L'intelligenza artificiale generativa (AI) ha recentemente suscitato un interesse crescente, ma anche una serie di preoccupazioni legate ai rischi potenziali che essa comporta. L'entusiasmo iniziale, alimentato dalla promessa di trasformare in profondità numerosi settori, sta ora dando spazio a un disincanto, soprattutto nei confronti della versione iperbolica dell'AI. Molti esperti osservano che la "bolla" di entusiasmo riguardo all'AI potrebbe scoppiare a causa di problemi etici, legali e pratici ancora non completamente affrontati. Le preoccupazioni vanno dalla creazione di contenuti dannosi e disinformazione, all'invasione della privacy e alle problematiche ambientali legate alla produzione e al consumo energetico degli algoritmi.

In questo contesto, molte nazioni stanno introducendo leggi specifiche per regolare l'intelligenza artificiale generativa. Ad esempio, l'Unione Europea ha varato l'AI Act, una legislazione che si propone di affrontare le problematiche derivanti dall'uso di tecnologie avanzate in modo sistematico e coerente. Tuttavia, la legislazione si sviluppa lentamente, e non tutte le normative sono ancora operative. In Cina, per esempio, l'amministrazione internet ha già introdotto misure interinali per la gestione dell'AI generativa, anticipando le politiche di altri paesi. Nonostante i tentativi di regolazione pubblica, è difficile ignorare che un altro importante aspetto della regolamentazione rimane ancora sottovalutato: l'auto-regolamentazione da parte dei fornitori di modelli AI.

L'auto-regolamentazione in questo contesto si manifesta principalmente attraverso i termini e le condizioni d'uso (T&C), le politiche sulla privacy e le licenze per i contenuti protetti da copyright, strumenti che possono variare in efficacia e impatto. Alcuni di questi strumenti sono percepiti come più vincolanti dal punto di vista legale, come i termini e condizioni delle piattaforme online, mentre altri si limitano a dichiarazioni più generiche e meno enforceable, come le politiche di uso accettabile e le dichiarazioni di principi etici. I modelli di AI generativa, che spaziano da quelli per la generazione di testo a quelli per immagini e video, dipendono anch'essi da questo tipo di regolamentazione. Gli sviluppatori di tali tecnologie, purtroppo, non si sono mostrati particolarmente inclini a una trasparenza totale, né tanto meno alla disponibilità a negoziare i termini con gli utenti finali. In molti casi, i consumatori si trovano ad accettare tali termini senza comprenderli appieno o senza la possibilità di modificarli, con una disparità di potere evidente.

Questa situazione non è nuova, e il comportamento delle grandi piattaforme online, che dominano il mercato globale, ha dato vita a una lunga storia di abusi nei contratti di consumo, spesso senza alcun incentivo per gli utenti a leggere e comprendere i documenti legali che accettano. Politiche sulla privacy troppo lunghe, complesse e soggette a cambiamenti frequenti senza alcun consenso aggiuntivo, rendono difficile un'effettiva protezione dei diritti degli utenti. Come evidenziato da alcuni studiosi, i termini e le condizioni di servizio sono spesso accusati di rappresentare una "ingiustizia", una condizione che non può più essere tollerata se si vuole evitare che i giganti tecnologici sfruttino il loro potere.

Malgrado queste difficoltà, l'auto-regolamentazione può anche rivelarsi utile, almeno per portare alla luce le pratiche poco trasparenti, in particolare quelle legate all'uso dei dati degli utenti. Sebbene non possiedano la forza vincolante della legislazione, i termini e le condizioni, le politiche sulla privacy e altre normative auto-imposte offrono uno strumento per difendere gli interessi dei consumatori contro pratiche scorrette e per identificare le violazioni dei diritti dei consumatori. Ad esempio, grazie alla crescente attenzione pubblica, la Commissione Europea sta cercando di limitare gli abusi attraverso il Digital Services Act (DSA), che affronta direttamente le problematiche legate alla piattaforma digitale e alla protezione degli utenti.

