La resilienza parte da noi: percorsi etici verso l’innovazione e la fiducia nell’IA

Un’IA responsabile richiede più che semplici controlli tecnici. Richiede quadri etici, una governance trasparente e l’integrazione del giudizio umano nei punti decisionali critici per gestire il rischio e la responsabilità. 

Gli esseri umani apportano l’etica, il contesto e il ragionamento che le macchine non sono in grado di replicare. La supervisione umana consente un’implementazione dell’IA più sicura, più affidabile e più degna di fiducia. 

I quadri efficaci includono la governance dei dati, la convalida dei modelli, il rilevamento dei pregiudizi, la spiegabilità, il monitoraggio continuo, i punti di controllo “human-in-the-loop” e le procedure di escalation basate sul rischio. 

I sistemi completamente autonomi aumentano il rischio in scenari complessi o ad alto rischio. La supervisione umana rimane essenziale per aiutare a prevenire errori, usi impropri o conseguenze indesiderate.   

L’IA etica crea fiducia tra utenti, autorità di regolamentazione e società, favorendo un’innovazione sostenibile anziché guadagni a breve termine che comportano rischi a lungo termine. 

Per la trascrizione con indicazione dei tempi, guarda il video qui

00:12 – 00:15

Il nostro ospite ha un curriculum straordinario.

00:15 – 00:19

Ehm… È l’amministratrice delegata di Humane Intelligence.

00:19 – 00:26

È stata anche Inviata scientifica degli Stati Uniti per l’intelligenza artificiale, nominata dal presidente Biden.

00:26 – 00:30

E non vedo l’ora di presentarvela e di darle il benvenuto tra noi, la dott.ssa

00:30 – 00:32

Ruman Chowdhary.

00:42 – 00:44

Ciao, buongiorno.

00:44 – 00:45

È davvero un piacere vedervi tutti.

00:45 – 00:47

Spero che i pretzel vi siano piaciuti.

00:47 – 00:48

Mi chiamo dottor

00:48 – 00:56

Aman Chowdhury, ed è stato fantastico ascoltare tutti gli interventi e le conversazioni e vedere davvero alcuni volti noti tra il pubblico.

00:56 – 00:57

Ciao.

00:58 – 01:03

Oggi sono qui per parlarvi dei percorsi etici verso l’innovazione e la fiducia.

01:04 – 01:08

Allora, quanti di voi sanno chi è quest’uomo?

01:09 – 01:18

Di solito mi accorgo che, tra il pubblico, forse una persona lo sa, ma spesso mi ritrovo di fronte a sguardi molto perplessi quando dico che è grazie a lui se oggi siamo tutti vivi.

01:21 – 01:22

Esatto.

01:22 – 01:23

Ok, allora ve lo spiego.

01:23 – 01:25

Mi chiamo Stanislav Petrov.

01:25 – 01:31

E nel 1983 era quello che oggi chiameremmo “l’elemento umano nel ciclo decisionale”.

01:31 – 01:38

Era addetto al monitoraggio di un sistema tecnico che avrebbe segnalato se gli Stati Uniti avessero lanciato o meno un’arma nucleare.

01:38 – 01:39

Si trovava dalla parte russa.

01:39 – 01:51

E il suo compito era quello di ricevere, nel suo bunker, la segnalazione del lancio di un missile e poi premere il pulsante per… beh, se ricordate la storia mondiale o le scienze sociali, sapete di cosa si tratta.

01:51 – 01:51

conosciuto come

01:51 – 01:52

distruzione reciproca.

01:52 – 01:56

E siamo tutti molto, molto fortunati che non l’abbia fatto.

01:56 – 02:02

E adoro questa storia perché, quando pensiamo al ruolo dell’uomo nel ciclo tecnologico, non ci riflettiamo in modo molto approfondito.

02:02 – 02:05

Pensiamo semplicemente che ci sia una persona alla fine che, beh, farà qualcosa.

02:05 – 02:07

Beh, lui era proprio un “human in the loop”.

02:07 – 02:10

Ed è un bene che non abbia semplicemente premuto il pulsante.

02:10 – 02:17

E ha fatto ricorso a qualcosa di davvero, davvero unico per gli esseri umani: gli indizi contestuali e il pensiero critico.

02:17 – 02:20

E se ne stava lì seduto a pensare: «Beh, la Guerra Fredda va avanti da decenni».

02:20 – 02:21

E non è successo granché

02:21 – 02:25

escalation, perché mai gli Stati Uniti dovrebbero far esplodere un’arma nucleare?

02:25 – 02:27

E lui ha scelto di non premere il pulsante.

02:27 – 02:31

Ed è proprio questo il motivo per cui alla fine non siamo entrati in una guerra nucleare.

02:31 – 02:32

È incredibilmente importante.

02:32 – 02:37

E la cosa davvero incredibile è che pochissime persone sappiano chi sia quest’uomo.

02:37 – 02:48

E adoro questa storia anche perché dimostra davvero come il pensiero critico umano non possa essere sostituito nemmeno dalla tecnologia più avanzata.

02:49 – 02:52

Quindi, quando parliamo di intelligenza artificiale, cosa intendiamo?

02:52 – 02:53

Allora, ai suoi tempi, il signor

02:53 – 02:59

Petrov era, ehm, sottoposto ad alcune delle tecnologie più avanzate.

02:59 – 03:08

E forse sembrava intimidatorio o spaventoso che un essere umano potesse alzarsi in piedi e sfidare i risultati di uno strumento tecnologico così sofisticato.

03:08 – 03:11

Ed è proprio così che a volte pensiamo all’intelligenza artificiale.

03:11 – 03:16

E questi sono i tipi di titoli che potreste aver aperto e visto oggi nella vostra app di notizie.

03:16 – 03:19

La soluzione alla nostra crisi dell’istruzione potrebbe essere

03:19 – 03:31

l’IA: gli insegnanti saranno i prossimi a essere sostituiti dai robot? Gli avvocati saranno la prossima professione a essere sostituita dai computer? E l’onnipresente IA è in grado di diagnosticare la malattia X tanto bene quanto chiunque altro

03:31 – 03:33

un essere umano o un medico.

03:33 – 03:36

E ci sono un paio di cose che vorrei sottolineare riguardo a questi titoli.

03:36 – 03:37

Allora, numero uno.

03:37 – 03:42

Probabilmente sembrano provenire dagli ultimi tre anni, una rivoluzione dell’IA generativa.

03:42 – 03:45

In realtà, risalgono tutte al periodo dal 2018 al 2020.

