in diversi settori, non possiamo non citare le incredibili potenzialità che emergono in diversi campi di analisi.
Più attuale che mai il campo della gestione delle emergenze sanitarie, descritto nella prossima sezione. Oppure il campo del giornalismo investigativo in cui tecniche di IA possono essere integrate sempre di più nelle piattaforme collaborative per supportare la collaborazione tra giornalisti e cittadini nella lotta alla corruzione, sfruttando informazioni pubbliche già esistenti o estraendo nuove informazioni da immagini e testi esistenti. Alcuni celebri esempi sono quelli della collaborazione internazionale attivata nel caso dei Panama Papers, o della piattaforma Syrian Archive, che documenta le violazioni dei diritti umani in Siria attraverso lo sviluppo di nuovi strumenti open source per la raccolta e l’analisi della documentazione visiva nelle aree di conflitto. In entrambi questi casi, l’IA può analizzare enormi moli di dati documentali e video, accelerando le indagini. Infine, l’IA associata all’intelligenza collettiva può limitare gli usi malevoli dell’IA stessa, come dimostrano gli sforzi collaborativi per la rilevazione dei Deep Fake (video falsi ma credibili generati dall’IA, diffusi come fake news in formato video) avvenuti nella DeepFake detection challenge.
- Frontiere
La ricerca che abbiamo condotto suggerisce dunque che nei prossimi 5-10 anni assisteremo ad un’accelerazione nella ricerca e nell’introduzione di nuove tecniche di IA, con importanti opportunità nei settori più disparati. Nuove frontiere nel campo dell’IA sono la cosiddetta Edge AI, che consente agli algoritmi di operare all’interno dei device senza la necessità di ricorrere al cloud per il trasferimento dei dati, o l’Explainable AI, ovvero la necessità che le tecniche di IA possano rispondere a dei criteri di trasparenza e accessibilità, fondamentali per permettere a tutti di poter comprendere come queste tecniche sono effettivamente usate, in modo da poter essere consapevoli di manipolazioni e tentativi di controllo.
Le trasformazioni dovranno dunque andare verso la gestione in un’ottica integrata del vasto patrimonio di dati e informazioni, creando sistemi più trasparenti, decentrati e democratici, grazie alle opportunità che l’IA potrà offrire in termini di coinvolgimento dei cittadini nelle decisioni. Il ricorso all’intervento umano sarà sempre minore, con l’evolversi di queste tecniche, come il deep learning che funziona in alcuni casi in scenari di unsupervised learning, ovvero senza l’intervento delle persone nei processi di apprendimento degli algoritmi. Questo prospetta la necessità anche di ripensare a nuove modalità di interazione con questi sistemi, verso la creazione di sistemi ibridi capaci di valorizzare l’intelligenza umana e quella delle macchine, tenendo conto dei principi di design ed etici dell’IA che dovranno essere volti a tutelare la capacità dell’uomo sull’IA di rimanere in controllo, di comprenderne il funzionamento, di ridurre effetti negativi delle distorsioni algoritmiche, quali discriminazioni o aumento delle disuguaglianze.
Leggi anche:
>> Potenzialità, limiti e rischi dell’IA ai tempi del Covid-19
