“`html

L’intelligenza artificiale open source può accelerare gli obiettivi di sviluppo sostenibile

L’intelligenza artificiale open source può accelerare gli obiettivi di sviluppo sostenibile. L’intelligenza artificiale open source rappresenta un’opportunità fondamentale per avanzare verso gli obiettivi di sviluppo sostenibile a livello globale. Tra il 2018 e il 2024, il suo utilizzo per sostenere questi obiettivi è aumentato del 300%, con contributi notevoli in ambiti come l’agricoltura, la gestione degli ecosistemi e la lotta contro il cambiamento climatico. Questo modello aperto, che consente a chiunque di studiare, modificare e condividere gli strumenti, è stato progettato per accelerare i progressi in modo efficace e inclusivo.

Tuttavia, la sua espansione ha rivelato sfide complesse. La mancanza di un quadro di governance strutturato può portare a un consumo eccessivo di risorse e a vulnerabilità etiche. Ad esempio, lo sviluppo decentralizzato di modelli ridondanti su infrastrutture locali inefficienti aggrava l’impronta carbonica del settore. Inoltre, la facilità di accesso agli strumenti open source ha ridotto i costi di produzione di deepfake e disinformazione mirata, ponendo rischi per la sicurezza e la fiducia nelle informazioni.

Un’altra questione è quella del colonialismo digitale, in cui i paesi e le istituzioni potenti del Nord globale controllano dati e infrastrutture, limitando l’autonomia dei paesi del Sud. I set di dati progettati per contesti locali possono essere scarsamente applicabili altrove, portando a errori e a una ridotta pertinenza delle soluzioni di governance.

Per affrontare queste sfide, vengono proposte quattro azioni chiave. La prima consiste nell’integrare la sostenibilità in tutto il ciclo di vita dei modelli, ottimizzando le infrastrutture materiali ed evitando gli sprechi legati a sviluppi ridondanti. Tecniche come la distillazione dei modelli permettono di ridurne le dimensioni fino al 70%, limitandone così l’impatto ambientale. Un’altra soluzione è l’adozione di data center raffreddati a liquido e alimentati da energie rinnovabili, che riducono la domanda energetica del 20% e il consumo di acqua del 52%.

La seconda azione mira a stabilire un quadro di valutazione quantitativa per misurare l’impatto dell’intelligenza artificiale sugli obiettivi di sviluppo sostenibile. Ciò prevede la creazione di indicatori compositi che integrano dati locali e globali, consentendo una valutazione precisa degli effetti positivi e negativi. Ad esempio, i criteri di sostenibilità potrebbero coprire più di 40 indicatori sociali, ambientali ed economici, offrendo una visione chiara dell’impatto reale.

La terza azione si basa su regolamentazione e trasparenza. Per evitare abusi, è essenziale implementare audit obbligatori, test avversarial e licenze chiare che definiscano gli usi consentiti. Gli sviluppatori devono utilizzare set di dati auditati per limitare i pregiudizi, mentre i governi possono imporre politiche rigorose per prevenire la diffusione di contenuti dannosi. Gli utenti, dal canto loro, hanno la responsabilità di applicare questi strumenti in modo etico e di segnalare gli usi impropri.

Infine, la quarta azione incoraggia la cooperazione mondiale e la condivisione delle conoscenze. Nonostante la democratizzazione dell’accesso, persistono disuguaglianze in termini di infrastrutture, talenti e sovranità dei dati. La creazione di piattaforme open access, che rispettino i principi di reperibilità, accessibilità e riutilizzo, è cruciale per garantire un accesso equo alle risorse. Istituzioni come un Dialogo globale sulla governance dell’intelligenza artificiale potrebbero rafforzare la cooperazione pubblicando rapporti annuali e organizzando negoziati intergovernativi.

A livello regionale, la collaborazione tra piattaforme globali e centri di ricerca locali consente di combinare modelli fondativi condivisi con dati specifici per ogni contesto. Ciò facilita l’implementazione di soluzioni su misura, nel rispetto delle normative sulla protezione dei dati. Istituzioni come l’Istituto australiano per l’intelligenza artificiale o l’Istituto nazionale per la valutazione e la sicurezza dell’intelligenza artificiale in Francia svolgono un ruolo chiave in questa localizzazione.

