Quando l'intelligenza artificiale sbaglia: pregiudizi e discriminazioni negli algoritmi
Quando pensiamo agli algoritmi e all’intelligenza artificiale diamo per scontato che i risultati prodotti siano più affidabili rispetto quelli umani; tendiamo però a dimenticare che l’algoritmo altro non è che un prodotto dell’intelligenza umana. Ne l'avvocato giuslavorista di Artser, Ilenia Garavaglia
Ilenia Garavaglia*
“Fuck the algorithm” gridavano gli studenti inglesi il 16 agosto 2020 nella Piazza del Parlamento di Londra quanto manifestavano contro la decisione del Governo di ricorrere a un algoritmo per decidere il voto degli esami di maturità che, a causa della pandemia, non si erano svolti regolarmente.
L’algoritmo, che avrebbe dovuto stabilire il voto finale sulla base delle performance precedenti di ogni singolo studente e sul rendimento accademico ottenuto nel lungo termine dalla scuola di provenienza, di fatto attribuiva un peso eccessivo alle caratteristiche delle scuole degli esaminandi: pubbliche o private, ricche o povere, di centro o di periferia.
Il pregiudizio che viziava i calcoli, insomma, è stato quello secondo cui il rendimento degli istituti privati, elitari e costosissimi, era tendenzialmente più alto rispetto a quello degli statali.
Le proteste sono state tali da costringere il competente Ministero ad annullare le valutazioni e dunque a rifare i giudizi, stavolta affidandoli ai docenti.
Quando pensiamo agli algoritmi e all’intelligenza artificiale diamo per scontato che i risultati prodotti dagli stessi siano più affidabili rispetto quelli umani; tendiamo tuttavia a dimenticare che l’algoritmo altro non è che un prodotto dell’intelligenza umana e quando l’ideazione ed il funzionamento dell’algoritmo sono viziati questo si riverbera inevitabilmente sulla struttura e sul risultato dell’algoritmo stesso che guida l’intelligenza artificiale.
Lo sa bene Joy Buolamwini, dottoranda di ricerca del dipartimento di robotica del prestigioso MIT, Istituto di tecnologia del Massachussetts, a cui fu assegnata la ricerca sull’innovativo “Aspire Mirror”, uno specchio che si riprometteva di riflettere, oltre alla propria immagine, anche speranze e aspirazioni della persona che inquadrava.
La Ricercatrice, di origini ghanesi e con tratti somatici tipici africani, iniziando a studiare l’algoritmo alla base del software di riconoscimento facciale, scopri che il riconoscimento facciale era preciso ed affidabile quando lo specchio inquadrava uomini con la pelle bianca, fallendo invece il riconoscimento per le donne bianche, oltre che per le donne e gli uomini di colore.
Non ha avuto diversa sorte nemmeno l’algoritmo basato sul machine learning di Amazon, che dopo essere stato utilizzato dal 2014 al 2017 per condurre operazioni di ricerca e selezione del personale, è stato abbandonato dallo stesso colosso dell’E-Commerce in quanto consigliava l’ingresso in azienda di solo personale maschile.
I PREGIUDIZI DEGLI ALGORITMI
Fin d’ora, dunque, i sistemi di intelligenza artificiale si sono rivelati tutt’altro che neutrali ed imparziali, presentando al contrario dei pregiudizi, i cosiddetti “bias”, che si traducono in comportamenti discriminatori dell’algoritmo, per razza, genere, sesso biologico, età e cultura.
Ma va ben evidenziato che il pregiudizio che inficia l’Intelligenza Artificiale non è tanto quello dell’ideatore dell’algoritmo, quanto piuttosto l’utilizzo di un set di dati distorti per l’allenamento dei modelli, un pregiudizio dunque che si diffonde per via tecnica, a causa dei limiti nel design di un dato sistema.
L’algoritmo in uso ad Amazon dal 2014 al 2017 penalizzava ad esempio i curriculum vitae contenenti la parola donne o riportanti nomi di college statunitensi esclusivamente femminili perché l’algoritmo valutava e classificava le qualifiche dei candidati in base ai dati estratti dalle informazioni sui candidati assunte nelle ricerche precedenti, in netta prevalenza uomini.
Le macchine ad apprendimento automatico imparano infatti estraendo informazioni di grandi quantità di dati e se questi dati non sono rappresentativi della realtà ma solo di una parte di essa, il comportamento della macchina può risultare iniquo, come se la macchina, avendo conosciuto solo questa parte di realtà avesse sviluppato una conoscenza ristretta e limitata.
Tale problematica è ancora più amplificata quando i dati vengano automaticamente estratti ed appresi dai motori di ricerca; la rete è popolata infatti di informazioni che rappresentano comunque una minoranza, geografica, demografica, di genere e razziale.
La questione rappresenta oggi un problema reale con molteplici implicazioni nella vita quotidiana, dalla sanità alla giustizia, passando per l’istruzione sino al mondo del lavoro.
