Recensione: “La società del surrogato. Benessere e insoddisfazione umana” di Stefania Lombardi

di Danilo Campanella

Recensione: “La società del surrogato. Benessere e insoddisfazione umana” di Stefania Lombardi © 2024 by Danilo Campanella is licensed under CC BY-SA 4.0

Copertina di copyright editore; qui a solo fine illustrativo

Recensione di Danilo Campanella, scrittore

doi: 10.14672/VDS20243RE11

(http://doi.org/10.14672/VDS20243RE11)

Titolo: La società del surrogato. Benessere e insoddisfazione umana

Autrice: Stefania Lombardi

Formato: 13.97 x 0.81 x 21.59 cm, p. 104

Editore: goWare, 2023

Non soltanto i filosofi, ma anche i sociologi e gli psicologi riscontrano quanto nella società postmoderna l’insoddisfazione non sia scomparsa con il progressivo miglioramento del tenore di vita generale, piuttosto si è trasformata.

L’insoddisfazione è sempre presente nelle nostre vite e non ci consente, di fatto, di gustare appieno le conquiste della nostra epoca.

Stefania Lombardi, autrice de La società del surrogato, parte con un’analisi della natura desiderante. Principiando con alcune considerazioni preliminari inerenti alla società del benessere e alla piramide di Maslow, l’autrice già nel primo capitolo pone interessanti domande riguardo il nodo tra insoddisfazione umana e società dei consumi.

Un discorso già analizzato in passato da altri autori, ma che lei affronta in modo semplice, comprensibile e diretto.

Il rapporto tra bisogno e desiderio avrebbe un labile equilibrio (cit. p. 16) e l’autrice, attraverso il filosofo Hegel, si chiede se il desiderio sia “di” cosa o “verso” cosa (p. 17), in una lotta per il riconoscimento di hegeliana memoria in cui questo, il desiderio, sarebbe una molla, una spinta, intrinseca e necessaria dell’essere umano.

Ne conseguirebbe che esistono desideri naturali, (fisiologici, genuini), ed altri che, invece, non lo sarebbero. È l’esempio dei desideri creati. Se per desiderio creato si intende quello indotto, artificiale, proprio della società dei consumi, come possiamo distinguere gli uni dagli altri? Affascinanti gli esempi che l’autrice pone, nel corso della narrazione, assieme ad accostamenti letterari e cinematografici, che vanno dal Faust letterario al film Highlander del 1986, solo per citarne due.
Oltre al trionfo della Vanitas riscontrabile nei social network è nel tema del riconoscimento che l’autrice tocca la psicologia e la psicanalisi, fino a sfiorare la pedagogia, toccando il tema di quella identità che, se decostruita e annullata (p. 40), si spoglia “della natura desiderante e diviene plasmabile come un morto in vita” (cit. pp. 40-41). Una escalation, quella del desiderio, che parte da una mancanza e che chiede di affermarsi partendo dalla relazione (p. 56).

La Lombardi non manca di esaminare il concetto di identità in una prospettiva spaziale, in cui rientrano i concetti di confine e di limite. Utile, a mio avviso, l’accostamento con il pensiero kantiano e l’orientarsi dell’uomo nel mondo fenomenico.

L’autrice, da filosofa sopraffina, non priva il lettore di una riflessione sul “privato” e sulla solitudine, anche alla luce del pensiero della Arendt, filosofa che già individuava nella solitudine una caratteristica della società umana priva di uno spazio comune di incontro (p. 78).

Dunque, se alla base del desiderio vi è la relazione, viene da sé considerare l’importanza dell’autonomia nella vita pulsionale – e non solo – dell’essere umano. Il tema della distanza, e dell’autonomia, minacciata dalla società dei consumi, è un tema anche questo affrontato dall’autrice del suo breve ma incisivo saggio, arrivando a sottolineare l’assurdità di soddisfare con dei surrogati ciò che potrebbe, o dovrebbe, venire soddisfatto con gli strumenti della relazione.

Questo modello del surrogato, che non si limita agli esempi fatti, uno per tutti, il ciuccio del neonato, sarebbe presente maggiormente nelle società occidentali, rispetto alle società non consumistiche che, guarda caso, sono anche quelle società definibili “ad alto contatto” (p. 94), eccezioni a parte.
Nelle nostre società occidentali la sola relazione che incalza ormai sembra essere quella per il mercato, e il contatto, con gli strumenti del mercato, frutto dei desideri creati, con i surrogati.

Il saggio della Lombardi, nella collana di filosofia dell’editrice goWare, è un’opera in cui l’autrice avrebbe potuto trovare un ulteriore spazio di approfondimento nella tematica dei neuroni specchio, riguardo il tema sul riconoscimento, in cui filosofia e psicologia si incontrano sempre di più, godendo dei dati empirici delle scienze sperimentate; tuttavia, ci auguriamo che questa opera sia solo l’inizio di ulteriori approfondimenti per i suoi lettori, verso un tema in cui ci troviamo tutti immersi, in una società, quella del benessere e dei consumi, citata più volte dalla Lombardi, in cui finiamo per subirne i meccanismi, limitando così la nostra libertà e la nostra autonomia. Questo saggio è uno strumento per riappropriarci, un poco, di quella autonomia a noi tanto cara ma che rischiano di perdere, tra un acquisto e l’altro.

La Maieutica Digitale: Come il Promt Engineering Stimola la Conoscenza in ChatGPT

di Paolo Cappella, PhD, ORCID: 0000-0002-3401-4246

e-mail: paoloelia.cappella@gmail.com

doi: 10.14672/VDS20243IP13

(http://www.doi.org./10.14672/VDS20243IP13)

La Maieutica Digitale: Come il Promt Engineering Stimola la Conoscenza in ChatGPT © 2024 by Paolo Cappella is licensed under CC BY-SA 4.0

Abstract

La maieutica, antica metodologia socratica volta a far emergere la conoscenza attraverso il dialogo, trova oggi una nuova espressione nell’era digitale attraverso il prompt engineering. Questo articolo esplora come il prompt engineering possa essere utilizzato per stimolare e guidare la generazione di conoscenza nei modelli di linguaggio avanzati come ChatGPT. Attraverso un’analisi interdisciplinare, vengono esaminati i fondamenti teorici della maieutica digitale, il ruolo del prompt engineering nell’interazione uomo-macchina, le implicazioni sociologiche ed educative e vari casi di studio che illustrano le applicazioni pratiche di questa pratica emergente. Vengono inoltre affrontate le sfide etiche e le prospettive future, offrendo una visione completa di come la maieutica digitale possa contribuire al progresso dell’educazione e della società nell’era dell’intelligenza artificiale.

Keyword: intelligenza artificiale, maieutica, ChatGPT, prompt engineering

Abstract

Maieutics, an ancient Socratic methodology aimed at bringing forth knowledge through dialogue, finds new expression in the digital era through prompt engineering. This article explores how prompt engineering can be used to stimulate and guide the generation of knowledge in advanced language models like ChatGPT. Through an interdisciplinary analysis, the theoretical foundations of digital maieutics are examined, as well as the role of prompt engineering in human-machine interaction, its sociological and educational implications, and various case studies that illustrate practical applications of this emerging practice. Ethical challenges and prospects are also addressed, providing a comprehensive view of how digital maieutics can contribute to the advancement of education and society in the age of artificial intelligence.

Keywords: Artificial intelligence, Maieutics, ChatGPT, prompt engineering

Introduzione

La maieutica, pratica filosofica introdotta da Socrate nel V secolo a.C., rappresenta uno dei metodi più influenti per stimolare la riflessione critica e l’auto-scoperta della conoscenza. Il termine deriva dal greco antico “maieutiké”, che significa “arte della levatrice”, e riflette l’idea che il filosofo non impartisce conoscenza, ma aiuta l’interlocutore a “partorire” le proprie idee attraverso il dialogo e la domanda incisiva. Questo approccio si basa sulla convinzione che la verità risieda già all’interno dell’individuo e che il ruolo del filosofo sia quello di facilitare l’emergere di questa conoscenza latente.

Nel corso dei secoli, la maieutica ha influenzato profondamente le pratiche educative e pedagogiche, promuovendo un apprendimento attivo e centrato sul discente. Con l’avvento delle tecnologie digitali e dell’intelligenza artificiale (IA), si presenta l’opportunità di rivisitare questo antico metodo in un contesto moderno, dando vita alla cosiddetta maieutica digitale. Questa nuova forma di interazione combina i principi della maieutica socratica con le capacità avanzate dei modelli di linguaggio come ChatGPT, sviluppati da OpenAI. Questi modelli, basati su reti neurali profonde e addestrati su vasti insiemi di dati testuali, sono in grado di generare risposte coerenti e contestualmente appropriate a una vasta gamma di domande e richieste.

Il prompt engineering emerge come una pratica fondamentale in questo contesto. Si tratta dell’arte di formulare input testuali in modo strategico per guidare il modello di linguaggio verso la generazione di risposte specifiche e desiderate. Attraverso una progettazione attenta dei prompt, l’utente può influenzare significativamente la qualità e la pertinenza delle risposte generate dall’IA. Questo processo riflette la natura dialogica della maieutica, in cui il confronto e l’iterazione portano a una comprensione più profonda.

La maieutica digitale non è solo una questione tecnica, ma ha profonde implicazioni sociologiche ed educative. Nell’ambito dell’educazione contemporanea, offre nuove opportunità per personalizzare l’apprendimento, stimolare il pensiero critico e sviluppare competenze digitali avanzate. Gli studenti possono interagire con l’IA per approfondire argomenti di interesse, ricevere spiegazioni su misura e colmare le proprie lacune conoscitive. Questo approccio favorisce l’autonomia dello studente e promuove un apprendimento autodiretto.

A livello sociologico, l’introduzione massiva dell’IA nella società modifica le dinamiche delle interazioni sociali e la distribuzione della conoscenza. L’accesso diffuso a strumenti come ChatGPT può democratizzare l’informazione, rendendola più accessibile a livello globale. Tuttavia, esistono rischi legati alle disuguaglianze digitali, alla privacy dei dati e alla possibile amplificazione di bias presenti nei dati di addestramento dei modelli di IA.

