Data driven decision making, così il policy maker anticipa gli impatti delle azioni future | VIDEO

In un futuro che diventa ogni giorno più digitale, il ruolo dei dati si fa cruciale. Un indizio sulla strada che stiamo percorrendo: il 90% dei dati è stato raccolto nei soli ultimi due anni e si stima che entro il 2025 si supereranno i 180 zettabyte.

Questa prospettiva, oltre a rendere evidente l’interesse per la selezione, fa intravedere anche l’estrema poliedricità del loro potenziale impiego. L’implementazione dell’intelligenza artificiale, infatti, aiuta a migliorare il modo in cui i dati possono essere elaborati e soprattutto, una volta immagazzinati, a individuare l’obiettivo verso cui indirizzarli. Facendo interagire i dati raccolti si possono supportare i soggetti coinvolti creando dei contesti che indichino le strade migliori da percorrere per ottenere i risultati auspicati nel processo decisionale.

La tecnologia si chiama ‘Data driven decision making’ e sono tantissimi i settori in cui apporta già un contributo essenziale per gestire al meglio le risorse di un determinato territorio. Un terreno vasto e che sembra non avere confini ma che in concreto si trova anche al centro del dibattito sul tema delle policy.

Secondo Giovanni Cerulli, dirigente di ricerca al CNR-IRCrES uno degli argomenti che lega l’intelligenza artificiale all’azione politica, intesa come implementazione delle politiche sociali per esempio di tipo economico, è il policy learning. Sostanzialmente questo definisce un paradigma di analisi che permette di prevedere gli impatti di una decisione utilizzando i dati che provengono dalle precedenti esperienze. Ciò consente inoltre di costruire differenti scenari riguardo alle politiche future. Così il policy maker, che è l’attore fondamentale che deve disegnare e implementare le politiche, può conoscere in anticipo quali potrebbero essere i principali effetti delle azioni che vuole mettere in atto.

Quali sono gli ambiti in cui il Data driven decision making è già realtà?

Gli ambiti nei quali l’applicazione dell’AI è già presente sono sicuramente quelli della finanza, quelli legati al mondo della sicurezza e nella sanità. In quest’ultimo segmento viene utilizzata sempre di più nella cosiddetta medicina personalizzata.  Date le caratteristiche degli individui e avendo un dataset di training, cioè un addestramento disponibile sul legame tra le caratteristiche delle persone, i loro sintomi, la loro storia clinica e le ipotetiche malattie, è possibile oggi fare una predizione molto accurata della presenza o meno di determinate patologie, ma direi anche di più, di fare una previsione dettagliata di quale tipo di trattamento potrebbe essere più idoneo per il singolo paziente perché recuperi la propria condizione di salute nei tempi più rapidi. Un esempio molto simile alla sua applicazione nelle politiche socio-economiche. Nelle policy, infatti, abbiamo individui che sono caratterizzati da una serie di caratteristiche come l’età, il livello di istruzione, la storia lavorativa passata, che possiamo utilizzare per prevedere, ad esempio, l’effetto che avrà la policy sulla singola persona. Non solo, in chiave di massimizzazione dell’effetto all’interno di politiche che spesso hanno budget ristretti, (2) grazie all’AI possiamo anche selezionare specifici soggetti che potranno beneficiare maggiormente dei suoi risultati. E questo lo si può fare a tutti i livelli decisionali. In finanza si utilizza il targeting per stabilire quali sono gli asset meno rischiosi o i più redditizi. Anche nel settore della sicurezza, lo abbiamo anticipato prima, l’AI potrebbe dare un contributo essenziale per identificare individui o website che sono particolarmente pericolosi e che possono in qualche misura mettere a rischio l’incolumità di un sistema.

Qual è il futuro del policy making?

Nel futuro del policy making è fondamentale il learning continuo, cioè la capacità nel tempo di migliorare il targeting delle policy, la loro implementazione e l’abilità predittiva che il policy maker può avere. La mia impressione è che nel futuro il supporto alle decisioni umane sarà sempre più guidato dalle macchine e questo permetterà una maggiore precisione, oltre che una più alta capacità di anticipazione. In questo senso anche se ci avviciniamo a un processo superiore di automatizzazione delle decisioni ricordiamo che queste non potranno fare a meno di un controllo esterno da parte di un soggetto umano, ovviamente.

