#bias nei dati

[pier-carlo-universe]

IA e Disuguaglianze Globali: Opportunità di Riduzione o Concentrazione del Potere?

Un’analisi sull’impatto dell’intelligenza artificiale nelle dinamiche globali: sarà uno strumento per ridurre le disuguaglianze o un mezzo per accrescere il divario?

Un’analisi sull’impatto dell’intelligenza artificiale nelle dinamiche globali: sarà uno strumento per ridurre le disuguaglianze o un mezzo per accrescere il divario? IA: Strumento per la Riduzione delle Disuguaglianze? L’intelligenza artificiale offre un potenziale straordinario per affrontare alcune delle principali disuguaglianze globali, se utilizzata con equità e visione etica. Tra i…

[tettine]

Una testata giornalistica spagnola ha ripreso il video di Giulia Salemi che racconta di quanto poco sicura si senta a camminare per strada a Milano. Se si ascolta il suo discorso con attenzione e con spirito critico si può asserire che i suoi sono vissuti dettati da bias formatisi mediante una politica che punta al terrore e che correla la percezione del rischio alto a persone fragili, povere e vulnerabili mirando a creare un capro espiatorio facilmente identificabile e ghetizzabile.

"vedo solo gente poco raccomandabile" o ancora "potenziali scippatori o stupratori". Quali sono le caratteristiche affinché le persone siano considerate tali? Forse il mio atteggiamento è un po' diverso perché lavoro con le persone che vengono definitivamente poco raccomandabili e quindi so lo stigma che li ricopre ma sono stanca nel vedere come la politica del terrore e dell'esclusione stia attecchendo.

È avvilente sentire di tutte queste persone che si sentono poco sicure a camminare per la città ma non è colpa loro e non è mia intenzione colpevolizzare qualcuno se non questo continuo puntare il dito dei media nei confronti delle persone 'poco raccomandabili' che spesso coincidono con persone non caucasiche ma se si va a fare un analisi di realtà e guardando i dati Istat, queste ipotesi vengono velocemente sfatate.

La percezione di insicurezza spesso associa immigrazione e criminalità, ma le statistiche indicano che questa correlazione è debole. Diversi studi mostrano che le aree con una maggiore concentrazione di migranti non hanno necessariamente tassi di criminalità più alti rispetto a quelle con meno immigrati eppure non è l'informazione che viene percepita

[marcoleopa]

Volano gli stracci e l’audience aumenta

Non è il titolo di una pièce teatrale, ma, la cartina al tornasole dell’attrattività dei programmi di basso e infimo contenuto, della tv commerciale.

Sgombriamo il campo da ogni equivoco, specificando che, anche i programmi di basso contenuto sono nei palinsesti della televisione del servizio pubblico, proseguendo una china di inarrestabile caduta verso il nulla.

In questo panorama di desertificazione culturale, si salva, in Rai, qualche programma degno di nota, sia esso per il pubblico giovanile, che per il pubblico più anziano (la cui componente è maggioritaria – come riportato dai dati Auditel), sebbene sempre meno giovani - con scolarizzazione elevata - disertano la tv (di servizio pubblico o commerciale) per altre forme di intrattenimento, mentre i più anziani (con titoli di studio più bassi) prediligono i programmi tv spazzatura (più del 70% dei contenuti dei palinsesti).

Ulteriore chiarimento, per tacitare chi vede nel post del classismo e interpreti secondo propri Bias: rientro nella ctg 60, seguo in replica i programmi tv (mai quelli spazzatura), quando possibile e se interessanti; di fatto non faccio/sono target per le inserzioni pubblicitarie.

Lungi dal giustificare/accettare le scelte strategiche e aziendali, che hanno preferito far slittare il programma di A.Angela a settembre, con o senza il proprio consenso poco importa, ma, preme sottolineare l’altro aspetto di questa grottesca vicenda: i programmi a contenuto più scientifico/culturale, non possono tenere il passo con gli stracci volanti dei format, delle corna, dei palestrati e delle labbra siliconate, persino dei giochi olimpici moderni (breakdance, skateboard, bmx etc.)

In breve la cultura (scientifica o umanistica, seppur accennata in formato televisivo), non rende, non attrae, non stimola riflessioni e approfondimenti, anche per mera curiosità personale.

Il nulla, di contro, ma, non il nulla di Parmenide memoria, o, il non ente di Heiddeger, o l’inconsistenza concettuale del nulla di J. Locke, piuttosto il nulla inteso come disvalore negativo assoluto, è la pietra angolare dell’auditorium televisivo italico.

Che tristezza.

[guida-ai]

Combattere i pregiudizi nell'intelligenza artificiale: strumenti e strategie per ridurre i pregiudizi nei sistemi di intelligenza artificiale

L’intelligenza artificiale (AI) è diventata una parte sempre più importante della nostra vita, dal potenziamento di assistenti virtuali come Siri e Alexa alla guida di automobili e all’analisi dei dati per le aziende. Tuttavia, una delle maggiori sfide che l’intelligenza artificiale deve affrontare è la questione dei pregiudizi. I pregiudizi nei sistemi di intelligenza artificiale possono portare a risultati discriminatori, perpetuare i pregiudizi e rafforzare le disuguaglianze esistenti nella società. In questo articolo esploreremo gli strumenti e le strategie che possono essere utilizzati per combattere i pregiudizi nei sistemi di intelligenza artificiale e ridurre i pregiudizi nei loro processi decisionali.

Comprendere i bias nell'intelligenza artificiale

Il bias nell’intelligenza artificiale si riferisce alle preferenze o ai pregiudizi sistematici e ingiusti che i sistemi di intelligenza artificiale possono mostrare in base a determinate caratteristiche come razza, sesso, età o status socioeconomico. Questo pregiudizio può essere involontario ed emergere dai dati utilizzati per addestrare i sistemi di intelligenza artificiale, dagli algoritmi utilizzati per elaborare tali dati o dalla progettazione e implementazione del sistema stesso. Ad esempio, se un sistema di intelligenza artificiale viene addestrato su dati già distorti, è probabile che riproduca e perpetui tale pregiudizio nei suoi processi decisionali. Una delle principali sfide nella lotta ai bias nell’intelligenza artificiale è che possono essere difficili da identificare e misurare. A differenza dei pregiudizi umani, che possono essere palesi e consapevoli, i pregiudizi nell’intelligenza artificiale possono essere sottili e spesso nascosti nella complessità degli algoritmi e dei dati utilizzati. Di conseguenza, è essenziale sviluppare strumenti e strategie che possano aiutare a scoprire e mitigare i bias nei sistemi di intelligenza artificiale.

Strumenti per combattere i pregiudizi nell’intelligenza artificiale

Sono stati sviluppati diversi strumenti per aiutare a identificare e mitigare i bias nei sistemi di intelligenza artificiale. Questi strumenti generalmente rientrano in due categorie: quelli che valutano i dati utilizzati per addestrare i sistemi di intelligenza artificiale e quelli che valutano i risultati o le decisioni prese dai sistemi di intelligenza artificiale. Strumenti di valutazione dei dati Gli strumenti di valutazione dei dati sono progettati per aiutare a identificare e mitigare i bias nei dati utilizzati per addestrare i sistemi di intelligenza artificiale. Questi strumenti analizzano i dati di addestramento per individuare modelli di bias e forniscono informazioni su come i bias possono influire sulle prestazioni del sistema di intelligenza artificiale. Ad esempio, il Indicatori di equità Lo strumento sviluppato da Google consente agli utenti di valutare l'equità dei propri modelli tra diversi gruppi di persone fornendo molteplici metriche e visualizzazioni di equità. Un altro esempio è il Strumento di rilevamento e mitigazione dei bias sviluppato da IBM, che aiuta a identificare e mitigare i bias nei modelli di machine learning. Questo strumento può essere utilizzato per misurare e visualizzare l'impatto di diverse variabili sulle previsioni del modello, aiutando a identificare potenziali fonti di distorsione. Strumenti di valutazione dei risultati Gli strumenti di valutazione dei risultati sono progettati per aiutare a valutare le decisioni prese dai sistemi di intelligenza artificiale per identificare e mitigare eventuali distorsioni. Questi strumenti analizzano i risultati dei sistemi di intelligenza artificiale e forniscono informazioni su come i pregiudizi potrebbero aver influenzato tali decisioni. Ad esempio, il equità Lo strumento sviluppato dall'Università di Chicago aiuta a valutare i bias nei modelli di machine learning utilizzando una varietà di metriche e visualizzazioni di equità. Allo stesso modo, il Strumento What-If sviluppato da Google consente agli utenti di visualizzare le prestazioni e il comportamento dei modelli di machine learning modificando gli input e osservando gli output, aiutando a identificare e comprendere potenziali fonti di bias.

Strategie per combattere i bias nell’intelligenza artificiale

Oltre a utilizzare strumenti per identificare e mitigare i pregiudizi nei sistemi di intelligenza artificiale, esistono diverse strategie che possono essere impiegate per ridurre i pregiudizi nei processi decisionali dell’intelligenza artificiale. Queste strategie si concentrano sulla progettazione e implementazione dei sistemi di intelligenza artificiale, nonché sul quadro etico e normativo che ne circonda l’utilizzo. 1. Dati diversi e rappresentativi Una delle strategie più efficaci per combattere i pregiudizi nell’intelligenza artificiale è utilizzare dati diversificati e rappresentativi per addestrare i sistemi di intelligenza artificiale. Garantendo che i dati di formazione coprano un’ampia gamma di esperienze e prospettive, è possibile ridurre la probabilità che emergano distorsioni nel sistema di intelligenza artificiale. Ciò può essere ottenuto ricercando attivamente diverse fonti di dati e utilizzando tecniche come l’aumento dei dati per creare set di dati più rappresentativi. 2. Trasparenza e responsabilità La trasparenza e la responsabilità sono essenziali per combattere i pregiudizi nell’intelligenza artificiale. Rendendo i processi decisionali dei sistemi di intelligenza artificiale più trasparenti e responsabilizzando gli sviluppatori e gli utenti dei risultati di tali decisioni, è possibile ridurre la probabilità che emergano pregiudizi. Ciò può essere raggiunto attraverso l’uso di tecniche di intelligenza artificiale spiegabili e lo sviluppo di chiare linee guida etiche per l’uso dei sistemi di intelligenza artificiale. 3. Supervisione regolamentare La supervisione normativa è un’altra importante strategia per combattere i bias nell’intelligenza artificiale. Implementando regolamenti e linee guida per l’uso dei sistemi di IA, è possibile garantire che questi sistemi siano utilizzati in modo giusto ed equo. Ciò può essere raggiunto attraverso lo sviluppo di leggi e regolamenti che affrontino esplicitamente la questione dei pregiudizi nell’intelligenza artificiale e ritengano gli sviluppatori e gli utenti responsabili di eventuali risultati discriminatori.