Uno dei casi più esemplificativi è il sistema di intelligenza artificiale Optium - sistema utilizzato negli ospedali statunitensi per prevedere quali pazienti avrebbero potuto avere necessità di cure mediche ulteriori - che si è accertato aver discriminato i pazienti neri rispetto i bianchi. Sebbene il colore della pelle non rientrasse infatti tra le variabili considerate dall’algoritmo, un dato correlato era la cronologia dei costi sanitari: per vari e diversi motivi, i pazienti di colore risultavano aver sostenuto in media spese sanitarie inferiori rispetto ai bianchi con le stesse condizioni, ragione per cui a questi ultimi era riservata un’attenzione maggiore allo scopo di prevenzione per evitare recidive nella malattia.
Un altro esempio di come l’uso dell’intelligenza artificiale abbia fatto discutere a causa della propria tendenza discriminatoria è il caso di Compas, l’algoritmo utilizzato in alcuni sistemi giudiziari statunitensi per prevedere la probabilità di recidiva di un imputato. Il software presentava un forte pregiudizio che portava al doppio di falsi positivi per recidiva in caso di trasgressori neri rispetto a quanto accadeva in caso di imputati caucasici.
APPLICAZIONI AD ALTO RISCHIO
Minimizzare il rischio della disciminazione algoritmica è l’obiettivo specifico della Proposta di Artificial Intelligence Act elaborata dalla Commissione Europea e formulata ispirandosi proprio all’articolo 21 (divieto di discriminazione) della Carta dei Diritti Fondamentali dell’Unione Europea.
La Proposta pone anzitutto un inderogabile divieto all’uso degli strumenti di punteggio sociale assegnato ai cittadini dai governi, considerati di per sé lesivi del diritto alla dignità e alla non discriminazione.
Vengono altresì individuate applicazioni dell’intelligenza artificiale da ritenersi “ad altro rischio” quali i sistemi di identificazione biometrica remota delle persone fisiche in tempo reale o a posteriori, i sistemi di scelta di candidati per l’accesso a scuole ed università o comunque sistemi da utilizzarsi nel contesto dei rapporti di lavoro. Parimenti ad alto rischio è l’uso dell’intelligenza artificiale per condizionare l’accesso a prestazioni e servizi pubblici di assistenza o al credito.
L’alto rischio discriminatorio viene segnalato dalla Commissione anche in attività tipiche dei governi quali il controllo dell’ordine pubblico, le indagini ed i procedimenti penali o nella gestione dell’immigrazione, dell’asilo e del controllo delle frontiere.
La Proposta non si limita tuttavia all’individuazione di sistemi di intelligenza artificiale ad alto rischio ma avanza delle raccomandazioni per evitare che tale potenziale rischio si trasformi in effettiva discriminazione, quale la predisposizione obbligatoria di documentazione tecnica circa l’algoritmo, piuttosto che la predisposizione di una valutazione proprio degli impatti potenzialmente discriminatori.
LA RICHIESTA DI RISPETTO DEI DIRITTI
La Commissione Europea, con l’obbiettivo di assicurare che i soggetti danneggiati dai sistemi di intelligenza artificiale godano dello stesso livello di protezione giuridica accordato a chi subisce danni da forme “tradizionali” di discriminazione, ha preventivamente constatato l’inadeguatezza della disciplina giuridica classica della responsabilità civile a gestire le richieste risarcitorie per i pregiudizi causati da prodotti e servizi abilitati all’intelligenza artificiale, in particolare nel momento in cui l’ onere probatorio continua ad incombere sul danneggiato, il quale deve provare altresì il comportamento illecito, oltre alla lesione dell’interesse meritevole di tutela ed il nesso eziologico tra tale elementi.
La Proposta della Commissione approda dunque, oltre che a garantire al danneggiato il diritto di accedere a documenti e informazioni (diritto peraltro già ben noto nel Regolamento Europeo in materia di protezione dei dati), anche ad introdurre una presunzione relativa di causalità, ovvero la presunzione di esistenza del nesso causale tra violazione di una cautela obbligatoria da parte dell’Intelligenza Artificiale ed il verificarsi dell’evento dannoso, c.d. presunzione di causalità.
Unanime, dunque, la richiesta della società civile e delle Istituzioni: quella di promuovere un’Intelligenza Artificiale rispettosa dei diritti fondamentali.
* Avvocato giuslavorista di Artser
Magazine 01 - 2023 - L'intelligenza mondiale
In questo numero di Imprese e Territorio abbiamo due focus importanti: il primo è dedicato all'intelligenza artificiale che forse, tra non molto, cambierà il nostro modo di vivere, di lavorare e di convivere con ciò che ci circonda (smart life). Il secondo si concentra sulla globalizzazione e la deglobalizzazione, che potrebbe generare profondi cambiamenti nel modo di fare impresa