03:45 – 03:49

Ormai lavoro in questo settore da quasi un decennio, beh, in particolare nel campo dell’IA responsabile.

03:49 – 03:52

Lavoro nel settore tecnologico da oltre 15 anni.

03:52 – 03:56

E sembra che, ad ogni nuova iterazione, questi titoli ricorrano all’infinito.

03:56 – 04:00

E, naturalmente, a ogni nuova versione, la tecnologia diventa sempre più sofisticata.

04:00 – 04:04

Ma ci sono un paio di aspetti che trovo piuttosto problematici.

04:04 – 04:07

In primo luogo, c’è questa tendenza ad antropomorfizzare la tecnologia.

04:07 – 04:20

Se leggete queste frasi, sembra che ci sia una sorta di persona dotata di intelligenza artificiale all’interno di una macchina che desidera davvero diventare un medico, un insegnante o un avvocato, e che va a trascinare il vostro bambino…

04:20 – 04:21

insegnante di tuo figlio, che si dimena e urla.

04:21 – 04:24

Insomma, una rivolta dei robot, santo cielo.

04:24 – 04:25

Un po’ troppo drammatico.

04:25 – 04:29

Ma, cosa importante, dov’è la persona in questa frase?

04:29 – 04:37

In tutti questi titoli, e ribadisco, si tratta di titoli davvero comuni che probabilmente vedete ogni singolo giorno, l’essere umano è solo un elemento passivo

04:37 – 04:41

destinatario passivo di ciò che la tecnologia ha deciso di fare.

04:41 – 04:44

E questo non potrebbe essere più lontano dalla verità.

04:44 – 04:50

Quindi, ciò che è successo è che la gente pensa che l’IA sia una sorta di esercito di robot.

04:50 – 04:51

E invece non è così.

04:51 – 04:55

È qualcosa che sembra a posto.

04:55 – 04:56

Posso tornare indietro, per favore?

04:56 – 04:56

Scusa.

04:58 – 04:59

vediamo se succede.

04:59 – 05:00

Ecco fatto, grazie.

05:00 – 05:11

La gente pensa che l’IA sia questa marea di robot che arrivano per cambiare le nostre vite, rubarci il lavoro e magari insegnare ai nostri figli, ma la realtà è che se sei uno sviluppatore come me, è…

05:11 – 05:13

assomiglia un po’ di più a questo.

05:13 – 05:22

E in realtà quei titoli sensazionalistici non riflettono la verità, ovvero che c’è un grande impegno e un grande lavoro umano in ogni fase, dalla raccolta dei dati alla loro curatela,

05:22 – 05:29

pulizia, sicurezza, ehm, programmazione, debug, fino al lancio del prodotto, alla scalabilità e alla consegna,

05:30 – 05:49

e implementazione: tutto ciò richiede effettivamente delle persone.

05:49 – 05:50

Quindi non pensiamo affatto che gli educatori siano destinati a essere sostituiti dai robot.

05:50 – 05:52

nel frattempo ci sono molte fasi che richiedono l’intervento umano.

05:52 – 05:58

parliamo di cose, e quando parliamo, quando affrontiamo questioni umane,

05:58 – 06:04

interagiamo direttamente con questa tecnologia che sembra così futuristica e così potente.

06:04 – 06:11

Beh, ciò che accade è che iniziamo a spingere in avanti una tecnologia che in realtà non tiene conto di ciò di cui gli esseri umani potrebbero aver bisogno.

06:11 – 06:22

E poi, in particolare quando la tecnologia non offre effettivamente quelle narrazioni fantastiche, ehm, che potrebbero essere state promesse in una presentazione, allora ciò che accade è che in realtà noi…

06:22 – 06:28

diamo per scontato che siano gli esseri umani e la società a doversi adattare ai limiti della tecnologia,

06:28 – 06:34

anziché pensare a come possiamo sviluppare la tecnologia in modo che si adatti alle esigenze della società.

06:34 – 06:37

Ed è ciò che io chiamo “l’essere umano adattato”.

06:37 – 06:44

Quindi, quando pensiamo a questo “essere umano retrofit”, uno dei modi in cui consideriamo la tecnologia dell’IA è: in cosa eccelle?

06:44 – 06:46

Di cosa è capace?

06:46 – 06:50

E ci sono alcune cose in cui l’apprendimento automatico e l’IA sono effettivamente piuttosto bravi.

06:50 – 06:55

Quindi tutta questa premessa non vuole dire che l’IA non sia capace o che l’apprendimento automatico non possa fare certe cose.

06:55 – 06:57

In realtà possono fare cose davvero sorprendenti.

06:57 – 07:02

Ma ciò che conta in questo contesto è distinguere ciò in cui le persone eccellono da ciò in cui eccelle la tecnologia.

07:02 – 07:03

Allora, in cosa eccelle davvero la tecnologia?

07:03 – 07:06

È brava a identificare modelli generali.

07:06 – 07:08

È brava ad analizzare

07:08 – 07:10

e nell’individuare elementi simili tra loro.

07:10 – 07:13

Questa è sostanzialmente la base della visione artificiale.

07:13 – 07:17

E in genere è coerente, a seconda del tasso di errore.

07:17 – 07:27

Quindi, quando sviluppiamo l’IA – e, ripeto, mi occupo di questo da parecchio tempo – un modo per sintetizzare il concetto è dire che raccogliamo molti dati per creare un modello per la persona media di un…

07:27 – 07:29

tipo specifico.

07:29 – 07:32

E possiamo raccogliere dati estremamente specifici.

07:32 – 07:35

E non significa che lo stiamo facendo per la persona media in generale.

07:35 – 07:37

Ma definiamo te, me e il

07:37 – 07:41

persona seduta accanto a te come parte di un profilo cliente o di una comunità.

07:41 – 07:45

E forse si basa su 10, 20, 100 diversi punti dati.

07:45 – 07:50

E poi si presume, in un certo senso, che siano state formulate alcune ipotesi sui dati mancanti.

07:50 – 07:50

Va bene.

07:50 – 07:55

Beh, vi racconterò una storia su cosa significhi sviluppare per la persona media.

07:55 – 08:04

E cosa si intende esattamente per “persona media”, anche se si ha a che fare con un sottoinsieme iper-specifico di persone che si potrebbe pensare siano molto, molto prevedibili?

08:04 – 08:07

A proposito, una cosa che adoro è raccontare aneddoti, storie e tenere discorsi

08:07 – 08:07

questo.

08:07 – 08:07

questo.

08:07 – 08:07

quello.

08:07 – 08:11

intelligenza artificiale, quindi non ha nulla a che vedere con l’intelligenza artificiale.