Conclusione

Poiché l’intelligenza artificiale continua a svolgere un ruolo sempre più importante nelle nostre vite, è essenziale affrontare la questione dei pregiudizi nei sistemi di intelligenza artificiale. Utilizzando strumenti per identificare e mitigare i pregiudizi e implementando strategie per ridurre i pregiudizi nei processi decisionali dell’IA, è possibile creare sistemi di IA giusti ed equi per tutti. Con gli sforzi continui per combattere i pregiudizi nell’intelligenza artificiale, possiamo lavorare verso un futuro in cui l’intelligenza artificiale sia una forza positiva nella società. Read the full article

[selezionatoredinotizie]

L'IA: Il futuro è vicino

"L'Intelligenza Artificiale: Il Futuro che Sta Cambiando il Mondo"

Se c'è una parola di cui si sente sempre più parlare nell'era moderna, è "Intelligenza Artificiale" (IA). Potrebbe sembrare un concetto complesso e distante dalla nostra realtà quotidiana, ma in realtà, l'IA è molto più vicina di quanto si possa pensare e sta rivoluzionando il mondo in cui viviamo.

Cos'è l'Intelligenza Artificiale?

L'Intelligenza Artificiale è la capacità che le macchine hanno di imparare dai dati, di adattarsi a nuove situazioni e di eseguire compiti che normalmente richiederebbero l'intelligenza umana. Pensate ai vostri assistenti vocali preferiti, agli algoritmi che suggeriscono cosa guardare su piattaforme di streaming o alle auto che si guidano da sole: sono tutti esempi di come l'IA viene impiegata nella vita di tutti i giorni.

Come Funziona?

Immaginate l'IA come un cervello artificiale: è composta da algoritmi, programmi e dati che vengono utilizzati per insegnare alle macchine a fare cose intelligenti. Ad esempio, se volete insegnare a un computer a riconoscere un gatto, gli mostrerete migliaia di immagini di gatti e il computer imparerà quali sono le caratteristiche comuni a tutti i gatti. In seguito, quando gli mostrate una nuova immagine, sarà in grado di dire se si tratta di un gatto o meno.

Impatti dell'Intelligenza Artificiale

L'IA ha il potenziale di cambiare radicalmente il mondo in cui viviamo. Dall'assistenza sanitaria alla guida autonoma, dall'educazione alla produzione industriale, le applicazioni dell'IA sono innumerevoli. Tuttavia, ci sono anche discussioni riguardo alle sfide etiche e sociali che potrebbero sorgere con l'avanzamento di questa tecnologia, come la privacy dei dati, l'automazione del lavoro e l'equità nell'accesso alle risorse.

L'IA è un campo della scienza informatica che mira a creare macchine e sistemi che possano imitare l'intelligenza umana. Questo può avvenire attraverso l'apprendimento automatico (Machine Learning), in cui le macchine possono migliorare la propria performance analizzando dati e identificando pattern senza essere esplicitamente programmate per farlo.

Tipi di Intelligenza Artificiale:

IA debole o ristretta: Questo tipo di IA è specializzata in una singola attività. Ad esempio, i suggerimenti di film su Netflix o i sistemi di assistenza vocale come Siri o Alexa.

IA forte o generale: Questo è il tipo di IA che può affrontare una vasta gamma di attività come un essere umano. Al momento, l'IA forte non esiste nella pratica ed è ancora oggetto di ricerca.

Applicazioni dell'Intelligenza Artificiale:

Assistenza Sanitaria: Dall'analisi di immagini mediche alla previsione di epidemie, l'IA è utilizzata per migliorare la diagnosi e il trattamento delle malattie.

Automazione e Industria: L'IA è impiegata nelle catene di produzione per ottimizzare processi, ridurre gli errori e migliorare l'efficienza.

Guida Autonoma: Veicoli autonomi sfruttano l'IA per guidare senza intervento umano, basandosi su sensori e algoritmi per interpretare l'ambiente stradale.

Impatti e sfide:

Lavoro e Automazione: Mentre l'IA automatizza compiti ripetitivi, c'è preoccupazione per la perdita di posti di lavoro.

Privacy e Sicurezza: L'IA utilizza dati sensibili, quindi la protezione della privacy è una preoccupazione fondamentale.

Bias e Fairness: Gli algoritmi possono riflettere i pregiudizi presenti nei dati, portando a discriminazioni. È cruciale garantire l'equità nell'utilizzo dell'IA.

Il Futuro dell'Intelligenza Artificiale

L'IA è in continua evoluzione. Gli scienziati e gli ingegneri stanno costantemente lavorando per migliorare le capacità di apprendimento delle macchine e renderle sempre più intelligenti. Il futuro potrebbe portare innovazioni incredibili che oggi possiamo solo immaginare.

In conclusione, l'Intelligenza Artificiale è molto più di una parola di tendenza; è una tecnologia che sta cambiando il nostro mondo in modi entusiasmanti e, allo stesso tempo, sfidanti. È importante comprendere e imparare su questa tecnologia, poiché sarà sempre più presente nella nostra vita quotidiana.

Siate curiosi, esplorate e scoprite il mondo dell'Intelligenza Artificiale. Il futuro è nelle vostre mani.

[staipa]

Un nuovo post è stato pubblicato su https://www.staipa.it/blog/il-fantastico-regno-delle-due-sicilie/?feed_id=1069&_unique_id=653bf6d1c9e88 %TITLE% Ho creduto a una Fake News. Non solo. Ho creduto a un libro zeppo di Fake News, ne ho parlato in giro e l'ho pubblicizzato inconsapevole di quanto fosse pericoloso e inutilmente divisivo. Si tratta di Terroni di Pino Aprile, l'ho anche recensito (https://short.staipa.it/1o3iu). A mia discolpa posso dire di averne sentito parlare da una persona cara, a sua discolpa posso dire che il libro prova a rispondere a molte delle domande che chiunque viva al sud giustamente si fa. Domande sulle disparità tra il nord e il sud, disparità nella sanità, nell'industria, nei trasporti, più in generale disparità sulle possibilità che chi nasce in una zona della nazione può avere rispetto a chi nasce in un'altra zona. Tutte domande lecite le cui risposte non sono certo quelle fornite dallo sprezzante senso di superiorità di alcuni nordici, soprattutto quelli riuniti in un certo gruppo politico. Domande a cui certamente non rispondono gli stereotipi. Sempre risposte troppo semplici. Sempre risposte in cui si punta il dito contro qualcuno che è il colpevole, ci si assolve in toto e si risolve la questione. Ho pure scritto un articolo che parla di questo meccanismo: Quando siamo estremamente divisivi è probabile siamo vittime di Fake News (https://short.staipa.it/gsin5). Purtroppo nessuno è immune ai bias e alle Fake News ed è bene ammetterlo anche a sé stessi. Credo sia qualcosa di importante anche su temi più recenti e attuali come quando ci si schiera sulla questione Israelo-Palestinese, la scelta giusta non è mai fidarsi di quello che si legge solo perché la risposta ci piace o arriva da qualcuno di cui abbiamo fiducia, è necessario fare quel passo in più per capire informandosi anche dalle fonti contrapposte. Anche di questo ho parlato spesso nei miei articoli sulle Fake News (https://www.staipa.it/blog/fakenews). Ho cominciato a sentire il dubbio di aver creduto a qualcosa di forzato ascoltando alcune conferenze di Alessandro Barbero quando parlando dell'Unità d'Italia spesso nomina e liquida i cosiddetti Movimenti Neoborbonici (https://it.wikipedia.org/wiki/Neoborbonismo) come revisionismo storico spesso senza dilungarcisi ulteriormente. Di Barbero ho una grande fiducia, come immagino chiunque sia un minimo appassionato di storia, ma qui ho scelto di non cadere nell'errore opposto. Per di più io non sono uno storico e non ho modo di verificare determinate informazioni. Nel suo libro Pino Aprile snocciola una grandissima quantità di dati e informazioni, a mente fredda forse ci si rende conto che molti dei dati sono tacciabili della definizione di troppo, troppi morti, troppe cose nascoste, troppo troppo per essere fatti così rimasti nell'ombra. Finalmente poi ho trovato Il fantastico regno delle Due Sicilie: Breve catalogo delle imposture neoborboniche di Pino Ippolito Armino (https://short.staipa.it/b7nmw). Non si tratta prettamente di un libro di storia, ma proprio di un libro di analisi di quanto affermato dai Movimenti Neoborbonici, analizzando ogni affermazione e ogni dato in maniera razionale. Parte proprio analizzando Terroni di Pino Aprile, mostrando in maniera chiara e difficilmente controvertibile come molti dei dati utilizzati per la scrittura di quel libro non tornano, anche basilarmente dal punto di vista aritmetico ma non solo. Non di tratta di un libro rivoluzionario e non dà grandi rivelazioni, e contrariamente a quello di Pino Aprile è giusto che sia così. Semplicemente torna ad analizzare nuovamente i dati e le informazioni sull'Unità d'Italia e sul risorgimento, in maniera decisamente più chiara ed estesa di come ci è stato raccontato a scuola. Facendo continuamente riferimento al libro di Pino Aprile poi ha senso leggerlo se si ha letto quello o comunque si conosce bene le idee Neoborboniche. La sua importanza risiede nel tentativo di sedare alcune posizioni inutilmente

divisive che finiscono per creare uno scontro interno a una nazione già piena di scontri interni, nulla di diverso dalla narrazione leghista con la Padania o il mito di Alberto da Giussano. Non sarà mai dando colpe passate o alimentando la rabbia che si risolveranno i problemi. Al massimo si potrà crearne di nuovi.