L’intelligenza artificiale open source, combinata con una governance adattata, potrebbe così trasformare il processo decisionale, rendendolo più inclusivo e basato su prove. Permetterebbe di identificare più rapidamente le priorità, gli ostacoli e le vie per una trasformazione sostenibile, anche di fronte a sfide complesse. Integrare le lezioni apprese dai cittadini di tutto il mondo potrebbe anche rendere l’agenda post-2030 più rappresentativa ed efficace.

I modelli open source offrono anche vantaggi concreti. Il loro costo è da 5 a 29 volte inferiore a quello dei modelli proprietari per prestazioni comparabili, il che ne amplifica l’accessibilità. Strumenti come i modelli di elaborazione del linguaggio naturale specializzati nel clima aiutano a combattere la disinformazione, mentre altri, come quelli utilizzati in ambito sanitario, potrebbero alleviare la carenza di terapeuti in alcune regioni. Nel settore economico, le piccole e medie imprese possono adottare e personalizzare queste tecnologie per ottimizzare la produzione.

Tuttavia, senza una governance adattata, i rischi persistono. La produzione di materiali elettronici e le infrastrutture necessarie per l’intelligenza artificiale contribuiscono ai rifiuti tossici globali. Inoltre, quasi il 60% dei modelli etichettati come open source non ha alcuna licenza, il che complica il loro utilizzo sicuro. La proliferazione di modelli non regolamentati facilita anche l’identificazione di vulnerabilità da parte di attori malintenzionati, aumentando i rischi di phishing o di diffusione di discorsi d’odio.

Per massimizzare i benefici dell’intelligenza artificiale open source, è indispensabile un approccio coordinato. Deve combinare sostenibilità, valutazione rigorosa, sicurezza e cooperazione, al fine di ridurre le incertezze e garantire che questa tecnologia serva effettivamente il progresso globale.

L’intelligenza artificiale open source può accelerare gli obiettivi di sviluppo sostenibile. L’intelligenza artificiale open source rappresenta un’opportunità fondamentale per avanzare verso gli obiettivi di sviluppo sostenibile a livello globale. Tra il 2018 e il 2024, il suo utilizzo per sostenere questi obiettivi è aumentato del 300%, con contributi notevoli in ambiti come l’agricoltura, la gestione degli ecosistemi e la lotta contro il cambiamento climatico. Questo modello aperto, che consente a chiunque di studiare, modificare e condividere gli strumenti, è stato progettato per accelerare i progressi in modo efficace e inclusivo.

Tuttavia, la sua espansione ha rivelato sfide complesse. La mancanza di un quadro di governance strutturato può portare a un consumo eccessivo di risorse e a vulnerabilità etiche. Ad esempio, lo sviluppo decentralizzato di modelli ridondanti su infrastrutture locali inefficienti aggrava l’impronta carbonica del settore. Inoltre, la facilità di accesso agli strumenti open source ha ridotto i costi di produzione di deepfake e disinformazione mirata, ponendo rischi per la sicurezza e la fiducia nelle informazioni.

Un’altra questione è quella del colonialismo digitale, in cui i paesi e le istituzioni potenti del Nord globale controllano dati e infrastrutture, limitando l’autonomia dei paesi del Sud. I set di dati progettati per contesti locali possono essere scarsamente applicabili altrove, portando a errori e a una ridotta pertinenza delle soluzioni di governance.

Per affrontare queste sfide, vengono proposte quattro azioni chiave. La prima consiste nell’integrare la sostenibilità in tutto il ciclo di vita dei modelli, ottimizzando le infrastrutture materiali ed evitando gli sprechi legati a sviluppi ridondanti. Tecniche come la distillazione dei modelli permettono di ridurne le dimensioni fino al 70%, limitandone così l’impatto ambientale. Un’altra soluzione è l’adozione di data center raffreddati a liquido e alimentati da energie rinnovabili, che riducono la domanda energetica del 20% e il consumo di acqua del 52%.

La seconda azione mira a stabilire un quadro di valutazione quantitativa per misurare l’impatto dell’intelligenza artificiale sugli obiettivi di sviluppo sostenibile. Ciò prevede la creazione di indicatori compositi che integrano dati locali e globali, consentendo una valutazione precisa degli effetti positivi e negativi. Ad esempio, i criteri di sostenibilità potrebbero coprire più di 40 indicatori sociali, ambientali ed economici, offrendo una visione chiara dell’impatto reale.