Tuttavia, ci si interroga se l'auto-regolamentazione sia davvero sufficiente per garantire una gestione adeguata dei rischi associati all'AI generativa. Molti esperti sostengono che sia necessario un intervento legislativo democratico per regolamentare questi strumenti in maniera sistematica, ma il processo legislativo si muove a ritmi più lenti rispetto all'evoluzione delle tecnologie stesse. In attesa che le normative raggiungano una forma definitiva, l'auto-regolamentazione rimane un'opzione, anche se i suoi limiti sono evidenti.

Un altro aspetto importante riguarda l'impatto ambientale e sociale delle tecnologie di AI generativa. L'utilizzo massiccio di risorse computazionali per addestrare i modelli di intelligenza artificiale può avere effetti devastanti sull'ambiente, con un consumo energetico che spesso non viene preso in considerazione nelle valutazioni iniziali. Allo stesso modo, le implicazioni sociali delle AI generative, in particolare riguardo alla disinformazione, all'automazione del lavoro e alla creazione di contenuti manipolativi, sono questioni che meritano una riflessione più profonda e una regolamentazione adatta a limitare i rischi.

L'intelligenza artificiale, quindi, è una sfida complessa e multidimensionale che richiede una risposta equilibrata tra regolamentazione pubblica, auto-regolamentazione e consapevolezza dei consumatori. Se da un lato i progressi tecnologici sono indiscutibili, dall'altro è essenziale che vengano affrontate le preoccupazioni legate alla sicurezza, alla privacy, all'etica e alla sostenibilità. Solo con un approccio integrato sarà possibile garantire che l'AI generativa non diventi uno strumento di abuso, ma un alleato utile per il progresso della società.

L'intelligenza artificiale generativa e le sue sfide normative ed epistemologiche: una prospettiva europea e statunitense

Nel contesto della rapida evoluzione dell'intelligenza artificiale (IA), l'Unione Europea e gli Stati Uniti stanno cercando di definire e regolare il fenomeno in modi distinti. Mentre l'Unione Europea ha scelto di concentrarsi su modelli di IA generica, definiti come sistemi in grado di eseguire una vasta gamma di compiti senza un'attenzione esplicita all'IA generativa, gli Stati Uniti, con l'ordine esecutivo firmato dal presidente Biden, hanno optato per un riconoscimento esplicito dell'IA generativa, come una categoria che include la creazione di contenuti sintetici, come immagini, testi, video e audio.

La distinzione tra i due approcci riflette differenze di filosofia e di regolamentazione. L'Unione Europea, nel cercare di affrontare i rischi legati all'IA, adotta una visione normativa che si concentra sull'identificazione dei benefici e dei danni che l'adozione dell'IA potrebbe comportare per la società. Il dibattito è quindi incentrato su un'analisi dei vari modi in cui l'IA generativa può essere utilizzata, abusata o addirittura sottoutilizzata. La regolamentazione europea si sforza di ridurre i rischi, enfatizzando una gestione responsabile dell'innovazione tecnologica, evitando di perdersi in un eccesso di ottimismo tecnologico, tipico delle visioni più statunitensi.

L'analisi dell'IA generativa è essenzialmente un'indagine sugli impatti sociali ed etici che queste tecnologie comportano. I sistemi di IA generativa, come i modelli di linguaggio di grandi dimensioni, sollevano questioni cruciali non solo dal punto di vista tecnico, ma anche sotto il profilo epistemologico e normativo. In particolare, le sfide epistemologiche riguardano la capacità dell'IA di generare contenuti che rispecchiano una visione della realtà che non è necessariamente quella degli esseri umani. In altre parole, come l'IA "vede" il mondo potrebbe non corrispondere alla nostra visione della realtà. Questo solleva interrogativi su quali siano le implicazioni di questa "visione distorta" della realtà, soprattutto quando si tratta di prendere decisioni influenzate dall'IA.

Le sfide epistemologiche si articolano in quattro ambiti principali: la qualificazione, la fiducia, il pluralismo e la dipendenza tecnologica. La qualificazione riguarda la capacità di determinare se un contenuto generato dall'IA è valido e quale tipo di autorità può essere attribuita a tale contenuto. La fiducia, invece, esplora quanto possiamo fidarci delle informazioni prodotte da un sistema che non è umano, ma che è progettato per emulare comportamenti umani. Il pluralismo, da parte sua, tocca il tema della diversità delle visioni del mondo e delle informazioni, mettendo in evidenza il rischio che i sistemi di IA generativa possano rafforzare un'unica visione dominante della realtà. Infine, la dipendenza tecnologica si riferisce al rischio che la società possa diventare eccessivamente dipendente da questi sistemi, riducendo la propria capacità di pensare criticamente e in modo indipendente.