[scienza-magia]

I chatbot AI senza orientamenti politici, sociali o religiosi

Bard e ChatGpt sono di destra o di sinistra? L’illusione della neutralità politica nell’Ai generativa. La letteratura scientifica (e non) sui bias politici dei chatbot è quantomai divisa e divisiva. Si possono ridurre i pregiudizi ma eliminarli del tutto sarà difficile Se lo chiedete al programmatore neozelandese David Rozado vi giurerà che è di sinistra. Fabio Motoki della Norwich Business School dell'Università di East Anglia nel Regno Unito invece vi dirà che è liberale. Entrambi hanno sottoposto ChatGpt a test più o meno rigorosi per misurare i pregiudizi politici del più popolare Chatbot della rete. E sono giunti a conclusioni diverse. Adesso si è aggiunta anche Bard, che invece sarebbe di destra. L'aspetto più affascinante di questo dibattito che è che la risposta più sensata sarebbe una parola, “dipende”: dipende cioè dai dati e da chi li ha inseriti. Invece il dibattito ricorda da vicino quello di alcuni decenni fa sull'inclinazione politica di Tex Willer e Zagor. La letteratura scientifica (e non) sui bias politici dei chatbot è quantomai divisa e divisiva. Proviamo a leggere meglio. Con una premessa che è anche uno spoiler: nonostante gli sforzi di pulizia del dato, i chatbot sono influenzati da presupposti, credenze e stereotipi presenti nei vasti dati raccolti da internet su cui vengono addestrati. Cosa dicono gli studi finora Partiamo da Rozado, il programmatore neozelandese padre di RightWingGPT, un modello di intelligenza artificiale ottimizzato per manifestare i pregiudizi politici opposti a quelli di ChatGPT. Ha dichiarato di avere creato RightWinngGpt dopo avere sottoposto il chatbot di OpenAi a 15 domande e avere scoperto che 14 volte su 15 rispondeva da buon democratico progressista. L’obiettivo – sincero – del ricercatore è dimostrare il pericolo di questi sistemi di intelligenza artificiale sia sotto il profilo della capacità di persuasione che come produttori di fake news. Alla Norwich Business School, invece, confrontando le risposte con quelle che si aspetterebbero dai sostenitori dei partiti liberali in Stati Uniti, Regno Unito e Brasile, i risultati hanno evidenziato un “significativo e sistematico bias politico” a favore dei Democratici negli Usa, di Lula in Brasile e del Partito Laburista nel Regno Unito. L’analisi su 14 grandi modelli di linguaggio

Più completa appare la ricerca condotta dall’Università of Washington, Carnegie Mellon e Xi'an Jiaotong University . La ricerca ha testato 14 grandi modelli di linguaggio. ChatGPT e GPT-4 di OpenAI ne escono sinceri riformisti, appartenenti a quella che noi conosciamo come sinistra liberale e progressista. La destra del Pd. LLaMA di Meta invece sembrerebbe più destra autoritaria. Per arrivare a queste “sintesi” politiche i modelli sono stati stimolati su diversi temi che vanno dal femminismo al concetto di democrazia e le loro risposte sono state utilizzate e misurate su una bussola politica. La metodologia adottata è stata quella di chiedere ai 14 modelli la loro opinione su 62 affermazioni. La richiesta era semplicemente di esprimersi in accordo o disaccordo, sì o no. Come si vede nel diagramma i modelli di sinistra hanno dimostrato una maggiore sensibilità su temi come i diritti della comunità LGBTQ+, nera e delle minoranze religiose, mentre quelli di destra verso gli uomini bianchi di fede cristiana. C'è poi Darrell M. West, senior fellow del Center for Technology Innovation (CTI) dell'Istituto di ricerca Brookings a Washington. L’autore ha interrogato entrambi i modelli su argomenti come l’invasione della Russia in Ucraina, il divieto di TikTok, Donald Trump e Joe Biden. Le risposte mostrano differenze significative nel modo in cui ciascun strumento presenta materiali e giudizi. Ad esempio, Bard ha condannato l’invasione russa dell’Ucraina, mentre ChatGPT ha affermato di non esprimere opinioni o prendere posizione. Altro esempio: sulla decisione di vietare TikTok,mentre ChatGPT ha fornito un contesto storico sull’argomento, menzionando il tentativo di Trump di bandire l’app nel 2020, Bard ha parlato dell’eventuale impatto sull’economia statunitense. Perché è rilevante studiare i pregiudizi dell'Ai? Cominciamo con il dire che sono integrati in prodotti e servizi utilizzati da milioni di persone. Pertanto, comprendere i loro pregiudizi intrinseci è fondamentale, poiché possono causare danni reali. Ad esempio, un chatbot potrebbe rifiutarsi di fornire consigli sull’aborto o sulla contraccezione. Un servizio clienti non moderato o supervisionato potrebbe fornire risposte offensive. Si possono generare sistemi senza pregiudizi? Secondo Chan Park, ricercatrice PhD alla Carnegie Mellon University, nessun modello di linguaggio può essere completamente esente da pregiudizi politici. Il dibattito è apertissimo. La polarizzazione nella società si riflette anche nei modelli di chatbot, e c’è il rischio che, con l’aumento dell’uso dei bot, che la polarizzazione possa intensificarsi. OpenAI ha dichiarato di istruire esplicitamente i suoi “etichettatori” umani a non favorire alcun gruppo politico specifico, definendo eventuali bias nelle risposte di ChatGPT come “errori, non caratteristiche”. La pulizia del dato e il lavoro di supervisione potrebbe non essere sufficiente. Anzi, paradossalmente, come abbiamo visto qui, potrebbe generare pregiudizi ed errori ancora più gravi. L’avvicinarsi delle elezioni presidenziali del 2024 negli Stati Uniti sarà il vero banco di prova. Anche perché i chatbot stanno diventando sempre più presenti nella vita quotidiana di molte persone. Read the full article

[luposolitario00]

La superficialità umana

Secondo gli scienziati esistono innumerevoli modi in cui le persone giudicano gli altri sulla base del loro aspetto o del volto.

Alexander Todorov, professore di psicologia dell'Università di Princeton, ha analizzato le reazioni di un gruppo di studenti ad alcuni volti generati al computer.

Secondo Todorov, le prime impressioni sull’aspetto esteriore di una persona sono estremamente imprecise. Chi ha pregiudizi spesso si lascia influenzare dall’effetto alone, un bias cognitivo che porta a giudicare positivamente un insieme sulla base di un unico tratto.

L’inaccuratezza nel giudizio può essere vincolata anche al ragionamento per stereotipi, che porta ad associare i comportamenti agli aspetti esteriori.

Si è portati a credere che le persone più attraenti abbiano anche altre qualità positive, come intelligenza e affidabilità.

I lineamenti infantili, più diffusi tra le donne, sono spesso associati a debolezza, innocenza, arrendevolezza, gentilezza, onestà e calore.

Anche le espressioni neutre a volte possono ingannare. Un volto che esprime rabbia è percepito come meno gradevole e può essere associato a una persona più potente, ostile e minacciosa. Discorso opposto per i volti allegri.

Nell’immagine sottostante, i volti più a destra esprimono maggior competenza rispetto a quelli a sinistra.

Una pelle più scura e tratti mascolini sono associati a volti appartenenti a persone in grado di esercitare un forte ascendente sugli altri, come è possibile notare nella seguente immagine diffusa da Alexander Todorov.

Per giudicare l’estroversione di una persona spesso ci si basa sulla larghezza del viso e l’espressione della bocca. Nella foto qui sotto, i volti che sembrano sorridere di più sono stati associati a persone aperte e sicure dei propri mezzi.

Nella foto in basso, i volti posti al margine destro, dai tratti più mascolini e dall’aspetto corrucciato, sono stati associati a persone in grado di incutere timore negli altri.

Secondo lo studio di Alexander Todorov, le persone tendono ad associare alcune caratteristiche fisiche alla criminalità. Nella foto qui sotto i volti più a destra sono stati ricollegati a individui tendenzialmente pericolosi.

Qui sotto, la percezione di affidabilità aumenta nei volti che vanno da sinistra a destra. In base ai dati raccolti da Todorov, le persone maggiormente degne di fiducia hanno caratteristiche femminili e un’espressione apparentemente serena.

Più la faccia di una persona somiglia alla nostra, più reagiamo in maniera positiva nei suoi confronti.

I collegamenti tra forma e aspetto di un viso e i comportamenti spesso sono esclusivamente il risultato di pregiudizi sociali e della diffusione di stereotipi.

LupoSolitario00 🐺

Ps: non mi stupisco se poi al gente mi giudica. Ho il terrore che la mia faccia dia brutte impressioni

[andrea-biraghi]

Gli strumenti di sicurezza dell’Intelligenza Artificiale possono aiutare a mitigare i bias negli algoritmi.

Gli strumenti di sicurezza dell’Intelligenza Artificiale possono aiutare a mitigare i bias negli algoritmi.

Bias: forma di distorsione cognitiva causata dal pregiudizio e può influenzare ideologie, opinioni e comportamenti. In informatica, il bias algoritmico è un errore dovuto da assunzioni errate nel processo di apprendimento automatico.

Così anche gli algortimi sbagliano, in base ad errori sistematici di giudizio o di interpretazione, portando a un errore di valutazione o a formulare giudizi poco oggettivi. Tutto ciò avviene nel processo di apprendimento automatico o in base a set di dati errati.

Però, man mano che l’IA prolifera, i ricercatori iniziano a richiedere tecnologie che possano favorire la fiducia nei sistemi basati sull’IA. Ad oggi i consumatori sono incerti se afidarsi o meno  ad una decisione presa da un sistema di intelligenza artificiale. Ad esempio per ciò che riguarda un prestito bancario, ad esempio. Hanno paura per lo più di decisioni rischiose. L’equità, inoltre, può essere una qualità che sfugge ai sistemi di intelligenza artificiale, ma questo avviene principalmente a causa di distorsioni negli algoritmi e nei set di dati.

Così i ricercatori cercano di addestrare sistemi sempre più sicuri e gli strumenti di sicurezza vengono appunto progettati per impedire che i sistemi stessi assumano comportamenti rischiosi. Si è iniziato anche a etichettare i vari comportamenti con ricompense, per fa apprendere l’IA in modo interattivo.

Gli strumenti di sicurezza così cercano anche di affrontare la mitigazione dei così  detti “pregiudizi” che si formano duramte la fase della progettazione e training.

Continua a leggere sl blog di Andrea Biraghi

[samdelpapa]

Non siamo al Medioevo.