La terza azione si basa su regolamentazione e trasparenza. Per evitare abusi, è essenziale implementare audit obbligatori, test avversarial e licenze chiare che definiscano gli usi consentiti. Gli sviluppatori devono utilizzare set di dati auditati per limitare i pregiudizi, mentre i governi possono imporre politiche rigorose per prevenire la diffusione di contenuti dannosi. Gli utenti, dal canto loro, hanno la responsabilità di applicare questi strumenti in modo etico e di segnalare gli usi impropri.

Infine, la quarta azione incoraggia la cooperazione mondiale e la condivisione delle conoscenze. Nonostante la democratizzazione dell’accesso, persistono disuguaglianze in termini di infrastrutture, talenti e sovranità dei dati. La creazione di piattaforme open access, che rispettino i principi di reperibilità, accessibilità e riutilizzo, è cruciale per garantire un accesso equo alle risorse. Istituzioni come un Dialogo globale sulla governance dell’intelligenza artificiale potrebbero rafforzare la cooperazione pubblicando rapporti annuali e organizzando negoziati intergovernativi.

A livello regionale, la collaborazione tra piattaforme globali e centri di ricerca locali consente di combinare modelli fondativi condivisi con dati specifici per ogni contesto. Ciò facilita l’implementazione di soluzioni su misura, nel rispetto delle normative sulla protezione dei dati. Istituzioni come l’Istituto australiano per l’intelligenza artificiale o l’Istituto nazionale per la valutazione e la sicurezza dell’intelligenza artificiale in Francia svolgono un ruolo chiave in questa localizzazione.

L’intelligenza artificiale open source, combinata con una governance adattata, potrebbe così trasformare il processo decisionale, rendendolo più inclusivo e basato su prove. Permetterebbe di identificare più rapidamente le priorità, gli ostacoli e le vie per una trasformazione sostenibile, anche di fronte a sfide complesse. Integrare le lezioni apprese dai cittadini di tutto il mondo potrebbe anche rendere l’agenda post-2030 più rappresentativa ed efficace.

I modelli open source offrono anche vantaggi concreti. Il loro costo è da 5 a 29 volte inferiore a quello dei modelli proprietari per prestazioni comparabili, il che ne amplifica l’accessibilità. Strumenti come i modelli di elaborazione del linguaggio naturale specializzati nel clima aiutano a combattere la disinformazione, mentre altri, come quelli utilizzati in ambito sanitario, potrebbero alleviare la carenza di terapeuti in alcune regioni. Nel settore economico, le piccole e medie imprese possono adottare e personalizzare queste tecnologie per ottimizzare la produzione.

Tuttavia, senza una governance adattata, i rischi persistono. La produzione di materiali elettronici e le infrastrutture necessarie per l’intelligenza artificiale contribuiscono ai rifiuti tossici globali. Inoltre, quasi il 60% dei modelli etichettati come open source non ha alcuna licenza, il che complica il loro utilizzo sicuro. La proliferazione di modelli non regolamentati facilita anche l’identificazione di vulnerabilità da parte di attori malintenzionati, aumentando i rischi di phishing o di diffusione di discorsi d’odio.

Per massimizzare i benefici dell’intelligenza artificiale open source, è indispensabile un approccio coordinato. Deve combinare sostenibilità, valutazione rigorosa, sicurezza e cooperazione, al fine di ridurre le incertezze e garantire che questa tecnologia serva effettivamente il progresso globale.

“`

Crédits des sources

Source principale

DOI : https://doi.org/10.1038/s41467-026-73866-8

Titre : Steering open-source AI to accelerate the sustainable development goals

Revue : Nature Communications

Éditeur : Springer Science and Business Media LLC

Auteurs : Min Chen; Kai Wu; Prajal Pradhan; Cameron Allen; Stefano Nativi; Klaus Hubacek; Alexey Voinov; Felix Creutzig; Tatiana Filatova; Niklas Boers; Michael Meadows; Peilong Ma; Frank Biermann; Hans Joachim Schellnhuber; John Ludden; Maria Paradiso; Michael Batty; Huadong Guo; Min Cao; Peng Hou; Guonian Lü