Sul piano sociale, i rischi legati all'uso dell'IA generativa sono molteplici e comprendono non solo potenziali danni fisici ed economici, ma anche danni reputazionali e psicologici. Tra i principali pericoli figurano la concentrazione del potere, la perpetuazione di bias e discriminazioni nel tempo, e il cosiddetto "solutionismo tecnologico", che porta a credere che l'IA possa risolvere problemi complessi in modo semplice e diretto. La concentrazione del potere è un rischio che cresce mano a mano che alcune grandi aziende dominano il campo dell'IA, determinando la direzione dello sviluppo tecnologico senza un adeguato controllo pubblico. La perpetuazione dei bias è un altro pericolo significativo, poiché i modelli di IA tendono a riflettere e, in alcuni casi, amplificare i pregiudizi esistenti nei dati su cui sono stati addestrati. Il solutionismo tecnologico, infine, può indurre a un uso eccessivo e acritico della tecnologia, ignorando i suoi limiti e i suoi impatti sociali.

Tuttavia, va anche sottolineato che le problematiche legate all'uso dell'IA generativa non sono inedite. Mentre la tecnologia può sembrare innovativa, i rischi che essa comporta sono in molti casi simili a quelli che già si sono manifestati con l'introduzione di altre tecnologie digitali. Ciò che cambia è la scala e la velocità con cui queste tecnologie vengono adottate e integrate nella società. Gli sviluppi in ambito IA offrono nuove opportunità, ma richiedono una riflessione profonda su come queste opportunità possano essere gestite in modo etico e responsabile.

Inoltre, è fondamentale comprendere che non tutte le applicazioni di IA generativa sono pericolose o dannose. Molte di esse offrono benefici significativi, come l'automazione di compiti complessi, il miglioramento dei processi decisionali e l'accesso a nuove forme di creatività. L'importante è che queste tecnologie siano utilizzate in modo consapevole, responsabile e trasparente, per evitare abusi e garantire che i benefici siano equamente distribuiti.

L'adozione di un approccio normativo e filosofico nell'analisi dell'IA generativa è essenziale per evitare che l'entusiasmo per l'innovazione tecnologica oscuri le possibili implicazioni sociali ed etiche. L'Europa, con la sua tradizione di regolamentazione basata sul rispetto dei diritti fondamentali e della dignità umana, può svolgere un ruolo cruciale nell'indirizzare lo sviluppo dell'IA verso un futuro più equo e sostenibile.

L'uso degli LLM nel settore legale: rischi, implicazioni e considerazioni giuridiche

Il settore legale, caratterizzato dalla gestione di informazioni private riguardanti individui e aziende, è fortemente influenzato dai rischi relativi alla protezione dei dati e alla sicurezza informatica. La riservatezza, la privacy e la sicurezza possono essere compromesse se i sistemi vengono violati o se le informazioni sensibili vengono divulgate accidentalmente. Questo solleva il dubbio se l’introduzione dei dati personali dei clienti in un LLM (Large Language Model) violi le leggi sulla protezione dei dati o il dovere di riservatezza di un avvocato. Inoltre, la questione della violazione del copyright, in relazione ai contenuti generati da un LLM e alla protezione di eventuali nuove opere, è ancora oggetto di discussione.