08:11 – 08:19

Uno degli errori più grandi che commettiamo è pensare che questa tecnologia sia nuova e che tutti i problemi che affrontiamo siano cose che non vedremo mai, che non abbiamo mai visto prima.

08:19 – 08:21

Non ci siamo mai posti queste domande.

08:21 – 08:31

E sebbene l’IA stia introducendo nuovi paradigmi, nuove domande e nuove problematiche, le questioni che stiamo affrontando non sono in realtà del tutto nuove.

08:31 – 08:32

Questa è una delle mie storie preferite da raccontare.

08:32 – 08:37

Negli anni ’40, ehm, gli incidenti aerei raggiungevano livelli record.

08:53 – 09:07

Così l’Aeronautica Militare degli Stati Uniti si è rivolta ai produttori di sedili per aerei dicendo: «Sentite, abbiamo bisogno che riprogettiate questi sedili perché il profilo medio dei…»

09:07 – 09:08

dei nostri piloti è cambiato.

09:08 – 09:13

Naturalmente, se pensiamo a chi sono questi piloti, in realtà si tratta di un sottoinsieme piuttosto ristretto di persone.

09:13 – 09:17

Sono giovani uomini di età compresa probabilmente tra i 18 e i 30 anni al massimo.

09:19 – 09:20

Sono in ottima salute.

09:20 – 09:22

Sono fisicamente in forma, ecc.

09:22 – 09:24

E in quel periodo non ci sarebbero state donne pilota.

09:24 – 09:26

Sarebbe piuttosto standardizzato.

09:26 – 09:33

Così, negli anni ’40 fecero ciò che avevano fatto negli anni ’20, ovvero reclutarono oltre 4.000 di questi piloti.

09:33 – 09:36

Li hanno valutati in base a 10 diversi parametri.

09:36 – 09:37

Vi suona familiare?

09:37 – 09:43

Se tra voi c’è un data scientist, questo vi sembrerà un modo piuttosto ragionevole per progettare un buon sedile.

09:43 – 09:48

Quindi, oltre 4.000 uomini, 10 diversi punti dati, e hanno calcolato la media per realizzare una sedia.

09:49 – 09:59

E non è servito a nessuno: nemmeno uno di quei circa 4.000 piloti si è seduto su quel sedile dicendo: «Sì, per me è comodo».

09:59 – 10:04

E il motivo è che questa idea di media corrisponde alla persona che si colloca al 50° percentile.

10:04 – 10:07

Se conoscete la curva a campana, è la parte più ampia della curva.

10:07 – 10:11

curva, ehm, ma non si tratta necessariamente di una persona reale che esiste.

10:11 – 10:20

È una persona immaginaria che rappresenta una sintesi di tutti gli altri dati che avete raccolto su persone simili a lei.

10:20 – 10:22

Quindi l’hanno ridotta a tre dimensioni.

10:22 – 10:26

E se prendessimo semplicemente tre dati, avremmo più dati di base, giusto?

10:26 – 10:29

Questo copriva solo circa il 13% dei piloti.

10:29 – 10:34

Beh, allora l’Aeronautica Militare è tornata sui propri passi e ha detto: «Ok, costruttori di aerei, questo non funziona per noi».

10:34 – 10:36

Perché, ovviamente, si tratta di una questione di vita o di morte.

10:36 – 10:41

Questi sedili devono essere davvero funzionali e utili, e i piloti si trovano in situazioni davvero estreme.

10:41 – 10:43

Quindi non si tratta di un ripensamento.

10:43 – 10:50

Così sono tornati sui loro passi e hanno detto: «In realtà, invece di adattarli a una persona del 50° percentile, cioè alla persona media, quello che voglio che facciate è realizzare…»

10:50 – 10:53

i sedili adatti al 95% di tutti i piloti.

10:54 – 10:57

il che rappresenta un cambiamento radicale nel modo di misurare il successo, giusto?

10:57 – 11:02

Perché gran parte di ciò che state creando consiste nel definire cosa sia il successo e come si presenti il “buono”.

11:02 – 11:09

Così hanno ridefinito il concetto di “buono” chiedendosi: invece di realizzare un sedile per il pilota medio, perché non realizziamo un sedile che si adatti al 95% di tutti i piloti?

11:09 – 11:13

E, ancora una volta, si tratta comunque di un piccolo sottoinsieme di persone con poche variazioni.

11:13 – 11:19

Così tutti i costruttori di aerei hanno risposto: «È impossibile, non si può fare, non è mai stato fatto prima, finiremo in bancarotta».

11:19 – 11:21

È un’idea assolutamente folle.

11:21 – 11:24

E, ovviamente, si tratta dell’Aeronautica Militare, quindi possono fare quello che vogliono.

11:24 – 11:27

Cioè, va bene, d’accordo, andremo a cercare qualcun altro che lo faccia.

11:27 – 11:28

Ed è proprio quello che hanno fatto.

11:29 – 11:31

Hanno semplicemente realizzato dei sedili regolabili.

11:31 – 11:42

Quindi, ogni volta che sali in auto, su un autobus o su un aereo e puoi fare cose come spostare il bracciolo, sollevare il poggiatesta e inclinare il sedile in modo diverso, questo è uno dei motivi per cui qualcuno

11:42 – 11:49

che è alto 5’3 come me e un uomo medio alto 5’10 possa effettivamente salire sulla stessa auto e guidarla.

11:49 – 11:56

È perché l’esercito ha fatto pressione e ha effettivamente detto: “Vogliamo che ripensiate il vostro modo di progettare”.

11:56 – 11:59

Vogliamo che ripensiate al modo in cui realizzate questo strumento tecnologico.

11:59 – 12:06

Ancora una volta, invece di dire che stiamo progettando per una media, diremo che vogliamo che questo strumento sia accessibile a una gamma più ampia di persone.

12:06 – 12:12

Un cambiamento radicale che, in realtà, ancora una volta, ha portato a prodotti dal design migliore e con risultati migliori.

12:12 – 12:13

Allora, quali sono i punti chiave che ne traete?

12:13 – 12:22

Il punto numero uno è che, affinché l’IA funzioni, dobbiamo pensare in modo radicale e diverso su come personalizzare e sviluppare soluzioni per i nostri utenti.

12:22 – 12:26

Il secondo punto è un chiaro cambiamento in termini di responsabilità e rendicontazione.

12:26 – 12:29

Ho coniato il termine “outsourcing morale”, che si ricollega a…

12:29 – 12:38

a questa antropomorfizzazione dell’intelligenza artificiale, al modo in cui usiamo espressioni che fanno sembrare che l’IA abbia intenzioni e ragioni, mentre in realtà non ne ha nessuna.

