Dai principi etici alle regole operative
La simbiosi fra umani e macchine mostra che l’etica dell’intelligenza artificiale non può restare astratta: deve tradursi in criteri operativi, regole comprensibili e procedure di controllo.
L’IA Simbiotica pone un problema decisivo, che riguarda insieme tecnologia, diritto e filosofia morale: non basta stabilire quali principi debbano guidare l’intelligenza artificiale, bisogna capire come questi principi possano essere tradotti in pratiche concrete. Dire che un sistema deve essere trasparente, responsabile o centrato sull’essere umano non è sufficiente. Occorre rendere questi criteri utilizzabili nella progettazione, nello sviluppo, nella valutazione e nell’impiego dei sistemi. È qui che l’etica dell’IA Simbiotica diventa un compito operativo: trasformare valori generali in regole, procedure e modelli capaci di funzionare dentro situazioni reali.
La ricerca definisce questo passaggio come operazionalizzazione: la traduzione dei principi etici astratti in indicazioni concrete. In questa prospettiva, l’etica non resta fuori dalla tecnologia come un insieme di raccomandazioni generali, ma entra nelle diverse fasi del ciclo di vita dell’intelligenza artificiale. Riguarda la raccolta dei dati, la progettazione degli algoritmi, l’addestramento dei modelli, la valutazione dei risultati e la fase di utilizzo. Questo è un punto importante, perché mostra che l’accettabilità di un sistema di IA non può essere verificata solo alla fine, quando il sistema è già stato costruito. Deve accompagnare l’intero processo, orientando le scelte fin dall’inizio e permettendo di controllare nel tempo se il sistema continua a operare in modo responsabile.
Per rendere possibile questo lavoro, la ricerca richiama la necessità di quadri di governance, standard, regole e buone pratiche. Non si tratta di costruire un’etica generica, valida allo stesso modo per ogni contesto, ma di predisporre strumenti capaci di guidare chi progetta e utilizza sistemi di IA in ambiti specifici. Le indicazioni etiche devono quindi essere collegate ai problemi concreti che possono emergere nell’uso dei sistemi: bias, discriminazioni, violazioni della privacy, conseguenze non previste, difficoltà di comprendere le decisioni. L’obiettivo è anticipare questi rischi, valutarli e ridurli, invece di considerarli solo dopo che si sono manifestati. L’accettabilità diventa così una pratica di controllo continuo.
Un elemento centrale di questo percorso riguarda la trasparenza. La ricerca insiste sulla necessità di progettare sistemi interpretabili e responsabili, il cui funzionamento possa essere compreso, esaminato e, se necessario, corretto. In una relazione simbiotica, infatti, la collaborazione richiede che l’essere umano possa orientarsi nel funzionamento della macchina. Se il sistema produce indicazioni, suggerimenti o decisioni senza rendere comprensibili i passaggi rilevanti, la persona non è davvero in grado di valutarne il contributo, riconoscerne i limiti o assumersi una responsabilità consapevole. Deve quindi poter capire, almeno nei punti essenziali, come una decisione viene prodotta, quali fattori la influenzano e quali errori o distorsioni possono intervenire. Per questo diventano importanti strumenti di spiegabilità, controlli sul funzionamento degli algoritmi, verifiche e valutazioni nel tempo. La fiducia non nasce dal semplice fatto che il sistema produca risultati, ma dalla possibilità di comprenderne e controllarne il comportamento.
La ricerca sottolinea anche un limite importante: non sembra realistico costruire una macchina “generalmente etica”, capace di prendere decisioni morali corrette in ogni dominio e in ogni situazione. È più prudente concentrarsi su sistemi di IA etici costruiti per ambiti specifici. In ogni contesto, infatti, cambiano le regole, i valori professionali, i criteri di giudizio e le responsabilità coinvolte. Un sistema usato in ambito sanitario, amministrativo o educativo non incontra gli stessi problemi, non usa gli stessi criteri e non produce gli stessi effetti. Per questo gli autori propongono di lavorare su modelli legati a dominii applicativi determinati, costruiti con il contributo degli esperti di quei dominii e degli altri soggetti coinvolti. L’etica dell’IA Simbiotica non nasce quindi da una formula universale applicata dall’alto, ma da un lavoro costruito nei singoli contesti, capace di collegare principi generali e condizioni concrete.