L’introduzione dell’intelligenza artificiale nel settore legale comporta anche il rischio di un affidamento eccessivo sugli strumenti digitali, alimentato da vari fattori psicologici. L’impressione di fluidezza e accuratezza con cui gli LLM forniscono informazioni crea l’illusione che queste siano sempre pertinenti, plausibili e credibili. Ciò rende difficile individuare errori o imprecisioni. Un altro fattore psicologico rilevante è il "bias di status quo", dove le persone tendono a non deviare da decisioni già proposte, specialmente se queste richiedono una giustificazione aggiuntiva. Questo fenomeno è ulteriormente esacerbato dall’effetto ancoraggio, che porta a un’overreliance sulla prima informazione presentata come base per la decisione. Infine, il bias di automazione rappresenta la fiducia eccessiva nell’infallibilità dei sistemi tecnologici, ignorando eventuali informazioni contrastanti anche se corrette. Questi fattori psicologici pongono un rischio significativo per gli avvocati, che potrebbero essere riluttanti a deviare dalle proposte di un sistema AI, anche quando queste non sono completamente appropriate.

Le implicazioni socio-economiche dell’uso degli LLM nel settore legale sono molteplici. Gli LLM stanno già trasformando i flussi di lavoro all’interno degli studi legali e dei dipartimenti legali aziendali. Sebbene alcune professioni potrebbero scomparire, altre si evolveranno, creando nuove aree di specializzazione. L’introduzione di tali strumenti comporterà inevitabilmente una ristrutturazione delle strutture degli studi legali. In particolare, gli studi legali si stanno evolvendo da una struttura piramidale, con molti collaboratori junior e pochi soci, verso una struttura più "a razzo", con un numero ridotto di collaboratori junior e un aumento del personale non legale, come paralegali, manager di progetto legale e tecnici legali. Tuttavia, non si può sottovalutare la crescente dipendenza dalle Big Tech, poiché lo sviluppo di LLM richiede ingenti investimenti finanziari, che molti studi legali non sono in grado di sostenere. Le grandi aziende tecnologiche, con enormi risorse computazionali e capacità ingegneristiche, stanno centralizzando il potere nelle loro mani, limitando l’indipendenza degli studi legali e aumentando il rischio di un monopolio del settore. Questo solleva la questione su come proteggere il sistema giuridico e la democrazia, affinché l’adozione di questi sistemi non comprometta i valori costituzionali e democratici.

Nel complesso, sebbene l’uso degli LLM nel settore legale offra numerosi vantaggi, è fondamentale che gli avvocati monitorino attentamente l’accuratezza e l’affidabilità dei contenuti generati. Recenti sondaggi hanno mostrato che molte aziende legali sono caute nell’adottare l’IA, con il 58% degli studi che ha scelto di avviare soluzioni AI in modalità pilota prima di una piena adozione. Le preoccupazioni legali, in particolare riguardo alla responsabilità legale, alla privacy e alla sicurezza, restano tra le sfide principali per l’adozione di tali tecnologie.

Un ulteriore tema di preoccupazione è il rischio che l'uso degli LLM nel settore legale possa sfociare nell'esercizio non autorizzato della professione legale (UPL, Unauthorized Practice of Law). Ciò potrebbe accadere se i sistemi AI, privi di adeguata supervisione professionale, offrano consulenze giuridiche errate o imprecise. Per proteggere i consumatori da tali rischi, l’UPL è uno strumento giuridico che potrebbe essere utilizzato, ma la questione è complessa e la sua applicazione a sistemi automatizzati è dibattuta. Gli studi legali dovranno trovare un equilibrio tra l'innovazione tecnologica e la salvaguardia dei diritti dei clienti, evitando che l’affidamento eccessivo sugli LLM possa danneggiare la qualità dei servizi giuridici offerti.

La regolamentazione dei servizi legali è un tema ampio e complesso, che varia notevolmente da paese a paese. Nel Regno Unito, ad esempio, il rapporto della Competition & Markets Authority evidenzia le differenze nei servizi legali, in particolare riguardo al fatto che non tutti i servizi legali siano esclusivamente riservati agli avvocati e se i non avvocati possano svolgere attività legali. La Commissione Europea, inoltre, non è ancora riuscita a uniformare le regole professionali degli avvocati nei vari Stati membri, soprattutto per quanto riguarda il diritto di consulenza legale extragiudiziale. La questione è ancor più rilevante in un mondo sempre più globalizzato, dove le nuove tecnologie possono facilmente oltrepassare i confini giuridici e suscitare sfide di governance.