12:38 – 12:41

Sono gli esseri umani a costruire e implementare la tecnologia.

12:41 – 12:49

Piuttosto che dire che stiamo sviluppando l’IA per sostituire gli avvocati, ciò che sta realmente accadendo è che qualcuno sta fondando un’azienda che opera nel settore della tecnologia legale.

12:49 – 12:56

E si può scegliere di sviluppare la tecnologia legale in modo da potenziare il lavoro umano, oppure si può scegliere di svilupparla con l’intento di sostituirlo.

12:56 – 12:59

Ed è una decisione guidata dall’uomo, una decisione guidata dall’uomo su come

12:59 – 13:00

venga utilizzata la tecnologia.

13:00 – 13:08

E infine, per ottenere i benefici dell’intelligenza artificiale è necessario investire tanto sul versante umano quanto su quello tecnico.

13:08 – 13:18

Quindi, piuttosto che considerare il fatto che i nostri corpi abbiano dimensioni, forme e altezze diverse come un difetto, è in realtà un’opportunità per progettare meglio e in modo più

13:18 – 13:19

in senso più ampio.

13:20 – 13:22

In che modo l’IA influenzerà la nostra società?

13:22 – 13:33

Direi che l’argomento principale su cui mi viene chiesto di parlare, e questo è iniziato quest’anno, è l’IA etica e responsabile; ho tenuto tantissimi interventi e ne ho parlato molto, ma il

13:33 – 13:37

futuro del lavoro nel 2025 è diventato davvero l’argomento che mi viene richiesto più spesso.

13:37 – 13:47

Ah, e sono lieto di poter dire che in realtà ci sono molte prove empiriche, si sta svolgendo un lavoro davvero eccellente in cui le persone ne parlano, sapete,

13:47 – 13:50

misurano e studiano quantitativamente l’impatto di

13:50 – 13:51

IA sulla forza lavoro.

13:51 – 13:59

Quindi, da un lato, ancora una volta, ciò che potreste vedere nelle notizie quando aprite il vostro lettore di notizie è qualcosa come persone che chiedono un reddito di base universale, persone che dicono che ci saranno

13:59 – 14:01

non ci saranno più posti di lavoro per nessuno.

14:01 – 14:07

E quello che stiamo scoprendo invece è che in realtà si tratta di una conversazione piuttosto, più articolata.

14:07 – 14:10

Quindi vi parlerò di tre diversi articoli che apprezzo particolarmente.

14:10 – 14:13

In realtà ci sono parecchi articoli in giro, ma ce ne sono tre che adoro.

14:13 – 14:18

Vorrei iniziare con una visione d’insieme, ad esempio l’impatto macroeconomico a livello globale nei prossimi 10 anni.

14:18 – 14:20

Una visione di medio raggio, che è verticale

14:20 – 14:30

per settore e lo studio più dettagliato e sperimentale condotto presso una specifica azienda per osservare come i dipendenti hanno reagito e come hanno risposto al lavoro con l’IA e in che modo

14:30 – 14:31

questo li abbia influenzati.

14:31 – 14:40

Inizierò anche dicendo che tengo conferenze in molte università e che, in effetti, tra i giovani c’è molta preoccupazione, del tutto giustificata.

14:40 – 14:50

E quello che stiamo riscontrando – e, ripeto, è il primo anno in cui lo vediamo davvero – è che la Generazione Z, entrando nel mercato del lavoro alla ricerca di un impiego, in particolare di lavori di livello base, sta incontrando maggiori difficoltà perché

14:50 – 14:53

l’intelligenza artificiale è effettivamente in grado di svolgere alcune mansioni di livello base.

14:53 – 14:56

E non si tratta solo di ricerca e scrittura.

14:56 – 14:58

Si tratta infatti principalmente di programmazione.

14:58 – 15:02

Quindi ciò in cui l’IA è davvero, davvero brava è la programmazione di livello base.

15:02 – 15:07

Ora, servono comunque sviluppatori senior per garantire che il codice sia solido, funzionale e così via.

15:07 – 15:11

Ma molti ruoli junior semplicemente non vengono sostituiti.

15:11 – 15:17

Quindi, man mano che le persone acquisiscono esperienza e ottengono una promozione, i loro ruoli junior semplicemente non vengono sostituiti.

15:17 – 15:20

E questo fa temere per il futuro.

15:20 – 15:27

Quindi il primo articolo di cui voglio parlare è di un economista del lavoro, ehm, il professor Dara Nesemoglu del MIT.

15:27 – 15:32

Ha condotto uno studio e, ripeto, è una persona che si occupa di economia da moltissimo tempo.

15:32 – 15:37

Ed è entrato a pieno titolo nel mondo dell’intelligenza artificiale riflettendo sull’impatto sul lavoro e sulla produttività.

15:37 – 15:45

Quindi ha esaminato quella che viene chiamata produttività totale dei fattori (TFP), che in pratica corrisponde alla somma del PIL di ogni paese.

15:45 – 15:50

Ah, e secondo i suoi calcoli, nei prossimi 10 anni raggiungerà quello che lui definisce

15:50 – 16:01

Quindi, un impatto non trascurabile ma modesto, cioè inferiore all’1%, che potrebbe non sembrare molto, ma, tra l’altro, si tratta di meno dell’1% dell’intero PIL mondiale, quindi è piuttosto significativo.

16:01 – 16:03

Quindi, si tratta di un livello di automazione piuttosto significativo.

16:03 – 16:06

Ma lui ha approfondito ulteriormente la questione, chiedendosi: cosa viene automatizzato?

16:06 – 16:13

E sottolinea che, secondo l’osservazione di molte persone, in realtà sono i lavori impiegatizi, più che quelli manuali, a essere automatizzati.

16:13 – 16:14

E questo è interessante.

16:14 – 16:19

Questo mette davvero in luce uno degli aspetti particolarmente radicali dell’IA generativa.

16:32 – 16:33

Esatto.

16:33 – 16:36

E… e… e penso che questo sia un punto importante.

16:36 – 16:36

E punto.

16:36 – 16:38

E un punto davvero importante.

16:38 – 16:50

E un punto importante. E un punto davvero importante.

16:50 – 16:50

E

16:50 – 16:54

È proprio il lavoro intellettuale, il lavoro intellettuale di base, che viene automatizzato.

16:54 – 16:56

Non ci avevamo mai pensato prima.

16:56 – 16:59

Non abbiamo dovuto affrontare l’impatto di questo fenomeno.

