La Sla porta via tutto, compresa la voce. Per anni l’alternativa è stata una sintesi piatta, quella che tutti associamo a Stephen Hawking. Oggi un sistema di intelligenza artificiale è in grado di aiutare i malati, a partire da una precedente registrazione del paziente e da voci donate da volontari: una banca dati di colori, cadenze dialettali, timbri e musicalità in grado di fornire all’intelligenza artificiale la capacità di ricreare la voce del paziente con elevata fedeltà. È uno dei progetti su cui lavora Emanuele Frontoni, professore ordinario di Informatica all’Università di Macerata, direttore scientifico del NemoLab al Niguarda di Milano, nel World’s Top 2% Scientists di Stanford, la classifica degli scienziati più influenti stilata dall’ateneo. Il suo approccio verso l’IA è pragmatico, volto a comprendere se e come possa migliorare la vita di tutti nel concreto, in particolare quella dei più fragili. L’abbiamo raggiunto per fare chiarezza sulla grande paura dei nostri giorni: l’intelligenza artificiale promuove il declino del mondo come lo conosciamo, o favorisce ciò che può frenare questa decadenza?
Il problema non è tecnologico
«L’intelligenza artificiale generativa è la manifestazione più visibile di una traiettoria che ha radici profonde nella storia della matematica e dell’informatica», precisa Frontoni. «Quello che è cambiato è la convergenza di tre fattori che si sono amplificati a vicenda in modo non lineare: la disponibilità di enormi quantità di dati, la potenza di calcolo resa accessibile dal cloud e, soprattutto, l’architettura transformer introdotta da Vaswani e i suoi colleghi nel 2017 con lo studio Attention Is All You Need».
L’IA non è quindi una rivoluzione dal punto di vista accademico, ma potrebbe diventarlo nelle sue applicazioni reali. In Europa, l’Italia ha forse il tessuto manifatturiero più adatto per beneficiare dell’intelligenza artificiale applicata: distretti tessili, meccatronica, agroalimentare, ceramica e manifattura ad alto valore aggiunto, con un esercito di Pmi meno standardizzate e più sartoriali, che lavorano su misura per il committente. Sono settori dove i dati sono strutturati e i processi governabili, dove i modelli generici sono inadeguati e serve integrazione profonda tra conoscenza di dominio e strumenti computazionali. «Non servono GPT-5 e Gemini per ottimizzare un forno ceramico o per prevedere la deriva di un utensile su un centro di lavoro a cinque assi», dice Frontoni. «Servono dati di qualità, competenze ingegneristiche solide e modelli relativamente snelli addestrati su dati specifici di settore. Questa è l’IA che l’Italia può fare, deve fare e in molti casi sta già facendo, spesso senza la narrazione che merita».
Eppure, il Paese stenta. «Il problema italiano non è tecnologico, è di ecosistema. Una Pmi da venti dipendenti non ha un Cto [chief technology officer, ossia responsabile tecnico, ndr], non ha un budget dedicato all’innovazione e spesso non ha il tempo di valutare soluzioni che non siano immediatamente operative. Il punto di leva sono i centri di trasferimento tecnologico, le università con radicamento territoriale e le associazioni di categoria, che possono aggregare la domanda e abbassare i costi di accesso».
C’è tuttavia una contraddizione che il dibattito pubblico fatica ad affrontare: l’intelligenza artificiale è una tecnologia energivora. Nel contesto europeo, dove la dipendenza energetica è una vulnerabilità strutturale resa drammatica dalla guerra in Ucraina e da quella in Iran, si tratta di una questione prioritaria. «La domanda rilevante è quale sia il bilancio netto tra il consumo aggiuntivo che introduce l’IA e la riduzione dei consumi che rende possibile altrove», risponde Frontoni, precisando che i sistemi di ottimizzazione applicati alla gestione delle reti elettriche, al dispacciamento delle rinnovabili e al controllo termico degli edifici producono riduzioni che su scala sistemica superano il costo computazionale sostenuto per ottenerle. «La scelta non è tra usare o non usare l’IA: è tra usarla con una strategia energetica coerente o senza. L’Europa ha i quadri regolatori, le competenze ingegneristiche e le infrastrutture di ricerca per fare la prima cosa. Se lo farà è una questione di volontà politica, non di possibilità tecnica».