La sfida principale rimane dunque quella di garantire che l’adozione di LLM nel settore legale non comprometta la protezione dei diritti dei clienti e non porti a una "automazione" della giustizia che potrebbe non rispettare i principi fondamentali della professione legale. Il monitoraggio e la regolamentazione continua saranno necessari per prevenire abusi e per garantire che gli strumenti digitali rimangano al servizio del bene comune.

Qual è il ruolo dei "Dark Patterns" e delle tecnologie persuasive basate sull'IA nella manipolazione delle decisioni dei consumatori?

I "dark patterns", o modelli oscuri, sono pratiche commerciali che sfruttano l'architettura delle scelte digitali in modo da compromettere l'autonomia, la capacità decisionale e la libertà di scelta dei consumatori. Questi modelli si avvalgono di tecnologie avanzate, come l'intelligenza artificiale (IA), per indurre comportamenti specifici, spesso ingannevoli o coercitivi. Come sottolineato dall'Organizzazione per la Cooperazione e lo Sviluppo Economico (OECD), i dark patterns sono pratiche commerciali che utilizzano elementi di design digitale per manipolare le scelte dei consumatori, talvolta danneggiandoli in modi difficili da quantificare. La crescente capacità dell'IA di influenzare le decisioni delle persone ha reso questi strumenti ancora più pervasivi e difficili da contrastare.

L'uso dell'IA in questo contesto ha portato alla nascita di una nuova generazione di "dark patterns", chiamata "second-generation dark patterns" o "hypernudges". Questi modelli sono alimentati da algoritmi in grado di personalizzare l'esperienza dell'utente in base ai suoi bias cognitivi, influenzando in tempo reale l'ambiente virtuale in cui si trova, e spingendo gli utenti verso decisioni che non avrebbero preso altrimenti. Mentre un nudge tradizionale potrebbe limitarsi a spostare una scelta, come una insalata messa davanti a dolci, per incoraggiare una dieta sana, un hypernudge alimentato da IA potrebbe rimodellare l'intero negozio virtuale in base al profilo psicologico e alle predisposizioni cognitive di ogni individuo.

Questi sistemi sono molto più potenti rispetto alle forme di manipolazione tradizionali che avvenivano in interazioni faccia a faccia. Gli algoritmi, infatti, possono acquisire e analizzare enormi quantità di dati su ciascun individuo, creando profili dettagliati e intrappolando le persone in "filter bubbles", bolle informative che rinforzano le loro convinzioni esistenti e li isolano da opinioni contrastanti. Le IA generative possono produrre contenuti personalizzati, come immagini, suoni e testi, progettati specificamente per risuonare con i bias cognitivi di ciascun utente, aumentando ulteriormente l'efficacia della manipolazione. Questo livello di personalizzazione rende la manipolazione più subdola e difficile da individuare.

Un caso emblematico dell'uso delle tecnologie persuasive è stato lo scandalo di Cambridge Analytica, che ha rivelato come i dati personali possano essere utilizzati per influenzare le opinioni politiche e le decisioni di milioni di persone. Le tecnologie moderne, infatti, rendono possibile un targeting senza precedenti, dove le IA possono creare esperienze su misura che sfruttano vulnerabilità cognitive specifiche, orientando le persone verso scelte che altrimenti non avrebbero preso. Questo scenario ha suscitato preoccupazioni tra diversi organismi internazionali, i quali hanno sollevato il rischio di violazione dei diritti fondamentali, come l'autonomia, la privacy e la libertà di pensiero. È emersa l'idea di un nuovo diritto fondamentale: il diritto alla sovranità cognitiva, che sancisce la libertà di autodeterminare i propri pensieri senza interferenze tecnologiche.

In risposta a queste preoccupazioni, l'Unione Europea ha iniziato a esplorare misure legislative per proteggere i consumatori e limitare l'uso dannoso delle tecnologie persuasive. Il Regolamento Generale sulla Protezione dei Dati (GDPR) è stato identificato come uno degli strumenti principali per contrastare le pratiche manipolative. Il GDPR stabilisce regole rigorose su come i dati personali possano essere acquisiti e utilizzati, cercando di garantire che le persone abbiano il controllo sui propri dati e sulle informazioni che li riguardano. Tuttavia, non tutte le forme di manipolazione digitale sono coperte dalle leggi attuali, e la tecnologia continua ad evolversi a un ritmo tale che la legislazione fatica a tenere il passo.