16:59 – 17:08

E a proposito, tornando alla Generazione Z, alcuni di voi, se avete figli di quell’età, forse sapete che i vostri figli o i loro amici potrebbero effettivamente pensare di intraprendere lavori manuali.

17:08 – 17:14

Questo perché, sempre più spesso, i giovani non capiscono quale sia il valore di un’istruzione universitaria se l’intelligenza artificiale è effettivamente in grado di svolgere quel lavoro.

17:14 – 17:20

Ma un’intelligenza artificiale non sarà mai in grado di falciare il vostro prato, riparare le tubature o progettare un

17:20 – 17:21

tetto.

17:21 – 17:32

E quello che stanno constatando è che, per molte ragioni, un lavoro manuale a molti di loro sembra molto più, sai, prevedibile e affidabile che puntare davvero in alto per

17:32 – 17:40

una sorta di ruolo di vicepresidente di alto livello che potrebbe concretizzarsi o meno, perché se non riesci a ottenere il tuo primo lavoro, non verrai mai promosso.

17:40 – 17:48

Quindi, sapete, ha fatto notare che si prevede che l’intelligenza artificiale aumenti il divario tra il reddito da capitale e quello da lavoro, ma anche che ci sarà questo valore sociale negativo che in realtà abbiamo

17:48 – 17:50

tenere in considerazione.

17:50 – 18:02

cose più interessanti che sto osservando è che, man mano che continuiamo a misurare il valore dell’IA, le persone introducono sempre più spesso l’esternalità negativa sulla società come fattore da considerare.

18:02 – 18:09

Perché che senso ha creare una macchina per la produttività se alla fine ne risultiamo tutti completamente incapaci?

18:09 – 18:14

C’è una seria preoccupazione riguardo a fenomeni come l’eccessiva dipendenza, o, come dicono in giro, la “psicosi da IA”.

18:14 – 18:20

Ehm, stiamo assistendo alla diffusione di tecnologie per l’istruzione, e questo suscita preoccupazione

18:20 – 18:22

che i giovani possano fare un uso eccessivo della tecnologia.

18:22 – 18:28

Come possiamo riflettere su queste considerazioni e affrontarle mentre sviluppiamo una tecnologia che sia comunque di beneficio netto?

18:29 – 18:37

Il secondo articolo di cui vorrei parlare risale al 2023 ed è stato redatto da un team di OpenAI che ha collaborato con un altro gruppo di economisti.

18:37 – 18:41

Si intitola «GPTs» o «GPTs» e prende in esame diversi settori verticali.

18:41 – 18:49

E piuttosto che affermare in modo generico che tutti questi lavori saranno sostituiti dall’automazione, si è chiesto: settore per settore, quali sono quelli che con maggiore probabilità saranno automatizzati?

18:49 – 18:59

E in sintesi si può dire che per circa l’80% della forza lavoro circa il 10% delle mansioni sarà automatizzato, mentre per circa il 19% circa la metà delle mansioni ne risentirà.

18:59 – 19:04

E questo dato è sostanzialmente in linea con quanto osserviamo oggi; risale a qualche anno fa, ma riflette in qualche modo le tendenze che stiamo vedendo.

19:04 – 19:13

Penso che molti di noi utilizzino strumenti di IA per attività di produttività di base, come aiutarti a rivedere i tuoi appunti o magari redigere per te i riassunti delle riunioni.

19:13 – 19:18

Non sta sostituendo il tuo lavoro e, anzi, probabilmente ti sta restituendo un po’ di tempo in più.

19:18 – 19:22

La maggior parte di noi in questa sala fa probabilmente parte di quell’80%.

19:22 – 19:29

Quel 19% di lavoratori che vedranno il 50% del proprio lavoro automatizzato ha indicato professioni come il giornalismo e l’assistenza legale.

19:29 – 19:35

ruoli più orientati alla ricerca e alla conoscenza che forse non richiedono competenze approfondite.

19:36 – 19:37

Passiamo ora al terzo articolo.

19:37 – 19:46

E ancora una volta, uno degli argomenti principali che le persone vogliono comprendere è: cosa significa l’intelligenza artificiale per la mia forza lavoro se la uso io, se la usano i miei dipendenti, se i miei…

19:46 – 19:47

azienda la adotti?

19:47 – 19:56

Ebbene, la stragrande maggioranza vi dirà che la risposta è: “l’essere umano più l’IA è superiore all’essere umano senza l’IA o all’IA da sola”.

19:56 – 19:58

E adoro questo studio perché, innanzitutto, ha un nome favoloso.

19:58 – 20:00

Si chiama “The Cybernetic Teammate”.

20:00 – 20:04

Si trattava di un caso di studio condotto alla Harvard Business School in collaborazione con Procter & Gamble.

20:04 – 20:06

Hanno quindi messo a punto un esperimento controllato randomizzato.

20:06 – 20:17

esperimento: circa 800 dipendenti della P&G hanno partecipato a un hackathon di più giorni, durante il quale sono stati suddivisi in gruppi, sia in team che individualmente; ad alcuni è stata fornita l’intelligenza artificiale, ad altri no.

20:17 – 20:24

E ciò che mi piace di questo articolo è che spesso molti articoli sull’intelligenza artificiale sul posto di lavoro trattano della produttività.

20:24 – 20:30

E io detesto davvero, davvero, davvero quel parametro di valutazione, perché c’è una cosa che l’IA sa fare: produrre.

20:30 – 20:31

È l’unica cosa che fa.

20:31 – 20:34

E, in realtà, spesso è palesemente errata.

20:35 – 20:36

Ci vuole un essere umano per essere

20:36 – 20:38

per capire se questo risultato…

20:38 – 20:43

Voglio dire, ora abbiamo un termine per definirlo: lo chiamiamo “slop”, “slop della forza lavoro”, “slop dell’IA”, giusto?

20:43 – 20:45

È letteralmente il termine che usiamo ora.

20:45 – 20:50

Quindi limitarsi a misurare la produzione pura non fornisce davvero alcuna risposta.

20:50 – 20:57

Ma ciò che hanno testato riguardava aspetti quali la qualità del lavoro, i tempi di completamento e, soprattutto, la capacità di assistere i lavoratori non esperti.

20:57 – 21:05

Perché dall’altra parte, la preoccupazione per i lavoratori più anziani – o almeno una delle narrazioni – è che forse in futuro non servirà più la competenza specialistica.

21:05 – 21:06

Basta solo

21:06 – 21:11

di una persona inesperta, ci si aggiunge un po’ di IA, e allora diventa come uno sviluppatore esperto.

21:11 – 21:13

Quindi volevano testare tutto questo.

