L’utilizzo dell’IA per supportare gli obiettivi di sviluppo sostenibile Onu – SDGs o Sustainable Development Goals – potrebbe avere molteplici implicazioni in ambito sociale, economico e culturale.
Grazie al recente rapporto prodotto dal team di ricerca McKinsey e al Think Tank “Ai for Sustainabale Development Goals (Ai4SDGs) è possibile osservare più da vicino come questo avvenga, come possa essere ulteriormente migliorato e divenire nei diversi casi esaminati un modello globale per l’uso dell’AI generativa in diversi campi.
Un recente rapporto dell’Università di Stanford e di Project Evident ha rilevato che l’IA ha già una presenza considerevole nei settori sociale e dell’istruzione: il 48% dei finanziatori e il 66% delle organizzazioni no-profit intervistate affermano che la loro organizzazione utilizza un qualche tipo di IA e circa l’80% dei finanziatori e delle organizzazioni no-profit affermano che la loro organizzazione trarrebbe beneficio dall’utilizzo di una maggiore quantità di IA.
Indice degli argomenti
Obiettivi di sviluppo sostenibile (SDG) e casi d’uso dell’IA in campo sociale
Nell’impossibilità di fornire un quadro esaustivo saranno qui di seguito forniti degli esempi per mostrare quanto il report McKinsey propone, che possano servire da spunto di riflessione per implementare la consapevolezza del ruolo dell’IA nel campo sociale, in particolare nel contesto non profit. Pertanto, saranno presi in considerazione i casi d’uso con un potenziale ampiamente riconosciuto in due dei 17 SDGs.
SDG 3: buona salute e benessere
L’SDG 3 mira a promuovere il benessere e a garantire alle persone una vita sana, per cui gli obiettivi specifici includono la riduzione della mortalità materna, la lotta alle malattie trasmissibili come l’AIDS, la tubercolosi e la malaria e l’accesso universale alle cure sessuali e riproduttive, alla pianificazione familiare e all’istruzione. Le principali applicazioni dell’IA in questo settore includono la modellazione delle proteine, il sequenziamento del genoma, l’analisi della tomografia computerizzata (TC), il supporto alla visione e la progettazione di vaccini
- Esempio di caso d’uso: affrontare la salute materna e neonatale in Kenya con Jacaranda Health fornisce soluzioni basate sull’intelligenza artificiale che migliorano la qualità dell’assistenza alle donne con l’obiettivo di ridurre il numero di decessi materni in Kenya. Ad esempio, Prompts è uno scambio di SMS che invia messaggi personalizzati alle donne, stimolandole a cercare assistenza.
- Esempio di caso d’uso: affrontare la salute materna e neonatale in India. ARMMAN è una piattaforma fondata nel 2008 per affrontare i problemi sistematici che impediscono alle donne a rischio di accedere alle cure; l’organizzazione ha sviluppato numerosi interventi, tra cui mMitra, un sistema di messaggistica vocale automatica che fornisce informazioni chiave sulle cure preventive che ha raggiunto circa 3,6 milioni di donne in nove stati.
- Esempio di caso d’uso: prevedere la struttura delle proteine per aiutare la scoperta di farmaci. DeepMind ha sviluppato AlphaFold nel 2020 e AlphaFold 3 nel 2024 per affrontare una sfida che ha afflitto gli scienziati per oltre 50 anni: il problema del ripiegamento delle proteine. Il team di DeepMind ha rilasciato un database di oltre 200 milioni di predizioni di strutture proteiche che è ora ampiamente utilizzato nella ricerca sulla biologia strutturale. Un milione di ricercatori ha avuto accesso al database delle strutture proteiche dal suo lancio, utilizzando le predizioni per risolvere problemi del mondo reale, tra cui lo sviluppo di trattamenti per malattie trascurate e la lotta alla resistenza agli antibiotici.
SDG 4: istruzione di qualità
Gli obiettivi includono l’istituzione di un’istruzione primaria e secondaria gratuita, la garanzia di un accesso paritario a un’istruzione preprimaria di qualità e il raggiungimento di un’alfabetizzazione e di un calcolo universali.
L’Intelligenza Artificiale può essere utilizzata per creare piattaforme educative più inclusive per bambini, adolescenti, adulti e persone con disabilità, per aumentare le iscrizioni degli studenti e per formulare piani di lezione per gli insegnanti, compresa la creazione di materiali personalizzati in base alle aree di sviluppo e agli interessi specifici degli studenti.
I rischi dell’IA generativa
Il report McKinsey analizza i possibili rischi prima di procedere nella disanima dei casi d’uso.
È importante considerarne alcuni, che illustrano in maniera chiara come l’intervento dell’IA generativa sia a tutt’oggi da considerare a 360 gradi per quanto riguarda ogni possibile impiego, rischio, fallimento, supporto.
Con l’IA generativa, i rischi includono risultati imprecisi, pregiudizi incorporati nei dati di addestramento sottostanti, il potenziale di disinformazione su larga scala e l’influenza malevola sulla politica e sul benessere personale.
Gli esperti hanno identificato i rischi principali come l’equità compromessa, l’uso dannoso e le preoccupazioni relative alla privacy e alla sicurezza, seguite dalla spiegabilità, oltre alle preoccupazioni per la disinformazione, la delocalizzazione dei posti di lavoro e gli effetti dell’IA sulla stabilità economica.
L’implementazione si è rivelata difficile, in parte a causa delle infrastrutture limitate – compreso l’accesso a Internet e i registri dei dati – nei Paesi in via di sviluppo. Vedremo 2 esempi di casi d’uso.
- Esempio di caso d’uso: consentire alle persone non verbali o con difficoltà di apprendimento di comunicare. Livox utilizza algoritmi intelligenti e l’apprendimento automatico per adattare i contenuti a studenti con diverse disabilità, tra cui quelle verbali, motorie, cognitive e visive. Più di 25.000 persone con disabilità hanno utilizzato questo servizio, disponibile in 25 lingue.
- Esempio di caso d’uso: rafforzare l’iscrizione delle ragazze a scuola. Educate Girls è un’organizzazione no-profit che si occupa dell’istruzione delle bambine nelle aree rurali e con scarse risorse educative dell’India. L’organizzazione utilizza un modello di apprendimento automatico per ridurre i costi operativi di individuazione delle ragazze che non frequentano la scuola. Prima di sviluppare questo modello, i membri del personale di Educate Girls dovevano viaggiare di villaggio in villaggio per raccogliere i dati necessari, che poi compilavano e analizzavano manualmente per identificare le aree in cui i loro servizi potevano avere il massimo impatto.
Riferimenti
https://www.thersa.org/comment/2024/07/al-a-transformative-force-in-maternal-healthcare
https://www.ai-for-sdgs.academy
https://ai.google/responsibility/social-good
https://forbes.it/2024/08/13/ia-puo-migliorare-la-vita-e-proteggere-il-pianeta-mckinsey-company