Sebbene ci fosse un'ampia variabilità nei rapporti e il set di dati sia attualmente troppo limitato per consentire un'analisi dettagliata di trend o pattern, c'era un certo raggruppamento di osservazioni UAP riguardanti forma, dimensione e, in particolare, propulsione. Gli avvistamenti UAP tendevano anche a raggrupparsi attorno ai campi di addestramento e test statunitensi, ma riteniamo che ciò possa derivare da un bias di raccolta a causa di un'attenzione focalizzata, un maggior numero di sensori di ultima generazione che operano in quelle aree, aspettative dell'unità e indicazioni per segnalare anomalie. E una manciata di UAP sembra dimostrare una tecnologia avanzata In 18 incidenti, descritti in 21 rapporti, gli osservatori hanno riportato modelli di movimento o caratteristiche di volo insoliti dell'UAP. Alcuni UAP sembravano rimanere fermi con il vento in alto, muoversi controvento, manovrare bruscamente o muoversi a velocità considerevole, senza mezzi di propulsione riconoscibili. In un piccolo numero di casi, i sistemi aerei militari hanno elaborato l'energia a radiofrequenza (RF) associata agli avvistamenti UAP. L'UAPTF contiene una piccola quantità di dati che sembrano mostrare l'accelerazione dell'UAP o un grado di gestione delle firme. Sono necessarie ulteriori analisi rigorose da parte di più team o gruppi di esperti tecnici per determinare la natura e la validità di questi dati. Stiamo conducendo ulteriori analisi per determinare se sono state dimostrate tecnologie innovative. L'UAP PROBABILMENTE MANCA DI UN'UNICA SPIEGAZIONE L'UAP documentato in questo set di dati limitato dimostra una serie di comportamenti aerei, rafforzando la possibilità che ci siano più tipi di UAP che richiedono spiegazioni diverse. La nostra analisi dei dati supporta il costrutto che se e quando i singoli incidenti UAP verranno risolti, rientreranno in una delle cinque potenziali categorie esplicative: disordine aereo, fenomeni atmosferici naturali, programmi di sviluppo industriale o USG, sistemi avversari stranieri e un "altro" catchall " bidone . Con l'eccezione dell'unico caso in cui abbiamo determinato con grande sicurezza che l'UAP segnalato e

View this post on Instagram

A post shared by Samuele Del Pappa (@samueledelpappa)

[lascienzarisponde-blog]

Mentre qualche giorno fa parte del mondo era con la schiena incollata alle sedie in attesa dell'ammartaggio di inSight, ancora riecheggiavano nelle orecchie le parole udite nel servizio delle Iene. Personalmente si è trattato della prima "prova" filmata dell'esistenza di terrapiattisti italiani (ne avevo letto spesso su facebook e persino un amico millanta di avere un conoscente terrapiattista fervente). Prima di proseguire occorre fare due doverose precisazioni: 1) Le Iene non sono una fonte attendibile, e già altre volte (leggasi ad esempio il caso Stamina) hanno fatto reportage al limite, se non oltre il limite, del grottesco. 2) Sebbene ancora in attesa di conferme circa la effettiva autenticità del video delle iene, è purtroppo incontrovertibile l'esistenza di un movimento "terrapiattista" mondiale (principalmente americano). Quando scriviamo "terrapiattisti" ci stiamo riferendo a loro. Appare dunque evidente che, al giorno d'oggi, il mondo stia viaggiando ad una doppia velocita': se da un lato scienza e conseguente tecnologia superano barriere e pongono l'asticella della conoscenza sempre più in alto, dall'altro individui armati di vanga si ostinano a ridefinire il concetto di "fondo". Un collega, rivisitando le teorie della relatività generale, rideva dicendo che "ci troviamo di fronte ad idiozie talmente massive da piegare il pensiero razionale". Purtroppo, per quanto l'idea sia intrigante, temo che il problema vada cercato altrove: più precisamente nel "buonsenso". Il Buonsenso, o senso comune, e' il peggiore nemico del progresso scientifico.

Siamo portati a credere che le scoperte odierne siano "più anti-intuitive" che in passato, ma non e' cosi'. Accettare che la terra non fosse piatta e' stato, ai tempi di eratostene, un salto enorme, così come accettare il sole come centro del nostro sistema planetario ai tempi di Keplero. Questi due concetti quasi universalmente riconosciuti al giorno d'oggi, sono infatti in antitesi    con le osservazioni dell'uomo comune. Proprio qualche giorno fa, parlando del Confirmation Bias (https://www.facebook.com/lascienzarisponde/posts/1931188170322801), tra i commenti compariva una valutazione interessante: come si fa, infatti, ad evitare di cadere nella trappola congiunta di Confirmation Bias e Buonsenso? La risposta e' nel Metodo Scientifico! Avere un'idea pregressa non è a priori sbagliato, tutt'altro, ma bisogna usare gli accorgimenti che oramai da un anno ripetiamo incessantemente: 1) le idee devono combaciare coi dati, non viceversa 2) bisogna avere sempre un campione di controllo 3) se una idea appare "fallimentare" bisogna essere disposti ad ammettere l'errore ed andare avanti A questo, bisogna aggiungerne una ulteriore, non propria del metodo scientifico in sé, ma piuttosto inerente alla vita in società: nei limiti del possibile bisogna accettare la propria limitatezza ed accettare i risultati prodotti da una comunità di esperti in un campo.

[kon-igi]

Ciao! :)

Ti rompo i cogl  Mi rivolgo a te in quanto esponente dello scientific side del tumblo.

Me lo smontate a pezzettini, per favore?

Ché un mio contatto fb (ovviamente antivax) me li sta impanando e friggendo da una settimana, facendo l'imitazione di Nelson (AH! fottuti vaccinisti! AH! ecco, vedi? blastati!)

Please!

Grazie in anticipo a tutti i partecipanti alla shit storm.

ve amo.

Farò quanto richiestomi ma tenete a mente tutti quanti  la prima regola del Konclub:

Niente shitstorm cioè niente bullismo di gruppo. Do informazioni a una persona per controbattere a un’altra persona. One on one. Dal momento che il 99% di voi non ha la minima idea come funzioni un vaccino, un’infezione virale e la risposta del sistema immunitario sarebbe a tutti gli effetti partigianeria fideistica. E anche se lo conosceste, il fardello dello scienziato è quello di spiegare a chi è ignorante e accettare che possa non capire credere. Il dolore di un padre con un bambino autistico è intoccabile e ingiudicabile e se gli altri sono sciacalli potete anche cercare di spiegare loro la questione ma quando non riuscirete a convincerli (perché non ci riuscirete) tutta l’indignazione conseguente sarebbe solo una questione di vostro orgoglio e di assunzione di ragione. Ok, siete dalla parte del giusto ma l’overkilling non vi rende migliori. 

Per il @tibetano capisco che sia una rivincita personale verso un rompicoglioni ammorbante e quindi lo faccio volentieri ma solo per lui.

Intanto i gusti sono gusti ma io vorrei sapere chi è quel mona che sbatte la porta e chiude urlando e mette i banner animati a bassa definizione stile windows 95 che se non bestemmio guarda

ma visto che giudicare una persona dalla sua apparenza è da superficiali, passiamo al contenuto.

1) che i vaccini causino danni anche gravi lo hanno stabilito (solo in USA) 4.150 richieste di risarcimento con oltre 2.100 sentenze passate in giudicato, per oltre 3,7 MILIARDI di dollari di risarcimento. (Fonte: Health Resources and Services Administration)

Intanto cominciamo subito malissimo, Gestore Del Sito (da qui in poi JarJar Binks, dal nome dell’amatissimo personaggio della famosa saga delle guerre della stella): il link non funziona e poi ti sfuggono due o tre concetti. Prima di tutto la Scienza è soggetta alle leggi di osservazione della causa-effetto di fenomeni chimico-fisici e non alla legislazione in voga in qualche parte del mondo, dove magari un giudice dice che i fossili dei dinosauri sono stati messi sotto terra da Dio 7.000 anni fa e poi fa una legge che costringe a insegnarlo a scuola. L’America, poi, è quel posto dove ti trafiggi l’uccello con uno stuzzicadenti e un astuto avvocato ti fa risarcire per 3,7 MILIARDI DI DOLLARI perché sulla scatola non c’era scritto di non trafiggersi l’uccello. E a volte le aziende preferiscono pagare, fare un ritiro di tutte le scatole e rifarle con le nuove avvertenze che perdere tempo in tribunale. QUESTO È IL MOTIVO PER CUI IL FOGLIETTO ILLUSTRATIVO DEI VACCINI È GROSSO COME LA TOVAGLIA DI MIA NONNA NEI GIORNI DI FESTA E RECA TUTTE LE SEGNALAZIONI CHE A OGNI STITICO DEMENTE SULLA FACCIA DEL PIANETA TERRA È VENUTO IN MENTE DI SEGNALARE. Qualcuno ha detto che il proprio figlio è diventato autistico dopo il vaccino? Loro scrivono che un caso di autismo è stato segnalato. (SEGNALATO… SEGNALATO).

1.2) che i vaccini causino autismo lo dichiara lo studio della GLAXO (produttore stesso dei vaccini), contenente dati in merito alla sicurezza che poi non sono stati riversati nei foglietti illustrativi. Purtroppo, tra gli eventi avversi indovini un po’ cosa c’è? (Fonti: Info Wars, Il Fatto Quotidiano, Global Research)

JJ… i link si fanno agli studi scientifici non a siti analfabeto-complottisti che hanno fatto cherry picking su notizie non scientifiche. Quel documento citato (1271 pagine di inglese tecnico-scientifico quando tu dei giornali leggi i necrologi e unisci i puntini del quiz della domenica) io lo conoscevo già, me lo sono letto tutto e ne avevo già scritto in merito: il termine ‘autism’  compare 11 volte come segnalazione ‘spontanea’ in contesti non chiari. Questo non è un’ammissione di colpa segreta ma un semplice documento cautelativo interno in cui eventualmente ci si mette al riparo da azioni legali qualora dovesse saltare fuori che, in una qualche maniera che ignoro e faccio fatica ad immaginare, esistesse la possibilità che la vaccinazione possa far peggiorare un quadro di disturbo autistico PREESISTENTE. Semplice strategia aziendale.

1.3) che i vaccini causino autismo lo dichiara il foglietto illustrativo dello stesso vaccino del trivalente Tripedia:

«Adverse events reported during post-approval use of Tripedia vaccine include idiopathic thrombocytopenic purpura, SIDS, anaphylactic reaction, cellulitis, autism, convulsion/grand mal convulsion, encephalopathy, hypotonia, neuropathy, somnolence and apnea. Events were included in this list because of the seriousness or frequency of reporting. Because these events are reported voluntarily from a population of uncertain size, it is not always possible to reliably estimate their frequencies».

(Foglietto illustrativo del vaccino Tripedia pag. 11: Vaccine Shoppe)

No, JJ… il foglietto non dichiara che il vaccino fa venire queste malattie, il foglietto dichiara CHE SONO STATI RIPORTATI questi effetti. Segnalati… QUALCUNO LI HA SEGNALATI. Se dieci persone si mettono d’accordo per segnalare che un vaccino fa spuntare le corna, la farmacovigilanza è costretta a prendere in carico questa segnalazione e a farla comparire sul foglietto illustrativo, magari come ‘massa cheratosica esofitica in zona frontale’. 