21:14 – 21:20

Ma come fanno a farlo senza che tu debba leggere un sacco di complicati… ehm… grafici a barre?

21:20 – 21:22

La prima cosa che hanno esaminato è stata la qualità media delle soluzioni.

21:22 – 21:25

Ricordate, hanno preso come riferimento la persona che non utilizzava l’IA.

21:25 – 21:27

Hanno i team senza IA.

21:27 – 21:29

Hanno l’individuo più l’IA e la squadra più l’IA.

21:29 – 21:33

Quindi vedrete che l’aggiunta dell’IA è stata in qualche modo un vantaggio.

21:33 – 21:38

Quindi la modalità individuale senza IA chiaramente non ha ottenuto risultati pari a quelli di nessuno degli altri sottogruppi.

21:38 – 21:41

E se gli veniva fornita l’IA, tendevano a ottenere risultati migliori.

21:41 – 21:44

Ma in realtà non c’è una differenza molto evidente tra

21:44 – 21:46

un singolo più l’IA e una squadra più l’IA.

21:46 – 21:50

E ricordate, vi parlerò un attimo di statistiche.

21:50 – 21:53

La barra… insomma, non preoccupatevi di dove si trovi effettivamente la barra.

21:53 – 22:00

In realtà è il termine di errore, quella linea che indica il limite superiore, ovvero l’area prevista in cui il valore ricadrà.

22:00 – 22:09

Quindi, tutto ciò significa che se le barre si sovrappongono in modo significativo, come in questo caso, le linee nere indicano che i numeri saranno probabilmente molto, molto simili.

22:09 – 22:15

Quindi la seconda cosa che hanno esaminato è se il fatto che si trattasse di un lavoro “core” fosse rilevante o meno.

22:15 – 22:19

E se si prendesse una persona completamente inesperta e le si affidasse l’IA?

22:19 – 22:23

Ehm… Beh, la realtà è che non funziona proprio.

22:23 – 22:25

E credo che, intuitivamente, lo sappiamo tutti.

22:25 – 22:27

Di nuovo, mi riferivo proprio alla “scadente” IA.

22:27 – 22:29

L’IA è in modo molto convincente errata.

22:29 – 22:30

Sembra quasi intelligente.

22:30 – 22:39

Sembra quasi che tu abbia dato a un bambino – se hai mai sentito parlare della sindrome di Dunning-Kruger – che soffre davvero della forma più grave di questa sindrome.

22:39 – 22:47

Si tratta di sintetizzare una serie di informazioni senza contesto e di metterle in circolazione, ma non è necessariamente una cosa positiva.

22:47 – 22:49

È solo una questione di quantità.

22:49 – 22:59

E ciò che è emerso in modo schiacciante è che le persone e i team senza competenze o con competenze limitate hanno ricevuto una sorta di spinta, ma in realtà c’era comunque bisogno di persone presenti in sala

22:59 – 23:05

che capissero il risultato e ciò che era necessario per trarre davvero vantaggio da questa tecnologia.

23:05 – 23:07

E infine, ovviamente, il risparmio di tempo.

23:07 – 23:09

Quindi questo è davvero interessante, ovvero che

23:09 – 23:11

E lo sappiamo intuitivamente.

23:11 – 23:15

I team forse non sono così bravi a portare a termine le cose velocemente.

23:15 – 23:19

è meglio, ma non sono altrettanto efficaci.

23:19 – 23:22

Bisogna lavorare molto per raggiungere il consenso, raccogliendo i contributi e le opinioni delle persone.

23:22 – 23:28

E l’IA ha fatto risparmiare un po’ di tempo, ma ovviamente, se lavorassero da soli con l’IA, sarebbero più veloci.

23:28 – 23:32

E la cosa più importante: chi ha ottenuto i risultati migliori?

23:32 – 23:39

Beh, è emerso che i team che utilizzavano l’IA, anche se non erano necessariamente i più veloci nel produrre qualcosa, in realtà

23:39 – 23:43

tendevano a produrre il maggior numero di soluzioni che rientravano nel 10% migliore.

23:43 – 23:44

Si tratta quindi di una scoperta davvero affascinante.

23:44 – 23:45

Ripeto, siamo ancora in una fase molto, molto iniziale.

23:45 – 23:49

C’è un altro articolo davvero eccellente, che però non ho qui con me, pubblicato da Microsoft.

23:49 – 23:54

E questo in realtà riguarda l’uso di Copilot, il che è fantastico perché si trattava in effetti di uno studio molto più ampio.

23:54 – 23:58

Credo che fossero 20 o 30 settori diversi, analizzati davvero in modo molto più approfondito.

23:58 – 24:00

Quindi da Stanford stanno uscendo molte ricerche eccellenti.

24:00 – 24:04

Se c’è qualcosa che vi interessa, ci sono numerose ricerche in corso su quell’argomento.

24:04 – 24:08

Eric Ben-Yolson a Stanford sta svolgendo gran parte di questo lavoro.

24:08 – 24:09

E, ancora una volta, molte aziende stanno entrando in questo settore

24:09 – 24:12

a proporre iniziative simili, poiché si tratta di un argomento che suscita grande curiosità in tutti noi.

24:12 – 24:14

Come possiamo integrare questa tecnologia?

24:15 – 24:21

Beh, una delle cose di cui parliamo da un bel po’ di tempo è proprio questo termine, sapete, l’alfabetizzazione digitale.

24:21 – 24:23

Cosa significa essere “alfabetizzati” in materia di IA?

24:23 – 24:28

E penso che la versione precedente, più ingenua, fosse qualcosa del tipo: «Oh, tutti devono sapere programmare».

24:28 – 24:30

Tutti devono semplicemente saper programmare.

24:30 – 24:31

Ma mancava il contesto.

24:31 – 24:33

Cioè, cosa significa?

24:33 – 24:39

Cosa significa che un amministratore delegato, un vicepresidente senior o un responsabile di prodotto scriva codice o programmi?

24:40 – 24:42

Non è poi così rilevante, vero?

24:42 – 24:49

Quindi uno dei miei libri preferiti su cosa sia l’alfabetizzazione digitale, o sul concetto di alfabetizzazione digitale, è in realtà scritto da un professore di inglese.

24:49 – 24:52

E come probabilmente saprete ormai, mi piace usare esempi del passato.

24:52 – 25:01

Il suo libro è stato scritto nel 2003 ed era rivolto ai suoi studenti di inglese che ora si stanno cimentando nella ricerca su questa nuova e folle cosa chiamata Internet.

