Questa è una lunga intervista a due professori universitari, antesignani dell’informatica: quando entrambi si sono laureati, ancora non esistevano i pc come li intendiamo oggi. Dino Pedreschi e Fosca Giannotti, garfagnini non solo di origine, hanno lavorato – sia insieme che separati – in enti diversi ed hanno costruito e cavalcato la scienza dell’informazione automatica dagli anni ’80 ad oggi, come ricercatori e scienziati, fino ad approdare al mondo dell’intelligenza artificiale.

Nell’intervista vengono evidenziate molte delle parole chiave della IA (Intelligenza Artificiale o, in inglese, AI, Artificial Intelligence) per approfondire questo mondo, che ha le sue regole e che è fondamentale ormai per il nostro futuro.

Iniziamo con il prof. Dino Pedreschi, esperto di Intelligenza Artificiale, pioniere della “Big Data Analytics” e cioè dell’analisi delle tracce digitali delle attività umane per comprendere la complessità sociale. Docente ordinario di informatica presso l’Università degli Studi di Pisa, al momento fa parte della commissione (più precisamente è uno dei sei vice-chair del gruppo di lavoro europeo) incaricata di sviluppare il “Code of Practice on transparency of AI-generated content” nell’ambito del Regolamento europeo per l’Intelligenza Artificiale (AI Act) per predisporre le regole che le aziende di IA possono adottare nella produzione di materiale digitale nel rispetto della normativa europea.

Prof. Pedreschi, perché regolare la produzione di materiali con l’intelligenza artificiale?

“L’Europa ha iniziato cinque anni fa un corso di definizione delle regole per rendere più sicuro il mondo digitale. A fine del 2024 è stata varata questa legge che prevede tutta una serie di norme riguardo all’uso dell’intelligenza e a i suoi usi possibili. Non riguarda tanto la tecnologia, quanto il modo in cui viene usata; analizza i diversi tipi di uso che possono essere anche rischiosi per le persone, sia come come individui che come collettività, e stabilisce quali sono le applicazioni che hanno un rischio troppo alto e che devono essere semplicemente proibite”.

Tipo?

“Ad esempio il “social scoring” che viene fatto in Cina e che permette di affibbiare un punteggio alla persona, la quale poi, in base al punteggio ottenuto, può avere diritto a fare determinate cose. Anche in ambito lavorativo”.

Mi pare ci sia un film con Pif – “E noi come stronzi rimanemmo a guardare“, 2021 diretto dallo stesso Pif (ndr)- che racconti proprio questa situazione distopica…

“Questo uso in Europa è proibito per legge, ma in Cina c’è. Un altro uso proibito per legge è usare l’IA per capire lo stato emotivo delle persone in modo automatico, ad esempio su posto di lavoro: questo tipo di controllo limiterebbe la libertà delle persone e, in Europa, non si può fare”.

E meno male, direi

“Poi ci sono degli usi ad alto rischio. Ad esempio nell’ambito della salute, nella clinica medica o nell’amministrazione della legge. Questi usi sono consentiti, ma chiaramente sotto tutta una serie di tutele, ‘guard rail’, salvaguardie di vario tipo che proibiscono che ci sia discriminazione nel trattamento; o, ad esempio, dare la possibilità alle persone di capire perché è stato fatto quel certo tipo di trattamento. Oltre a queste, che fanno parte dell’ossatura fondamentale della legge europea, ci sono delle applicazioni più semplici, meno rischiose, per cui, chiaramente, ci sono meno controlli. C’è anche un capitolo speciale di questa legge che riguarda i cosiddetti modelli dell'”artificiale generativa”, cioè i modelli che generano contenuti in modo automatico, come immagini, video, suoni o testi che possono essere facilmente usati in modo ingannevole, truffaldino.

Per esempio?

