Le Generative Adversarial Networks (GAN) e il futuro sostenibile dell’AI

Un futuro sostenibile per l’AI è possibile? Roberto Carrozzo, Head of Intelligence & Data di Minsait, ci aiuta a rispondere a questa complessa domanda focalizzandosi sulle Generative Adversarial Networks (GAN). Sull’impatto positivo che possono avere – se implementate nel modo giusto.

Generative Adversarial Networks (GAN) e il futuro dell’AI

Di recente, il New York Times ha raccontato del software di intelligenza artificiale basato su reti neurali artificiali ha rilevato un cancro al seno precoce in una donna in Ungheria, sfuggito ai medici. Questa tecnologia sfrutta appieno il potenziale delle reti neurali artificiali. Ma la stessa tecnologia può anche creare immagini false molto realistiche, come quelle del Papa con abiti insoliti circolata negli scorsi mesi.

Carrozzo spiega: “Sebbene questi due casi d’uso siano totalmente agli antipodi, sia per quanto riguarda l’ambito di applicazione che per quanto concerne la finalità, essi riassumono perfettamente le potenzialità e i rischi di questi modelli di intelligenza artificiale“.

Come funzionano le Generative Adversarial Networks (GAN)

Tra le reti neurali artificiali più avanzate e potenti, le Generative Adversarial Networks (GAN) occupano un posto di rilievo. Le GAN si basano sul principio della competizione tra due reti neurali: il generatore e il discriminatore.

Il generatore ha il compito di creare dati sintetici che imitino quelli reali, partendo da un dataset con dati veri. Il discriminatore ha il compito di riconoscere i dati reali da quelli falsi, prodotti dal generatore. In questo modo, il generatore riceve una valutazione dal discriminatore su quanto siano credibili i suoi dati. E cerca di migliorare la sua capacità di generare contenuti che sembrino veri. Questo processo di feedback reciproco porta alla creazione di contenuti sempre più realistici e convincenti.

Tantissime applicazioni

Le GAN sono state applicate con successo in diversi ambiti. Come ad esempio la generazione di immagini realistiche, la restaurazione di parti mancanti da immagini (image inpainting), l’aumento della definizione di immagini a bassa risoluzione (super resolution), la rimozione del rumore dai dati (denoising).

Utilizza ChatGPT con NordVPN – 56% di sconto sul piano annuale + 3 mesi gratis

In ambito medico, le GAN sono state utilizzate per analizzare le immagini a raggi x e studiare l’evoluzione del cervello dei pazienti in presenza o assenza di malattie. E per prevedere lo sviluppo di alcuni tipi di tumore (come il glioblastoma) e suggerire una terapia adeguata.

Rischi e benefici

Le GAN offrono incredibili opportunità per migliorare e innovare vari settori. Ma presentano anche rischi e minacce non trascurabili legati alla sempre maggior democratizzazione di questi strumenti di IA. Uno dei principali pericoli è la facilità nella generazione di notizie false o di immagini contraffatte utilizzabili da attori malevoli per perseguire fini compromettenti o diffamatori. La diffusione massiccia di contenuti falsi può contribuire a manipolare l’opinione pubblica, impattando negativamente il sistema democratico e la società nel suo complesso.

Come possiamo quindi bilanciare i benefici delle GAN con i rischi che esse comportano? Carrozzo spiega: “Da una parte è la stessa tecnologia che può venirci incontro. Sono in corso iniziative che prevedono l’uso dell’intelligenza artificiale per individuare le fake news. È paradossale come la stessa tecnologia possa aiutare a individuare gli usi impropri della tecnologia stessa”.

Il tema etico

Un aspetto che non si può trascurare quando si parla di intelligenza artificiale è quello etico. Il professor Luciano Floridi ha elaborato cinque principi fondamentali che dovrebbero guidare il carattere etico dei sistemi di intelligenza artificiale. Sono: beneficenza, non malevolenza, autonomia, giustizia ed esplicabilità.

Quest’ultimo principio, in particolare, richiede che le tecnologie come le GAN siano trasparenti sul proprio funzionamento, sul dataset utilizzato e sui metodi di addestramento. Tuttavia, spesso queste informazioni non sono condivise o accessibili, compromettendo così l’eticità di queste tecnologie. Per questo motivo, è necessario che ci sia una maggiore vigilanza e regolamentazione sugli scopi e sui rischi che si nascondono dietro questi sistemi.

Inoltre, come testimoniano le recenti iniziative a livello nazionale e sovranazionale, è indispensabile che le istituzioni si impegnino per affrontare le sfide poste dalle intelligenze artificiali, senza limitare le possibilità di innovazione e di sviluppo. Un esempio è quello dell’European Data Protection Board che ha istituito una task force con lo scopo di facilitare la cooperazione e lo scambio di informazioni tra i paesi membri in materia di normative sull’Intelligenza Artificiale. È essenziale, in questo senso, una stretta collaborazione tra esperti del settore, governi, istituzioni e altri stakeholder per stabilire standard e best practice che proteggano gli interessi dei cittadini e prevengano l’uso improprio di queste tecnologie.

Insomma, un futuro sostenibile è possibile. Ma questo non significa che sia facile: bisogna lavorare insieme per assicurare che l’AI lavorino per il benessere della società. Trovate maggiori informazioni sul sito di Minsait.

Generative Adversarial Networks Projects

• Ahirwar, Kailash (Autore)

37,99 EUR

Acquista su Amazon