Le nuove tecnologie digitali stanno facilitando lo sviluppo di relazioni sociopolitiche nelle zone rurali, ma è possibile che l’intelligenza artificiale possa generare nuove aree interne nel prossimo futuro.
Infatti, il regionalismo economico influenzato dall’intelligenza artificiale sta aumentando il rischio di creare nuove aree bianche e nuove comunità periferiche. Appare evidente come il darwinismo digitale stia premiando le città, tanto più quelle portuali di dimensione medio-grande.
Tutti i divari digitali dell’Italia: ecco perché la tecnologia crea nuove disuguaglianze
Le città portuali nuovi hub del digitale
Sono infatti le configurazioni urbane, classificate come poli, a ospitare il maggior numero di sensori di rilevazione e avere la concentrazione più alta di popolazione residente. E sono queste amministrazioni e i loro attori economici ad aver sviluppato la capacità di trasformare tali dati in informazioni e servizi ad alto valore aggiunto.
Il collegamento delle città alle proprie realtà portuali, i nuovi hub di ingresso e transito di zettabyte di dati attraverso cavi sottomarini, produce un ulteriore effetto leva dei fattori esogeni di crescita, riconducibili al collegamento con altre condizioni immateriali di sviluppo (innovazione e scambio di know-how).
Stando ai dati: il 97% del traffico internet viaggia attraverso i cavi sottomarini. L’Europa a dicembre 2021 ha lanciato l’iniziativa “EU Global Gateway”, 300 miliardi di investimento a sostegno della connessione tra i Paesi membri e il resto del mondo. A livello mondiale, l’Internet of Things ha raggiunto 12,3 miliardi di connessioni, le persone con accesso a internet sono diventate 4,9 miliardi (secondo l’edizione 2021 di Facts and Figures, il rapporto annuale dell’Unione internazionale delle telecomunicazioni), di cui quasi il 60% vive in contesti urbani. In Italia questa percentuale raggiunge il 72% e sono oltre 50 milioni le persone connesse e oltre 43 milioni quelle attive sui social, con una predilezione verso quelle piattaforme con contenuti on demand.
Il digital divide e le misure attuali di contrasto
Se, da un lato. l’uso di alcune piattaforme come Google Maps incoraggia la produzione di dati geografici in una visione di cittadinanza globale, dall’altro la ruralità digitale sta assumendo forme spaziali e distribuzioni temporali prescrittibili. Il digital divide è stato finora percepito dai policy maker esclusivamente come gap di dotazione infrastrutturale, latenze misurabili su standard di connettività affidabile e di velocità di navigazione. Livelli di performance scuciti dallo sviluppo e dalla diffusione di sistemi di intelligenza artificiale, ovvero dalla presenza di computer ad alte prestazionali di ultimo miglio, reti LoRaWAN, fattori rinvenibili nel paniere dei beni pubblici del web 3.0.
Numerosi sono gli investimenti per la riduzione del digital divide che lo Stato italiano ha messo in opera. La Strategia nazionale per la Banda Ultra Larga “Verso la Gigabit Society”, ha l’obiettivo di ridurre il digital divide delle aree rurali e portare la connettività a 1 Gbps su tutto il territorio italiano entro il 2026.
La coesione digitale delle aree interne è ricompresa nel pacchetto di interventi del PNRR, della Missione 1, Digitalizzazione, innovazione, Competitività, e della Missione 5 Inclusione e Coesione, oltre che negli interventi attuativi della Politica di Coesione dei fondi strutturali e di investimento europei 2021-2027.
Il nuovo divario delle aree interne
La programmazione delle risorse pubbliche a favore delle aree in declino socio-economico, aree bianche, va sotto il nome e l’egida della Strategia Nazionale per le Aree Interne (SNAI) e coinvolge complessivamente 72 ambiti territoriali, che coinvolgono complessivamente 1077 Comuni, classificati come periferici e ultraperiferici, per circa 2.072.718 abitanti.
La rilevazione e definizione di tali aree è mutuata da indicatori socio-economici che misurano l’accessibilità e la distanza dai beni pubblici di non esclusione -scuola, sanità, trasporto pubblico locale-, la struttura della popolazione con gli indici di vecchiaia, di dipendenza strutturale e di ricambio, superiori alla media nazionale.
Dalle ultime rilevazioni ISTAT, le aree interne si caratterizzano per un alto tasso di spopolamento, cui consegue una bassa densità abitativa (32,3 Kmq nei 382 Comuni ultraperiferici), sono per la maggior parte Comuni non costieri e definibili rurali secondo la classificazione europea del grado di urbanizzazione.
La generazione di nuove aree interne si rischia guardando gli elementi di base dei sistemi di Intelligenza Artificiale: volume dei dati, computer ad alte prestazioni, operazioni algoritmiche. Oggi le aree interne sono ancora scarsamente “sensorizzate”, la produzione di dati endogena più modesta, il volume di dati, strutturati o non, generati da sorgenti eterogenee, varietà e velocità sono contingentate.
L’apprendimento automatico discendente da questi fattori di input determina una affidabilità e un valore dell’output difficilmente accettabile come convenzionale. La capacità quindi dell’algoritmo di percepire il contesto, apprendere dai dati, ragionare su una informazione finale generalmente accettabile viene preclusa dalle condizioni iniziali.
L’intelligenza artificiale come apparato socio-tecnico modernizza il limite socio-orografico come vincolo tecnologico, in linea con il modello di sviluppo economico proprio del capitalismo del 20° secolo. Seguendo invece la tesi di Yanni Alexander Loukissas, questa realtà diventa relativa nella misura in cui i dati diventano gli attori del localismo digitale e vengono contestualizzati rispetto alla propria fonte.
È qui che si fa avanti la terza via dello sviluppo dell’Intelligenza artificiale, proclamata da Jim Thatcher e Craig Dalton, due geografi, promotori di una “politica che reinterpreta i dati e gli algoritmi come strumenti orientati all’emancipazione e alla solidarietà”.
Conclusione
Lo sviluppo della technology stack dei sistemi di AI per le aree interne richiede una visione olistica e un’accountability pubblica 3.0. Co-design e co-evolution di tali sistemi dovrebbero entrare di diritto nella definizione della SNAI. Si può iniziare, sin da questo periodo di programmazione, con la costruzione di nuovi indicatori di rilevazione ex-ante – volume dei dati prodotto e numero di fonti omogenee- e l’attribuzione di outcome di servizio rilasciate da informazioni algoritmiche dinamiche.
Questa strada può essere percorsa e facilitata se accompagnata da un processo di riordino territoriale dei servizi e da una governance sovra-amministrativa che coinvolga le autorità locali in una logica di condivisione di un unico spazio dati, originati in tutte le aree interne ed extra-area, e di adesione a una tassonomia delle modalità di apprendimento interdisciplinare.
