Creatività nuova frontiera dell'Intelligenza artificiale: la sfida giuridica | Agenda Digitale

L'ANALISI

Creatività nuova frontiera dell’Intelligenza artificiale: la sfida giuridica

I nuovi sistemi di AI si aprono a discipline finora interdette alle “macchine”, perfino al mondo dell’arte. Ma i processi basati su una forbice sempre più ampia rispetto ai dati immessi, prospettano orizzonti inediti su cui occorrerà vigilare per evitare manipolazioni e sollecitazioni scorrette

22 Gen 2020
Catia Maietta

avvocato


L’algoritmo diventa più creativo. I nuovi processi alla base dell’Intelligenza artificiale stanno diventando metodi per l’elaborazione di soluzioni creative che prescindono dai dati immessi. Diventa dunque appropriato soffermarsi sull’opportunità di esame delle leve che inducono alla creazione dei nuovi algoritmi e quali scopi si vogliono raggiungere, per scongiurare abusi di varia natura.

Intelligenza artificiale, l’ingresso nell’arte

Il fenomeno dell’intelligenza artificiale sta vivendo negli ultimi anni una nuova stagione di grandi entusiasmi dovuti, fondamentalmente, ad una rinnovata metodologia applicativa e del funzionamento degli algoritmi. Il ripensamento di questi ultimi secondo canoni profondamente diversi e più liberi, quanto al risultato, ne sta ampliando notevolmente il campo di applicazione, consentendone l’utilizzo anche verso arti e mondi sino ad oggi considerati di appannaggio esclusivo della mente umana, dato il valore fondamentale del contributo creativo e che li ha collocati, sino ad oggi, in un mondo inavvicinabile dalle formule matematiche, meccanicamente preordinate al raggiungimento di un risultato, per così dire, predeterminato.

Algoritmo e processo creativo

I prodotti artistici sono da sempre la sintesi perfetta della creatività umana e del superamento dei suoi potenziali limiti. Mondi in cui i risultati raggiunti non possono essere considerati come obiettivo predeterminato, essendo realizzati solo ed esclusivamente dall’uomo. Tutto è lasciato nelle mani di chi ha doti speciali.

Non si entra in questi mondi se non si è dotati di peculiari inclinazioni, che poi possono essere sviluppate, ma la cui radice è già insita nell’individuo ed i cui risultati difficilmente possono essere emulati.

Si pensi alla musica, alla pittura, alla scultura, agli scatti fotografici che colgono un solo intenso attimo e che rappresentano veri capolavori. Si pensi alla danza, alla perfezione dei movimenti che riesce a raggiungere un ballerino su mille, con studio e dedizione. Si pensi alla scultura, quella dei grandi maestri, ove ogni singolo centimetro è levigato ad arte e finalizzato a comporre un capolavoro unico ed irripetibile.

Il mondo dell’arte ha sempre camminato secondo un percorso a parte, libero da schemi e da regole precise. Anche per questo l’A.I. è stata considerata, in passato, qualcosa che non potesse avvicinarsi più di tanto alle arti, trattandosi di metodologia legata a basi matematiche e calcoli predittivi. Applicare sistemi matematici alla creatività umana è stata vista, in origine, come una sfida impossibile, metodologie troppo diverse per riuscire a comunicare.

La nuova frontiera degli algoritmi

Tanto è cambiato nell’evoluzione dell’Intelligenza Artificiale, dalle sue prime applicazioni ad oggi. È cambiato, soprattutto, il metodo di elaborazione degli algoritmi.

Si è passati da una visione dell’A.I. come metodo puramente matematico, in grado di far svolgere ad un computer determinate attività grazie all’inserimento di dati prefissati, e finalizzata a sostituire l’uomo nelle mansioni puramente meccaniche, ad una visione ed elaborazione ben più dinamiche, ove l’A.I. può essere intesa come una vera e propria intelligenza autonoma dotata della capacità di estrapolare, dalla conoscenza di alcuni dati, soluzioni per problemi che il sistema non ha mai affrontato.

Da un apprendimento cd. “supervisionato”[1], attraverso un apprendimento cd. “non supervisionato”[2], sino ad un apprendimento cd. “con rinforzo”[3] l’A.I si è aperta a nuovi settori e discipline, proponendosi come metodo in grado di confrontarsi dall’interno con materie, sino a pochi anni fa, estranee alla sua natura, prospettando metodi di analisi e di elaborazione creativi in grado di supportare nuove soluzioni di apprendimento applicabili anche al mondo delle arti, ossia a quei settori ove il dato predeterminato mal si concilia con l’aspetto creativo.

