L’Intelligenza Artificiale (IA) è sempre più usata in sanità negli ambiti della ricerca, miglioramento dei servizi, della prevenzione, diagnosi, trattamento e monitoraggio delle malattie, nei casi di percorsi di cura e assistenza, nella sorveglianza sanitaria e nello lo sviluppo di nuovi farmaci.
I sistemi di intelligenza artificiale si nutrono di dati e devono essere sicuri ed efficaci, rispettando elevati standard di qualità ed integrità dei dati: i meccanismi di IA, infatti, utilizzano enormi volumi di dati sanitari nella costruzione di algoritmi che supportano e definiscono nuove tecnologie. Lo sviluppo dei sistemi è così veloce che gli studi che ne approfondiscono le caratteristiche si susseguono cercando di individuare le peculiarità per comprendere gli indirizzi che potranno garantire una tecnologia che massimizzi i benefici e minimizzi i rischi.
In questi giorni, come di consueto l’evoluzione dell’Intelligenza Artificiale è stata oggetto della settima edizione del prestigioso Artificial Intelligence Index Report 2024 (AI Index)[1] redatto dalla Stanford University, di cui sono particolarmente interessanti le 10 indicazioni importanti che emergono:
1. L’intelligenza artificiale batte gli esseri umani in alcuni compiti, ma non in tutti. Infatti ha superato le prestazioni umane in alcuni ambiti quali la classificazione delle immagini, il ragionamento visivo e la comprensione della lingua inglese, ma resta indietro su compiti complessi come la matematica come competizione, il ragionamento visivo basato sul buon senso e la pianificazione.
2. La ricerca innovativa, cosiddetta “di frontiera”, sulla IA è dominata dall’industria più che dalle Università. Infatti, nel 2023, l’industria ha prodotto 51 modelli di machine learning degni di nota, mentre il mondo accademico ha contribuito solo con 15 modelli. È da rilevarsi che nel 2023 sono stati prodotti 21 modelli degni di nota grazie a collaborazioni tra industria e università.
3. I modelli di frontiera, che costituiscono la ricerca in sicurezza sulla IA, diventano molto più costosi. Secondo le stime di AI Index, i costi di formazione di modelli di IA all’avanguardia crescono sempre di più e ad esempio, il GPT-4 di OpenAI ha utilizzato una spesa di calcolo stimato in 78 milioni di dollari per l’addestramento, mentre Gemini Ultra di Google è costato 191 milioni di dollari per il calcolo. Per questo motivo Google, Microsoft, Open Ai e Anthropic hanno costituito il Frontier Model Forum, per regolare l’Intelligenza Artificiale.
4. La principale fonte dei migliori modelli di IA è gestita dagli Stati Uniti, che precedono Cina, UE e Regno Unito. Nel 2023, 61 modelli di IA di rilievo hanno avuto origine da istituzioni con sede negli Stati Uniti, superando i 21 dell’Unione Europea e i 15 della Cina.
5. Mancano valutazioni solide e standardizzate per i LLM, cioè i Large Language Model, una tecnologia avanzata incentrata sulla comprensione e sull’analisi del testo, più precisa dei tradizionali algoritmi di machine learning, che richiede molti dati di addestramento. Infatti, la ricerca dell’AI Index rivela una significativa mancanza di standardizzazione, per cui i principali sviluppatori, tra cui OpenAI, Google e Anthropic, testano i loro modelli principalmente rispetto a diversi criteri e questa pratica complica gli sforzi per confrontare sistematicamente i rischi e i limiti dei migliori modelli di IA. Le principali preoccupazioni delle aziende legate all’IA includono la privacy, la sicurezza dei dati e l’affidabilità.
6. Gli investimenti in IA generativa (quali appunti quella dei LLM) salgono alle stelle: infatti nonostante il calo degli investimenti privati nell’IA nel 2023, i finanziamenti per l’IA generativa sono aumentati, quasi ottuplicando rispetto al 2022 e raggiungendo i 25,2 miliardi di dollari.
7. L’Intelligenza Artificiale rende i lavoratori più produttivi e porta a un lavoro di qualità superiore. Nel 2023, diversi studi hanno valutato l’impatto dell’IA sul lavoro: l’IA consente ai lavoratori di completare i compiti più rapidamente e di migliorare la qualità della loro produzione; inoltre questi studi hanno anche dimostrato il potenziale dell’IA nel colmare il divario di competenze tra lavoratori poco e altamente qualificati. In opposizione, si sottolinea anche che altri studi avvertono che l’utilizzo dell’IA senza un’adeguata supervisione può portare a una riduzione delle prestazioni.
8. L’Intelligenza Artificiale accelera il progresso scientifico e viene sempre più utilizzata per scopi medici nel mondo reale. Ad esempio, nel 2022 la Food and Drug Administration (“Agenzia per gli alimenti e i medicinali” abbreviata in FDA) ha approvato 139 dispositivi medici legati alla IA, grazie anche al fatto che alcune applicazioni lanciate nel 2023 hanno reso più efficiente l’ordinamento algoritmico e facilitano il processo di scoperta dei materiali. L’AI Index di quest’anno introduce un nuovo capitolo sull’IA nella scienza e nella medicina in riconoscimento del ruolo crescente dell’intelligenza artificiale nella scoperta scientifica e medica.
9. Il numero di normative sull’IA negli Stati Uniti è in crescita negli ultimi anni. Ad esempio nel 2023, si è arrivati negli USA a 25 regolamenti sulla IA, rispetto a uno solo nel 2016 e rispetto all’anno 2022 la crescita del il numero totale di normative relative all’IA è cresciuto del 56,3%.
10. Le persone in tutto il mondo sono più consapevoli dell’impatto potenziale dell’IA anche se non tutti sono convinti che migliorerà la vita (in alcuni sondaggi emerge un po’ di tensione e nervosismo in merito).
Su quest’ultimo punto entrano in gioco anche i bias, cioè possibili distorsioni delle valutazioni causate da pregiudizi, correlate all’interazione con sistemi di IA, che in settori come quello sanitario generano anche mancanza di fiducia da parte degli utenti, in particolare anche dai professionisti sanitari. Questi ultimi evidenziano criticità correlate sia all’impossibilità di conoscere i processi interni che generano il risultato del ragionamento (il cosiddetto black box problem) sia ai possibili esiti discriminatori derivanti dai sistemi basati sulla IA, in quanto il self learning potrebbe ledere il principio di eguaglianza, a scapito di minoranze, rafforzando modelli culturali dominanti. I dati utilizzati per l’IA devono essere rappresentativi e le soluzioni trasparenti. Se i dati utilizzati non sono rappresentativi della popolazione umana che la soluzione è destinata a servire e/o sono di bassa qualità, potrebbero produrre risultati scadenti, dannosi o discriminatori (ad esempio, quando l’IA viene addestrata sulla base dei dati relativi ai risultati riguardanti uomini e le soluzioni vengono poi applicate alle donne oppure per situazioni che potrebbero verificarsi relativamente all’accesso alle cure, alla quota di partecipazione al costo in carico all’assistito e addirittura all’appropriatezza dei percorsi diagnostici e terapeutici, potendo potenzialmente aumentare il divario e le disuguaglianze socio-sanitarie).
* Il contributo degli Autori è a titolo personale e non impegna gli enti di afferenza.
Immagine: Foto di National Cancer Institute su Unsplash
[1] Il report è consultabile al seguente link: https://aiindex.stanford.edu/report/