Sono SEGNALAZIONI di presunta correlazione ma senza nesso di causalità accertato.

La causalità è quando ti sanguina il naso perché ci ho accostato il mio pugno in maniera molto veloce, calcolando male la distanza di arresto, e le mie nocche hanno fatto conoscenza endoscopica con le tue cartilagini e i tuoi turbinati.

Correlazione è quando do un pugno sul muro e ti comincia a sanguinare il naso. Può essere trovato un nesso caUsale nell’allergia emorragica scatenata dalla polvere di cemento creatasi a causa del mio pugno sul muro oppure esserci un nesso casUale tra i due eventi, cioè pugno e sangue dal naso non hanno rapporto di causa-effetto.

2) i vaccini contengono formaldeide. Mi spiace doverla contraddire, ma la formaldeide c’è. Quanta sia in quantità sembra non sia dato saperlo. Lei dice che non c’è, così come lo dice l’articolo dell’ISS che nega in modo ASSOLUTO la presenza di formaldeide.Ne prendo uno a caso, che Lei probabilmente neanche conosce. L’esavalente Infanrix hexa.Il bugiardino ufficiale dice che non si deve somministrare agli allergici alla formaldeide, e che il medicinale “può” contenere formaldeide.(Fonte: European Medicines Agency)

TRACCE. Si dice ‘presente in cazzo di tracce’. La formaldeide può non esserci o essere presente in tracce, cioè in quantità infinitesimali (qualche molecola). Io lo so, JJ,  che quando senti la parola formaldeide pensi subito QUELLA PER IMBALSAMARE I MORTI! ma di fatto è una sostanza che TU PRODUCI OGNI GIORNO come prodotto di scarto del metabolismo epatico tutte le volte che bevi un goccio di birra, mangi un boero, ingurgiti una Fiesta o ti fai un sandwich col pane confezionato (lo sapevi, vero, che usano l’alcol come conservante?). E queste eventuali quantità microscopiche di formaldeide vengono degradate dall’alcol deidrogenasi in acetaldeide e successivamente in acido acetico. ACETO, CRISTIDDIO! Infinitesimali quantità di aceto.

3) riveda la frase su test e esami sulla predizione degli eventi avversi, perché suona veramente come una supercazzola. Davvero, Lei l’ha capita?

Non esistono esami predittivi sugli effetti avversi né alcun test genetico somministrabile. E se non esiste non si può chiedere che sia somministrato prima del vaccino. E se qualcuno dice che esiste lo fa per un secondo fine, tipo i soldi. La tanto spesso citata Legge 25 Febbraio 1992, n. 210 tratta l’indennizzo a favore di soggetti danneggiati da complicanze di tipo irreversibile a causa di trasfusioni e vaccinazioni obbligatorie e si parla di vaccini perché alcuni erano EMODERIVATI e nel 1992 erano tanti i problemi di infezione da Epatite B e HIV. Non si fa accenno ad esami da eseguire per sapere ‘se l’organismo del bambino sopporterà i vaccini’ PERCHÉ TALI ESAMI NON ESISTONO (nell’Art. 7 si fa cenno a programmi di informazione per la popolazione, NON AD ESAMI). 

4) Lei, giornalista, afferma che il calo delle coperture vaccinali ha fatto tornare il morbillo. Il caso Mongolia (uno dei tanti) parla chiaro sulla non validità dell’immunità di gregge e del raggiungimento del 95% dei vaccinati: paese dichiarato infatti «morbillo free» dalla OMS nel 2014 e registra 50.000 casi di morbillo nel 2015-6 nonostante il 99,9% di copertura vaccinale. (Fonte: Organizzazione Mondiale della Sanità) La stampa internazionale riporta spesso 50.000 casi in due anni (2015-2016) ma fidiamoci di quello che dice OMS con accertati 23.888 solo nel 2016.

Intanto ‘Uno dei tanti’, diciamolo, è poco scientifico e allora mi chiedo se chi linka queste fonti legga quanto c’è scritto (hint: non sono quiz della domenica) oppure lo prende per oro colato come bias di conferma. Il ‘caso mongolia’ non esiste e lo studio parla chiaro: ‘Although it’s reported that the vaccination coverage rate in Mongolia is very high, i.e. 96% this outbreak demonstrated that there was a considerable immunization gap among certain groups of populations’ significa che se le vaccinazioni NON VENGONO FATTE BENE (molti bambini hanno avuto una sola dose o sono rimasti scoperti troppo a lungo tra la prima e la seconda o l’hanno fatto in ritardo) il rischio di un’epidemia è molto alto anche se sulla carta il 96% della popolazione infantile ha avuto una dose.

4.2) a tal proposito, Lei lo sa che la polio è data per eradicata dalla OMS?

Lei lo sa che quest’anno ci sono stati più casi di polio dovuta al virus da vaccino (28 casi con 17 paralisi infantili), che casi di polio vera da virus selvaggio (6 casi con 0 paralisi infantili)?

Lo sa che quando con il vaiolo, si è giunti a questo paradosso, si è smesso di vaccinare e la malattia è scomparsa per sempre? (FONTE OMS – sito web Polioeradication.org, alla voce POLIO «polio today»)

La polio non è data eradicata dalla OMS ma praticamente vicina all’eradicazione (ma il poliovirus si sarà stancato di infettare oppure qualcuno avrà fatto qualcosa? Chissà?). E poi, JJ, davvero mi stai facendo il confronto tra il virus del vaiolo e quello della poliomielite? Ma lo sai quali sono le modalità di trasmissione? Lo sai cos’è un vaccination ring e l’esaurimento del cluster epidemico del vaiolavirus? Il vaiolo è scomparso perché i pochi non vaccinati  rimasti all’interno dell’anello SONO MORTI mentre il poliovirus invece NON UCCIDE ma si propaga velocemente per via fecale e tramite portatori sani non vaccinati.

Fatti dire una cosa: lo sai che esistono due tipi di vaccino per la poliomielite, il Salk (IPV, iniezione) e il Sabin (OPV, orale)? Lo sai che quei 28 casi con 17 paralisi infantili sono dovuti alle difficoltà di coniugare la scelta tra l’iniettivo e l’orale in zone con scarse strutture sanitarie e difficoltà di accesso ai servizi sanitari, dove le vaccinazioni non vengono eseguite in maniera continua, creando così potenziali focolai e vuoti immunitari? Non che quei 28 bambini siriani, cambogiano o cinesi siano meno importanti dei nostri ma allora vediamo di rinforzare le coperture vaccinali DI QUEI PAESI senza mettere a rischio quelle europee.

5) la sicurezza dei vaccini che lei tanto decanta trova falle imponenti nei bugiardini stessi e nel sistema di applicazione dei vaccini che Lei e la Lorenzin ritenete «impeccabile».La sicurezza dell’esavalente non è stata MAI TESTATA su bambini di età superiore ai 36 mesi e oggi lo si vuole inoculare a bambini di età da 0 a 16 anni. (Fonte bugiardino Infarin Hexa, già linkato sopra). Trivalente e quadrivalente dichiarano che il vaccino NON DEVE ASSOLUTAMENTE essere inoculato in soggetti allergici ai composti. (Fonte: Agenzia Italiana del Farmaco) Lei e la Lorenzin, avete previsto un piano di test pre-vaccinali sulle allergie a tutti i composti del vaccino, tra cui, ancora una volta, il cancerogeno formaldeide? Non mi sembra. Questo è una dimenticanza seria. Sembra che Lei abbia perso tempo a riscrivere in bella appunti che Le ha fornito qualcuno, e non abbia dedicato neanche il tempo di un caffé ad approfondire le evidenze scientifiche e le contraddizioni del decreto e della pratica vaccinale prevista dal governo (governo che afferma che non c’è alcuna emergenza tramite Gentiloni, e poi afferma il giorno dopo, tramite Lorenzin, che siamo in epidemia).

Qua mi stai partendo per la tangente, JJ… l’esavalente va bene per bambini fino a 36 mesi ma non per quelli da 0 a 16 anni? Davvero? Ok… La sai la differenza tra i vaccini per uso pediatrico e quelli per gli ‘adulti’ (dai sette anni in poi)? Non è che l’Infrarix Exa non sia stato testato per bambini superiori ai 36 mesi è CHE SAREBBE INUTILE SOMMINISTRARLO visto che dai sette anni in poi per attivare o riattivare il sistema immunitario (boost o richiamo) bisogna USARE DOSI E FORMULAZIONI DIFFERENTI.

6) Lei lo sa che l’immunità generata dal vaccino del morbillo dura solo pochi anni, mentre quella derivata dall’acquisizione della malattia vera e propria, dura a vita? Lo sa che l’immunità da virus naturale genera anticorpi veri che possono essere passati dalla mamma ai figli tramite allattamento, mentre gli anticorpi farlocchi da vaccino, non vengono trasmessi in alcun modo? (fonte OMS e PUBMED)Lei lo sa che da foglietti illustrativi, i bambini vaccinati con MPR devono stare 6 settimane assolutamente lontani da qualsiasi soggetto debole, o donne gravide, poiché portatori del virus vivo e che devono stare lontano da tutti i bambini non ancora vaccinati?Perché questo decreto non prevede la quarantena per i bambini vaccinati che diventano pericolosi untori per 6 settimane?Secondo Lei, è una questione trascurabile?(Fonte dati Infanrix Hexa, Varivax, NIH, Pubmed, JAMA ecc…)(Fonte: National Center for Biotechnology Information)

Che fatica, JJ...

Certo che contrarre il morbillo dà immunità definitiva... si chiama meccanismo di selezione del pool genetico e chi sopravvive a quel bambino su mille che sviluppa un encefalite mortale o invalidante o a quel 5-15% di bambini che sviluppano polmonite od otite perforativa con sordità sicuramente sarà forte e sano... a meno che non diventi quell’uno su 10.000 che in seguito svilupperà la PESS, la Panencefalite Subacuta Sclerosante, leggermente incompatibile con la vita.

Invece vaccinarti con l’MPR (morbillo-parotite-rosolia) ti dà immunità praticamente per tutta la vita (non ‘pochi’ anni) e fra qualche decennio semmai daremo un’occhiata se nei settantenni il titolo anticorpale sarà un po’ sceso ed eventualmente glielo rifacciamo... o non glielo rifacciamo perché chissà, magari ci siamo vaccinati tutti e il morbillo sarò stato debellato come il vaiolo.