WEBINAR
Come aumentare il ROI e ottenere forecast sempre più precisi? AI & Deep Learning per il finance
Finanza/Assicurazioni
Intelligenza Artificiale

Questa apertura a nuove forme di elaborazione degli algoritmi ha effettivamente rimesso in gioco la loro utilizzabilità, diffondendola verso nuovi spazi.

Il ruolo delle reti neurali

In particolare i sistemi ad apprendimento con rinforzo (reti neurali, algoritmi genetici, classificatori) “sono utilizzati in ambienti incerti dove le condizioni sono soggette a continui mutamenti o dove i dati possono essere affetti da errori a volte anche molto rilevanti”[4].

Dei sopra citati sistemi di apprendimento con rinforzo, si può fornire la seguente definizione: “Le reti neurali sono spesso utilizzate per riconoscere le immagini, la voce e i percorsi. Gli algoritmi genetici invece sono in grado di analizzare ampi spazi degli stati alla ricerca di soluzioni che se non sono le migliori spesso sono prossime a quelle ottime. I classificatori cercano di riunire i vantaggi delle precedenti tecnologie”.

Da un punto di vista prettamente giuridico ci si rende conto di quanto sia importante non solo capire le dinamiche che vengono adoperate al fine di strutturare le modalità di funzionamento di un algoritmo, ma anche valutarne le scelte in funzione degli obiettivi.

Se l’algoritmo non è più solo un sistema per l’incontro tra un “input” ed un “output” predeterminati, se non ci si muove solo nell’ambito di una serie di dati già inseriti nello stesso perimetro circoscritto e ben definito, ma diviene un metodo per l’elaborazione di soluzioni creative, apprendendo da risultati e forze esterne informazioni attraverso le quali strutturare risposte innovative, probabilmente diviene anche appropriato soffermarsi sull’opportunità di esaminare quali siano le leve che inducono alla creazione di un determinato algoritmo e quali scopi si vogliono raggiungere, al fine di evitare manipolazioni, sollecitazioni scorrette o abusi di varia natura.

Se si vuol riconoscere all’algoritmo tale nuova identità, occorre certamente un adeguato monitoraggio ed una opportuna conoscenza delle dinamiche di funzionamento anche in un’ottica giuridica.

Note

  1. L’apprendimento supervisionato è una tecnica finalizzata ad istruire computer in grado di risolvere, in automatico, determinati compiti. Il sistema di apprendimento è organizzato in maniera tale da strutturare gli algoritmi di apprendimento secondo la seguente metodologia: si definiscono i dati in ingresso di un insieme, si definiscono i dati in uscita o una etichetta numerica e si fornisce una funzione che associa il dato di ingresso alla risposta corretta. La struttura di questi algoritmi è di tipo lineare: ad una input di ingresso, corrisponde un output di uscita ed è relativamente semplice, dati questi elementi, fornire soluzioni che si avvicinino il più possibile all’esempio dato.
  2. Questa tecnica di apprendimento istruisce degli algoritmi ad estrarre, in modo automatico, la conoscenza, intesa quale risultato, da una base di dati. La loro applicazione tipica è nei motori di ricerca. Questo sistema sicuramente riesce a proporre risultati per l’analisi di grandi mole di dati. Vi è da dire, tuttavia, che l’efficacia è strettamente connessa alla quantità ed utilità di informazioni che riescono ad estrarre dalla base dei dati. Per un corretto funzionamento occorre che i dati siano dotati di un ordinamento intrinseco: solo in questo modo gli algoritmi sono in grado di lavorare sugli stessi e di proporre una corretta estrazione di riferimenti coerenti con la ricerca avviata, ad esempio, tramite motore di ricerca.
  3. L’apprendimento con rinforzo rappresenta la vision dell’applicazione dell’intelligenza artificiale. Mediante questo sistema, si punta a creare algoritmi in grado di apprendere ed adattarsi ai cambiamenti dell’ambiente pur senza aver ricevuto specifici input. Con questa filosofia di programmazione si punta a creare una sorta di interazione tra l’algoritmo e gli stimoli esterni. Vi sono due categorie di apprendimento per rinforzo: quella degli algoritmi ad apprendimento continuo e quella degli algoritmi ad addestramento preventivo.
  4. https://it.wikibooks.org/wiki/Intelligenza_artificiale/Applicazioni
@RIPRODUZIONE RISERVATA

Articolo 1 di 2