“Lo studente che si fa fare il tema dall’IA e alla consegna dice che l’ha fatto lui, oppure la produzione di video dove si fanno dire o vedere cose che non sono vere: i famosi Deep Fake. Tutti questi usi, chiaramente, sono proibiti. E’ ovvio, però, che il problema non è solo proibirli, ma avere degli strumenti permettano di capire che sono prodotti da IA. In particolare, c’è un articolo della legge europea, l’articolo 50, che dice che a partire da una certa data, esattamente dall’agosto del 2026, i provider di questi modelli che generano contenuti, obbligatoriamente, dovranno rendere questi contenuti riconoscibili; dovranno inserire delle marche invisibili nelle foto sintetiche, nei testi sintetici. Queste marche invisibili possono essere lette dagli algoritmi per essere attribuite, a posteriori, a chi le ha prodotte, cioè a quella data azienda. Quindi, se chiedo, ad esempio, a ChatGPT di fare una certa foto inventata, questa dovrà essere marcata”.

Ma ce la faranno?

“Allora, le spiego: tecnicamente il tag viene inserito direttamente dal programma che lo fa. Ad esempio: questa foto, se viene pubblicata su un giornale o viene pubblicata sui social, per dire, il giornale o i social avranno obbligo di dire se c’è questa marca e, quindi, mettere un bollino che fa capire ai lettori della testata o agli utenti dei media che è un’immagine generata con l’intelligenza artificiale e non è fatta da persone. Insomma, non è vera. Questo è quello che richiede questo articolo.

Perché la Commissione Europea ritiene che possa funzionare questa legge? Qual è l’idea?

È che se queste grandi aziende, come OpenIA o Microsoft o Google, o quelle cinesi – e ce ne sono tantissime anche europee, come Mistral; dicevo: se tutte queste aziende non si mettono a regola entro una certa data, non potranno più far usare i loro prodotti in Europa”.

Quindi è loro interesse poter operare in un mercato molto fiorente come quello europeo

“Esatto. Un mercato dove ci sono 450 milioni di persone e dove c’è il reddito più alto al mondo. Nessuna delle grandi aziende vuole perdere il mercato europeo. Al tempo stesso, bisogna fare in modo che queste cose siano fattibili e che il gioco valga la candela per tutti. Questo è esattamente il lavoro che sto facendo io in collaborazione con il cosiddetto AI Office della Commissione Europea.

Come è composto questo gruppo di lavoro?

“Siamo in sei vice-presidenti, tre donne e tre uomini, che hanno il compito, di qui fino a fine maggio 2026, di scrivere quello che si chiama “codice di pratica”, in pratica delle linee guida tecniche che dicono che, per realizzare questa marcatura, puoi fare in questo modo oppure in quest’altro”.

Quindi in modo tecnico?§

“Sia tecnico che organizzativo: cioè, come organizzarsi per poterlo fare, chi deve vedere chi, chi deve fare cosa. Se le case che producono IA lo sottoscrivono e vi aderiscono, vuol dire che rispetteranno il “codice di pratica”; sono a posto, quindi stanno realizzando un prodotto che ha un valore legale rispettando la legge europea. Si deve aggiungere che questo rispetto è su base volontaria, non obbligatorio. Le aziende possono firmare questo codice di pratica e, quindi, rispettare le leggi europee e operare in Europa, ma potranno provare ad essere dichiarate a norma anche senza aderire a questo codice (se ci riescono). Questo codice, insomma, è una grande facilitazione per mettersi a norma con la legge sull’IA”.

Chi sta a capo della commissione ?

“A capo della commissione c’è il direttore generale della Commissione Europea per quanto riguarda il digitale: Roberto Viola, che è la persona più autorevole in questo settore a livello europeo. Quello che abbiamo fatto finora è interloquire con tutti i portatori di interesse. La direttrice dell’AI Office, invece, è Lucilla Sioli. C’è un processo che è partito a novembre e finirà a fine maggio, in cui faremo diverse versioni di questo codice (almeno tre versioni). La prima, che è uscita prima di Natale (è online dal 17 dicembre, si può trovare https://digital-strategy.ec.europa.eu/en/library/first-draft-code-practice-transparency-ai-generated-content), la seconda uscirà a marzo e la terza – che è quella finale – uscirà a fine maggio. Quindi, noi facciamo delle proposte in questo che è un procedimento aperto alla discussione. Teniamo conto di ogni idea, anche di quello che pensano i cittadini che sono interessati a essere protetti o i produttori di IA che sono interessati a non avere troppi vincoli. Siamo interessati, come commissione, a trovare una giusta quadra che sia rispettosa dello spirito della legge. Questa legge è già fatta e dice di mettere questa marcatura, che deve funzionare, ci deve permettere di distinguere se il prodotto è autentico o prodotto artificialmente da IA”.