Per l’immunità data dal latte materno (immunità neonatale) anche qua mi sa che non ti sia chiaro come funzioni il sistema immunitario: la mamma dà i propri anticorpi specifici verso la malattia (IMMUNOGLOBULINE) che non è che siano più veri di quelli dati del vaccino, SONO PROPRIO UN’ALTRA COSA rispetto all’immunità permanente delle cellule T e B, e il bambino sarà protetto solo per circa sei mesi, salvo poi tornare non immune quando smette. E farsi subito il vaccino, che prima sarebbe inutile perché il sistema immunitario non sarebbe responsivo.

La fòla del bambino untore è meravigliosa: sotto certi aspetti etici sarebbe il bambino non vaccinato a dover esser messo in quarantena o isolato perché vero potenziale untore verso i bambini che non possono fare il vaccino (piccoli o immunodepressi) ma visto che qua (non) si ha voglia di leggere i bugiardini i foglietti illustrativi vediamo cosa si dice:

‘Non è mai stata documentata la trasmissione dei virus morbillo e parotite da vaccinati a contatti suscettibili. E’ noto che possa verificarsi escrezione faringea di virus di morbillo e rosolia circa 7-28 giorni dopo la vaccinazione con un picco dell’escrezione attorno all’11° giorno. Tuttavia non ci sono evidenze di trasmissione di questi virus vaccinali escreti a contatti suscettibili. La trasmissione del virus della rosolia ai neonati tramite il latte materno e tramite la trasmissione transplacentare è stata documentata senza nessuna evidenza di malattia clinica’.

Ops...

7) relativamente al mercurio e alluminio, davvero vuole raccontarci che i microscopi elettronici tedeschi e italiani siano tarati peggio di quello che Lei, NON POSSIEDE? Per quanto ancora, di fronte a problemi di sicurezza evidenti, Lei giornalista, anziché chiedere conto al governo, o recarsi da Stefano Montanari, ripete a pappagallo quello che Le impongono di dire? E se l’alluminio non è nei vaccini, come Lei e ISS affermate, come mai il governo US ci racconta che la presenza di alluminio è fondamentale nei vaccini in quanto “audiuvante”?

Ricopio un mio vecchio intervento su alluminio, mercurio e altre sostanze ‘colpevolmente’ presenti nei vaccini.

Allora, il Thiomersale (IL MERCURIOOOHH!!11!) lo hanno purtroppo già tolto a furore di popolo sennò la gente non si vaccinava più. Peccato che si trattava di ETILMercurio e non di METILmercurio (quello tossico)… fate più danni a dare a vostro figlio l’omogenizzato di platessa, per dire. Oltretutto l’hanno tolto e adesso nei paesi in via di sviluppo non possono più usufruire dei fialoidi multidose perché non si conservano e devono acquistare i vaccini monodose più costosi. Cioè IL SORBITOLO e il SACCAROSIO… il SODIO BICARBONATO… ma sono stupidi? Le altre sostanze sono eccipienti e conservanti DELLE STESSE CREME CHE SPALMANO SUL CULO AI LORO FIGLI SETTE VOLTE AL GIORNO AL CAMBIO DEL PANNOLONE. Gli antibiotici, GLI EMBRIONI DI POLLO (AAAHHHH!!!) e tutte le altre sostanze SONO IN TRACCIA, cioè molecole… per dire, la formaldeide (TOSSICAAHHH!1! CI CONSERVANO I CADAVERI!) la produciamo pure noi a livello epatico in quantità maggiori e frutta e verdura ne contengono fino a 60mg/kg; l’alluminio contenuto (variabile tra gli 0.25 e i 2.5 mg) lo si raggiunge velocemente con LE POPPATE DI LATTE MATERNO (40 mcg per litro), col latte artificiale (25 mcg/L) o con la maggior parte delle verdure, nelle quali è presente in MILLIGRAMMI.

E ora ti prego anche basta, @iltibetano, finisco qua, sfinito, perché il Gestore del Sito CONTRO L'ARROGANZA DEL POTERE:PER LA LEGALITA', PER LA PARTECIPAZIONE, PER LA TRASPARENZA. PER IL CONFRONTO,PER LA CONDIVISIONE, PER L'INCLUSIONE, PER LA SOLIDARIETA', PER LA PROGETTUALITA', PER LA REALIZZAZIONE, PER L'ACCOGLIENZA, PER IL RISPETTO comincia a delirare su complotti politici, crimini contro l’umanità e link al Codacons e io mi occupo di riabilitazione ortopedica, non di quella di soggetti affetti da gravi patologie psichiatriche.

Mi devi una cisterna da chiatta fluviale di birra ma tienine un po’ anche per te da bere e calmare così la frustrazione della consapevolezza di NON essere riuscito ad aver ragione dopo che avrai mandato questo post al contatto FB e lui avrà controbattuto NON È VERO, KON-IGI È UN SERVO DEL POTERE AL SOLDO DELLE MULTINAZIONALI DEL FARMACO CHE CREANO LE MALATTIE PER VENDERE LE MEDICINE PAPPAPERO NON TI SENTO LE FOIBEEEE!

Pro bono malum

[rassegnaflp]

Castigliego: "Bias, pregiudizio, inconscio e lingua"

Castigliego: “Bias, pregiudizio, inconscio e lingua”

di Giuliano Castigliego, giulianocastigliego.nova100.ilsole24ore.com, 25 luglio 2021 “I pregiudizi si comprendono studiando la storia. I bias si comprendono studiando la scienza” scrive Luca De Biase in uno splendido post in cui tra l’altro aggiunge “Niente impedisce di vedere una convergenza in questi due concetti e nei loro contesti. Ma è chiaro che i bias sono nello spazio dei dati, mentre i…

[levysoft]

Uno dei pregiudizi che ci porta a credere alle teorie complottiste è il bias di proporzionalità. Chi cade in questo tipo di tranello ritiene che grandi effetti derivino esclusivamente da grandi cause. Possiamo definire una teoria complottista, come una accusa di cospirazione, implausibile e non verificata, in base alla quale eventi importanti sono il risultato del disegno di un potente gruppo di persone. La storia dell’umanità, ci ha abituati a complotti reali, spesso posti in essere da gruppi privilegiati di cittadini o da governanti, classi elitarie.

Le teorie complottiste sono però un qualcosa di differente, in quanto propongono di spiegare determinati fenomeni o avvenimenti – per i quali sono già note spiegazioni razionali e documentate – in maniera pseudo-scientifica ed irrazionale, ma anche semplice. Abbiamo quindi eterni dibattiti complottisti su Terra piatta e allunaggio, così come sul crollo delle Twin Towers.

I fattori determinanti nella credenza alle teorie complottiste

Ma perché è così facile che le persone credano ai complotti, pur essendo questi basati su teorie e/o ipotesi completamente indimostrate? I fattori, che possono anche ricorrere congiuntamente, sono molteplici. Le persone che credono nelle teorie complottiste possono pensare di essere più intelligenti di altre, o di avere “la mente aperta”.

Talvolta, credere in una teoria complottista, permette alle persone di socializzare, facendo parte di un gruppo che ha un credo comune. Spesso, anche la sfiducia nelle istituzioni, unitamente ad una scarsa cultura di base, porta a credere alle teorie complottiste. In questo caso, qualunque spiegazione o chiarimento proveniente della medesime istituzioni, non viene accolto, anzi, rinforza la credenza nel complotto stesso (c.d. “backfire effect“).

Molto spesso, oltre ai fattori di cui sopra, sono da considerarsi pregiudizi detti bias, in grado di condizionare inconsciamente le capacità decisionali delle persone. Essi sono una naturale componenti del pensiero umano, ed infatti agiscono anche sulle azioni di coloro che, pur non essendo vittime di teorie complottiste, devono prendere decisioni alto calibro o presunte tali.

In particolare, il bias di proporzionalità induce le persone a credere che grandi effetti derivano da grandi cause. Numerosi sono gli studi sull’argomento, i quali portano talvolta a risultati totalmente inaspettati.

Bias di proporzionalità: lo studio

In uno dei tanti studi relativi, è stato esposto questo scenario: il computer di Adam, non era più funzionante. Adam aveva quindi perso l’elaborato necessario per la sua laurea. In una primo proseguo della vicenda, il professore aveva dato una proroga per la consegna dell’elaborato, per cui Adam era riuscito a laurearsi nei tempi previsti. In una seconda continuazione invece, il professore non aveva concesso la proroga, per cui Adam non si era laureato in tempo.

Ai partecipanti allo studio era poi stato chiesto se secondo loro il guasto del computer derivasse:

Da un malfunzionamento della ventola di raffreddamento (causa piccola)

Da un virus che aveva infettato il computer (causa grande).

Le risposte dei partecipanti propendevano, nel caso della prima continuazione, per la causa relativa al malfunzionamento della ventola. Di contro, nel caso della seconda continuazione, nella quale Adam non riusciva a laurearsi, i partecipanti reputavano più probabile che causa del guasto fosse il virus informatico. Emergeva quindi la correlazione piccola causa – piccola conseguenza.

La grande causa, cioè il virus informatico, veniva invece correlata con la grande conseguenza. Si noti, che entrambe le cause avevano comunque determinato il guasto del computer, con conseguente perdita dell’elaborato di Adam, dunque avevano logicamente lo stesso peso. Ciò significa, in buona sostanza, che la correlazione è assolutamente illusoria, visto che i problemi di Adam derivano dal guasto del computer, a prescindere dalla causa che lo aveva determinato.

Il caso dell’assassinio Kennedy

Ulteriori studi e dati empirici hanno poi evidenziato che nel caso di attentati di grosso calibro, se l’assassinio riesce, allora si è più propensi a credere che l’omicida facesse parte di un complotto. Se l’assassinio, invece, non riesce, si più propensi a credere che il mancato omicida fosse un attentatore solitario. Come già detto, quanto evidenziato ci risulta sia da alcuni studi, sia dalla realtà di alcuni fatti storici.

Infatti, l’assassinio del Presidente Kennedy a Dallas il 22 novembre 1963 è chiamato la madre di tutte le teorie complottiste. Ancora oggi, dopo decenni, molti americani credono che ad ucciderlo sia stato un complotto ordito da numerosi gruppi interessati alla sua morte. Il fallito attentato al Presidente Reagan da parte di John Hinckley il 30 marzo 1981 a Washington è stato oggetto di poca attenzione da parte dei complottisti.

