Lunedì TECH: creare dati inesistenti per addestrare l'AI

L'intelligenza artificiale, per perfezionare le sue performance, ha bisogno di essere addestrata con un'enorme quantità di dati. Che fare quando la maggior parte di essi è però coperta da sempre più stringenti leggi sulla privacy?

Perché creare dati sintetici

Immaginiamo le infinite possibilità che si aprirebbero se l'intelligenza artificiale fosse applicata alla medicina. Non è fantascienza, in piccolo succede già. Ma per aumentare i campi di applicazione dell'AI alla sanità c'è bisogno di un lungo addestramento delle macchine con l'inserimento e l'elaborazione di una mole enorme di dati.

Quando questi dati sono giustamente vincolati dalle leggi sulla privacy, che in Europa e nel mondo si fanno sempre più stringenti (pensiamo solo al GDPR), la situazione si complica e non poco. La procedura più utilizzata finora è stata l'anonimizzazione dei dati. Questo processo, però, è molto lungo e complesso e, come riportato da Wired, "non permette operazioni di ricampionamento utili a eliminare eventuali bias presenti nei dati reali (per esempio la sottorappresentazione di alcuni gruppi), mantenendo però le relazioni e il loro storico. Da qui l'idea di generare database di dati sintetici."

Aindo, la startup italiana dei dati sintetici

Daniele Panfilo è l'amministratore delegato di Aindo, la startup italiana nata in seno alla SISSA di Trieste, che ha risposto all'esigenza di creare dati sintetici per addestrare l'intelligenza artificiale senza intaccare la privacy.

A Wired Panfilo ha spiegato: "Abbiamo studiato e applicato il principio a insiemi diversi: per esempio quello dei pazienti di un ospedale e le analisi che fanno lungo un certo arco di tempo. Dati sensibili che non possono essere utilizzati ma che servono per addestrare le Ai a capire come funziona un certo test. Noi generiamo per loro un dataset di dati sintetici, non anonimizzati, ma che mantengono le relazioni interne, e loro possono usare questi dati per addestrare il loro sistema di intelligenza artificiale."

Le ricerche di mercato evidenziano una sempre crescente richiesta di questo tipo di dati, soprattutto quando le leggi sulla privacy si irrigidiscono come stanno facendo negli ultimi anni. Fare ricerca in questo ambito, rendendo disponibili i dati sintetici su più larga scala, può avere un impatto estremamente positivo sul comparto tecnologico.