Qual è il clima di questo lavoro?

“Si sta lavorando, le dicevo, con tutti quanti in modo costruttivo; anche le grandi aziende americane non hanno detto no. Se ci pensa, una cosa molto naturale: è il diritto delle persone di sapere se quello che sto leggendo o vedendo è autentico o no. Pensi, ad esempio, un insegnante: un conto è sapere che sto leggendo una cosa scritta da uno studente, un conto è sapere invece se sto leggendo qualcosa in cui lo studente non ha messo penna. Oppure vedo una foto sul giornale clamorosa, ho diritto di sapere se è vera o no, altrimenti resto con il dubbio sulla sua autenticità. È una cosa molto molto importante: in mancanza di trasparenza, alla fine tutti noi arriveremo a non fidarci più di niente e non avere alcuna certezza. E la fiducia è uno dei pilastri su cui è costruita la democrazia”.

C’è il fatto che gli americani sono arrabbiati perché, secondo loro, gli europei hanno messo troppo freno sui social: sia sulle fake news che alle vendite farlocche di prodotti. Leggevo proprio un articolo che diceva che su Facebook la maggior parte del materiale che viene venduto non è esente da truffe. Per rincarare la dose, poi, hanno impedito l’accesso negli Usa a Thierry Breton che era il commissario europeo per il mercato interno e i servizi della commissione Von Der Leyen I dal 2019 al 2024 e che si è occupato di regolare gli accessi nei social…

“Non c’è dubbio. Ci sono due tipi di informazione falsa: la “disinformazione” e la “misinformazione”. La disinformazione è quella che è volutamente falsa; la seconda, invece, è una informazione errata fatta senza volere, ma anche questa si propaga e genera delle bufale. C’è una posizione diversa, proprio culturale, da parte dell’Europa e degli Stati Uniti. Gli Stati Uniti hanno questa specie di sacra tutela del Free Speech, della libera espressione a qualunque costo, anche se l’espressione è volutamente ingannevole. In Europa c’è lo stesso la libertà di espressione, ma questa non deve ledere i diritti delle persone che vengono coinvolte. Se uno propaga cose che sono chiaramente truffaldine o ingannevoli, in Europa c’è il diritto di proteggere gli utenti, il diritto di non essere ingannati o discriminati. Negli Usa, la legislazione sui social media è una legge costituzionale che risale alla metà degli anni ’90 e dice che le piattaforme digitali non sono responsabili di quello che pubblicano. Ma solo chi le ha pubblicate è perseguibile, quindi favorisce la diffusione di notizie anche molto discutibili”.

Certo, in Europa questo non si può fare

“In Europa esiste una legge, da anni, che si chiama DSA (Digital Service Act); una norma per i servizi digitali che impone degli obblighi alle piattaforme digitali di operare per eliminare la disinformazione, la quale viene segnalata e riconosciuta; questa iniziativa viene bollata come censura, ma è un chiaro tentativo di proteggere gli utenti da truffe e anche da violenza o razzismo. Nei social e nel digitale, ci auspichiamo che avvenga l’”effetto Bruxelles”, cioè che il modello europeo sia imitato e copiato nel resto del mondo. I controlli sono ragionevoli, non si tratta di censura. In sostanza, è quello che fanno normalmente i giornali sul controllo delle informazioni. Infatti, i direttori sono responsabili di tutto quello che le loro testate pubblicano. La figura di un direttore responsabile per i social non esiste, ma è proprio il direttore che è, diciamo “irresponsabile”, a fare un sacco di soldi. Nonostante lo strapotere di queste piattaforme, si sta cercando proprio di mettere un freno; infatti, a poco a poco, si stanno prendendo dei provvedimenti che assomigliano a quelli presi della Commissione Europea sui contenuti. L’idea di bollare i contenuti generati da IA è ragionevole e si auspica che venga poi condivisa anche da altri”.

