IA applicata alle scienze sociali: #MAKERCLASS con Elia Lombardo
Il 18 marzo 2022 sono stato ospite di FabLab Belluno per una #MAKERCLASS online dedicata all’uso dell’intelligenza artificiale nell’ambito delle scienze sociali.
L’incontro ha offerto l’occasione per presentare l’esperienza maturata con XLAW® e per discutere il rapporto tra tecnologia, osservazione dei fenomeni sociali, metodo scientifico e decisione umana.
L’intelligenza artificiale nelle scienze sociali
Applicare l’intelligenza artificiale alle scienze sociali non significa soltanto elaborare grandi quantità di dati o automatizzare una decisione.
Significa innanzitutto stabilire quale fenomeno si intenda osservare, quali informazioni siano realmente pertinenti e quale relazione esista tra i dati disponibili e la realtà sociale che essi dovrebbero rappresentare.
I comportamenti umani e collettivi non possono essere ridotti automaticamente a una sequenza di numeri. Il dato acquista significato soltanto quando viene interpretato all’interno del contesto dal quale proviene.
L’intelligenza artificiale non sostituisce la conoscenza del fenomeno: può amplificarla soltanto quando il fenomeno è stato definito e osservato correttamente.
XLAW® come esperienza applicativa
Nel corso della #MAKERCLASS, XLAW® ha rappresentato un caso concreto di applicazione di un modello predittivo a un fenomeno sociale circoscritto: la criminalità predatoria nello spazio urbano.
Il sistema non nasce dalla generica disponibilità di grandi quantità di dati. Nasce dall’osservazione diretta del fenomeno, dall’individuazione delle sue ricorrenze e dalla progressiva costruzione di un metodo capace di collegare comportamento, territorio e tempo.
La tecnologia è intervenuta successivamente, per rendere sistematica e operativamente utilizzabile una conoscenza sviluppata attraverso l’esperienza, la verifica e la correzione degli errori.
Dai dati alla comprensione del fenomeno
Uno dei problemi centrali dell’analisi sociale è distinguere la correlazione dalla comprensione.
Un sistema può rilevare che due condizioni si presentano frequentemente insieme, ma questa coincidenza non spiega automaticamente la natura della loro relazione. Per passare dal calcolo alla conoscenza occorrono ipotesi, verifiche, confronto con la realtà e capacità di interpretazione.
Nel caso della sicurezza urbana, non è sufficiente sapere che in una determinata area siano stati commessi molti reati. È necessario comprendere la selettività degli autori, le modalità operative, la struttura del territorio, le ricorrenze temporali e le condizioni che rendono possibile la reiterazione del fenomeno.
La centralità del metodo
Un modello di intelligenza artificiale è affidabile soltanto quanto lo sono il metodo, i dati e le ipotesi sui quali è stato costruito.
La qualità tecnologica non può correggere automaticamente un fenomeno definito male, dati raccolti senza criterio o categorie che riflettono interpretazioni distorte della realtà.
Per questa ragione, l’applicazione dell’IA alle scienze sociali richiede una collaborazione tra competenze differenti: conoscenza del dominio, analisi dei dati, tecnologia, diritto, etica e valutazione degli effetti.
Previsione e responsabilità umana
Prevedere non significa produrre una certezza sul futuro. Significa riconoscere configurazioni ricorrenti e stimare la possibilità che determinate condizioni si ripresentino.
Il risultato del modello deve quindi restare uno strumento di supporto alla decisione. Non può diventare una decisione automatica, né sostituire la responsabilità di chi è chiamato a interpretarlo.
Questa distinzione è particolarmente importante quando la tecnologia viene applicata alla sicurezza, alla giustizia o ad altri ambiti nei quali le elaborazioni possono produrre conseguenze concrete sulle persone.
Dal singolo dominio alla ricerca multidisciplinare
Riletto oggi, l’incontro con FabLab Belluno rappresenta un’altra tappa nel percorso di progressiva generalizzazione della ricerca.
L’esperienza XLAW® mostrava che un fenomeno sociale complesso poteva essere osservato attraverso ricorrenze, relazioni e variazioni nel tempo, mantenendo però centrale la conoscenza del dominio.
La domanda successiva riguardava la trasferibilità del metodo: quali principi di osservazione possono restare validi quando cambia il sistema analizzato?
È da questa domanda che si sviluppa progressivamente una ricerca più ampia sulle condizioni, sulle transizioni e sulla perdita di stabilità nei sistemi complessi.
Non utilizzare l’intelligenza artificiale per sostituire la comprensione, ma per rendere osservabili strutture che altrimenti resterebbero nascoste.
La registrazione della #MAKERCLASS
La registrazione dell’incontro è disponibile sul canale YouTube di FabLab Belluno.
Guarda la registrazione su YouTube
Dati dell’evento
- Data: 18 marzo 2022
- Formato: incontro online
- Organizzazione: FabLab Belluno
- Format: #MAKERCLASS
- Ospite: Elia Lombardo
- Tema: intelligenza artificiale applicata alle scienze sociali
- Caso applicativo: XLAW® e la previsione dei fenomeni criminali urbani
Conclusione
La #MAKERCLASS del 18 marzo 2022 ha consentito di collocare XLAW® all’interno di una riflessione più ampia sull’uso dell’intelligenza artificiale nello studio dei fenomeni sociali.
Il valore di un sistema predittivo non dipende soltanto dalla sua capacità di elaborazione. Dipende dalla qualità delle domande, dalla conoscenza del fenomeno e dalla possibilità di verificare il percorso che conduce dal dato alla decisione.
Prima della tecnologia viene il metodo. Prima della previsione viene la comprensione del sistema osservato.