Questo articolo si propone di esplorare i fondamenti teorici della maieutica digitale, analizzando come il prompt engineering possa essere considerato una forma contemporanea della pratica socratica. Verranno esaminati i principi chiave che guidano l’interazione efficace con i modelli di linguaggio, le tecniche avanzate per ottimizzare i prompt e le sfide etiche e pratiche associate. Inoltre, si discuteranno le implicazioni educative e sociologiche di questa nuova frontiera dell’interazione uomo-macchina, evidenziando come possa trasformare l’apprendimento, la comunicazione e la società nel suo complesso.

Fondamenti Teorici della Maieutica Digitale

La maieutica socratica rappresenta uno dei pilastri fondamentali della filosofia occidentale e della pedagogia. Socrate, attraverso i dialoghi riportati da Platone, ci presenta un metodo di indagine che si distingue per la sua profondità e per la capacità di stimolare il pensiero critico negli interlocutori. Il termine “maieutica” deriva dal greco antico “maieutiké”, che significa “arte della levatrice”. Questa metafora sottolinea come Socrate considerasse il suo ruolo simile a quello di una levatrice che assiste nel processo di nascita, ma in questo caso si tratta della nascita delle idee e della conoscenza all’interno dell’animo dell’individuo.

Uno degli aspetti chiave della maieutica è il concetto del “sapere di non sapere”. Socrate riteneva che il primo passo verso la vera conoscenza fosse la consapevolezza della propria ignoranza. Questo atteggiamento di umiltà intellettuale apre la mente alla ricerca e all’apprendimento, liberando l’individuo dalla presunzione di sapere già tutto. La famosa affermazione “So di non sapere” sottolinea l’importanza di riconoscere i propri limiti come punto di partenza per la crescita personale.

Il metodo socratico si basa sul dialogo dialettico, un processo interattivo di domande e risposte che mira a esplorare idee e concetti in profondità. Socrate poneva domande incisive e talvolta provocatorie per spingere gli interlocutori a riflettere criticamente sulle proprie credenze. Questo processo aiutava a smascherare contraddizioni interne e a favorire una comprensione più autentica. L’ironia socratica è una strategia comunicativa in cui Socrate fingeva ignoranza su un argomento per incoraggiare l’interlocutore a esprimere liberamente le proprie opinioni. Questo approccio permetteva di mettere in luce le incoerenze nel pensiero dell’altro, senza confronti diretti o scontri aperti, creando un ambiente di apprendimento collaborativo dove la verità poteva emergere attraverso l’auto-riflessione.

La maieutica promuoveva la riflessione interiore come mezzo per raggiungere la conoscenza. Socrate credeva che ogni individuo possedesse già dentro di sé le verità fondamentali e che il ruolo del filosofo fosse quello di aiutare a portarle alla luce. Questo processo richiedeva un esame critico delle proprie convinzioni e una disposizione a mettere in discussione le idee preconcette. Non era solo un metodo per acquisire conoscenza teorica, ma anche uno strumento per il miglioramento morale. Socrate sosteneva che attraverso la comprensione profonda di concetti come la giustizia, la virtù e il bene, gli individui potessero vivere vite più etiche e soddisfacenti. La ricerca della verità era quindi strettamente legata allo sviluppo del carattere e alla felicità personale.

Le idee socratiche hanno influenzato profondamente le pratiche educative contemporanee. Approcci come l’apprendimento basato sul dialogo, il problem-based learning e l’educazione centrata sullo studente riflettono i principi della maieutica. Gli educatori moderni riconoscono l’importanza di coinvolgere attivamente gli studenti nel processo di apprendimento, incoraggiandoli a formulare domande e a sviluppare capacità di pensiero critico.

Con l’avvento delle tecnologie digitali e dell’AI, il concetto tradizionale di dialogo ha subito una trasformazione significativa. Il dialogo non è più limitato alle interazioni tra esseri umani, ma si estende alle comunicazioni tra umani e macchine intelligenti. Questa evoluzione apre nuove prospettive e sfide nel modo in cui comprendiamo e pratichiamo il dialogo. Le interfacce uomo-macchina sono passate da semplici comandi testuali a sistemi avanzati di elaborazione del linguaggio naturale. Assistenti virtuali come Siri, Alexa e Google Assistant rappresentano esempi di come le macchine possano interagire verbalmente con gli utenti, utilizzando algoritmi di IAper comprendere il linguaggio umano e generare risposte appropriate. Modelli come ChatGPT si basano su reti neurali profonde e sono addestrati su vasti insiemi di dati testuali. Sono in grado di generare testo coerente e contestualmente rilevante, simulando in certa misura la conversazione umana. Questa capacità apre la possibilità di utilizzare le macchine come interlocutori in ambiti educativi, terapeutici e di intrattenimento.

Il passaggio dal dialogo umano al dialogo con le macchine solleva questioni sulla natura della comunicazione e della comprensione. Se il dialogo è un processo di scambio di significati e costruzione condivisa della conoscenza, fino a che punto una macchina può partecipare autenticamente a questo processo? La capacità delle macchine di simulare il linguaggio umano ci porta a riflettere sulla differenza tra elaborazione sintattica e comprensione semantica.

Il prompt engineering è l’arte di formulare input testuali in modo tale da guidare un modello di linguaggio verso la generazione di risposte specifiche e desiderate. In un certo senso, è una moderna incarnazione della maieutica, in cui l’utente, attraverso domande ben strutturate, stimola l’IA a “partorire” conoscenza. I principi del prompt engineering includono chiarezza e precisione, contestualizzazione, strutturazione e l’uso di esempi guidati. Il processo è spesso iterativo, richiedendo sperimentazione e adattamento. Questo riflette la natura dialogica della maieutica, dove il dialogo è un mezzo per esplorare e approfondire la comprensione.

Le teorie cognitive e l’apprendimento costruttivista forniscono un quadro fondamentale per comprendere come gli individui acquisiscono e costruiscono conoscenza. Secondo il costruttivismo, l’apprendimento è un processo attivo in cui gli individui costruiscono nuove conoscenze basandosi sulle proprie esperienze e interazioni con l’ambiente. I principi del costruttivismo enfatizzano l’apprendimento attivo, la costruzione della conoscenza, l’importanza del contesto e il valore dell’esperienza precedente. Lev Vygotskij ha introdotto il concetto di Zona di Sviluppo Prossimale, che rappresenta la distanza tra ciò che un individuo può fare da solo e ciò che può fare con l’aiuto di un esperto o di un pari più competente. Questo concetto sottolinea l’importanza dell’interazione sociale nell’apprendimento e fornisce una base teorica per l’uso dell’IA come strumento di supporto educativo.

L’IA può essere vista non solo come uno strumento passivo, ma come un vero e proprio partner cognitivo che assiste e amplifica le capacità umane. Questa collaborazione tra uomo e macchina apre nuove possibilità per l’apprendimento, la creatività e la risoluzione di problemi complessi. Secondo la teoria dell’estensione cognitiva, le tecnologie possono estendere le funzioni cognitive umane al di là dei limiti biologici. L’IA può ampliare le capacità di elaborazione delle informazioni, analisi dei dati e generazione di idee. La collaborazione con l’IA può portare a co-creazione in ambiti come l’arte, la musica e la scrittura, analisi avanzate di grandi quantità di dati e supporto decisionale in settori come la medicina, la finanza e la gestione aziendale.

L’uso diffuso dell’IA comporta sfide etiche che devono essere affrontate per garantire un impatto positivo sulla società. Principi etici fondamentali come beneficenza, non maleficenza, autonomia e giustizia devono guidare lo sviluppo e l’utilizzo dell’IA. I modelli di IA possono riflettere e amplificare bias presenti nei dati di addestramento, portando a risultati discriminatori. È necessario implementare tecniche per identificare e correggere questi bias, come l’uso di dataset bilanciati e algoritmi correttivi. Gli utenti devono essere in grado di comprendere come l’IA prende decisioni e genera risposte; modelli interpretabili e informazioni chiare sono fondamentali per garantire la trasparenza.

La maieutica digitale si colloca all’incrocio di diverse discipline, beneficiando della sinergia tra filosofia, linguistica e tecnologia. La filosofia offre un quadro per comprendere la natura della conoscenza, l’etica e la coscienza, mentre la linguistica contribuisce con l’analisi del significato delle parole e delle frasi, e la tecnologia fornisce gli strumenti per sviluppare sistemi di IA avanzati. Questa convergenza arricchisce la maieutica digitale, consentendo di creare interazioni con l’IA che siano più significative, etiche e umane.

L’intenzionalità, concetto filosofico che si riferisce alla capacità della mente di essere diretta verso qualcosa, assume un ruolo particolare nell’interazione con l’IA, poiché quest’ultima non possiede coscienza o intenzioni proprie. Gli utenti devono guidare attivamente l’interazione, formulando prompt chiari e specifici, e interpretare criticamente le risposte dell’IA, tenendo conto delle sue limitazioni. Attribuire intenzioni all’IA può portare a fraintendimenti e aspettative irrealistiche.

Nonostante le potenzialità della maieutica digitale, esistono limiti e sfide da affrontare per garantire un uso efficace ed etico dell’IA. Limitazioni tecnologiche come la comprensione superficiale, le allucinazioni dell’IA e la dipendenza dal prompt rappresentano sfide tecniche. Esistono rischi di dipendenza tecnologica, disuguaglianze nell’accesso, etica e uso malevolo, oltre a problemi di privacy e sicurezza. È necessario promuovere l’alfabetizzazione digitale e la formazione continua, sviluppare politiche inclusive, integrare considerazioni etiche nel design dei sistemi di IA e creare normative che proteggano gli individui e la società dai rischi associati all’IA.

