Intelligenza artificiale
Un algoritmo è come una ricetta di cucina

Per garantire che la pietanza abbia un buon sapore, però, gli ingredienti vanno selezionati con cura. L’esperto di algoritmi Sebastian Schelter parla dell’intelligenza artificiale, delle decisioni che già prende per noi e della sua influenza sulla nostra vita quotidiana.

Di Johannes Zeller

Intelligenza artificiale (IA o AI) e computer che imparano da soli sono concetti che conservano un’aura fantascientifica, eppure fanno parte già da tempo della nostra quotidianità. Sono gli algoritmi, infatti, a determinare non soltanto ciò che ci propongono in ascolto o video i servizi di streaming, ma in alcuni Paesi anche a decidere a chi concedere un mutuo, o a calcolare le probabilità di un condannato di commettere un altro reato. Ma cos’è esattamente un algoritmo e come influisce l’IA sulla nostra vita quotidiana?

La ricetta di base: l’algoritmo

“Un algoritmo è innanzi tutto una sequenza di azioni. Possiamo raffigurarcelo come una ricetta: il primo passo è dato dagli ingredienti, che corrispondono all’input della programmazione; la ricetta, poi, spiega passo dopo passo come procedere per realizzare correttamente la pietanza – spiega Sebastian Schelter, esperto di algoritmi che si occupa di data management e apprendimento automatico all’Università di Amsterdam.
 
Da questo punto di vista, gli algoritmi non sono una novità: è così che funziona ogni programma per computer. La questione che riguarda invece l’influenza sempre crescente degli algoritmi oggi è quella dell’apprendimento automatico: “In un normale programma per computer, è una persona a specificare tutti i passi necessari a ottenere la soluzione di un determinato problema, ma esistono problemi per i quali è difficile, per noi, spiegare esattamente al computer come risolverli”, racconta l’esperto. Ecco perché è differente l’approccio usato nell’apprendimento automatico. Sebastian Schelter ha conseguito il dottorato alla Technische Universität di Berlino e ha poi lavorato come ricercatore presso la New York University e Amazon Research. In qualità di professore ricercatore presso l’Università di Amsterdam, si occupa dei problemi di interfaccia tra gestione dei dati e apprendimento automatico. | Foto: © Sebastian Schelter

Una ricetta per esperti: l’algoritmo di apprendimento

“Un esempio semplice è il filtro antispam che distingue le e-mail pubblicitarie dai messaggi personali. Per un programmatore in carne ed ossa, è un compito complesso: potrà stabilire diversi criteri e regole per permettere teoricamente il riconoscimento dei messaggi pubblicitari, ad esempio in base all’ora di invio e di alcuni termini chiave all’interno del testo, ma a un certo punto si raggiungono i limiti delle capacità umane”, spiega Schelter.
 
Nel machine learning, perciò, il computer non viene più programmato in maniera esplicita: gli vengono mostrati degli esempi, dopo di che sarà il computer stesso a trovare il modo migliore per arrivare alla soluzione. Per tornare al paragone con la cucina, possiamo dire che invece di fornirgli l’intera ricetta, il programmatore gli indicherà soltanto il risultato che il programma dovrà fornire.
 
“Nel caso del filtro antispam, gli input forniti potrebbero essere la ricezione di 1.000 e tutta una serie di esempi negativi di messaggi pubblicitari indesiderati” – prosegue Schelter. “L’algoritmo utilizzerà questi esempi per calcolare la probabilità che un messaggio in entrata sia pubblicitario. La grande differenza sta nel fatto che nella programmazione convenzionale è un essere umano a stabilire esattamente i passi da seguire, mentre gli algoritmi di apprendimento creano i propri criteri di selezione sulla base di esempi e probabilità statistiche.

Quando l’ AI impara a bluffare

Gli algoritmi di apprendimento sono in grado di risolvere determinati problemi non soltanto più velocemente, ma anche meglio di un essere umano. Quando nel 2019 ha iniziato a spopolare tra i pokeristi professionisti il programma Pluribus, l’AI ha dimostrato di saper imparare a bluffare meglio di una persona. E con l’aumento delle capacità dell’AI, cresce anche la sua influenza, ad esempio nella sanità, nella finanza e nel settore giudiziario.
 
Anche in Germania, la maggior parte delle persone si confronta quotidianamente con decisioni adottate da algoritmi intelligenti. “Da un punto di vista scientifico, si tratta di procedure matematiche astratte che possono essere applicate in molti settori, ad esempio, per calcolare la probabilità che una determinata persona restituisca un prestito”, afferma Schelter.
 
In Paesi come gli Stati Uniti e l’Australia, gli algoritmi sono sospettati di discriminare alcuni gruppi etnici nelle loro decisioni. La radice del problema, spiega l’esperto, “in parte sta nel fatto che la discriminazione è già insita nei dati forniti come esempio all’algoritmo; se poi lo si lascia andare avanti così, ecco che riprodurrà la discriminazione”.

Un algoritmo dotato di sensibilità?

Più che una questione tecnica, porre dei limiti ad algoritmi e IA è una questione etica. O sarà forse possibile dotarli di sensibilità?
 
“Al momento è una questione aperta. La mia opinione personale è che ci sono settori in cui una decisione sbagliata da parte dell’algoritmo non comporta gravi conseguenze, ad esempio se un servizio di streaming ci trasmette la canzone sbagliata. Poi esistono altri campi in cui è possibile utilizzare l’algoritmo per ottenere una raccomandazione, ma poi la decisione finale dovrebbe competere a esseri umani. Infine esistono ambiti che dovrebbero rimanere di competenza esclusiva  E poi ci sono altri ambiti da lasciare unicamente al giudizio umano”, prosegue Schelter.
 
“Negli Stati Uniti si usano degli algoritmi per calcolare le probabilità che un carcerato ripeta il proprio errore. Tribunali e autorità giudiziarie hanno accesso a questi dati quando devono decidere in merito a uno sconto di pena”. La domanda nasce spontanea: è giusto?
 
“Il tema dell’equità è difficile da concepire in termini matematici, perché verte essenzialmente su questioni filosofiche, politiche, giuridiche. Ognuno ha un’idea diversa di ciò che è giusto oppure no, ed è matematicamente impossibile soddisfare in contemporanea tutte le definizioni di giustizia”.
 
Anche le ricerche effettuate in merito all’equità delle decisioni degli algoritmi suggeriscono che in termini di sensibilità la strada da percorrere è ancora piuttosto lunga: in molti settori è necessario concordare preventivamente quale sia la decisione “corretta” a livello etico, politico e giuridico, prima di poter affidare l’incarico a un algoritmo. E Schelter conclude così: “Ma anche a quel punto, resta la questione filosofica e politica: è questo che si vuole?”.