Etica dell'IA e Tecnologie Associate

Conoscenze di Base

• Esplicabilità (Etica): Capacità di spiegare le decisioni degli algoritmi di IA, sottolineando trasparenza e responsabilità. Esempio: Un sistema di credito spiega i fattori della sua decisione.
• Etica dell'IA: Campo che studia le implicazioni morali e sociali dell'IA, considerando privacy, pregiudizi algoritmici, responsabilità delle decisioni automatizzate e l'impatto sull'economia e società. Esempio: sistemi di valutazione delle prove scolastiche, sollevando quesiti etici di equità e trasparenza.
• Giustizia (Etica): Principio che cerca una distribuzione equa dei benefici e dei danni dell'IA, evitando discriminazioni e dando accesso a tutti. Esempio: sistemi di selezione del personale senza pregiudizi.
• GPT (Generative Pre-trained Transformer): Modello linguistico basato su Transformer, che usa l'apprendimento profondo per generare testo simile a quello umano. Addestrato su grandi dataset e raffinato su compiti specifici. Esempio: GPT-4 che genera articoli, poesie, codice, e conversa.
• Image Recognition (Riconoscimento delle immagini): Tecnologia che identifica oggetti, persone, luoghi o azioni in immagini digitali. Utilizzo diffuso di reti neurali convoluzionali (CNN). Esempio: analisi di immagini radiologiche per individuare malattie come il cancro.
• Intelligenza Artificiale Generale (AGI): IA con comprensione, apprendimento ed esecuzione di compiti intellettuali paragonabili all'uomo. In grado di applicare conoscenza in situazioni diverse dimostrando adattabilità. Esempio: sistemi che conducono ricerche mediche autonome, formulano ipotesi, e sviluppano farmaci in modo adattabile.

Intelligenza Artificiale (Altre definizioni)

• Intelligenza Artificiale Generativa: Crea nuovi contenuti (immagini, testo, suono) che possono essere confusi con opere umane. Impara da grandi quantità di dati, imitando lo stile. Esempio: Composizione musicale originale ispirata a compositori classici.
• Intelligenza Artificiale Ristretta: Concentrata su mansioni specifiche (senza consapevolezza o intelligenza generale umana). Esempio: riconoscimento facciale per sbloccare uno smartphone.
• Large Language Models: Sistemi di IA addestrati su enormi quantità di testo, capaci di comprendere e generare linguaggio naturale coerentemente. Esempio: assistenti digitali che eseguono compiti complessi.
• Machine Learning (ML): Apprendimento dei computer basato sulle esperienze precedenti (dati). I modelli riconoscono pattern e fanno previsioni senza programmazione esplicita. Esempio: filtri antispam che identificano email indesiderate.
• Modellazione predittiva: Analisi di dati storici per prevedere futuri eventi o comportamenti. Esempio: aziende di assicurazioni che valutano i rischi di sinistri basandosi su dati pregressi.
• Natural Language Processing (NLP): Capacità dei computer di comprendere e manipolare il linguaggio umano. Esempio; applicazioni che analizzano risposte a domande aperte in un test.