E in Cina come funziona?

“In Cina vige una visione opposta: quella USA è totalmente individualistica, l’Europa cerca di avere un approccio che, secondo me, si può dire “illuministico”. Il punto è salvaguardare la libertà dell’individuo, ma anche i diritti della collettività, rispettando ciè l’idea che la libertà finisce dove comincia quella degli altri. In Cina conta solo la collettività, poco l’individuo. Il “social scoring”, che dicevamo prima, può servire alla società, quindi si fa. I social – e ce ne sono tantissimi locali – sono controllati rigidamente, almeno su certi temi, dallo Stato. Anche in India, come in Cina, hanno sviluppato un grandissimo interesse per la ricerca e le Università sono cresciute e migliorate, tanto che, fino a 15 anni, fa gli studenti più bravi venivano in Europa o andavano in America; ora restano in Cina, o in India, perché è loro interesse restare. L’India ha fatto progressi da gigante sullo sviluppo del software”.

I computer per operare con l’IA come sono fatti?

“Negli anni ’90 accadde un fatto curioso: per seguire i giochi al computer, che erano molto di moda, si scoprì che si poteva organizzare la CPU (Central Processig Unit) in modo più funzionale alla grafica; per muovere più rapidamente i personaggi sullo schermp si passò alla GPU (Grafic Processing Unit). Questa era perfetta per i giochi, ma poi si scoprì che lo era anche per il “machine learning” dell’IA. Sopratutto per l’apprendimento, partendo da un grandissimo numero di dati”.

Ma questi dati li devono immagazzinare nei loro server, o li vanno a cercare nel web?

“Dipende da che cosa devo fare. Per esempio, per fare ricerca in campo medico – diciamo per prevedere un certo tipo di malattia – devo consultare tantissimi dati che riguardano i pazienti. O li ho immagazzinati o devo avere un modo rapido per andare a prenderli. Questi modelli generativi, tipo ChatGpt, hanno spazzolato tutto il web; hanno scaricato tutto lo scaricabile (testi, immagini, video), lo hanno immagazzinato nei loro server e lo hanno utilizzato per fare l'”addestramento”, cioè per “imparare” e produrre. Per questo i dati li devi avere disponibili”.

Continuo l’intervista con Fosca Giannotti, docente di IA presso la Normale di Pisa. Fosca, in precedenza, è stata direttrice della Ricerca presso l’Istituto di Scienze e Tecnologie dell’Informazione del CNR di Pisa, con collaborazioni con l’università di Pisa e con enti e Università estere; è stata vincitrice di un prestigioso Advanced Grant dell’ERC (European Research Council) per un progetto su “Science and technology for the explanation of AI decision making” che, dal 2019 ad oggi, le ha permesso di far avanzare le conoscenze su come rendere l’IA “spiegabile” e permettere una reale collaborazione tra uomo e IA.

Prof.ssa Giannotti, come funziona l’apprendimento automatico? Come fa IA ad apprendere? Mi aiuti a capire

“Funziona come la capacità di apprendere degli umani: osservando tanti esempi, si impara a generalizzare e associare alle caratteristiche di quegli esempi dei concetti.

Come si fa a fare questo, in modo automatico?