Un problema di cittadinanza
Dal punto di vista di chi lavora, la sensazione diffusa è di trovarsi all’inizio di una nuova rivoluzione industriale. Quella originale creò nuove professioni, ma prima distrusse le vecchie, con conseguenze sociali importanti. L’IA si muove ancora più veloce e tocca lavori che si credevano al sicuro. Oggi la domanda che agita colletti bianchi e professionisti è la stessa che si poneva, nel passato recente, l’operaio che assisteva all’arrivo in fabbrica di un robot saldatore capace di fare lo stesso lavoro senza mai dormire: questa macchina mi sostituirà?
In generale, gli aumenti di automazione del passato hanno portato a incrementi nella produttività e, alla fine del processo, a una migliorata qualità della vita in generale. Tuttavia, non ci sono rassicurazioni facili nel caso dell’IA. Serve andare a vedere cosa le singole nazioni stanno facendo per governarne l’adozione da parte delle aziende. «Il Piano nazionale per l’IA esiste, ma la distanza tra il documento e l’attuazione concreta è ancora troppo ampia. La Francia ha investito con maggiore sistematicità, la Germania ha una rete di Fraunhofer [la maggiore organizzazione di ricerca applicata in Europa, ndr] che funziona come cerniera strutturale tra ricerca e industria. L’Italia ha la qualità della ricerca e l’industria, ma fatica a costruire il connettivo istituzionale che le fa dialogare in modo continuativo e produttivo».
Il problema è la fase intermedia tra l’adozione e il riaddestramento della forza lavoro, che passa in via obbligata per la scuola. «ll paradosso attuale è che i ragazzi usano ogni giorno sistemi di IA, dai motori di ricerca ai social network ai modelli linguistici, senza alcuna comprensione dei meccanismi che li governano, dei bias che incorporano, dei criteri con cui producono output», evidenzia Frontoni. «La scuola italiana non può continuare a formare al pensiero computazionale e all’uso critico degli strumenti digitali con lo stesso ritmo con cui aggiorna i programmi di latino. Non si tratta di eliminare le discipline umanistiche, che anzi diventano più preziose in un contesto in cui la macchina gestisce l’esecuzione tecnica, ma di integrare competenze di ragionamento logico-formale, comprensione statistica di base e uso consapevole degli strumenti digitali fin dalla scuola primaria». Non a caso, una delle prompt engineer più in gamba nel gruppo di Frontoni è una laureata in Lettere.
L’intelligenza artificiale che salva le vite
Il lavoro di Frontoni al NemoLab è forse l’aspetto più emozionante del suo lavoro con l’IA. Ad esempio, un neonato prematuro non sa comunicare il proprio stato neurologico: saper valutare i movimenti spontanei per giudicare l’integrità del sistema nervoso centrale diventa cruciale. «Questo richiede anni di formazione specifica, è soggettivo, dipende dall’esperienza dell’osservatore e non è scalabile: non si può avere un esperto di Prechtl [metodo per la valutazione dei movimenti spontanei, ndr] in ogni terapia intensiva neonatale del mondo», sottolinea Frontoni. Il sistema sviluppato al Niguarda estrae dei parametri di movimento oggettivi dalle sequenze video ricavate da telecamere poste sopra le culle e li confronta con i dati di riferimento ottenuti a partire dall’osservazione di coorti di neonati di cui è nota l’evoluzione neurologica. «Non sostituisce il clinico», precisa Frontoni: «Gli fornisce un secondo sguardo sistematico, disponibile ventiquattr’ore su ventiquattro». La ricaduta pratica è un accesso alla riabilitazione nella finestra temporale in cui la plasticità cerebrale è massima, a tutela del bambino e con un contenimento dei costi: immediato, sulla sorveglianza dei sintomi, e potenziale, evitando lo sviluppo di patologie da gestire in futuro.
La stessa logica si applica alla diagnosi precoce dei disturbi dello spettro autistico: telecamere guidate dall’IA che riconoscono pattern di stimming e misurano la difficoltà nel mantenere il contatto visivo restituiscono al clinico segnali che l’occhio umano faticherebbe a cogliere con la stessa sistematicità. «Questo è esattamente il tipo di IA che giustifica ogni investimento: nasce da un problema reale e produce un impatto misurabile su vite umane reali».
Donare la propria voce per i malati di Sla: clicca qui per leggere
La Sla e altre malattie degenerative tolgono la parola. La tecnologia può restituirla, ma ha bisogno della voce dei volontari. Puoi donare la tua al link qui sotto: richiede circa due ore e può cambiare la vita di qualcuno per sempre. Se hai già una diagnosi, puoi autodonare la tua voce prima di perderla. Vai su voiceforpurpose.com