La maieutica digitale rappresenta un’intersezione affascinante tra filosofia antica e tecnologia moderna. Attraverso l’analisi dei fondamenti teorici, abbiamo esplorato come il prompt engineering possa essere visto come una forma contemporanea di maieutica, utilizzata per stimolare la conoscenza e promuovere l’apprendimento attivo. Non è solo un concetto teorico, ma una pratica emergente con implicazioni concrete per il modo in cui apprendiamo, comunichiamo e viviamo. Rappresenta un’opportunità per rivisitare antiche saggezze alla luce delle tecnologie moderne, costruendo un ponte tra passato e futuro. Attraverso un uso consapevole e responsabile del prompt engineering e dell’IA, possiamo promuovere una società più informata, equa e orientata al benessere collettivo.

Il Ruolo del Prompt Engineering nell’Interazione con ChatGPT

      L’interazione con modelli di linguaggio avanzati come ChatGPT rappresenta una delle innovazioni più significative nell’ambito dell’IA e dell’elaborazione del linguaggio naturale. Per sfruttare appieno le potenzialità di questi modelli, è fondamentale comprendere e applicare efficacemente il prompt engineering, l’arte di formulare input testuali in modo strategico per guidare il modello verso la generazione di output desiderati. Questa pratica diventa un ponte tra l’utente e l’IA, consentendo una comunicazione più efficace e un utilizzo ottimale delle capacità del modello.

      Il prompt engineering può essere definito come il processo di progettazione e ottimizzazione di prompt, ovvero input testuali forniti a un modello di linguaggio, con l’obiettivo di ottenere risposte specifiche e pertinenti. L’importanza di questa pratica risiede nella capacità di influenzare significativamente la qualità e la rilevanza delle risposte generate dall’IA. Poiché i modelli di linguaggio generano output basandosi sui dati di addestramento e sulla comprensione statistica del linguaggio, la formulazione del prompt diventa essenziale per indirizzare il modello verso l’interpretazione corretta delle richieste.

      Per sfruttare appieno le potenzialità di ChatGPT, è essenziale applicare alcune tecniche di prompt engineering. La chiarezza e la precisione nella formulazione del prompt aiutano il modello a comprendere esattamente ciò che viene richiesto, riducendo l’ambiguità e migliorando la pertinenza della risposta. La contestualizzazione fornisce al modello informazioni aggiuntive che possono guidarlo nell’elaborazione di una risposta più accurata. L’uso di istruzioni esplicite, limitazioni e vincoli permette di definire i confini entro cui il modello deve operare, mentre l’inclusione di esempi può aiutare a illustrare il formato o lo stile della risposta desiderata.

      Il prompt engineering è spesso un processo iterativo. Dopo aver ricevuto una risposta dall’IA, l’utente può valutare se essa soddisfa le proprie esigenze e, in caso contrario, modificare il prompt di conseguenza. Questo processo di affinamento continuo riflette l’interazione dialogica tipica della maieutica, dove attraverso domande successive si arriva a una comprensione più profonda. Questa iterazione consente di migliorare gradualmente l’efficacia dei prompt, adattandoli alle specificità del compito e alle risposte ottenute.

      Nonostante il prompt engineering sia uno strumento potente per ottimizzare l’interazione con modelli di linguaggio come ChatGPT, presenta una serie di sfide e limitazioni che gli utenti devono affrontare. I modelli di linguaggio, pur essendo avanzati, non possiedono una comprensione profonda del contesto umano. Elaborano le informazioni basandosi su pattern statistici presenti nei dati di addestramento, il che può portare a risposte che mancano di coerenza o pertinenza in situazioni complesse o altamente contestualizzate. La lingua naturale è intrinsecamente ambigua e soggetta a interpretazioni multiple; un prompt che per un utente umano sembra chiaro può essere interpretato in modo diverso dal modello, portando a risposte non previste.

      I modelli di IA possono riflettere e amplificare bias presenti nei dati di addestramento, sollevando preoccupazioni etiche e pratiche sull’affidabilità e l’equità dei risultati. Il risultato prodotto dal modello è altamente sensibile al prompt fornito: anche piccole variazioni nella formulazione possono portare a risposte significativamente diverse, rendendo difficile per gli utenti meno esperti ottenere l’output desiderato senza un processo di tentativi ed errori. Nonostante la loro potenza, i modelli come ChatGPT hanno limitazioni intrinseche. Possono fornire informazioni inesatte, mancare di conoscenza su eventi o dati successivi alla loro data di addestramento o fallire nel seguire istruzioni complesse che richiedono ragionamento logico profondo. L’elaborazione e la formulazione di prompt efficaci possono richiedere uno sforzo cognitivo significativo, specialmente in compiti complessi.

      Per affrontare queste sfide e migliorare l’efficacia del prompt engineering, sono state sviluppate diverse tecniche avanzate. Il few-shot learning implica l’inclusione di alcuni esempi nel prompt per illustrare al modello il tipo di risposta desiderata, aiutando il modello a cogliere meglio il formato e lo stile richiesti. Nel zero-shot learning, si richiede al modello di svolgere un compito senza fornire esempi, ma specificando chiaramente le istruzioni, utile per testare la capacità del modello di generalizzare a nuovi compiti. Il chain-of-thought prompting incoraggia il modello a “pensare ad alta voce”, fornendo una spiegazione passo-passo nel risolvere un problema, migliorando le prestazioni in compiti che richiedono ragionamento o calcoli complessi.

      Il prompting gerarchico consiste nel suddividere un compito complesso in sottocompiti più semplici e fornire prompt separati per ciascuno, aiutando a gestire compiti che richiedono diverse fasi di elaborazione. L’utilizzo di token speciali o formattazione, come elenchi puntati, numerazione o marcatori, può aiutare il modello a strutturare meglio la risposta. Includere istruzioni sullo stile o sul tono desiderato può guidare il modello a produrre output più appropriati per il contesto. Sebbene non tutti i modelli supportino input multimodali, alcuni sistemi avanzati permettono di combinare testo con immagini o altri dati, ampliando le possibilità del prompt engineering.

      Per comprendere meglio come il prompt engineering può essere applicato in contesti reali, consideriamo alcuni esempi pratici.

      Nel supporto alla programmazione, un prompt come “Scrivi una funzione in Python che calcoli il fattoriale di un numero intero positivo n” può portare il modello a fornire il codice sorgente richiesto. Nella creazione di contenuti educativi, chiedere “Spiega il concetto di ciclo cellulare in termini semplici, adatti a un bambino di 10 anni” può generare una spiegazione chiara e accessibile. Per la traduzione, un prompt come “Traduci il seguente testo dall’italiano all’inglese: ‘La transizione ecologica è fondamentale per il futuro del nostro pianeta’” permette di ottenere una traduzione accurata. Nella consulenza legale generica, si può richiedere “Quali sono i principali diritti dei consumatori quando acquistano online secondo la legge italiana?”, ottenendo un elenco dei diritti principali come il diritto di recesso e la garanzia legale.

      Il prompt engineering non è solo uno strumento per migliorare l’interazione con i modelli di linguaggio, ma gioca anche un ruolo significativo nell’ambito più ampio dell’apprendimento automatico. Attraverso prompt ben progettati, è possibile sfruttare al meglio le capacità del modello senza la necessità di ulteriori fasi di addestramento o fine-tuning, rendendo il processo più efficiente e accessibile. Permette di adattare un modello generico a domini specifici, fornendo contesto e istruzioni pertinenti, particolarmente utile quando si lavora in settori specialistici come medicina, legge o ingegneria.

      Formulando prompt che tengono conto di potenziali bias, gli utenti possono guidare il modello a produrre output più equi e inclusivi, evitando linguaggio discriminatorio o chiedendo esplicitamente neutralità. Il prompt engineering è fondamentale per implementare tecniche di few-shot e zero-shot learning, che permettono al modello di svolgere nuovi compiti senza la necessità di grandi quantità di dati di addestramento aggiuntivi. Un buon prompt engineering contribuisce alla creazione di applicazioni più intuitive per l’utente finale, riducendo la necessità di interfacce complesse o istruzioni dettagliate. Nella ricerca sull’intelligenza artificiale, il prompt engineering è utilizzato per esplorare le capacità e i limiti dei modelli di linguaggio, aiutando a identificare aree di miglioramento e guidare lo sviluppo di nuove architetture.

      Il prompt engineering emerge quindi come una competenza chiave nell’interazione con modelli di linguaggio avanzati come ChatGPT. Comprendere come formulare prompt efficaci permette agli utenti di sfruttare appieno le potenzialità dell’IA, ottenendo risposte più pertinenti, accurate e utili. La pratica del prompt engineering richiama l’antica arte della maieutica socratica, dove l’abilità di porre le domande giuste è fondamentale per far emergere la conoscenza. Allo stesso tempo, presenta sfide uniche legate alle limitazioni tecniche dei modelli, ai bias nei dati e alla complessità della lingua naturale.

Attraverso l’applicazione di tecniche avanzate e un approccio consapevole, è possibile superare molte di queste sfide e utilizzare il prompt engineering come strumento per promuovere l’innovazione, l’educazione e la comunicazione efficace nell’era digitale. In definitiva, il prompt engineering non è solo un mezzo per interagire con l’IA, ma una disciplina in evoluzione che combina elementi di linguistica, psicologia cognitiva, etica e tecnologia. Investire nella comprensione e nello sviluppo di questa competenza sarà essenziale per navigare con successo nel panorama sempre più complesso dell’intelligenza artificiale.

Implicazioni Sociologiche ed Educative della Maieutica Digitale

L’avvento della maieutica digitale e del prompt engineering nell’ambito dell’IA non solo rivoluziona il modo in cui interagiamo con la tecnologia, ma ha anche profonde ripercussioni sociologiche ed educative. L’integrazione di queste pratiche sta influenzando le dinamiche sociali, i processi educativi e il modo in cui costruiamo e condividiamo la conoscenza nella società contemporanea.

La maieutica digitale offre nuove opportunità per ripensare l’educazione nel XXI secolo. L’adozione del prompt engineering come strumento pedagogico può trasformare l’apprendimento da un processo passivo a uno attivo e partecipativo, in cui gli studenti sono incoraggiati a esplorare, interrogare e costruire conoscenza in collaborazione con l’intelligenza artificiale. Questo approccio favorisce l’autonomia dello studente e promuove un apprendimento autodiretto, permettendo di creare esperienze altamente personalizzate. Gli studenti possono interagire con modelli di IA come ChatGPT per approfondire argomenti di interesse, ricevere spiegazioni su misura e colmare le proprie lacune conoscitive.

