La startup italiana Aindo fa il punto su opportunità, rischi e specificità dei diversi tipi di intelligenza artificiale generativa , considerata l’ultima frontiera dell’AI. Specializzata in dati sintetici, Aindo è nata nel 2018 da tre giovani specialisti di AI 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.
Uno strumento sempre più usato
Alla base di queste soluzioni ci sono tecnologie di machine learning in grado di creare contenutisintetici. Cioè senza alcuna relazione con le informazioni reali se non una similitudine statistica. I dati sintetici 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 e saranno fondamentali per consentire lo sviluppo di tecnologie e soluzioni basate sull’Intelligenza artificiale.
Soluzioni ad alto impatto sociale
Daniele Panfilo, co-fondatore e Ceo di Aindo Al cuore di Aindo ci sono le tecnologie di AI 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. O della finanza, nei sistemi anti-frode per rendere più sicuri i pagamenti online. A fronte di queste opportunità, 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 dove 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.
Opportunità e rischi
Gli ultimi sviluppi dell’AI generativa hanno scosso l’opinione pubblica. I chatbot (come ChatGPT di OpenAI) producono testi con precisione ed eleganza. Invece i generatori di immagini (da ThisPersonDoesNotExist.com a DALL-E, da Stable Diffusion fino a Midjourney) costruiscono ritratti interamente artificiali, difficile da distinguere da quelli a opera degli illustratori. Tutti questi sviluppi sono stati accolti sia con entusiasmo sia con critiche. Entusiasmo, perché inaugurano una nuova era di interazione uomo-macchina.
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 artificiale situazioni in cui la persona reale non si è mai trovata.
Dati personali e analisi statistiche
I dati sanitari sono una ricchezza per la ricerca scientifica. Tuttavia esiste anche un rischio in termini di privacy nell’usare i dati personali per fare analisi statistiche. 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. Una catena che va dalla strutturazione delle informazioni reali alla creazione di dati sintetici fino al loro uso per analisi predittive che migliorano il trattamento del paziente.
I dati finanziari sintetici contro le frodi
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.
L’intelligenza artificiale generativa, vantaggi e rischi
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.