25:01 – 25:09

Cosa significava per la ricerca e la credibilità del proprio lavoro non andare più in biblioteca, non intervistare più le persone e non avere più a disposizione le microfiche?

25:09 – 25:19

e queste fonti primarie? Cosa succede ora che si usa un computer per svolgere questo lavoro, o Internet, o questa nuova cosa inaffidabile chiamata Wikipedia per aiutarti con la tua

25:19 – 25:19

ricerca?

25:19 – 25:22

Quindi ci sono tre livelli di alfabetizzazione di cui parla.

25:22 – 25:24

Ed è estremamente rilevante per l’IA.

25:24 – 25:32

E questa griglia di valutazione mi piace molto perché aiuta davvero a capire come si dovrebbe concepire l’alfabetizzazione all’IA, indipendentemente dal proprio livello di utilizzo della

25:32 – 25:33

tecnologia.

25:33 – 25:34

Quindi il livello uno è l’alfabetizzazione funzionale.

25:34 – 25:37

Questo è rivolto a chi si limita a utilizzare una tecnologia.

25:37 – 25:39

E questo è il cliente medio.

25:39 – 25:42

La persona che interagisce con il chatbot, giusto?

25:42 – 25:46

La persona che sta cercando di utilizzare l’agente di intelligenza artificiale per fare acquisti al posto suo.

25:46 – 25:48

E in realtà, il tuo lavoro consiste nel garantire un impiego efficace.

25:48 – 25:54

L’alfabetizzazione critica è per le persone che non sono programmatori, ma che sono quelle che rendono possibile il progetto.

25:54 – 25:55

Quindi forse sono i product owner.

25:55 – 25:58

Il loro compito è quello di formulare una critica informata.

25:58 – 26:03

E poi, in terzo luogo, l’alfabetizzazione retorica, necessaria per chi è sviluppatore.

26:03 – 26:09

Ciò che è davvero affascinante in tutto questo è che più ci si avvicina al codice, meno la questione diventa tecnica.

26:09 – 26:13

Quindi, quando sei un programmatore, uno sviluppatore, il tuo compito è quello di mettere in pratica la riflessione.

26:13 – 26:15

Parleremo quindi un po’ di cosa ciò significhi.

26:15 – 26:17

Supponiamo che tu sia solo il destinatario.

26:17 – 26:19

Sei la persona che sta semplicemente interagendo con il chatbot.

26:19 – 26:21

Vuoi sapere qual è il tuo saldo bancario.

26:21 – 26:22

Vuoi effettuare un bonifico.

26:22 – 26:25

E c’è questo agente di intelligenza artificiale che lo farà per te.

26:25 – 26:29

Beh, come dovresti concepire l’alfabetizzazione in quel mondo, e se quello fosse il tuo ruolo?

26:29 – 26:37

La cosa più importante è che la parte in basso riguarda l’imparare a interagire con la tecnologia, piuttosto che essere il risultato della tecnologia.

26:37 – 26:38

Questo è davvero, davvero importante.

26:39 – 26:47

vuoi che i tuoi utenti e i tuoi clienti abbiano una comprensione critica dei risultati e sappiano come agire o se la tecnologia debba o meno

26:47 – 26:48

agire per loro conto.

26:48 – 26:54

Quindi, invece di accettare ciecamente, dovrebbero essere effettivamente in grado di interagire con la tecnologia.

26:54 – 27:03

E questa è in realtà un’esperienza molto migliore per chiunque utilizzi qualsiasi cosa: se interagisci con essa e ne vedi e ne comprendi effettivamente i vantaggi

27:03 – 27:03

di essa.

27:05 – 27:14

E per il secondo livello di persone, i product manager, i responsabili del personale, i product owner, la cosa più importante è riuscire a capire quando le cose stanno andando male,

27:14 – 27:15

quando le cose non funzionano bene.

27:15 – 27:18

Questo è ancora più importante nell’era dell’IA generativa.

27:18 – 27:20

Ricordate: è “sicuramente errata”.

27:20 – 27:21

Dirà “output”.

27:21 – 27:28

Credo che la grande polemica della scorsa settimana riguardasse il numero di avvocati che ora utilizzano ChatGPT per farsi aiutare a redigere le loro memorie legali.

27:28 – 27:30

E indovinate cosa fa ChatGPT?

27:30 – 27:31

Ha delle allucinazioni.

27:31 – 27:35

Quindi si inventa di sana pianta casi che non esistono.

27:35 – 27:40

Quindi, ancora una volta, si tratta di essere abbastanza intelligenti da mettere in discussione la tecnologia.

27:40 – 27:42

Guardate le fonti che vi fornisce.

27:42 – 27:43

Ricontrollatele.

27:43 – 27:46

Ehm… E riuscire a mettere in discussione il sistema.

27:47 – 27:52

E poi, quando sei lo sviluppatore, il creatore, il programmatore, la persona che mette le mani nel codice.

27:52 – 27:54

le domande sono le più retoriche.

27:54 – 27:57

Dove risiede il potere nel sistema?

27:57 – 28:05

Se ci fosse un essere umano nel circuito decisionale e Stanislav Petrov dovesse decidere se lanciare o meno un’arma nucleare, sarebbe davvero in grado di dire di no?

28:05 – 28:08

O dovrebbe semplicemente seguire ciò che dice l’IA?

28:08 – 28:16

Quindi, come si progetta un sistema in modo che ci sia effettivamente un essere umano nel ciclo decisionale, in modo che le persone possano essere realmente coinvolte?

28:16 – 28:22

Il mio approccio alla questione – e so che Anna ne ha già parlato – è che dirigo un’organizzazione chiamata Humane Intelligence.

28:22 – 28:34

Ho una formazione da statistico e da scienziato sociale, e ciò che mi interessa della Gen AI è il fatto che ogni singola persona possa avere questa tecnologia a propria disposizione.

28:34 – 28:42

E durante il mio periodo in Accenture, in realtà, ho riflettuto su questa domanda: cosa significa avere l’intervento umano nel processo (human in the loop) e cosa significa avere la garanzia dell’IA?

28:42 – 28:50

La garanzia dell’IA è semplicemente la capacità di affermare che questo prodotto o questa tecnologia agirà, farà ciò che penso, ciò che ho promesso che farà.

28:50 – 28:51

E con il Gen.

28:51 – 28:52

IA, in realtà è davvero, davvero difficile.

28:52 – 28:55

Allora, come si fa a farlo all’interno di un’organizzazione?

28:55 – 28:58

Questo è un articolo che abbiamo scritto nel 2020 proprio su questo argomento.