Il prompt engineering incoraggia gli studenti a formulare domande efficaci e a riflettere criticamente sulle risposte ottenute, sviluppando competenze cognitive superiori come l’analisi, la sintesi e la valutazione delle informazioni. La capacità di porre domande significative è fondamentale per il pensiero critico e la risoluzione di problemi complessi. Inoltre, la maieutica digitale può contribuire a rendere l’educazione più inclusiva, offrendo supporto a studenti con diverse esigenze educative. Ad esempio, gli studenti con disabilità possono beneficiare di strumenti di IA che forniscono assistenza personalizzata, materiali didattici adattati e feedback immediato.

L’integrazione del prompt engineering nell’educazione prepara gli studenti alle sfide del futuro, sviluppando competenze digitali avanzate come la capacità di interagire efficacemente con l’IA, comprendere i principi dell’apprendimento automatico e utilizzare tecnologie emergenti in modo etico e responsabile. L’adozione della maieutica digitale ridefinisce anche il ruolo dell’educatore, che diventa un facilitatore dell’apprendimento piuttosto che un semplice dispensatore di conoscenza. Gli insegnanti possono utilizzare l’IA per arricchire le lezioni, fornire supporto personalizzato e dedicare più tempo all’interazione umana e allo sviluppo socio-emotivo degli studenti.

L’introduzione massiva dell’IA nella società porta con sé importanti implicazioni sociologiche che meritano una riflessione approfondita. La maieutica digitale modifica le dinamiche delle interazioni sociali, influenzando il modo in cui comunichiamo, collaboriamo e costruiamo relazioni. L’interazione con l’IA diventa parte integrante della vita quotidiana, con effetti sia positivi che negativi sulle competenze sociali e sull’empatia. L’accesso diffuso a strumenti di IA come ChatGPT può democratizzare la conoscenza, rendendola più accessibile a livello globale. Tuttavia, esiste il rischio che si creino nuove forme di disuguaglianza digitale, dove solo chi ha accesso alle tecnologie avanzate può beneficiare appieno delle opportunità offerte.

La maieutica digitale e il prompt engineering possono influenzare il mercato del lavoro, automatizzando alcune professioni e creando nuove opportunità in altri settori. È fondamentale preparare la forza lavoro alle transizioni necessarie, promuovendo la formazione continua e l’aggiornamento delle competenze. L’interazione costante con l’IA può influenzare la formazione dell’identità individuale e collettiva. Le persone potrebbero sviluppare nuove modalità di autoespressione e partecipazione sociale, ma anche affrontare sfide legate alla privacy, alla sicurezza dei dati e alla manipolazione delle informazioni. L’integrazione dell’IA nella società può portare a cambiamenti nelle norme culturali e nei valori condivisi, modificando le percezioni sulla creatività, l’autenticità e il valore del lavoro umano rispetto a quello prodotto dalle macchine.

L’adozione della maieutica digitale solleva importanti questioni etiche ed educative che devono essere affrontate con attenzione per garantire un impatto positivo sulla società. I modelli di IA possono riflettere e amplificare i bias presenti nei dati di addestramento, portando a risultati discriminatori o ingiusti, specialmente nei confronti di gruppi già marginalizzati. È essenziale implementare strategie per identificare e mitigare questi bias. L’utilizzo dell’IA comporta la raccolta e l’elaborazione di grandi quantità di dati personali (vedasi, GDPR). Garantire la privacy degli utenti e la sicurezza delle informazioni è una priorità fondamentale. Le istituzioni educative e le organizzazioni devono adottare politiche rigorose per proteggere i dati e rispettare le normative vigenti.

Gli utenti devono essere pienamente informati su come funziona l’IA, quali dati vengono utilizzati e come vengono elaborate le informazioni. La trasparenza è cruciale per instaurare fiducia e permettere agli individui di prendere decisioni consapevoli sull’uso della tecnologia. Definire chi è responsabile per le azioni e le decisioni prese dall’IA è una sfida complessa. È necessario stabilire framework legali ed etici che chiariscano le responsabilità di sviluppatori, utenti e istituzioni nell’uso dell’IA (chi ha mai letto un “End-user license agreement” del Social Network preferito o del proprio servizio Cloud?). Assicurare che tutti abbiano accesso alle tecnologie di IA è fondamentale per evitare l’ampliamento del divario digitale, includendo non solo l’accesso fisico alla tecnologia, ma anche la formazione e il supporto necessari per utilizzarla efficacemente.

D’altro canto, L’IA può essere utilizzata per diffondere disinformazione o manipolare l’opinione pubblica con la generazione di “Fake news”. È importante promuovere un’etica dell’informazione che valorizzi l’accuratezza, l’obiettività e la responsabilità nella creazione e nella condivisione dei contenuti. Le politiche educative e le istituzioni giocano un ruolo cruciale nell’integrare la maieutica digitale in modo efficace e responsabile. Le istituzioni educative devono aggiornare i curricula per includere competenze digitali avanzate, come il prompt engineering, l’alfabetizzazione tecnologica e la comprensione dell’IA, preparando gli studenti alle esigenze del mercato del lavoro e della società futura.

Gli insegnanti devono essere adeguatamente formati per utilizzare l’IA in classe e guidare gli studenti nell’interazione con queste tecnologie. La formazione professionale continua (come gli ECM nelle scienze mediche)  è essenziale per mantenere le competenze aggiornate. Investire in infrastrutture tecnologiche adeguate è fondamentale per supportare l’integrazione dell’IA nell’educazione, includendo l’accesso a dispositivi, connessioni internet affidabili e software aggiornati. Le istituzioni educative possono collaborare con aziende tecnologiche, ONG e altri stakeholder per condividere risorse, conoscenze e migliori pratiche nell’implementazione della maieutica digitale. È importante monitorare e valutare l’impatto dell’IA nell’educazione per identificare successi, sfide e aree di miglioramento, informando così le politiche future e garantendo un’implementazione efficace.

La maieutica digitale contribuisce allo sviluppo delle competenze chiave necessarie per prosperare nel XXI secolo. Interagire con l’IA attraverso il prompt engineering stimola gli individui a pensare in modo critico, analizzare informazioni e risolvere problemi complessi. La collaborazione con l’IA può ispirare nuove idee e approcci creativi, ampliando le possibilità nell’arte, nella scienza e nella tecnologia. Questo approccio enfatizza l’importanza della comunicazione efficace, sia nell’interazione con l’IA che nella condivisione dei risultati con altri. Comprendere come funzionano le tecnologie dell’IA e saperle utilizzare in modo competente è una competenza fondamentale nell’era digitale. Lo sviluppo di un approccio critico all’IA incoraggia una maggiore consapevolezza delle implicazioni etiche e sociali della tecnologia, promuovendo una cittadinanza digitale responsabile.

Guardando al futuro, è essenziale prepararsi alle evoluzioni rapide e imprevedibili dell’IA e della maieutica digitale. La collaborazione tra filosofi, educatori, tecnologi e sociologi può favorire una comprensione più completa delle implicazioni della maieutica digitale e guidare lo sviluppo di pratiche migliori. Elaborare linee guida etiche condivise per l’uso dell’IA nell’educazione e nella società può aiutare a prevenire abusi e promuovere un utilizzo responsabile. La formazione continua per professionisti di tutti i settori è fondamentale per mantenere le competenze rilevanti e adattarsi ai cambiamenti tecnologici e le politiche e le pratiche devono essere orientate a ridurre le disuguaglianze e garantire che tutti possano beneficiare delle opportunità offerte dalla maieutica digitale.

Essere proattivi nell’identificare e affrontare le potenziali sfide legate all’IA, come l’impatto sull’occupazione, la privacy e la sicurezza, è essenziale per gestire le transizioni in modo sostenibile. Includere le voci di studenti, genitori, educatori e altri stakeholder nel dialogo sulla maieutica digitale può portare a soluzioni più inclusive e condivise.

La maieutica digitale rappresenta una rivoluzione nel modo in cui apprendiamo, comunichiamo e interagiamo con la tecnologia. Le implicazioni sociologiche ed educative sono profonde e richiedono un approccio attento e consapevole. Abbracciare le opportunità offerte dalla maieutica digitale, affrontando al contempo le sfide etiche e pratiche, può portare a una società più informata, equa e innovativa. Attraverso l’educazione, la collaborazione e la riflessione critica, possiamo guidare l’integrazione dell’IA in modo che serva al benessere comune, rispettando i valori fondamentali di dignità, giustizia e rispetto reciproco.

Casi di Studio ed Esperienze Applicative

La teoria e le implicazioni della maieutica digitale acquistano una dimensione più concreta attraverso l’analisi di casi di studio ed esperienze pratiche. Questi esempi illustrano come il prompt engineering e l’interazione con l’IA possano essere applicati in diversi settori, apportando benefici significativi e affrontando sfide reali.

Nell’ambito dell’istruzione superiore, il prompt engineering è stato utilizzato per migliorare l’engagement degli studenti e facilitare l’apprendimento di concetti complessi. Alcune università hanno implementato piattaforme basate sull’IA dove gli studenti possono interagire con modelli di linguaggio come ChatGPT per approfondire materie come la fisica, la matematica o la filosofia. Attraverso il prompt engineering, gli studenti apprendono non solo il contenuto disciplinare, ma anche come formulare domande efficaci e pensare in modo critico. Questi strumenti consentono di personalizzare l’esperienza di apprendimento, adattandola alle esigenze individuali degli studenti. L’IA può fornire spiegazioni alternative, esempi aggiuntivi o esercizi pratici, aiutando gli studenti a superare le difficoltà specifiche che incontrano nel loro percorso di studio. Inoltre, gli educatori possono utilizzare i dati generati dall’interazione tra studenti e IA per identificare aree comuni di difficoltà e adattare di conseguenza i programmi didattici.