Nell’assassinio del Presidente Kennedy, il bias di proporzionalità agisce in maniera molto forte e questo se vogliamo, può essere anche naturale. La domanda che ci si pone infatti è: “Come è possibile che una nullità come Lee Harvey Oswald abbia ucciso l’uomo più potente del pianeta?”.

Quindi, siccome il bias di proporzionalità ci induce a pensare che sia impossibile, deve esserci stato un complotto, un gruppo di persone determinate e competenti, capaci di organizzare l’assassinio dell’uomo più potente al mondo. Infatti, numerosissime sono le teorie complottiste che accusano mafia, FBI, CIA, KGB, il vice presidente Johnson -poi diventato presidente – o gruppi misti composti dai predetti soggetti. La realtà storica è però un’altra, Lee Harvey Oswald, ex marine e buon tiratore, agì da solo e non vi fu nessun complotto. In questa ed altre vicende, una piccola causa ha determinato enormi conseguenze.

[sangha-scaramuccia]

sulla libertà e le percezioni erronee

Cari tutti, desideravo da giorni scrivere in seguito a quanto espresso da Roberto Anshin più di una settimana fa.

L’ultimo notiziario del Maestro ha creato anche in me un certo sconcerto. E’ forse la prima volta- avendo anche idee politiche simili- finora non mi era mai capitato. Ovviamente questo non intacca la mia riconoscenza verso il Maestro e l’importanza della Via di Scaramuccia per me.

Ho sempre considerato Scaramuccia una realtà distinta dalle altre, che pure ho incontrato, nel mondo delle arti orientali. Uno degli insegnamenti di Taino è sempre stato che la realizzazione spirituale non rende più bravi o più competenti nei vari mestieri dell’esistenza. E ricordo anche il discorso, spesso citato, del Buddha ai Kamala e i libri di scienziati di sinistra trovati e letti nella biblioteca di Scaramuccia. Da praticante, assente da tempo a Scaramuccia, mi pare di ravvisare in tante cose che ho letto della nostra comunità una enfasi sproporzionata sulla “libertà”. E gli altri voti del sociale? Pensiamo ad esempio a quello della solidarietà o della benevolenza.

E’ assodato da mesi che il virus ha una bassa letalità (nessuno lo nega) ma senza misure appropriate, diffondendosi su gran parte della popolazione, gli effetti sono quelli di un gran numero di morti (e si apre il tema della disparità di cure, chi ha possibilità economiche riesce a curarsi meglio e prima) e il sovraccarico degli ospedali con difficoltà nella cura delle altre malattie.

Nella gestione di questa pandemia, il Governo, specie negli ultimi mesi, non ha agito in maniera efficace, ancor più alcune regioni. Il Maestro Taino ha spesso criticato il modo approssimativo in cui in Italia si fa informazione e io credo che le TV e i giornali (con i titoli allarmistici opposti al contenuto dell’articolo stesso) e la comunicazione generale in questi mesi sia stata pessima. Ma anche i cittadini non si sono comportati meglio.

A Scaramuccia spesso Taino ci ha fatto esempi delle grandi diversità tra Italia e Giappone, a partire dalle abitudini dei giapponesi fino al modo di fornire le informazioni da parte delle TV. Negli ultimi notiziari non ne ho trovato cenni e non so se ne avete parlato a voce, ma mentre l’Italia ha superato i 74000 morti per Covid-19, in Giappone sono fermi a poco più di 3000 morti . ( i dati per quanto riguarda l’Italia sono visionabili in dettaglio sul sito https://www.epicentro.iss.it/coronavirus/sars-cov-2-decessi-italia, l’ISTAT ha anche rilasciato un report in cui si vede che quest'anno c’è un eccesso di mortalità rispetto alla media degli anni precedenti, questo suggerisce che i morti a causa di COVID-19 sono sottostimati, non sovrastimati!).  I Giapponesi ci sono riusciti senza le misure repressive dei cinesi e il loro “successo” è dipeso anche, credo, dal rispetto delle regole  da parte dei cittadini stessi (mascherine, distanziamento,...) oltre che da misure tempestive e comunicazioni efficaci da parte del Governo. O, forse, i Giapponesi fanno parte di un complotto? Alla luce delle foto delle folle di persone del Capodanno in Cina o in Giappone magari qualcuno in rete penserà che sia così…

A me pare che poi la questione sia più generale. Una consistente parte di persone che praticano le arti orientali in Occidente si sono ritrovati a condividere sulla pandemia le stesse posizioni dell’estrema destra.  Come mai? Una suggestione è data da quanto scritto da Anshin sull’individualismo alla Evola. In Oriente invece probabilmente influisce la struttura sociale di matrice confuciana.

Come insegnante mi interessa molto il tema di quelli che si chiamano bias cognitivi. Nessuno ne è esente.

Pensate al bias di conferma, quanto spesso ci capita, magari inconsapevolmente, di selezionare le notizie in accordo a quello che pensiamo o crediamo, trascurando le notizie che forniscono una visione differente. Il bias di conferma è così forte che ci fa credere magari ad una persona sconosciuta di cui vediamo un video su Whatsapp piuttosto che alla raccomandazione delll’OMS o dell’Istituto Superiore di Sanità (e si dicono cose come “ i medici sono tutti venduti”).

Ma anche la comprensione della crescita esponenziale o gli effetti di una malattia su grandi numeri sono qualcosa di lontano dalla nostra esperienza.

La pratica dello zen può aiutare a evitare i bias cognitivi o quanto meno a riconoscerli? Non lo so.

Mi sono ricordato che nel buddismo si parla di percezioni erronee. Sono in un certo senso i bias cognitivi di cui parlano le neuroscienze. Mario Soshin ha citato la frase “Essere talmente responsabili e capaci da occuparsi veramente di quello che gli altri capiscono e non solamente di quello che  si vuol dire”. Alla luce di quanto detto è qualcosa di molto difficile.

Prima dell’estate alcuni avevano dubbi o spiegazioni alternative (come quella che il virus fosse stato inventato da gruppi economici o di potere o che il virus fosse sparito), spesso questi dubbi sono stati trasmessi da medici veri o presunti e amplificati dai media o da messaggi tra amici.  

Dopo l’estate queste spiegazioni alternative, come quella del virus “clinicamente morto” sono state confutate.

In genere, nell’ambito di queste teorie, non ci si pongono domande. Quale gruppo avrebbe organizzato questo complotto per sovvertire l’economia? Persino Trump ha perso le elezioni anche a causa dell’epidemia. E si potrebbero fare mille altre domande.

In fisica quando una spiegazione di un fenomeno viene confutata ne siamo contenti e procediamo a formularne altre da testare successivamente e così piano piano si costruisce qualcosa di fondato.

Nella pratica quotidiana e nel vivere con gli altri come comportarsi allora? Credo che vista l’impossibilità di evitare di essere vittime dei propri pregiudizi ideologici o cognitivi sarebbe importante, ad esempio,  riconoscere i limiti delle proprie competenze e imparare a riconoscere le fake news e, nel dubbio,  non inoltrare notizie che potrebbero essere false, concorrendo alla confusione.  

A mani unite, 

Eugenio Ghyotan

[staipa]

Un nuovo post è stato pubblicato su https://www.staipa.it/blog/letica-nellintelligenza-artificiale/?feed_id=1053&_unique_id=6538f2c6b6472 %TITLE% L'Intelligenza Artificiale è una forza trainante della trasformazione tecnologica nel mondo moderno, rivoluzionando settori come la medicina, l'automazione, l'industria e molti altri. Ma con il potere dell'IA emergono anche importanti questioni etiche. Bias nei Dati Uno dei problemi etici preminenti legati all'Intelligenza Artificiale è il bias nei dati. Questo fenomeno rappresenta un ostacolo significativo poiché influisce direttamente sulla capacità delle soluzioni basate su IA di prendere decisioni obiettive e giuste. In questo articolo, esploreremo più a fondo questa sfida etica, discutendo sia la sua origine che le soluzioni possibili. Origine del Bias nei Dati Il bias nei dati si verifica quando i dati utilizzati per addestrare algoritmi di IA riflettono in modo disproporzionato le disuguaglianze esistenti nella società. Questo può essere dovuto a vari fattori, tra cui: Disuguaglianze socio-economiche Disparità di genere Disparità razziali ed etniche Precedenti discriminazioni o pregiudizi Questi bias possono emergere nei dati di addestramento in vari modi, come ad esempio nelle etichette di classificazione o nella selezione dei campioni, e non funzionano in maniera molto diversa dai bias che talvolta abbiamo noi esseri umani. Un esempio è quando valutiamo un'intera popolazione in base al ristretto numero di esemplari con cui abbiamo a che fare. Spesso chi ha un bias razzista, per esempio, si basa sul numero ristretto di persone di una certa provenienza presenti sul suo territorio ristretto, senza pensare che quel sottoinsieme potrebbe essere molto diverso dal gruppo di provenienza a causa delle situazioni socioeconomiche a cui è sottoposto. Conseguenze del Bias nei Dati Il bias nei dati può portare a una serie di conseguenze negative: Discriminazione: I modelli di IA possono prendere decisioni discriminatorie, come l'assegnazione ingiusta di prestiti o l'interpretazione di dati medici in modo distorto. Disparità: Le persone appartenenti a gruppi svantaggiati possono subire un trattamento ingiusto o ricevere meno opportunità a causa di decisioni basate su dati con bias. Perdita di Fiducia: Il pubblico può perdere fiducia nell'IA se ritiene che prenda decisioni ingiuste o discriminatorie. Soluzioni per Affrontare il Bias nei Dati Per affrontare il bias nei dati, è fondamentale adottare un approccio olistico che coinvolga diversi aspetti: Raccolta e Pulizia dei Dati: Rivedere attentamente i dati di addestramento per identificare e rimuovere bias noti. La raccolta di dati più rappresentativi e diversificati può aiutare a ridurre il bias. Algoritmi di Bias Mitigation: Utilizzare algoritmi di IA specifici progettati per mitigare il bias nei dati. Questi algoritmi possono compensare o ridurre il bias nelle decisioni. Trasparenza e Spiegabilità: Fornire spiegazioni chiare su come l'IA prende decisioni in modo da rendere i processi decisionali più trasparenti e comprensibili. Diversità nell'Addestramento: Assicurarsi che i team di sviluppo di IA siano diversificati e rappresentino una vasta gamma di prospettive. Questo può aiutare a identificare e affrontare il bias nei dati in modo più efficace. Regolamentazione e Leggi: Le autorità regolamentari possono introdurre leggi che richiedono la valutazione del bias nei sistemi di IA e l'adozione di misure correttive. Educazione e Sensibilizzazione: Promuovere la sensibilizzazione e l'educazione riguardo al bias nei dati e alle conseguenze etiche tra i professionisti dell'IA e il pubblico. Affrontare il bias nei dati è cruciale per garantire che l'IA sia utilizzata in modo etico e non perpetui le disuguaglianze esistenti. Questa sfida richiede un impegno continuo da parte di sviluppatori, legislatori e la società nel suo complesso. Privacy dei Dati La privacy dei dati è una delle principali sfide etiche e legali nell'ambito dell'Intelligenza Artificiale.

