L'IA per gli obiettivi globali: il potenziale frenato da muri non tecnici
Mentre l'intelligenza artificiale promette di accelerare la risoluzione dei problemi globali, il suo impatto reale si scontra con ostacoli profondi che vanno oltre la tecnologia stessa, spesso ignorati dalle grandi visioni.
L’IA promette di risolvere i problemi del mondo. Sentiamo spesso questa idea. Dovrebbe accelerare la scoperta di farmaci, gestire meglio le risorse e prevedere disastri globali. Aziende tecnologiche e gruppi internazionali promuovono spesso questa visione diffusa. Dipinge un quadro di infinite possibilità tecnologiche. Questa visione ispira molti. Eppure, spesso trascura i profondi ostacoli non tecnici che impediscono all’IA di contribuire efficacemente ai grandi problemi globali.
Gli Obiettivi di Sviluppo Sostenibile (OSS) dell’ONU sono un piano globale. Mirano a porre fine alla povertà, alla fame e a migliorare la salute, l’istruzione e l’azione per il clima entro il 2030. Gruppi come l’UNICEF e la Banca Mondiale investono nell’IA per aiutare a raggiungere questi obiettivi. L’IA può, ad esempio, analizzare immagini satellitari per identificare la povertà o stimare i raccolti. Questa tecnologia è potente per l’elaborazione dei dati e l’individuazione di modelli.
Le soluzioni di IA spesso falliscono lontano dalla Silicon Valley. Le nazioni in via di sviluppo, dove i grandi problemi sono più sentiti, spesso mancano di infrastrutture di base. Un rapporto del 2023 dell’Unione Internazionale delle Telecomunicazioni (ITU) ha mostrato che 2,6 miliardi di persone non hanno ancora accesso a internet. La maggior parte vive in paesi a basso reddito. I modelli di IA richiedono alimentazione stabile, una connessione internet robusta e archiviazione sicura dei dati. Queste risorse sono rare dove l’IA è più necessaria.
Questi problemi di accesso digitale non sono problemi da poco. Sono enormi barriere. Immaginate uno strumento di IA destinato a diagnosticare la tubercolosi in un villaggio remoto. La sua accuratezza non avrà importanza se la clinica locale non dispone di alimentazione stabile per il dispositivo. La dottoressa Maja Mataric, professoressa di informatica alla USC ed esperta di IA, lo afferma chiaramente: “l’IA più avanzata è inutile se non può essere integrata in sistemi esistenti, spesso fragili”.
Dati e infrastrutture: il vero prezzo
Dati di qualità e utili per l’addestramento dell’IA sono spesso scarsi, specialmente per problemi sociali complessi. I modelli di IA imparano dai dati. La loro efficacia dipende direttamente dalla quantità di dati di qualità che ricevono. Se i dati sono rari, distorti o irraggiungibili, l’IA semplicemente non funziona.
Consideriamo l’assistenza sanitaria nell’Africa subsahariana. Le cartelle cliniche sono spesso cartacee, incomplete o non standardizzate. Il dottor Alaa Abd-El-Aziz, ricercatore dell’Università di Città del Capo, sottolinea un problema chiave. Egli osserva che i modelli di IA addestrati su dati provenienti da popolazioni occidentali spesso funzionano male. Ciò accade quando applicati a contesti africani a causa di demografie diverse, prevalenza di malattie e fattori ambientali. Questo divario di dati compromette l’accuratezza e l’equità. Joy Buolamwini, fondatrice dell’Algorithmic Justice League, ha dimostrato come i sistemi di riconoscimento facciale di fabbricazione statunitense faticassero. Spesso non riuscivano a identificare accuratamente le donne con la pelle più scura. La sua ricerca del 2018, con Timnit Gebru, ha rilevato che i tassi di distorsione raggiungevano il 34,7% per le donne con la pelle più scura. Per gli uomini con la pelle più chiara, era solo lo 0,8%. Ciò ha evidenziato un enorme problema nel modo in cui i dati rappresentano le persone.