Nel settore sanitario, il prompt engineering è stato applicato per supportare sia i professionisti della salute che i pazienti. Medici in formazione possono utilizzare modelli di IA per simulare casi clinici complessi, migliorando le proprie competenze diagnostiche e terapeutiche. Attraverso prompt ben progettati, è possibile creare scenari realistici che mettono alla prova la capacità del medico di raccogliere informazioni, formulare ipotesi e prendere decisioni cliniche. Per i pazienti, sono stati sviluppati chatbot terapeutici che utilizzano il prompt engineering per offrire supporto psicologico preliminare. Applicazioni come Woebot forniscono assistenza a persone che soffrono di ansia o depressione, guidandole attraverso tecniche di terapia cognitivo-comportamentale. Sebbene non sostituiscano il supporto professionale, questi strumenti possono rappresentare un aiuto accessibile e immediato per chi ne ha bisogno.

Le aziende stanno sfruttando il prompt engineering per migliorare le proprie strategie di marketing e la relazione con i clienti. Nel campo della creazione di contenuti, l’IA può generare idee per campagne pubblicitarie, scrivere testi promozionali o personalizzare messaggi per segmenti specifici di pubblico. Attraverso prompt accuratamente formulati, i professionisti del marketing possono ottenere output creativi che rispondono alle esigenze del brand e del mercato. Nel servizio clienti, i chatbot potenziati dall’IA sono in grado di gestire richieste comuni, rispondere a domande frequenti e indirizzare i clienti verso le risorse appropriate. Ciò migliora l’efficienza operativa e libera il personale per gestire situazioni più complesse. Il prompt engineering è essenziale per assicurare che le interazioni con i clienti siano efficaci e soddisfacenti, riducendo il rischio di fraintendimenti o insoddisfazione.

Nel campo dell’arte e della creatività, il prompt engineering apre nuove possibilità per artisti, scrittori e musicisti. Autori possono utilizzare l’IA per superare il blocco dello scrittore, generando spunti narrativi o sviluppando dialoghi tra personaggi. Attraverso la collaborazione con l’IA, è possibile esplorare nuovi stili, temi e approcci narrativi. Nella musica, compositori sperimentano con modelli di IA per generare melodie, armonie o ritmi innovativi. Questi strumenti possono servire come fonte di ispirazione o come mezzo per esplorare territori sonori inesplorati. Il prompt engineering permette di indirizzare l’IA verso generi specifici o di combinare elementi diversi per creare qualcosa di unico.

La maieutica digitale è applicata anche nella ricerca scientifica, dove l’IA assiste i ricercatori nella sintesi della letteratura, nell’analisi dei dati e nella progettazione di esperimenti. Scienziati possono utilizzare modelli di linguaggio per riassumere articoli scientifici, identificare gap nella ricerca o generare ipotesi da testare. Il prompt engineering è fondamentale per ottenere output accurati e pertinenti, evitando informazioni fuorvianti o non verificate. In ambito tecnologico, ingegneri e sviluppatori utilizzano l’IA per prototipare soluzioni, risolvere problemi di progettazione o simulare scenari complessi. Questo accelera il processo di innovazione e consente di esplorare un numero maggiore di opzioni rispetto ai metodi tradizionali.

La maieutica digitale contribuisce all’educazione inclusiva, offrendo strumenti che supportano l’apprendimento per persone con disabilità. Chatbot progettati con il prompt engineering possono fornire assistenza a studenti con difficoltà uditive, visive o cognitive, adattando i contenuti e le modalità di interazione alle loro esigenze specifiche. Inoltre, l’IA può essere utilizzata per promuovere l’alfabetizzazione digitale in comunità svantaggiate, offrendo accesso a risorse educative, formazione e supporto. Il prompt engineering consente di creare interfacce intuitive e contenuti appropriati al contesto culturale e linguistico degli utenti, riducendo le barriere all’inclusione.

Nonostante i benefici evidenti, l’applicazione pratica della maieutica digitale presenta anche sfide significative. È essenziale affrontare questioni legate alla privacy, alla sicurezza dei dati e all’uso responsabile dell’IA. Nei contesti educativi e sanitari, è fondamentale garantire che l’IA supporti e non sostituisca il ruolo insostituibile degli esseri umani, mantenendo l’attenzione sul benessere e sulla dignità delle persone. La qualità delle interazioni con l’IA dipende in larga misura dalla qualità dei prompt e dalla comprensione delle limitazioni del modello. Gli utenti devono essere formati non solo nell’utilizzo degli strumenti, ma anche nell’interpretazione critica delle risposte ottenute, sviluppando competenze digitali avanzate.

I casi di studio ed esperienze applicative evidenziano il potenziale trasformativo della maieutica digitale in diversi settori. Attraverso il prompt engineering, l’IA diventa un alleato potente per l’apprendimento, l’innovazione e la risoluzione di problemi complessi. Tuttavia, il successo di queste applicazioni dipende dalla nostra capacità di utilizzare l’IA in modo etico, responsabile e centrato sull’uomo. La collaborazione tra sviluppatori, educatori, professionisti e utenti è fondamentale per sviluppare soluzioni che rispondano alle reali esigenze della società. Investire nella formazione, nella ricerca e nell’elaborazione di politiche adeguate è essenziale per massimizzare i benefici della maieutica digitale e affrontare le sfide che essa comporta.

Conclusioni

La maieutica digitale rappresenta una convergenza affascinante tra antiche pratiche filosofiche e tecnologie moderne. Integrando la maieutica socratica con il prompt engineering, si è sviluppato un nuovo paradigma nell’interazione tra esseri umani e intelligenza artificiale. Questo approccio non solo migliora la qualità delle risposte generate da modelli di IA come ChatGPT, ma promuove anche un coinvolgimento attivo dell’utente nel processo di conoscenza, riflettendo i principi dell’apprendimento costruttivista.

Abbiamo esplorato come i principi chiave della maieutica socratica—il dialogo dialettico, l’ironia e la riflessione interiore—possano essere applicati nell’interazione con l’IA. Il passaggio dal dialogo umano al dialogo uomo-macchina ha aperto nuove possibilità e sfide nel campo della comunicazione e dell’apprendimento. Il prompt engineering emerge come uno strumento essenziale in questo contesto, permettendo agli utenti di stimolare l’IA a fornire risposte più profonde, pertinenti e creative.

Le teorie cognitive e l’apprendimento costruttivista sostengono l’idea che l’apprendimento sia un processo attivo di costruzione della conoscenza, in cui l’IA può agire come un partner cognitivo. Tuttavia, ciò solleva importanti questioni etiche e di responsabilità. È fondamentale considerare le implicazioni morali dell’uso dell’IA, assicurando che l’interazione sia guidata da principi etici solidi e che venga rispettata la dignità umana. La necessità di un approccio interdisciplinare è evidente, unendo filosofia, linguistica e tecnologia per affrontare le complessità della maieutica digitale.

Approfondendo il ruolo cruciale del prompt engineering nell’interazione con ChatGPT, abbiamo riconosciuto che la capacità di formulare prompt efficaci è fondamentale per guidare il modello verso la generazione di risposte desiderate. Tecniche come la chiarezza, la contestualizzazione e l’iterazione permettono di sfruttare appieno le potenzialità dell’IA. Tuttavia, esistono sfide e limitazioni, come la gestione dei bias, le ambiguità linguistiche e le limitazioni intrinseche dei modelli di linguaggio. Il prompt engineering non è solo uno strumento tecnico, ma anche un mezzo per promuovere un dialogo più significativo tra l’uomo e la macchina, applicabile in diversi contesti, dall’educazione alla risoluzione di problemi complessi.

Le implicazioni sociologiche ed educative della maieutica digitale sono profonde. L’introduzione di queste pratiche nell’educazione contemporanea può trasformare radicalmente il modo in cui apprendiamo, promuovendo un apprendimento personalizzato, stimolando il pensiero critico e sviluppando competenze digitali avanzate. Tuttavia, questioni etiche come la privacy dei dati, l’accessibilità e l’equità devono essere affrontate con attenzione. La maieutica digitale influisce anche sulle interazioni sociali, sulla distribuzione della conoscenza e sulle dinamiche del mercato del lavoro. È essenziale che le politiche educative e le istituzioni riconoscano queste trasformazioni, promuovendo un uso responsabile e inclusivo dell’IA.

Integrando i concetti discussi, emerge un quadro complesso ma promettente. La maieutica digitale ha il potenziale per arricchire l’esperienza umana, facilitando l’accesso alla conoscenza e promuovendo l’innovazione. Tuttavia, il successo di questa integrazione dipende dalla nostra capacità di navigare le sfide etiche e pratiche associate. È fondamentale mantenere una prospettiva critica, essere consapevoli dei limiti dei modelli di IA e garantire che l’interazione con queste tecnologie sia guidata da principi etici solidi. La responsabilità etica nell’uso dell’IA è essenziale per assicurare che i benefici della maieutica digitale siano realizzati senza compromettere i valori fondamentali della società.

Guardando al futuro, la continua evoluzione dei modelli di IA offrirà capacità ancora maggiori, rendendo il prompt engineering ancor più cruciale. La ricerca interdisciplinare sarà fondamentale per affrontare le sfide emergenti e sviluppare pratiche che massimizzino i benefici e minimizzino i rischi. L’educazione svolgerà un ruolo centrale in questo processo, formando individui competenti nel prompt engineering e consapevoli delle implicazioni etiche dell’IA, contribuendo a creare una società più informata e resiliente. L’inclusione e l’accessibilità devono rimanere priorità chiave, assicurando che i vantaggi della maieutica digitale siano distribuiti equamente.

In sintesi, la maieutica digitale e il prompt engineering rappresentano una frontiera innovativa nell’interazione con l’intelligenza artificiale, unendo antichi principi filosofici con tecnologie all’avanguardia. Offrono strumenti potenti per stimolare la conoscenza, promuovere l’apprendimento attivo e affrontare le sfide del XXI secolo. La strada da percorrere richiede equilibrio: abbracciare le opportunità offerte dalla tecnologia, mantenendo un impegno costante verso l’etica, l’equità e il benessere umano. Solo attraverso un approccio consapevole e collaborativo potremo realizzare appieno il potenziale della maieutica digitale, guidando l’innovazione in modo che serva l’interesse comune e contribuisca a una società più giusta e prospera.