“Noi, ad esempio, da piccoli osserviamo le cose: uno vede un animale, poi qualcuno dice che è un gatto e così si riconosce che è un gatto e fa miao. Lo stesso fa l’apprendimento automatico: vedere tante foto di animali dove, in alcuni di essi, c’è associato il nome – come gatto, cane, topo, leone. Questa cosa può essere automatizzata e, quindi, a forza di vedere tanti gatti con l’etichetta, o topi con l’etichetta, l’algoritmo riesce a imparare il meccanismo di associazione e, di conseguenza, impara. Questa capacità si chiama di “generalizzazione”: questo algoritmo ha imparato tanto bene che, se gli da una nuova immagine (un gatto mai visto, un gatto strano), pur essendo diverso da tutti i gatti visti fin lì, riesce a capire che si tratta comunque di un gatto”.

Quindi individua le caratteristiche…

“Esatto. E’ chiaro che, in tutto questo, ci sono dei margini di errore. Ad esempio potrebbe non essere un gatto, ma un piccolo felino. Questo tipo di apprendimento noi lo chiamiamo “discriminativo”; l’obiettivo è riconoscere se è un cane o un gatto, cioè discriminare, separare, o meglio classificare, i vari animali. In certi casi si parla anche “predire” perché il meccanismo può essere applicato a cose nuove, mai viste. E ancora: se una certa cosa nel tempo è accaduta sempre così, allora posso pensare che anche in futuro questa cosa sarà così. Si parla di apprendimento “generativo” quando non sei più interessata a dire se è un cane o un gatto, quindi il tuo scopo non è più classificare, ma è riprodurre qualcosa che è simile a quello che hai visto. Hai talmente imparato bene come sono fatti i gatti o come sono fatti i cani che l’algoritmo può inventare un nuovo cane o un nuovo gatto: quindi una forma “sintetica”, un’immagine di un gatto che in realtà non esiste e non esiste in quello che finora aveva visto nell’addestramento.

Però rispetta tutti i criteri individuati

“Questa è la capacità di generare di cui si parla oggi perché abbiamo imparato a generare immagini, audio, video e anche il testo. Siamo all’incontro di diverse comunità di intelligenza artificiale che hanno lavorato in modo separato: alcuni a costruire macchine che generano immagini, alcuni macchine che generano video,
altri macchine che generano testo. Adesso si sta mettendo tutto insieme, per cui da una immagin, si può generare la sua descrizione, quindi un testo; oppure si può dare una descrizione e la macchina può provare a generare l’immagine. La tecnologia che ci sta sotto sono queste macchine che si chiamano “Trasformer” e che hanno la capacità di generare usando dei modelli probabilistici. Ad esempio, in un testo, la cosa che riescono a fare, avendo avuto a disposizione tantissimi testi di tutti i tipi in tantissime lingue, è la capacità di predire, data una frase, qual è la il suo seguito più probabile”.

Ci fa un esempio per capire meglio?

“Pane burro e … ?”. E’ chiaro che pane burro e marmellata è molto più probabile di pane burro e lucido da scarpe; se hai visto tanti testi, in tutti quelli che hai visto sicuramente marmellata è apparso molte più volte. Questo è importante: la grande capacità probabilistica dipende da aver visto tanti, tanti testi; quindi di indovinare il seguito. Questa tecnologia, deve pensare, nasce soprattutto nella traduzione automatica: è lì che hanno avuto le idee più importanti. C’è stata un’intuizione generativa che, nonostante si basi sul linguaggio, questa lo ha trasformato totalmente: non si lavora più sulle parole ma si trasforma la frase in una formalizzazione matematica che si chiama “embedding”: è una trasformazione in uno spazio che non c’entra più nulla con il linguaggio, che però tiene conto del prima e del dopo; se ha visto tante traduzioni dall’italiano al giapponese, questo permette di capire cosa viene dopo e, quindi, la traduzione è più facile”.