Joy Buolamwini, fondatrice dell'Algorithmic Justice League, ha rivelato come i sistemi di riconoscimento facciale di fabbricazione statunitense faticassero a identificare le donne con la pelle più scura, con tassi di distorsione che raggiungevano il 34,7% rispetto allo 0,8% per gli uomini con la pelle più chiara. La sua ricerca pionieristica evidenzia lacune critiche nei dati che minano l'equità e l'accuratezza dell'IA in contesti diversi. (Fonte: pbs.org)
Costruire e mantenere l’infrastruttura digitale è un altro compito imponente. Il “Global Risks Report” 2021 del World Economic Forum ha indicato il collasso delle infrastrutture come un grave pericolo globale. Le applicazioni di IA, specialmente quelle con modelli linguistici di grandi dimensioni o apprendimento automatico complessi, richiedono una grande potenza di calcolo. I data center utilizzano enormi quantità di energia, spesso da combustibili fossili. Ciò contribuisce agli stessi problemi climatici che l’IA afferma di risolvere.
Anche quando l’infrastruttura esiste, spesso subisce interruzioni. I disastri naturali possono distruggere le reti di comunicazione, come dopo il terremoto di Haiti del 2021. Uno studio del 2022 del Programma di Sviluppo delle Nazioni Unite (UNDP) ha mostrato come la mancanza di accesso digitale peggiori la disuguaglianza. Ciò impedisce alle comunità fragili di ottenere servizi vitali, inclusi quelli gestiti dall’IA. Investire nell’IA prima delle infrastrutture di base è come comprare un supercomputer per un villaggio senza elettricità.
Oltre il codice: persone e politica
Persone qualificate sono essenziali affinché i sistemi di IA funzionino e durino. L’IA non è una semplice soluzione plug-and-play. Richiede persone qualificate per configurarla, monitorarla e adattarla. Ciò include data scientist, ingegneri ed esperti locali. Questi esperti devono comprendere i dettagli culturali e sociali specifici del problema. Tali competenze sono spesso rare nei luoghi che ne hanno più bisogno.
Un rapporto del 2023 dell’Unione Africana ha dichiarato che il continente dispone di un numero insufficiente di ricercatori e lavoratori nel campo dell’IA. Le università non possono formare abbastanza laureati con competenze avanzate nell’IA. Ciò significa che anche se gli strumenti di IA vengono costruiti, le comunità locali non possono possederli, ripararli o migliorarli. Li rende dipendenti da esterni, spesso provenienti da paesi più ricchi. Ciò danneggia il controllo locale e il successo a lungo termine.
Le regole etiche costituiscono un’altra sfida significativa. L’implementazione di sistemi di IA robusti in campi sensibili come la salute, l’istruzione o la giustizia richiede solide linee guida etiche. Queste regole devono coprire la privacy dei dati, la distorsione algoritmica, la responsabilità e la trasparenza. L’AI Act dell’UE, ad esempio, è un importante sforzo per regolamentare l’IA. Ma applicare regole così complesse in molti contesti globali diversi è molto difficile.
Ad esempio, uno strumento di IA destinato a distribuire risorse rare, come gli aiuti alimentari, potrebbe accidentalmente danneggiare determinati gruppi. Ciò accade se non è progettato e monitorato attentamente. La dottoressa Kate Crawford, esperta di IA e giustizia, scrive nel suo libro del 2021 Atlas of AI: “I sistemi di IA non sono neutrali; riflettono e amplificano i pregiudizi intrinseci nei dati su cui sono addestrati e nelle società che li costruiscono”. Senza un forte controllo e verifiche locali, l’IA può peggiorare le disuguaglianze esistenti, piuttosto che risolverle.
I data center massivi, la spina dorsale fisica delle applicazioni di IA, richiedono un'immensa potenza di calcolo e consumano vaste quantità di energia, spesso da combustibili fossili. Questa domanda di energia contribuisce agli stessi problemi climatici che l'IA mira a risolvere, evidenziando una sfida critica nella costruzione di infrastrutture digitali sostenibili. (Fonte: dreamstime.com)
Oltre l’algoritmo: il vero cambiamento
L’attenzione sulle capacità dell’IA spesso distoglie dai problemi più profondi che ostacolano il vero cambiamento sociale. Si dice spesso che l’IA possa “fare un balzo in avanti” nello sviluppo, bypassando le vecchie infrastrutture con nuove tecnologie. Questo suona bene, ma spesso non coglie ciò che sta realmente accadendo. Il vero cambiamento richiede più di un semplice codice intelligente.