La manipolazione attraverso IA, infatti, non si limita al semplice sfruttamento dei dati personali. L'intelligenza artificiale è in grado di modellare l'ambiente digitale in tempo reale, alterando in modo impercettibile le percezioni degli utenti. Le IA possono analizzare e adattarsi costantemente ai comportamenti e alle risposte degli utenti, creando un ciclo continuo di influenze che diventa sempre più difficile da decifrare per il consumatore. Questo rende la protezione dei diritti digitali ancora più complessa e urgente.

Il concetto di "autonomia cognitiva", ovvero la libertà di pensare senza l'influenza esterna delle tecnologie, sta emergendo come un tema centrale nelle discussioni legali e filosofiche sul futuro delle libertà individuali nell'era digitale. La sfida non consiste solo nel proteggere la privacy o nel limitare l'uso dei dati, ma nel preservare la libertà di pensiero. Poiché l'IA continua a evolversi e a diventare più sofisticata, la protezione contro la manipolazione digitale potrebbe richiedere un cambiamento fondamentale nei diritti umani e nelle normative internazionali.

In un mondo sempre più dominato da tecnologie persuasive, la consapevolezza dei meccanismi che stanno alla base di queste manipolazioni è essenziale. Le leggi come il GDPR sono un primo passo, ma è necessario continuare a sviluppare strumenti giuridici e tecnici per proteggere la libertà di pensiero degli individui. In questo contesto, è fondamentale riconoscere l'importanza di educare i consumatori e gli utenti digitali, affinché siano in grado di riconoscere e difendersi dalle manipolazioni che si celano dietro le scelte apparentemente innocue che fanno ogni giorno.

Quali sono le sfide principali nell'approccio normativo e regolamentare all'IA generativa?

Nel capitolo 2, Zijie Huang, un altro esperto in scienze informatiche, esamina i progressi nello sviluppo di diversi tipi di modelli di intelligenza artificiale generativa e le loro applicazioni negli ultimi anni. Huang sottolinea l’importanza di sviluppare un'IA generativa affidabile e responsabile, evidenziando la necessità di bilanciare l'innovazione con le considerazioni etiche. L’aspetto etico dell’IA generativa è ulteriormente approfondito nel capitolo 3 da Ludovica Paseri e Massimo Durante, che propongono un approccio duale nell'analizzare l'impatto dell’IA generativa: uno normativo e uno epistemologico. La loro analisi rivela l'interazione complessa tra il funzionamento dell'IA generativa e le sue implicazioni sociali più ampie, in particolare per quanto riguarda l'epistemologia giuridica. Tra le principali preoccupazioni emerge anche il rischio di abuso e manipolazione. Il capitolo 4 di Stefano Faraoni lancia un avvertimento riguardo alle capacità senza precedenti dell’IA generativa nella manipolazione computazionale. Faraoni critica le debolezze esistenti nei quadri giuridici dell'UE nella protezione dell'autonomia individuale di fronte a manipolazioni computazionali sempre più sofisticate alimentate dall'IA generativa. Le implicazioni economiche dell’IA generativa sono esplorate nel capitolo 5 di Jerome De Cooman, che applica una lente darwiniana per esaminare le potenziali distorsioni del mercato nell'ambito artistico. Questa prospettiva unica evidenzia come l’IA generativa potrebbe portare a una “selezione innaturale” nei mercati creativi, potenzialmente indebolendo gli artisti umani e minando le tradizionali nozioni di diritto d’autore e valore. Questi contributi nella Parte I rivelano la natura interdisciplinare delle sfide poste dall'IA generativa. Dalla scienza informatica all'etica, dall'economia al diritto, affrontare le implicazioni di questa tecnologia richiede un approccio olistico che faccia leva su diversi campi di esperti.

