L’ultima frontiera dell’intelligenza artificiale è l’AI generativa, sottolinea Aindo, la startup italiana specializzata in dati sintetici fondata nel 2018 da tre giovani specialisti di intelligenza artificiale all’interno della Scuola Internazionale Superiore di Studi Avanzati di Trieste (SISSA).
L’AI generativa è diventata popolare con l’esplosione dell’interesse degli utenti di app per creare immagini come Lensa AI e servizi di chat evolute come ChatGPT.
Alla base di queste soluzioni ci sono tecnologie di machine learning in grado di creare contenuti sintetici, cioè senza alcuna relazione con le informazioni reali se non una similitudine statistica. Il mondo dell’AI generativa è, però, più ampio e include sia contenuti o media sintetici sia dati sintetici.
I dati sintetici – spiega Aindo – sono dati artificiali, che vengono creati a partire da dati reali e hanno le loro stesse proprietà statistiche ma non contengono informazioni sensibili relative ai dati degli utenti. Vengono sempre più usati, in più settori, e saranno fondamentali per consentire lo sviluppo di tecnologie e soluzioni basate sull’intelligenza artificiale. media sintetici sia dati sintetici.
Aindo ha fatto dunque il punto su opportunità, rischi e specificità dei diversi tipi di AI generativa.
“Al cuore di Aindo ci sono le tecnologie di Intelligenza Artificiale generativa, le quali sono alla base del nostro business, ovvero la generazione di dati sintetici. Questa ci consente di sviluppare soluzioni ad alto impatto sociale, ad esempio nell’ambito della medicina per aumentare l’efficacia di prevenzione, diagnosi e cura; oppure della finanza, nei sistemi anti-frode per rendere più sicuri i pagamenti online.
A fronte di queste opportunità, derivate dalla potenza del machine learning e dalla disponibilità dei dati, emergono tuttavia dei rischi. Un tema delicato è sicuramente quello della privacy e della sicurezza, ma anche quello della fair AI, ovvero di una Intelligenza Artificiale priva di bias e libera dagli stereotipi; infine è centrale il tema dell’AI human-centric, in cui prodotti e servizi sono progettati pensando ai bisogni delle persone e non vengono unicamente guidati dalle opportunità tecnologiche.
Il futuro che ci immaginiamo in Aindo è una nuova era in cui dati e machine learning saranno parte della nostra vita quotidiana, perché ciò sta già succedendo, ma in cui rimarrà l’essere umano a guidare la relazione con le macchine. Questo sarà possibile solo se cittadini e istituzioni matureranno una profonda consapevolezza di opportunità e rischi delle Intelligenze Artificiali”, spiega Daniele Panfilo, co-fondatore e CEO di Aindo.
In linea con queste previsioni, ecco quindi i trend dell’AI generativa identificati da Aindo.
Opportunità e rischi dei media sintetici: chatbot, text-to-image e deep fake
Gli ultimi sviluppi dell’AI generativa hanno scosso l’opinione pubblica: i chatbot (come ChatGPT di OpenAI) producono testi con precisione ed eleganza, mentre i generatori di immagini (da ThisPersonDoesNotExist.com a DALL-E, da Stable Diffusion fino a Midjourney) costruiscono ritratti interamente artificiali che è difficile distinguere da quelli a opera degli illustratori. Alla fine dell’estate del 2022, un dipinto realizzato da Midjourney ha persino vinto il concorso artistico annuale della Colorado State Fair.
Tutti questi sviluppi sono stati accolti sia con entusiasmo sia con critiche. Entusiasmo, perché inaugurano una nuova era di interazione uomo-macchina in cui l‘AI supporta il processo creativo, la produttività e offre opportunità di sviluppo personale. Le tecnologie di text-to-text, inoltre, possono dare un importante contributo nei processi di marketing e nelle attività di creazione del contenuto.
Ad esempio, il nome Aindo è stato creato grazie all’AI generativa, dando agli algoritmi di machine learning alcune informazioni che questi hanno poi elaborato per restituire delle proposte che sono state valutate e selezionate dal team dell’azienda. Tutti questi sono esempi della migliore simbiosi possibile tra persone e Intelligenza Artificiale: l’AI fornisce potenza di calcolo, generando diverse alternative creative, ma sono gli essere umani che esprimono giudizi, arricchendo di significato e di valore i risultati ottenuti.
Gli aspetti critici riguardo queste tecnologie, invece, riguardano soprattutto le ripercussioni che devono ancora essere scoperte, in particolare quelle legate alla privacy: le immagini personali, per esempio, possono essere usate per allenare algoritmi, oppure per dare vita a deep fake, video o foto che creano in modo totalmente artificiale situazioni in cui la persona reale non si è mai trovata, dando potenzialmente adito a molteplici abusi dell’identità personale.
Dati sintetici nell’health: le opportunità delle analisi predittive
I dati sanitari sono una grandissima ricchezza per la ricerca scientifica, tuttavia esiste anche un rischio in termini di privacy nell’usare i dati personali per fare analisi statistiche. Ad esempio, un ospedale che vuole migliorare il percorso affrontato da un paziente oncologico potrebbe usare i suoi dati per individuare precocemente i segni della patologia, migliorare e personalizzare i trattamenti, offrire un supporto guidato al paziente.
Purtroppo, i dati degli ospedali sono spesso non strutturati, quindi di difficile utilizzo, oltre a essere vincolati da restrizioni legate alla loro sensibilità (basti pensare, in Europa, alle norme relative alla GDPR). Questa opportunità mancata trova una risorsa nelle soluzioni che creano dati sintetici, come quelle di Aindo: si tratta di piattaforme che si occupano della data curation in tutta la catena del valore; dalla strutturazione delle informazioni reali, alla creazione di dati sintetici fino al loro uso per analisi predittive che migliorano il trattamento del paziente.
Dati finanziari sintetici: la prossima frontiera dell’antifrode
Anche nel settore finanziario i dati sintetici sono un vero e proprio game-changer: un esempio fra tutti è il loro utilizzo per la rilevazione di frodi.
I dati delle transazioni finanziarie sono, infatti, di norma protetti da privacy e quindi non possono essere utilizzati; con i dati sintetici si supera questo problema in quanto viene generato un database alimentato da transazioni finanziarie fittizie, tra cui anche possibili transazioni sospette, per valutare successivamente come performa il sistema antifrode nel rilevamento dei comportamenti non conformi.
Si tratta di una tecnologia di cui possono beneficiare sia gli operatori tradizionali, come le banche, sia piattaforme fintech innovative; soprattutto, ne possono beneficiare gli utenti dei sistemi di pagamento digitale, perché il rischio di frode sarà abbattuto.