Un approccio migliore vede l’IA come uno strumento, non una panacea. Dà priorità alle persone, alle infrastrutture di base e a normative solide. Invece di introdurre semplicemente soluzioni di IA preconfezionate, dovremmo costruire la tecnologia con le comunità locali. Ciò garantisce che si adatti alle esigenze locali, sviluppi competenze locali e risolva problemi reali.
Consideriamo la preparazione ai disastri. L’IA può prevedere i modelli meteorologici. Ma le reti umane e le comunità forti contano di più. Gli avvisi precoci richiedono buona comunicazione e aiutanti locali addestrati. Uno studio del 2023 dell’Environmental Defense Fund ha mostrato che l’integrazione di modelli climatici di IA con il monitoraggio basato sulla comunità consente di elaborare piani più efficaci. Questo aiuta le comunità ad adattarsi più efficacemente.
Per far sì che l’IA aiuti efficacemente la società, dobbiamo cambiare il nostro modo di pensare. Ciò significa superare l’idea che la tecnologia da sola possa risolvere tutto. Il vero potere dell’IA emerge solo quando si inserisce in sistemi sociali robusti. Richiede un accesso equo alle risorse e chiare regole etiche. Questo approccio – mettere le persone e le infrastrutture al primo posto, insieme al codice – è l’unico modo per realizzare un cambiamento reale e duraturo. Qualsiasi cosa in meno è solo un sogno.
Domande frequenti
D1: Cos’è “IA per l’impatto”? R1: “IA per l’impatto” significa utilizzare l’intelligenza artificiale per affrontare grandi problemi sociali. Questi spesso corrispondono agli Obiettivi di Sviluppo Sostenibile dell’ONU, come una migliore salute, meno povertà o la lotta al cambiamento climatico. L’idea è di usare l’intelligenza dell’IA per fare del bene.
D2: Perché la qualità dei dati è un problema per l’IA nei paesi in via di sviluppo? R2: La qualità dei dati è un problema perché molte regioni in via di sviluppo non dispongono di dati standard, digitali o completi. I modelli di IA addestrati su dati provenienti da altri luoghi spesso non funzionano bene quando utilizzati lì. Ciò può causare previsioni errate, risultati ingiusti e servizi scadenti.
In molte comunità, gli aiutanti locali addestrati sono la spina dorsale della preparazione ai disastri, traducendo gli avvisi meteorologici precoci basati sull'IA in azioni concrete e garantendo una comunicazione efficace all'interno delle loro reti, incarnando l'approccio "le persone prima di tutto" al cambiamento sociale. (Fonte: nyc.gov)
D3: L’IA crea nuovi problemi mentre ne risolve altri? R3: Sì, l’IA può accidentalmente peggiorare i problemi se non utilizzata con attenzione. Ad esempio, algoritmi distorti possono amplificare le ingiustizie sociali esistenti. Inoltre, i sistemi di IA consumano molta energia. Ciò può aumentare le preoccupazioni climatiche, andando contro gli sforzi per combattere il cambiamento climatico.
Il rapido ritiro dei ghiacciai in tutto il mondo, come il ghiacciaio Okjökull in Islanda dichiarato morto nel 2019, è un chiaro indicatore visivo del cambiamento climatico globale, un problema esacerbato dal significativo consumo energetico dei sistemi di IA. (Fonte: earth.com)
Potrebbe interessarti anche:
👉 Colonizzazione spaziale: la grande illusione. Le vere soluzioni sono sulla Terra.
👉 Futuri Sostenibili: Investimenti, Cybersecurity e il Futuro del Lavoro
👉 Metaverso: l’illusione di Zuckerberg – la tua libertà virtuale è un miraggio