28:58 – 29:09

In realtà si tratta di disporre di processi chiari e responsabili, di una responsabilità diffusa, e anche di essere trasparenti e, in effetti, più responsabili riguardo a ciò che il sistema può e non può fare.

29:10 – 29:16

Durante la mia permanenza in Twitter, ho fatto qualcosa di piuttosto radicale: ho reso pubblico il nostro codice per consentirne l’esame da parte della comunità.

29:16 – 29:19

Ora, il concetto di “bug bounty” nel campo della sicurezza informatica non è una novità.

29:19 – 29:23

Ma un bug bounty algoritmico era qualcosa che non era mai successo prima.

29:23 – 29:27

Così abbiamo reso pubblico il nostro codice a tutto il mondo e abbiamo detto: trovate i problemi e vi daremo dei soldi.

29:27 – 29:31

Alla fine ho fondato un’organizzazione senza scopo di lucro, Human Intelligence, proprio per svolgere questo lavoro.

29:31 – 29:40

Abbiamo quindi collaborato con una vasta gamma di organizzazioni, governi, gruppi della società civile e così via, per realizzare questo tipo di programmi di taglie contro i pregiudizi.

29:41 – 29:44

E la novità per cui sono conosciuto è il “red teaming”.

29:44 – 29:48

Quindi, ripeto, se venite dal mondo della sicurezza informatica, il “red teaming” non è un concetto nuovo.

29:48 – 29:58

Ma comprendere l’uso del “red teaming”, non solo per capire gli attori malintenzionati, ma anche le conseguenze indesiderate quando il sistema si comporta male, pur non essendo stato un atto intenzionale

29:58 – 30:00

azione intenzionale da parte dell’utente, è in realtà piuttosto difficile da mettere in pratica.

30:00 – 30:04

E il modo in cui ho affrontato la questione è quello che ho definito “feedback pubblico strutturato”.

30:04 – 30:10

La cosa per cui sono più conosciuto è questo evento a cui hanno partecipato oltre 3.000 persone al DEF CON, che è il più grande evento dedicato alla sicurezza informatica

30:10 – 30:18

al mondo, in cui hanno effettivamente hackerato e analizzato, ehm, otto diversi modelli di IA, collaborando con i proprietari dei modelli e le aziende.

30:18 – 30:20

E questo è contrario alla Carta dei diritti dell’IA.

30:20 – 30:26

Quindi, indipendentemente dal fatto che questi modelli rivelino o meno dati personali, o che presentino o meno allucinazioni.

30:26 – 30:30

E abbiamo collaborato con il governo degli Stati Uniti e l’amministrazione Biden per portare a termine questo lavoro.

30:30 – 30:32

E continuiamo a farlo ancora oggi.

30:33 – 30:40

E la cosa affascinante è che la persona media, pur avendo questa tecnologia a portata di mano, è sempre più distante da

30:40 – 30:43

la capacità di fornire un feedback sul fatto che funzioni o meno.

30:43 – 30:46

Quindi uno dei progetti che abbiamo realizzato è stato in collaborazione con il National Institute of Standards and Technology.

30:46 – 30:50

E abbiamo reso accessibile a chiunque in America questo concetto di “red teaming”.

30:50 – 30:52

E questo è avvenuto proprio l’anno scorso.

30:52 – 31:00

Quindi chiunque negli Stati Uniti poteva effettivamente sottoporre i modelli di IA a un red teaming e fornire un feedback al NIST al fine di creare standard migliori su come questa tecnologia dovrebbe funzionare.

31:01 – 31:05

E proprio per questo, l’anno scorso ho tenuto un TED Talk su questo concetto di “diritto alla riparazione”.

31:05 – 31:12

E il “red teaming” è un punto di partenza: l’idea di costruire semplicemente quella base di conoscenze e quel riflesso che permetta alle persone di dire: “Ehi, qui c’è qualcosa che non va”.

31:12 – 31:13

Voglio alzare la mano.

31:13 – 31:15

Voglio essere in grado di segnalarlo.

31:15 – 31:20

In realtà non è qualcosa che abbiamo pensato di integrare nella tecnologia di cui disponiamo.

31:20 – 31:27

Quindi, come si può utilizzare l’IA per risolvere i problemi in modo positivo e produttivo?

31:28 – 31:30

E quindi, quali sono i prossimi passi?

31:30 – 31:31

Quindi l’IA è uno strumento di produttività, giusto?

31:31 – 31:32

Quindi non è magia.

31:32 – 31:33

Non ha intenzioni.

31:33 – 31:36

Non significa trascinare fuori dall’aula l’insegnante di tuo figlio.

31:36 – 31:41

Quindi, quando pensi di sviluppare e implementare l’IA, come puoi farlo mettendo l’utente al primo posto, giusto?

31:41 – 31:49

Come pensate di affrontare i punti critici relativi a ciò che l’IA sa fare bene e, cosa importante, a ciò che le persone sanno fare bene, e come fondere le due cose?

31:49 – 31:53

E infine, come si può utilizzare questo sistema per risolvere i problemi?

31:53 – 31:57

E, ancora una volta, quando pensiamo a questo concetto di “human in the loop”, non si tratta solo di una frase.

31:57 – 31:58

Non è solo un termine.

31:58 – 32:00

È ciò che le persone chiedono oggi.

32:01 – 32:05

Sai, siamo ai minimi storici per quanto riguarda la fiducia nei sistemi di IA.

32:05 – 32:10

Durante il mio mandato nell’amministrazione Biden come inviato scientifico, ho avuto il privilegio di viaggiare in tutto il mondo.

32:10 – 32:20

E rimarreste stupiti nel vedere che tutti, dagli anziani delle tribù delle Fiji ai giovani più sofisticati che lavorano con il Gen.

32:20 – 32:20

IA.

32:20 – 32:22

Hanno tutti le stesse domande.

32:22 – 32:28

Ci sono domande sulla privacy dei dati, sulla sicurezza, sul fatto che gli algoritmi vengano o meno utilizzati, o se siano o meno manipolati dagli algoritmi.

32:28 – 32:31

e se questi dati vengano utilizzati in modo doloso contro di loro.

32:31 – 32:33

Tutti si pongono le stesse domande.

32:33 – 32:39

Quindi, se volete creare fiducia nei sistemi che state realizzando, pensate prima all’utente, non alla tecnologia.

32:39 – 32:41

Grazie mille per il vostro tempo.

32:46 – 32:47

Grazie, dottore.

32:47 – 32:49

Chaldry, davvero fantastico.

32:49 – 32:50

Le siamo grati per essere qui oggi.

32:50 – 32:51

Grazie mille.