Praticamente codificano le parole

“Sì. In uno spazio vettoriale, matematico che ha perso la semantica delle parole, ma è funzionale alla trasformazione, alla traduzione e che, in qualche modo, si ricorda; da quello spazio può tornare sia verso l’italiano che andare verso il giapponese. Questo per dirle dov’è che sono stati bravi i ricercatori che hanno lavorato in questo settore. Hanno portato tante innovazioni grazie alle quali è stato possibile fare un ultimo salto: imparare a parlare. La macchina impara a indovinare quello che c’è dopo. Poi c’è stata, sempre nei “Trasformer”, un’altra innovazione: non solo hanno impariato quello che c’è dopo, ma hanno indovinato anche quello che c’era prima. Quindi si può andare avanti e indietro, cioè imparare a costruire delle frasi più grandi. Una volta che ha imparato a indovinare il successivo e il precedente, gli può dare dei “task”: può fare un riassunto o la classificazione; può studiare il sentimento di quello che c’è scritto, può generare l’immagine. Questo è fatto concatenando tante reti e tante macchine che collaborano per questa operazione: ci si può specializzare ulteriormente, avendo imparato a parlare; si può fare riassunto o posso fare…”

Cioè, posso addirittura cambiare il tono del discorso?

“Esatto. Questo è dovuto al fatto di aver aggiunto l'”allineamento”, un’operazione che si chiama “di rinforzo” per cui la macchina riesce a utilizzare le parole giuste che vanno bene per un certo stile. Perché ha imparato i diversi stili. Ad esempio, può redigere un articolo come lo avrebbe redatto Gianni Brera. In questo momento, gli sta dando delle istruzioni che arricchiscono la sua capacità. Cosa fa la macchina: utilizza soltanto quei testi, che hanno qualche etichetta, qualche informazione che riguardava Gianni Brera, e in qualche modo, da tantissimi testi che ci sono, ha ristretto al campo soltanto dei testi di Brera; quindi impara e scrive la cosa più probabile che avrebbe scritto Brera”.

Pazzesco

“Dare delle istruzioni precise si chiama “prompting” (che sarebbe l’arte di formulare istruzioni chiare e precise per guidare un’intelligenza artificiale (IA) a generare l’output desiderato). Il Promting, più è strutturato e informato più riesce a darti delle risposte precise o creative. La cosa che spesso non è nota è che la macchina che ha imparato a fare tante cose, può essere adattata a tanti utilizzi diversi. Questa macchina è stata potenziata dall'”allineamento” che ha coinvolto tantissime persone. Open IA ha utilizzato più di 70 mila esperti. Anche ora ci sono, in continuazione, degli esperti che gli dicono ad esempio: questo l’hai scritto male, questo lo devi scrivere in un altro modo, questo non è politicamente corretto…”

Quindi, che correggono

“Questa correzione si chiama RLHF (Reinforcement Learning from Human Feedback): è una tecnica specifica grazie alla quale le persone valutano le risposte dell’IA, fornendo un “feedback” che permette al sistema di imparare quali risposte sono corrette o preferibili. Questo tipo di Reinforcement Learning viene utilizzato, in questa fase, per migliorare le risposte e renderle adattabili a situazioni diverse, perché, appunto, esperti diversi hanno dato il loro contributo. In pratica, insegnano le buone maniere alla macchina”.

Non tutte le IA, però, sono a questo livello….

“No, perché questa parte è costosissima: richiede persone che lavorano e che devono essere pagate. Ad esempio, gli studenti inglesi guadagnano 600/700 sterline a settimana per fare questo lavoro. Il motivo è che occorre molta gente, che non deve essere esperta in informatica, ma che deve essere in grado comunque di avere nozioni in un particolare settore; ovviamente senza saper nulla di come funziona l’algoritmo, perché la sua interazione è completamente guidata. Tanto ulteriore lavoro viene anche dal promting, in pratica dall’utilizzo che ne facciamo noi, con le nostre richieste e i nostri feedback.

E le risposte errate?

“Qualche volta escono risposte fasulle o molto strane che vengono indicate col il termine “allucinazioni”. Questo termine l’hanno coniato perché, in qualche modo, volevano far passare la cosa come un’operazione di marketing che avvicini la macchina agli umani. Siamo noi umani ad avere allucinazioni. E, visto che ce le hanno gli umani, vuol dire che si sta interagendo con un umano. In realtà, la macchina non può avere allucinazioni. Sono errori a tutti gli effetti. L’IA ti restituisce sempre qualcosa, perché ha delle informazioni, ma queste possono essere anche completamente sbagliate”.