Disclaimer

Questo lavoro è stato ideato sulla base delle fonti citate con il supporto di Elicit per la verifica delle referenze. L’intero articolo è stato rivisto, ottimizzato e corretto impiegando il modello ChatGPT O1-Preview attraverso la versione Pro ChatGPT Plus nella versione/release disponibile alla data di sottomissione del lavoro.

Bibliografia

• Chang, Edward Y. “Prompting Large Language Models with the Socratic Method.” In Proceedings of the 2023 IEEE 13th Annual Computing and Communication Workshop and Conference (CCWC), 784–790. IEEE, 2023. DOI: 10.1109/CCWC57344.2023.10099179.
• Dennett, Daniel C. Coscienza: Che cosa è. Milano: Raffaello Cortina Editore, 2023.
• Floridi, Luciano. Etica dell’intelligenza artificiale. Milano: Raffaello Cortina Editore, 2022.
• Holmes, Wayne, Maya Bialik, e Charles Fadel. Artificial Intelligence in Education: Promises and Implications for Teaching and Learning. Boston: Center for Curriculum Redesign, 2019.
• Iannella, Alessandro. ““Ok Google, vorrei parlare con la poetessa Saffo”: Intelligenza artificiale, assistenti virtuali e didattica della letteratura.” Thamyris, nova series. Revista de Didáctica de Cultura Clásica, Griego y Latín 10 (2023): 25–38. DOI: 10.24310/thamyristhrdcc.v10i16486.
• Kasneci, Enkelejda, Kathrin Seßler, Sebastian Küchemann, Maria Bannert, Daryna Dementieva, Frank Fischer, Urs Gasser, et al. “ChatGPT for Good? On Opportunities and Challenges of Large Language Models for Education.” Learning and Individual Differences 103 (2023): 102274. DOI: 10.1016/j.lindif.2023.102274.
• Korzyński, Paweł, Grzegorz Mazurek, Pamela Krzypkowska, e Artur Kurasiński. “Artificial Intelligence Prompt Engineering as a New Digital Competence: Analysis of Generative AI Technologies such as ChatGPT.” Entrepreneurial Business and Economics Review 11, no. 3 (2023): 7–26. DOI: 10.15678/eber.2023.110302.
•  Liu, Pengfei, Weizhe Yuan, Jinlan Fu, Zhengbao Jiang, Hiroaki Hayashi, e Graham Neubig. “Pre-train, Prompt, and Predict: A Systematic Survey of Prompting Methods in Natural Language Processing.” ACM Computing Surveys 55, no. 9 (2023): 1–35. DOI: 10.1145/3560815.
• Meskó, Bertalan. “Prompt Engineering as an Important Emerging Skill for Medical Professionals: Tutorial.” Journal of Medical Internet Research 25 (2023): e50638. DOI: 10.2196/50638.
• Mittelstadt, Brent, Patrick Allo, Mariarosaria Taddeo, Sandra Wachter, e Luciano Floridi. “The Ethics of Algorithms: Mapping the Debate.” Big Data & Society 3, no. 2 (2016): 1–21. DOI: 10.1177/2053951716679679.
• Platone. Tutti gli scritti. Milano: Bompiani, 2000.
• Rahman, Md. Mostafizer, e Yutaka Watanobe. “ChatGPT for Education and Research: Opportunities, Threats, and Strategies.” Applied Sciences 13, no. 9 (2023): 5783. DOI: 10.3390/app13095783.
• Russell, Stuart, e Peter Norvig. Intelligenza artificiale: Un approccio moderno. Terza edizione. Milano: Pearson Italia, 2021.
• Sancassani, Susanna. “Sostenibilità della conoscenza e formazione universitaria: verso nuovi paradigmi.” DigItalia: Rivista del Digitale nei Beni Culturali 2 (2023): 15–29. DOI: 10.36181/digitalia-00071.
• Searle, John R. La riscoperta della mente. Milano: Bollati Boringhieri, 2017.
• Turkle, Sherry. Insieme ma soli: Perché ci aspettiamo sempre più dalla tecnologia e sempre meno dagli altri. Torino: Einaudi, 2019.
• Vygotskij, Lev S. Pensiero e linguaggio. Roma-Bari: Laterza, 1990.
• Wartman, Steven A., e C. Donald Combs. “Medical Education Must Move from the Information Age to the Age of Artificial Intelligence.” Academic Medicine 93, no. 8 (2018): 1107–1109. DOI: 10.1097/ACM.0000000000002044.

Bibliografia secondaria

• Bettoli, Vincenzo, Luigi Naldi, Eugenio Santoro, Maria Rosa Valetto, Anna Bolzon, Fortunato Cassalia, Simone Cazzaniga, Sergio Cima, Andrea Danese, Silvia Emendi, Monica Ponzano, Nicoletta Scarpa, e Pietro Dri. “ChatGPT and Acne: Accuracy and Reliability of the Information Provided—The AI-Check Study.” Journal of the European Academy of Dermatology and Venereology (2024). DOI: 10.1111/jdv.20324.
• Fitzpatrick, Kathleen K., Alison Darcy, e Molly Vierhile. “Delivering Cognitive Behavior Therapy to Young Adults with Symptoms of Depression and Anxiety Using a Fully Automated Conversational Agent (Woebot).” JMIR Mental Health 4, no. 2 (2017): e19. DOI: 10.2196/mental.7785.
• Panciroli, Chiara, Pier Cesare Rivoltella, Maurizio Gabbrielli, e Olaf Zawacki-Richter. “Artificial Intelligence and Education: New Research Perspectives = Intelligenza artificiale e educazione: nuove prospettive di ricerca.” Form@re – Open Journal per la formazione in rete 20, no. 1 (2020): 1–6. DOI: 10.13128/FORM-10210.
• Su, Jiahong, e Weipeng Yang. “Unlocking the Power of ChatGPT: A Framework for Applying Generative AI in Education.” ECNU Review of Education (2023): 1–17. DOI: 10.1177/20965311231168423.
• Zawacki-Richter, Olaf, Maria Kerres, Svenja Bedenlier, Melissa Bond, e Katja Buntins. “Systematic Review of Research on Artificial Intelligence Applications in Higher Education—Where Are the Educators?” International Journal of Educational Technology in Higher Education 16, no. 1 (2019): 39. DOI: 10.1186/s41239-019-0171-0.

ArXiv Preprint

• Brown, Tom B., Benjamin Mann, Nick Ryder, Melanie Subbiah, Jared Kaplan, Prafulla Dhariwal, Arvind Neelakantan, et al. “Language Models are Few-Shot Learners.” In Advances in Neural Information Processing Systems 33 (2020): 1877–1901. DOI: 10.48550/arXiv.2005.14165.
• Jung, Jaehun, Lianhui Qin, Sean Welleck, Faeze Brahman, Chandra Bhagavatula, Ronan Le Bras, e Yejin Choi. “Maieutic Prompting: Logically Consistent Reasoning with Recursive Explanations.” In Proceedings of the 2022 Conference on Empirical Methods in Natural Language Processing (EMNLP), 8570–8586. Association for Computational Linguistics, 2022. DOI: 10.48550/arXiv.2205.11822.
• Pournaras, Evangelos. “Science in the Era of ChatGPT, Large Language Models and Generative AI: Challenges for Research Ethics and How to Respond.” arXiv preprint arXiv:2305.15299 (2023). DOI: 10.48550/arXiv.2305.15299.
• Reynolds, Laria, e Kyle McDonell. “Prompt Programming for Large Language Models: Beyond the Few-Shot Paradigm.” arXiv preprint arXiv:2102.07350 (2021). DOI: 10.48550/arXiv.2102.07350.
• White, Jules, Quchen Fu, Sam Hays, Michael Sandborn, Carlos Olea, Henry Gilbert, Ashraf Elnashar, Jesse Spencer-Smith, e Douglas C. Schmidt. “A Prompt Pattern Catalog to Enhance Prompt Engineering with ChatGPT.” arXiv preprint arXiv:2302.11382 (2023). DOI: 10.48550/arXiv.2302.11382.

L’uso dell’intelligenza artificiale nella sanità: etica, strumenti e prospettive

di David Vannozzi, Università Telematica Pegaso (Direttore generale)

e Med.E.A. – Higher Education Institution Malta (CEO)

Email:

doi: 10.14672/VDS20243IP12

L’uso dell’intelligenza artificiale nella sanità: etica, strumenti e prospettive © 2024 by David Vannozzi is licensed under CC BY-SA 4.0

Introduzione

Il presente articolo mira a fare un breve e non esaustivo resoconto delle possibili applicazioni dell’intelligenza artificiale al mondo della sanità elencandone gli strumenti, le prospettive e le possibili applicazioni. Conclude con una breve disamina dei problemi etici da risolvere.

Negli ultimi anni, è notevolmente cresciuto l’interesse per il tema dell’intelligenza artificiale (AI) in generale, ma è stata la pandemia di COVID-19 che ha accelerato lo sviluppo e la diffusione di applicazioni di intelligenza artificiale nelle aree mediche e cliniche.

I comportamenti intelligenti sono alla base delle numerose attività decisionali in Medicina, quali la diagnosi, la terapia, la prognosi e la gestione del monitoraggio del paziente. Tali attività, oltre a essere caratterizzanti della pratica clinica, prevedono la capacità di fondere e usare conoscenze di base, conoscenze specifiche sul paziente, sul contesto ambientale e altro, al fine di prendere la migliore decisione possibile rispetto all’evoluzione dello stato di salute del paziente (o di interi gruppi di pazienti).

Il concetto Intelligenza Artificiale, Machine Learning e Deep Learning apparve per la prima volta in articoli e ricerche negli anni ’50 grazie alle intuizioni del test di Turing, e veniva utilizzato per definire se una macchina fosse in grado di pensare e di essere considerata “intelligente”.