Il passaggio più delicato consiste nel collegare i principi astratti ai casi concreti. Valori come equità, responsabilità o rispetto della persona possono apparire chiari sul piano generale, ma diventano più complessi quando devono orientare una decisione specifica. La ricerca osserva che gli esperti, nel valutare situazioni reali, non applicano i principi in modo meccanico: li mettono in relazione con le circostanze del caso, con i rischi presenti e con le conseguenze possibili. Proprio questo collegamento può diventare la base per costruire definizioni operative dei principi. Il sistema può così essere addestrato a riconoscere alcune relazioni tra valori, fatti e decisioni, partendo da esempi valutati dall’essere umano. Non si tratta di sostituire il giudizio umano, ma di rendere più espliciti i passaggi attraverso cui un principio etico viene applicato a una situazione concreta.
In questa prospettiva, l’IA Simbiotica si avvale di un processo di apprendimento guidato dall’interazione tra essere umano e macchina. Il sistema può estrarre gli elementi rilevanti di un caso, presentarli alla persona, ricevere una valutazione etica e, sulla base di quella valutazione, apprendere o correggere una regola. Allo stesso tempo, il confronto con il sistema può aiutare l’essere umano a riconoscere incoerenze, errori o passaggi problematici nel proprio ragionamento. La collaborazione non riguarda quindi solo l’esecuzione di compiti, ma anche la revisione progressiva dei criteri che orientano il comportamento del sistema. In questo modo, l’etica non resta una dichiarazione generale, ma diventa un insieme di indicazioni verificabili, correggibili e adattabili all’esperienza.
La conclusione della ricerca indica una direzione precisa. Rendere operativa l’etica dell’IA Simbiotica significa costruire sistemi in cui principi e responsabilità non restino dichiarazioni esterne, ma vengano tradotti in regole utilizzabili, controlli espliciti e passaggi verificabili. In questa prospettiva, la logica computazionale assume un ruolo importante perché consente di rappresentare regole in una forma comprensibile, collegare fatti e conseguenze, e rendere più leggibili i criteri che orientano il comportamento del sistema. Anche i sistemi multi-agente possono offrire strumenti utili per coordinare interazioni complesse tra soggetti diversi, umani e artificiali, dentro ambienti regolati. L’obiettivo finale non è affidare l’etica alla macchina, ma progettare sistemi capaci di mostrare le ragioni delle proprie indicazioni, segnalare i punti critici e rendere possibile una correzione nel tempo. In questo senso, rendere “etica” una macchina significa soprattutto costruire le condizioni perché i principi possano entrare nel funzionamento concreto dell’intelligenza artificiale, senza perdere il legame con il giudizio umano e con le situazioni reali.
Questo articolo nasce nell’ambito delle attività di Terza Missione promosse da Stroncature in collaborazione con l’Università degli Studi di Bari Aldo Moro, nel quadro delle iniziative di Public Engagement finanziate dal “Bando per Finanziamento di Iniziative di Public Engagement” a valere sul Progetto “Sistema Universitario Pugliese”, finanziato nell’ambito della misura “Patti Territoriali dell’Alta Formazione per le Imprese” (CUP F61B23000370006). Il testo rielabora in forma divulgativa il contributo scientifico “Acceptability of Symbiotic Artificial Intelligence: Highlights from the FAIR project” di Francesca Alessandra Lisi, Antonio Carnevale, Abeer Dyoub, Antonio Lombardi, Piero Marra e Lorenzo Pulito, dell’Università degli Studi di Bari Aldo Moro, presentato a Ital-IA 2024: 4th National Conference on Artificial Intelligence, organizzata da CINI, Napoli, 29-30 maggio 2024, e pubblicato nei CEUR Workshop Proceedings, per renderne i contenuti più fruibili a un pubblico non specialista.