La IA viene anche usata dai ragazzi come psicologo…

“Questa è una cosa pericolosissima, perché è una delle applicazioni che dovrebbe essere impedita per legge. Tutti noi, da adolescenti, abbiamo usato il diario per esprimere le nostre emozioni e turbamenti; ma il diario non reagisce: la macchina, invece, interagisce e cerca risposte che potrebbero non essere quelle giuste, perché non è stata addestrata per essere uno psicoterapeuta. Questi algoritmi hanno spesso un atteggiamento che si chiama “sicofancy” (sicofanzia in italiano: il sicofante è, letteralmente, un “adulatore insincero”: qualcuno che dice alle persone esattamente ciò che vogliono sentirsi dire per ottenere un vantaggio); cioè la macchina si comporta in modo ruffiano cercando sempre di compiacerti, e quindi di darti ragione. Ad esempio: se uno sta male e sta usando la macchina come psicologo, questa, ovviamente, non ti dice che ti vuoi suicidare; però interagendo, alla fine, indovina quale è la cosa migliore per te e, purtroppo, potrebbe essere quella più estrema. Come può darsi che ti aiuti con risposte attinenti”.

Interviene, a questo punto, il dott. Dino Pedreschi: “È uscita in questi giorni, sul Washington Post, la chat – durata vari mesi – di quel ragazzo che si è suicidato con la IA che, in pratica, lo ha aiutato. Ovviamente, la cosa non si ripeterà perché viene tamponata; però, interazioni nuove sono frequenti. E la prima volta è quella pericolosa”.

Dott. Pedreschi, a livello universitario che cosa si sta facendo?

“Le Università stanno cercando di dotarsi dei codici di condotta, sia per i docenti che per gli studenti, per stabilire che cosa è lecito fare e che cosa no con questi strumenti. In questo momento, a livello scientifico, ci sono degli usi preoccupanti, ad esempio sulla valutazione degli articoli scientifici”.

Aggiunge la dott.ssa Fosca Giannotti: “In questi anni, comunque, sono aumentati i corsi in intelligenza artificiale e c’è anche una sorta di chiamata ad attivarsi perché ci sia una “IA Literacy”, una specie di strumentazione che potrebbe essere più trasversale di quella che non è ora; trasversale alle discipline scientifiche o umanistiche, per usare gli strumenti l’intelligenza artificiale con consapevolezza. Ad esempio un biologo può usarla per la generazione di farmaci nuovi o per fare il “repurposing” di farmaci. Il fatto di saper generare molecole, legami che magari non esistevano, fa saltare alcune fasi dello sforzo che uno può fare durante la sperimentazione, perché alcune molecole si possono generare in modo sintetico e arrivare alla sperimentazione in vitro solo di quelle che potrebbero essere efficaci. Il processo può essere lungo e la IA ti semplifica il lavoro: quindi è una strumentazione in più, utilissima, che però necessita di essere capita, e usata consapevolmente”.

Ok, ma non c’è il rischio che generi ignoranza?

Risponde la dott.ssa Giannotti: “Si, c’è. Questo è un altro tema: il rischio che, appunto, uno demandi troppo, oppure, in qualche modo, non ci si sia senso critico; o altrimenti che si disimpari a fare certe cose. Sono tre livelli diversi del problema. Molto dipende quanto noi riusciamo a essere collaborativi, invece che a demandare; in parte, ciò che fa Dino è di costringere tutti gli interessati ad avere delle idee e ad assumersene la responsabilità. Comunque, è chiaro che anche col navigatore delle auto abbiamo disimparato a fare qualcosa, cioè a leggere le mappe (che forse non ci sono neanche più – dico io). La tecnologia cambia la società”.

“I problemi principali sono dovuti all’uso malevolo e ingenuo della IA – conclude il prof. Pedreschi -. Bisogna attrezzarci, e in fretta”.