I primi studi, e relativi sistemi software, inerenti l’AI-M sono comparsi nei primi anni ’70. L’avvento di computer sempre più potenti, l’evoluzione dell’informatica e la disponibilità di un’enorme mole di dati, grazie a Internet e alle molteplici piattaforme “social”, hanno spostato l’interesse dell’AI-M da applicazioni basate sulla conoscenza ad applicazioni basate sui Big Data, dove è possibile estrarre dai dati conoscenza e informazioni in essi nascoste (Data Mining).

Gli sviluppi recenti nel campo del Machine Learning hanno permesso di ampliare la natura e la numerosità delle variabili eterogenee in ingresso rispetto agli approcci noti nella statistica classica, e di ricavare regole di classificazione e di predizione in grado di cogliere aspetti complessi nei dati a disposizione.

Negli approcci “tradizionali” del Machine Learning, le variabili sono ricavate sia direttamente dai dati clinici (come i dati di laboratorio), sia mediante misure ed estrapolazioni effettuate dagli operatori, come nel caso di osservazioni effettuate nell’ambito dell’imaging diagnostico. Negli ultimi anni, uno dei fattori di successo più significativi dell’AI è stata la semplificazione di questa fase di estrapolazione dei dati, mediante l’utilizzo di nuove architetture di reti neurali artificiali denominate collettivamente metodi di Deep Learning.

Le applicazioni di AI & Advanced Analytics rappresentano la più importante tecnologia abilitante di oggi: hanno un impatto estremamente concreto, perché consentono di identificare schemi nascosti, fornire servizi personalizzati, apprendere dai dati e fare previsioni. In questo modo portano l’analisi di scenari complessi a risultati semplici, fornendo un valore senza precedenti.

Tuttavia, come per altri progressi tecnologici, l’AI nel campo dell’assistenza sanitaria presenta vantaggi e rischi specifici e necessita di un proprio quadro normativo che affronti le implicazioni socio-etiche del suo utilizzo.

A questo proposito sono stati pubblicati molti Rapporti e linee guida, a livello sia nazionale che europeo e internazionale, tra i quali, la Commissione europea ha presentato il proprio Regolamento in materia di Intelligenza Artificiale per disciplinare lo sviluppo, l’uso e la commercializzazione di queste tecnologie, e l’Italia ha lanciato,  grazie al lavoro congiunto di tre Ministeri, il  Programma nazionale Strategico sull’Intelligenza Artificiale, che identifica 24 raccomandazioni di intervento per il triennio 2022-2024 e indica i macro-capitoli di finanziamento per colmare il divario oggi esistente tra l’Italia e le nazioni europee di riferimento.

Il mercato dell’intelligenza artificiale

Negli ultimi anni, il panorama europeo dell’utilizzo dell’intelligenza artificiale (AI) è in continua evoluzione. Per la sua crescente importanza in tutti gli ambiti, l’intelligenza artificiale è stata inserita nell’elenco delle priorità della Commissione Europea.

I dati evidenziano una crescita dell’ecosistema italiano dell’Artificial Intelligence^[1]. Sempre più̀ imprese e consumatori si avvicinano a questa tecnologia emergente, che ha tutto il potenziale per diventare un fattore centrale nella trasformazione digitale di imprese, della PA e della società̀ nel suo complesso, grazie anche allerisorse pubbliche rese disponibili dal piano Next Generation EU.

La Sanità è al primo posto in termini di crescita tra tutti i settori che generano dati, che sono un bene preziosissimo in tale settore, purché siano gestiti con infrastrutture tecnologiche robuste, resilienti, performanti e sicure. Rischiare di perdere o alterare dati in ambito sanitario potrebbe mettere a rischio la vita di una persona o l’intera operatività di una struttura sanitaria.

I big data provenienti dal mondo della sanità sono certamente una ricchezza enorme per tutti: per la salute dei pazienti e per le organizzazioni sanitarie. Ma per analizzarli e interpretarli in maniera efficace, affinché assumano valore e si trasformino in preziose informazioni, servono condivisione della conoscenza, competenze specifiche, formazione, integrazione tra tutti gli attori del sistema, infrastrutture uniche, sicurezza. Soltanto a queste condizioni i big data potranno costituire la base di una tecnologia abilitante dell’ecosistema sanitario che ci porterà verso una data driven health.

fonte: IDC – International Data Corporation

Un’analisi previsionale fino al 2025 dell’International Data Corporation, vede la Sanità con un +36%, al primo posto in termini di crescita tra tutti i settori che generano dati.

Nel campo dei big data nell’Healthcare, si prevede che il mercato globale raggiungerà i 58,4 miliardi di dollari entro il 2026 in gran parte derivanti dagli ingenti investimenti nordamericani in cartelle cliniche elettroniche, strumenti di gestione delle pratiche e soluzioni per la gestione del personale^[2].

Analisti di settore, politici e istituzioni concordano sul fatto che l’uso dei big data in sanità possa far risparmiare ingenti somme al sistema sanitario, soprattutto con riferimento alla razionalizzazione delle risorse.

Da evidenziare che il PNRR (Piano Nazionale di Ripresa e Resilienza), che prevede lo stanziamento di circa 15 miliardi di euro per la Digital Health, nel programma   Missione 6 Salute, prevede lo stanziamento di 7 miliardi di euro per l’assistenza di prossimità e per la telemedicina. Tale circostanza, certamente,darà un grande impulso all’utilizzo dei big data per la sanità italiana. Gli investimenti porteranno alla moltiplicazione delle fonti di dati.

Tra le principali/nuove fonti di generazione dati vi sono la dematerializzazione di tutti i flussi sanitari, le tecnologie digitali innovative, le scelte di governance e le normative che stanno spingendo fortemente in questa direzione.

Tra queste:

• Telemedicina (spinta anche dalle recenti Indicazioni Nazionali)
• Adozione del Fascicolo Sanitario Elettronico (nuovo FSE)
• Gestione integrata delle Cartelle Cliniche Elettroniche
• Imaging diagnostico con elaborazioni mediante tecniche di Intelligenza Artificiale
• IoMT, sensoristica e wearable device per il controllo remoto e il telemonitoraggio dei pazienti
• Chirurgia a distanza e chirurgia robotica 
• P4 Medicine: medicina Predittiva, Personalizzata, Preventiva e Partecipativa
• Medicina del territorio
•  

Le applicazioni dell’AI in medicina e sanità

Il rapporto descrive i diversi campi in cui l’AI biomedica potrebbe fornire i contributi più significativi:

• pratica clinica,
• ricerca biomedica, 
• salute pubblica,
• amministrazione sanitaria.

Nella praticaclinica ci sono aree mediche altamente interessate all’uso dell’AI, come la radiologia, la cardiologia, la patologia digitale, la medicina d’urgenza, la chirurgia, il rischio medico, la previsione delle malattie, l’assistenza    domiciliare e la salute mentale.

Nellaricerca biomedica ci sono molti potenziali contributi dell’AI, come l’utilizzo di modelli basati sulla tecnologia che accelerano drasticamente il processo di individuazione di possibili candidati farmaci, riducendo i tempi e di conseguenza i costi del time to market, la conduzione di sperimentazioni cliniche e la medicina personalizzata.

A livello di salute globale,l’AI potrà essere molto utile nell’individuazione e nel controllo, ad esempio, di future eventuali pandemie, attraverso l’analisi in tempo reale di dati a livello mondiale. D’altro canto, durante la pandemia Covid19 è emerso quanto sia cruciale avere dei dati a tutti i livelli per il controllo ed il monitoraggio.

Per quanto riguarda il ruolo del paziente è importante sottolineare che l’AI può svolgere un ruolo significativo nell’autogestione delle malattiecroniche e delle malattie che colpiscono gli anziani. Le attività di autogestione vanno dall’assunzione di farmaci alla regolazione della dieta del paziente e alla gestione dei dispositivi sanitari.

I pazienti si assumono già una responsabilità significativa per le proprie cure, compresa l’assunzione di medicinali, il miglioramento della loro alimentazione e dieta, l’attività fisica, la cura delle ferite o l’erogazione di iniezioni. L’intelligenza artificiale potrebbe aiutare nella cura di sé, anche attraverso agenti di conversazione (ad es. “chatbot”), monitoraggio della salute e strumenti e tecnologie di previsione del rischio progettati specificamente per le persone con disabilità e potrebbe limitare l’accesso di un individuo ai servizi sanitari formali.

Con gli strumenti di AI si potranno fare molti passi avanti nella gestione dei device per elaborare in tempo reale i dati per la miglior gestione del rischio del paziente.

La telemedicina fa parte di un più ampio passaggio dall’assistenza ospedaliera a quella domiciliare, con l’uso delle tecnologie di intelligenza artificiale per facilitare il passaggio. Includono sistemi di monitoraggio remoto, come la terapia video-osservata e assistenti virtuali a supporto della cura del paziente. Già prima della pandemia di COVID-19, oltre 50 sistemi sanitari negli Stati Uniti utilizzavano servizi di telemedicina e in Cina il numero di servizi a distanza è aumentato di quasi quattro volte durante la pandemia.

In Italia, per un impiego sistematico della telemedicina nell’ambito del Servizio Sanitario Nazionale e per dare attuazione alla Comunicazione europea, il 17 Dicembre 2020 sono state emanate le linee guida di indirizzo nazionale dal Ministero della Salute^[3].

Esistono molti strumenti di AI basati su tecniche di Natural Language Processing e addestrati sui dati contenuti nei sistemi di cartelle cliniche elettroniche contenenti la storia clinica dei pazienti composta da dati sia strutturati sia non strutturati. Un sistema sviluppato in ambito pediatrico, addestrato con 100 milioni di dati riferiti a circa 1,4 milioni di visite condotte da oltre 500.000 pazienti, ha permesso di ottenere elevate percentuali di successo nel diagnosticare le malattie pediatriche più̀ comuni (95% per sinusiti e altre infezioni respiratorie, 94% per l’influenza, 97% per l’infezione mani-piedi- bocca) e quelle più̀ pericolose o complicate (97% per gli attacchi di asma, 93% per la meningite batterica e per la varicella, 93% per la rosolia, 90% per la mononucleosi), con percentuali di sensibilità e specificità̀ simili a quelle osservate tra i medici più̀ esperti.

