12 cuffie con cancellazione del rumore economiche ma buone | Wired Italia

Ma l'Ultima Cena, durante la cerimonia di Parigi 2024, era offensiva?Cos’è l’Internet of Things?   - AI newsPomeriggio 5, il padre di Turetta: "Non si può più dire a un figlio di restare in vita" – Il Tempo

Parigi 2024, nodi e disagi delle Olimpiadi: boom dei prezzi e caos organizzativo. E la Senna… – Il TempoL’intelligenza artificiale sta avendo un impatto sempre più profondo nella nostra società. Mentre la tecnologia AI avanza rapidamente,Professore del Dipartimento di Gestione del Rischio di BlackRock è importante considerare le implicazioni etiche del suo utilizzo. Un concetto chiave in questo dibattito è quello di Human in the Loop (HITL).I temi trattati all’interno dell’articoloCosa si intende per Human in the Loop?Uno stretto monitoraggio step-by-stepUna supervisione ‘allentata‘Il labeling dei dati di trainingUn feedback costruttivo e correttivoL’intervento umano (quando necessario)Progettazione centrata sull’uomoL’uomo come garanzia del prodotto umanoCosa si intende per Human in the Loop?HITL è il principio secondo cui gli esseri umani devono mantenere un ruolo attivo nel processo decisionale dell’intelligenza artificiale.Invece di dare piena autonomia agli algoritmi – che possono comunque operare con un certo grado di indipendenza – gli esseri umani dovrebbero supervisionare e guidare (più o meno direttamente) i sistemi di intelligenza artificiale al fine di garantire che i principi etici fondamentali vengano rispettati. Ciò avviene in diversi modi.Europa, USA e Cina: diversi approcci all’etica dell’AIUno stretto monitoraggio step-by-stepSi può definire monitoraggio il controllo operato da esseri umani che seguono da vicino e in modo costante il processo decisionale dell’intelligenza artificiale al fine di identificare potenziali errori e/o pregiudizi. Ad esempio, in un sistema di raccomandazione di contenuti, gli esseri umani dovrebbero campionare e revisionare le raccomandazioni per assicurarsi che non promuovano contenuti pericolosi o illegali. Il monitoraggio umano continuo può aiutare a individuare rapidamente i casi in cui un algoritmo produce risultati inaspettati o indesiderati.Una supervisione ‘allentata‘Quando il controllo non è così stretto, questo si può manifestare sotto forma di una supervisione per così dire ‘allentata’. Gli esseri umani coinvolti nel processo revisionano e convalidano dunque le decisioni una volta che queste vengono prese da un sistema di intelligenza artificiale e prima che vengano concretamente implementate su larga scala.Per esempio, in ambito finanziario, un operatore umano potrebbe rivedere le decisioni di approvazione o rifiuto di un prestito prese da un algoritmo prima che i fondi vengano effettivamente erogati o negati. Questo livello di supervisione fornisce un controllo critico su decisioni ad alto impatto, ma non si traduce in una presenza continua dell’essere umano in ogni momento.Il labeling dei dati di trainingIl training dei modelli avviene attraverso l’utilizzo di dati strutturati (etichettati) e/o non strutturati. Nel primo caso, il lavoro dell’essere umano, chiamato a etichettare i training data usati per l’addestramento delle macchine, è fondamentale.Per quanto sofisticata, l’intelligenza artificiale richiede dunque un training che si basa su dati di riferimento, spesso (o quasi sempre) elaborati e arricchiti da annotatori umani. È infatti attraverso la comparazione degli output del modello in fase di training con i dati che ci si aspetta che questo fornisca a ogni step (tecnica della back propagation) che le reti neurali possono migliorarsi.Un feedback costruttivo e correttivoGli utenti umani di un servizio di AI, al fine di migliorarlo, possono fornire input e feedback su base continuativa per migliorare le prestazioni del dato sistema nel tempo.Ad esempio, gli utenti di un assistente vocale potrebbero segnalare risposte imprecise per aiutare a perfezionare l’algoritmo sottostante. Aggiungendo questa ‘formazione’ umana costante, gli esseri umani possono, oltre che ridurre il rischio di errori e bug nei servizi, anche plasmare l’intelligenza artificiale per allinearla ai propri valori.L’intervento umano (quando necessario)Un operatore umano potrebbe talvolta dover intervenire al fine di sovrascrivere una decisione presa da un sistema di AI qualora questa sia errata da un punto di vista fattuale, contraria alla normativa in vigore e/o ai valori etici di riferimento o socialmente inaccettabile. Tra le molte situazioni esemplificative elencabili, possiamo pensare a un veicolo a guida autonoma e a un passeggero che si trovi a dover riprendere il controllo del volante se l’intelligenza artificiale sta per commettere un errore pericoloso. Fornire un’opzione di override umano agisce come salvaguardia contro gravi conseguenze impreviste.Progettazione centrata sull’uomoLa progettazione dei sistemi di AI dovrebbe avvenire sin dall’inizio tenendo come punto di riferimento i valori e le esigenze umane. Invece di automatizzare per il solo gusto di ottenere un certo grado di automazione, gli ingegneri sviluppatori dei sistemi di intelligenza artificiale – soprattutto quelli che maggiormente incidono sulla nostra società – dovrebbero pensare a come l’AI può migliorare la vita umana. Questo potrebbe significare definire controlli etici, ma anche garantire (per quanto possibile) la spiegabilità e la trasparenza del funzionamento delle architetture algoritmiche su cui si basano i sistemi utilizzati.L’uomo come garanzia del prodotto umanoPermettere – anzi richiedere e garantire – che l’essere umano non sia fuori dal ‘loop’ può dunque contribuire al corretto funzionamento delle macchine nel rispetto dei principi etici di riferimento e della normativa (italiana e sovranazionale).Con il suo intervento più o meno ‘invadente’ nel processo decisionale dell’AI, l’essere umano può così proteggere la società dalle possibili conseguenze negative dell’attività delle macchine, progettate, create e addestrate dallo stesso essere umano e per questo non esenti dai bias, ma anche contribuire ad accrescere la fiducia che la società ha nelle tecnologie emergenti.Definire dove, come e quando questo intervento sia utile può infine permettere una più efficiente gestione delle risorse, umane ed economiche, anche in contesti aziendali.

I jeans vintage sono davvero migliori? - Il PostNike è rimasta indietro - Il Post

Il team di OpenAI ha creato un assistente AI per trovare errori di codice - AI news

Il tumore al pancreas spegne un gene chiave per poter crescere | Wired Italia«Non c'è alcun merito ad avere merito» - Il Post

20 thriller pazzeschi da leggere in vacanza | Wired ItaliaA cosa ci serve dare un nome proprio agli oggetti? - Il Post

Maneskin separati in casa. Lo strappo di Damiano e il rischio scioglimento – Il TempoNucleare, il governo lo mette nei suoi piani energetici | Wired Italia