Come si trasformerà la figura del politico e come evolverà il suo ruolo nella pubblica amministrazione?

Il policy maker deve diventare capace di padroneggiare queste nuove tecnologie. E per farlo deve esistere un ripensamento, anche culturale, di approccio alla politica stessa, che non può essere soltanto considerata un mero esercizio di stile o una modalità per portare avanti interessi. Chi fa politica dovrà trasformarsi gradualmente in un policy maker capace di comprendere bene il funzionamento di questi sistemi, non nell’aspetto tecnico ovviamente ma nella loro logica, diventando più conscio del potenziale del machine learning e di molti altri strumenti predittivi che potranno essere di grandissimo supporto e utilità nella implementazione delle policy.

In che modo l’intelligenza artificiale si applica alla sostenibilità ambientale?

Il rapporto tra l’intelligenza artificiale e la sostenibilità è un tema estremamente delicato e importante. Sicuramente, secondo il mio modo di riflettere, i punti a favore della sua applicazione in questo ambito sono maggiori rispetto a quelli che possiamo individuare come negativi. Quello che posso affermare è anche però che certamente, ad oggi, i processi di sostenibilità ambientale necessitano di un supporto più intelligente nella gestione delle risorse e di una capacità di sviluppo delle economie circolari più efficace ed efficiente. In questo il supporto dell’AI è fondamentale. Faccio un altro esempio per dare un’idea concreta: gli algoritmi di riconoscimento degli oggetti, che oggi si sviluppano con metodi che si chiamano reti neurali di convoluzione, permettono di riconoscere sostanzialmente qualunque tipo di cosa. Quindi la macchina è capace di distinguere un gatto, un cane, ma anche di separare un oggetto riciclabile da un oggetto non riciclabile. Questo è un elemento fondamentale perché l’automazione del processo di riciclaggio comporta la possibilità di far sì che questo possa essere esteso e implementato evitando di produrre sprechi. In poche parole, tale abilità permette un uso molto più efficiente delle risorse che noi abbiamo a disposizione, anche solo immaginando di poter evitare che si inceneriscano oggetti che invece potrebbero essere riciclati. E allora, andiamo anche oltre, immaginiamo che questa tecnologia possa essere estesa con il tempo su larga scala e magari comportare una vera e propria riduzione dell’inquinamento inutile.

Quali sono gli aspetti negativi legati all’intelligenza artificiale?

Io più che negativi li definirei dei limiti che ad oggi l’intelligenza artificiale porta con sé nel suo utilizzo.
Per esempio, il fatto che la computazione al momento richieda tanta energia, (3) che a sua volta genera maggiore riscaldamento globale e spesso anche più inquinamento. Un altro elemento limitante, di cui a volte si parla poco, è rappresentato sostanzialmente anche dall’adozione diffusa di hardware che fa sì che molti componenti interni non vengano riciclati correttamente.

Come risponde il contesto italiano (4) a questa evoluzione?

Su questo fronte l’Italia è sicuramente un Paese all’avanguardia perché in questo momento un aspetto cardine dello sviluppo è rappresentato dal ruolo che sta giocando il Piano nazionale di ripresa e resilienza. In particolare, noi scienziati, al Consiglio nazionale delle ricerche stiamo gestendo un’infrastruttura di ricerca importante e, al suo interno, abbiamo una sezione dedicata appositamente allo sviluppo di tecnologie per il policy learning. L’idea fondamentale è quella di costituire una piattaforma per l’apprendimento delle politiche usufruibile dai policy maker in maniera semplice e intuitiva. Questa infatti si svilupperà tramite una web application che permetterà di inserire i propri dati per scoprire e sviluppare una serie di scenari possibili stabilendo esattamente quali sono i target di individui da trattare per massimizzare l’effetto e l’impatto della policy stessa. Stiamo parlando di una applicazione davvero avveniristica, assolutamente innovativa. In questo progetto poi abbiamo previsto anche dei momenti di training per chi dovrà interfacciarsi con la piattaforma, nei quali cercheremo di spiegare come utilizzarla. E devo dire che proprio grazie a questo tipo di lavori l’Italia si pone sicuramente ai vertici a livello mondiale nella capacità di sviluppare strumenti di policy learning avanzati.