Esistono anche sistemi di AI sviluppati durante la pandemia del COVID-19 per supportare la diagnosi. Uno studio ha valutato le prestazioni di un sistema di AI nel rilevare pazienti con COVID-19 analizzando le radiografie del torace e dimostrando la sua affidabilità̀ rispetto all’operato di sei radiologi con una sensibilità̀ dell’85% e una specificità̀ del 61%; mentre un altro ha dimostrato che un algoritmo di deep learning è in grado di riconoscere il COVID-19 rispetto ad altre malattie polmonari analizzando le TAC del torace dei pazienti.

La radiologia è tra le specialità mediche che hanno visto sviluppi significativi dell’AI negli ultimi anni.

Per esempio, in uno studio in ambito radiologico, l’accuratezza di un algoritmo sviluppato con l’obiettivo di rilevare la polmonite partendo da oltre 112.000 immagini radiografiche del torace è stata confrontata con quella di quattro radiologi, risultando superiore. Evidenze esistono, anche, nel campo della identificazione di tumori polmonari, dove algoritmi di machine learning, istruiti attraverso la scansione di oltre 34.000 radiografie toraciche, hanno raggiunto un livello di accuratezza superiore a 17 su 18 radiologi usati come confronto. Risultati simili si sono ottenuti nell’identificazione di tumori della mammella dove un sistema di AI adeguatamente istruito ha portato a una riduzione assoluta del 5,7% e 1,2% (rispettivamente negli Stati Uniti e nel Regno Unito) nei falsi positivi e del 9,4% e 2,7% nei falsi negativi, e, nel confronto con l’operato di 6 radiologi, a un aumento del 11,5% della sensibilità̀.  Passi importanti sono stati fatti nello sviluppo di sistemi di AI in grado di diagnosticare con maggiore precisione le fratture del polso, aumentando la sensibilità̀ dall’81% registrata nella diagnosi da parte del personale di pronto soccorso al 92% ottenuta da un sistema di AI, che ha consentito, anche, di ridurre le interpretazioni errate del 47%.

Nella patologia digitale, l’AI è stata applicata a una varietà di attività di elaborazione e classificazione delle immagini.

L’uso di linee guida standardizzate può supportare l’armonizzazione dei processi diagnostici e istopatologici, ma l’AI può aiutare a gestire la variabilità tra soggetti e operatori, nella diagnosi, nella prognosi e nella valutazione della gravità della malattia .

Accanto alla maggiore precisione nella fase di diagnosi, di prevenzione e di definizione e attivazione di modelli di cura e monitoraggio l’AI può far apprezzare il proprio valore anche nell’ambito degli interventi chirurgici. Si tratta in questo caso di un ambito nel quale l’innovazione sanitaria si appoggia all’automazione robotica. Ed è proprio grazie alla chirurgia robotica, gestita mediante AI, che si possono effettuare interventi sempre più complessi con maggiore precisione e anche a distanza, consentendo al medico specialista di avvalersi di un’equipe remota per intervenire senza doversi spostare.

La medicina d’urgenza può beneficiare dell’AI in diverse fasi della gestione del paziente, per una migliore definizione delle priorità dei pazienti durante il triage e nell’analisi diversi elementi della storia clinica del paziente. Attualmente, i pazienti vengono valutati con informazioni limitate nel pronto soccorso e difficili da reperire.

La disponibilità di nuove tecniche di elaborazione delle immagini cardiache basate sull’intelligenza artificiale sta rivoluzionando la pratica clinica cardiaca consentendo ai cardiologi di effettuare una valutazione più rapida dei pazienti nella loro pratica quotidiana

La generazione di ecocardiogrammi più accurati e automatizzati con l’uso dell’AI dovrebbe rivelare caratteristiche di imaging non riconosciute che faciliteranno la diagnosi di malattie cardiovascolari riducendo tempi di intervento e limiti associati all’interpretazione umana.

L’applicazione dell’AI in nefrologia si basa su un modello di deep learning per l’imaging renale ad ultrasuoni per classificare in modo non invasivo la malattia renale cronica (CKD). L’analisi digitale delle immagini istopatologiche è stata facilitata dallo sviluppo di una rete neurale di deep learning in grado di annotare e classificare le biopsie renali umane^[4]. Nel tentativo di migliorare il trattamento precoce del danno renale acuto (AKI), gli scienziati hanno approfittato del diffuso aumento dei dati trovati nelle cartelle cliniche elettroniche per sviluppare un modello di intelligenza artificiale che consenta una previsione fino a 48 ore di episodi di AKI ricoverati.

Le applicazioni dell’AI in neurologia sono nell’ambito di tecniche di deep learning nella diagnostica per immagini, la generazione di modelli biofisici per l’interpretazione di dati di neuroimaging decisionale e per la interpretazione e la refertazione. Per esempio, nell’ICTUS, con l’utilizzo di strumenti di Intelligenza Artificiale deep learning e machine learning, è possibile facilitare e parametrizzare la lettura delle TAC (le macchine sono diverse e danni risultati diversi) per poter evitare l’errore diagnostico con la standardizzazione dell’algoritmo e la successiva validazione del modello.

In questo campo, c’è una esperienza consolidata, RapidAI^[5], una tecnologia che supporta la capacità dei medici di affrontare la gestione delle emorragie intracraniche in modo più accurato e completo utilizzando l’intelligenza artificiale per analizzare rapidamente le scansioni CT in campo neurovascolare e vascolare e informare i medici di possibili emorragie.

Nel novembre 2022 ha avuto l’autorizzazione FDA per l’ultimo rilascio di RapidAI che ha una sensibilità del 97% e una specificità del 100%.

Per gli ospedali e le stroke unit mobili in prima linea nella valutazione dei pazienti, questi dati sono fondamentali per aiutare i medici a prendere decisioni di triage e portando i pazienti nel posto giusto per le cure giuste in modo più efficiente.

Questa tecnologia molto promettente anche su altre patologie, è stata utilizzata e approvata in più di 100 Paesi nel mondo, in 2000 ospedali, e ha un patrimonio di 5 milioni di scansioni.

La medicina genomica è una disciplina emergente basata sulle informazioni genomiche degli individui per guidare l’assistenza clinica e approcci personalizzati alla diagnosi e al trattamento Poiché l’analisi di set di dati così grandi è complessa, l’AI svolge un ruolo importante nella genomica per migliorare la comprensione umana della malattia e identificare nuovi biomarcatori della malattia.

Ci sono diversi studi condotti sul campo per dimostrare l’accuratezza di sistemi di AI finalizzati all’identificazione di neoplasie. Uno studio, che utilizzava un ampio set di dati di addestramento di quasi 130.000 immagini, ha dimostrato l’affidabilità̀ di un sistema di machine learning nell’identificazione di carcinoma e di melanoma con una sensibilità rispettivamente del 96% e del 94%, assolutamente sovrapponibili a quelle di 21 dermatologi americani certificati.

Gli aspetti etici da risolvere

Sebbene l’implementazione dell’AI nel settore sanitario sia molto promettente, questo campo in rapido sviluppo solleva anche preoccupazioni per i pazienti, i sistemi sanitari e la società; queste preoccupazioni includono questioni di sicurezza clinica, accesso equo, privacy e sicurezza, uso e utenti appropriati, nonché responsabilità e regolamentazione. Pertanto, i ricercatori, il pubblico in generale e i responsabili politici hanno tutti avanzato importanti questioni bioetiche, incluso come valutare i rischi e i benefici dell’AI nell’assistenza sanitaria, come stabilire la responsabilità nella sfera dell’AI biomedica e come regolarne l’uso in questo particolare contesto ad alto rischio. Tra i temi in discussione, centrale è quello che mira a comprendere se l’AI potrebbe aumentare l’inclusione e l’equità nel trattamento delle comunità tradizionalmente sottorappresentate, o se, viceversa, si corra il rischio di perpetuare e aumentare le disparità e le disuguaglianze sanitarie esistenti.

Bibliografia

• Conferenza delle Regioni e delle Province Autonome, 2020. Rapporto di Monitoraggio sull’attuazione della CSR.
• Hermsen, Meyke, Thomas de Bel, Marjolijn den Boer, Eric J. Steenbergen, Jesper Kers, Sandrine Florquin, Joris J. T. H. Roelofs, et al. “Deep Learning–Based Histopathologic Assessment of Kidney Tissue.” Journal of the American Society of Nephrology. Ovid Technologies (Wolters Kluwer Health), September 5, 2019. doi:10.1681/asn.2019020144.
• Mordor Intelligence, 2020. Big Data Market Research Report.
• Politecnico di Milano, Osservatorio Artificial Intelligence, 2022. Artificial Intelligence: l’Italia s’è desta!, 4-58. Milano: Politecnico di Milano.
• RapidAI, Aneurysm, pulmonary embolism and stroke software platform powered by AI [ultimo accesso il 13 ottobre 2024], https://www.rapidai.com/

---

^[1]Politecnico di Milano, Osservatorio Artificial Intelligence, 2022. Artificial Intelligence: l’Italia s’è desta!, 4-58. Milano: Politecnico di Milano.

^[2]Mordor Intelligence, 2020. Big Data Market Research Report.

^[3]Conferenza delle Regioni e delle Province Autonome, 2020. Rapporto di Monitoraggio sull’attuazione della CSR, 2-15.

^[4]Hermsen, Meyke, Thomas de Bel, Marjolijn den Boer, Eric J. Steenbergen, Jesper Kers, Sandrine Florquin, Joris J. T. H. Roelofs, et al. “Deep Learning–Based Histopathologic Assessment of Kidney Tissue.” Journal of the American Society of Nephrology. Ovid Technologies (Wolters Kluwer Health), September 5, 2019. doi:10.1681/asn.2019020144.

^[5]RapidAI, Aneurysm, pulmonary embolism and stroke software platform powered by AI [ultimo accesso il 13 ottobre 2024], https://www.rapidai.com/