Rappresenta un dilemma etico complesso poiché l'IA richiede dati per funzionare in modo efficace, ma questo può portare a una potenziale minaccia per la privacy delle persone. Origine del Dilemma sulla Privacy dei Dati Il dilemma sulla privacy dei dati nell'IA è radicato nella raccolta e nell'elaborazione massicce di informazioni personali. Le organizzazioni e le aziende raccolgono dati dai loro utenti per addestrare algoritmi di IA e migliorare l'esperienza dell'utente. Tuttavia, questa pratica solleva preoccupazioni legate alla privacy poiché i dati personali possono essere sfruttati in modo improprio o esposti a rischi di sicurezza. Le origini del dilemma sulla privacy dei dati includono: Raccolta e Conservazione dei Dati: Le organizzazioni raccolgono dati su comportamenti, preferenze e interazioni degli utenti online e offline. Raccolgono potenzialmente anche articoli, testi, libri, foto, immagini che possono essere coperti da proprietà intellettuale. Questi dati possono essere utilizzati per scopi legittimi come migliorare i servizi o personalizzare le esperienze, ma possono anche essere oggetto di abusi. Condivisione di Dati: La condivisione di dati tra organizzazioni o con terze parti può comportare rischi per la privacy se i dati cadono nelle mani sbagliate o vengono utilizzati per scopi non autorizzati. Violazioni della Sicurezza: Le violazioni della sicurezza possono mettere a rischio dati personali sensibili, esponendo le persone a furti di identità e altre minacce alla privacy. Conseguenze del Dilemma sulla Privacy dei Dati La mancata protezione della privacy dei dati può portare a conseguenze gravi, tra cui: Violazioni della Privacy: Le informazioni personali possono essere utilizzate in modo improprio per inviare spam, rubare identità o prendere decisioni dannose per le persone. Perdita di Fiducia: La mancanza di protezione della privacy può minare la fiducia del pubblico nelle organizzazioni che raccolgono e gestiscono dati personali, portando a una percezione negativa e alla perdita di clienti. Violazioni del diritto di autore: le informazioni utilizzate per addestrare gli algoritmi potrebbero violare il diritto di autore. Rischi Legali: Le violazioni della privacy possono portare a azioni legali e sanzioni per le organizzazioni coinvolte. Soluzioni per Affrontare il Dilemma sulla Privacy dei Dati Per affrontare il dilemma sulla privacy dei dati nell'IA, è necessario adottare un approccio globale che includa: Politiche di Protezione dei Dati: Adottare politiche chiare e trasparenti sulla raccolta, l'uso e la condivisione dei dati personali. Le organizzazioni devono informare gli utenti sui loro diritti e sulla finalità della raccolta dati. Tecnologie di Sicurezza: Implementare misure di sicurezza robuste per proteggere i dati personali da accessi non autorizzati e violazioni. Consenso Informato: Richiedere il consenso esplicito degli utenti prima di raccogliere o utilizzare i loro dati personali. Educazione sulla Privacy: Sensibilizzare gli utenti e il personale sull'importanza della privacy dei dati e su come proteggerla. Regolamentazione e Leggi: Adottare leggi sulla protezione dei dati che impongano norme rigorose sul trattamento dei dati personali. La privacy dei dati è un tema critico nell'era dell'IA. La protezione dei dati personali è essenziale per preservare la fiducia degli utenti e prevenire abusi. Questa sfida etica richiede un approccio che coinvolga politiche, tecnologie e regolamentazioni per garantire una gestione responsabile dei dati personali nell'ambito dell'IA. La privacy dei dati e l'IA possono coesistere in modo etico e vantaggioso, ma è necessario affrontare il dilemma con attenzione e responsabilità Decisioni Etiche e Responsabilità Le decisioni etiche e la responsabilità sono argomenti cruciali quando si tratta dell'uso dell'Intelligenza Artificiale. Con l'IA che assume un ruolo sempre più centrale in settori come la medicina, l'automazione dei veicoli e molto altro,

è fondamentale affrontare in modo ponderato le implicazioni etiche e definire chi è responsabile delle decisioni prese dagli algoritmi di IA. Decisioni Etiche nell'IA Le decisioni etiche nell'IA si riferiscono alle scelte che gli algoritmi di intelligenza artificiale devono fare in situazioni che coinvolgono questioni etiche complesse. Queste decisioni possono riguardare aspetti come la vita e la morte, i diritti umani, l'equità e la giustizia. Alcuni esempi includono: Veicoli Autonomi: Gli algoritmi di IA nei veicoli autonomi devono prendere decisioni etiche in situazioni di emergenza, per esempio in caso di incidenti imminenti. Chi proteggere o quale azione intraprendere è una decisione etica critica. Sistemi di Healthcare: Nella diagnosi e nel trattamento di pazienti, i sistemi di IA possono dover prendere decisioni che influenzano la salute e la vita delle persone. Tutela della Privacy: Le aziende devono prendere decisioni etiche sulla gestione dei dati personali, compresi i limiti dell'uso dei dati e il rispetto della privacy. Responsabilità nell'IA La questione della responsabilità nell'IA riguarda chi è tenuto a rispondere delle decisioni prese dagli algoritmi. Le parti coinvolte possono includere gli sviluppatori di software, le organizzazioni che utilizzano l'IA e gli utenti finali. Alcuni aspetti della responsabilità possono essere: Responsabilità Legale: Chi è responsabile legalmente per le decisioni prese dagli algoritmi? Le leggi devono essere chiare su come attribuire la responsabilità. Valutazione Etica: Le organizzazioni devono condurre valutazioni etiche delle decisioni dell'IA e dei loro impatti sulle persone. Controllo Umano: Mantenere un adeguato controllo umano sull'IA è essenziale per garantire che le decisioni etiche siano in linea con i valori umani. Soluzioni per le Decisioni Etiche e la Responsabilità nell'IA Per affrontare le decisioni etiche e la responsabilità nell'IA, alcune soluzioni importanti includono: Trasparenza: Gli sviluppatori di IA dovrebbero rendere chiari i processi decisionali degli algoritmi per garantire la trasparenza. Regolamentazione: I governi possono introdurre regolamentazioni per stabilire chi è responsabile legalmente per le decisioni dell'IA. Etica nell'Addestramento: L'etica dovrebbe essere una parte fondamentale dell'addestramento degli algoritmi, incoraggiando decisioni etiche fin dalle prime fasi di sviluppo. Educazione Etica: Educare gli sviluppatori e gli utenti sull'importanza delle decisioni etiche nell'IA è essenziale per una maggiore consapevolezza. In conclusione, affrontare le decisioni etiche e la responsabilità nell'IA è una sfida complessa, ma cruciale per garantire che l'IA sia utilizzata in modo responsabile e in linea con i valori umani. La trasparenza, la regolamentazione e l'educazione etica svolgono un ruolo chiave nel plasmare un futuro in cui l'IA sia un'opportunità per migliorare la società. Trasparenza e Accountability La trasparenza e l'accountability sono due aspetti essenziali quando si tratta dell'Intelligenza Artificiale e delle sue applicazioni in vari settori. La trasparenza riguarda la chiarezza nei processi decisionali degli algoritmi di IA, mentre l'accountability si riferisce alla responsabilità di individui o organizzazioni per le decisioni e le azioni dell'IA. Trasparenza nell'IA La trasparenza riguarda la comprensibilità e la chiarezza nei processi decisionali degli algoritmi di IA. Questo aspetto è cruciale per diversi motivi: Comprendere le Decisioni: La trasparenza consente alle persone di comprendere come e perché una determinata decisione è stata presa dall'IA. Questa comprensione è fondamentale per la fiducia e l'accettazione dell'IA. Rilevare Bias e Discriminazione: La trasparenza aiuta a identificare il bias nei dati o negli algoritmi, permettendo di affrontare e correggere i problemi di discriminazione. Migliorare la Qualità delle Decisioni: Con una maggiore comprensione dei processi decisionali, è possibile apportare miglioramenti e ottimizzazioni per ottenere decisioni più accurate ed etiche.

Accountability: La trasparenza è fondamentale per stabilire la responsabilità nel caso in cui si verifichino errori o comportamenti non etici da parte dell'IA. Accountability nell'IA L'accountability riguarda la responsabilità di individui, organizzazioni o sviluppatori per le decisioni e le azioni dell'IA. Questo aspetto è importante per diversi motivi: Responsabilità Legale: L'accountability stabilisce chi è legalmente responsabile per le decisioni prese dall'IA. Questo è cruciale per stabilire chi dovrebbe essere ritenuto responsabile in caso di errori o danni causati dall'IA. Prevenzione di Abusi: La chiara accountability può contribuire a prevenire abusi nell'uso dell'IA, poiché le persone o le organizzazioni saranno consapevoli delle conseguenze delle loro azioni. Etica nell'Addestramento: L'accountability spinge gli sviluppatori a considerare gli aspetti etici fin dalla fase di addestramento dell'IA, promuovendo una progettazione più responsabile. Fiducia Pubblica: Sapere che esiste una chiara accountability nell'uso dell'IA aumenta la fiducia pubblica nell'adozione di queste tecnologie. Soluzioni per Migliorare Trasparenza e Accountability Per migliorare la trasparenza e l'accountability nell'IA, alcune soluzioni chiave includono: Documentazione dei Processi Decisionali: Gli sviluppatori dovrebbero documentare in modo dettagliato i processi decisionali degli algoritmi, in modo che possano essere compresi e verificati. Auditing e Revisione Esterna: Condurre audit indipendenti e revisioni esterne per valutare l'equità e l'etica delle decisioni dell'IA. Regolamentazione e Standard: I governi possono introdurre regolamentazioni e standard per promuovere la trasparenza e l'accountability nell'IA. Educazione Etica: Promuovere l'educazione etica tra gli sviluppatori, gli utenti e il pubblico in generale per sensibilizzare sull'importanza di questi aspetti.