Le discussioni nella seconda parte del nostro manuale esplorano gli approcci diversi alla regolamentazione e alla governance dell’IA generativa che sono emersi a livello nazionale e internazionale, nonché l’autoregolamentazione dell'industria e le sfide che queste presentano. Nel capitolo 6, Ugo Pagallo esamina la regolamentazione dell'IA generativa, dei modelli di IA di base e dei grandi modelli linguistici (LLM) nel contesto del Regolamento sull'IA dell'UE. Pagallo mette in evidenza diversi rischi associati a queste tecnologie, tra cui discriminazioni, pericoli informativi e danni ambientali. Sottolinea anche i limiti dei tentativi di regolamentazione attuali, tra cui problemi di competitività, certezza giuridica e la necessità di frequenti revisioni per tenere il passo con i progressi tecnologici. Questo tema è ulteriormente sviluppato nel capitolo 7 da Teresa Rodriguez de las Heras Ballell, che traccia i casi di responsabilità per l’IA generativa nel quadro giuridico dell’UE. L'analisi di Ballell si concentra sul test delle regole di responsabilità previste nella bozza della Direttiva sulla Responsabilità per l'Intelligenza Artificiale e nella Direttiva sulla Responsabilità del Prodotto Rivisitata, valutando la loro sufficienza ed efficacia nell'affrontare le sfide dell’IA generativa. La difficoltà di stabilire una responsabilità chiara per i sviluppatori e i distributori di modelli di base è un tema centrale nel capitolo 8 di Peter Henderson. Henderson evidenzia le difficoltà nel soddisfare i requisiti di conoscenza (scienter) e nella creazione di prove sotto molteplici leggi e torti esistenti nel diritto statunitense. Inoltre, sottolinea le potenziali protezioni costituzionali per i discorsi generati dall’IA e la possibilità di sfide legali all'autorità degli organismi di regolamentazione sui sistemi di IA.

Il capitolo 9 di Lu Zhang e Mimi Zou offre una panoramica sull'approccio regolamentare della Cina all’IA generativa, mettendo in luce la tensione tra affrontare i rischi potenziali e promuovere la crescita dell'industria. Gli autori analizzano attentamente le disposizioni delle Misure Interinali Verticali per la Gestione dei Servizi di IA Generativa della Cina, che si concentrano principalmente sulla sicurezza dei contenuti e sui rischi informatici, pur mirando a favorire lo sviluppo dell'industria. Nel capitolo 10, Jason Grant Allen e Jane Loo forniscono una panoramica dell'evoluzione del quadro di governance dell'IA a Singapore. Descrivono l'approccio "soft touch" di Singapore, che enfatizza la collaborazione tra governo e industria, strutture di responsabilità chiare e l'importanza della fiducia pubblica nell’IA. Gli autori evidenziano l'atteggiamento proattivo di Singapore nello sviluppo di iniziative come l'AI Verify Toolkit e nella partecipazione a collaborazioni internazionali. Il capitolo 11 di Hiroki Habuka e David U. Socol de la Osa si concentra sugli sforzi di cooperazione internazionale nella governance dell’IA generativa, analizzando il Processo AI del G7 di Hiroshima e il relativo Quadro Politico Completo come passo significativo verso un allineamento internazionale sui principi per salvaguardare i diritti individuali e migliorare la fiducia nei sistemi di IA. Il capitolo 12 di Sebastian Hallensleben esamina il ruolo della standardizzazione internazionale nella governance dell’IA generativa e la relazione tra regolamentazione e standardizzazione nell'UE. Hallensleben osserva che sebbene gli sforzi di standardizzazione nell'IA siano ben avviati, il lavoro specifico sugli standard per l’IA generativa è ancora nelle fasi iniziali. Suggerisce potenziali aree di standardizzazione futura, inclusi metodi di test, metriche di prestazione e standard per la marcatura dei contenuti generati dall’IA. Dalla regolamentazione pubblica all’auto-regolamentazione privata, il capitolo 13 esplora l'autoregolamentazione nel panorama dell’IA generativa. Gli autori, Igor Szpotakowski, Joséphine Sangaré, Lilian Edwards, Gabriele Cifrodelli e James Stewart, esaminano i termini e le condizioni, le politiche sulla privacy e altri strumenti utilizzati dai fornitori di modelli per governare i loro rapporti con gli utenti. Il capitolo evidenzia un paradigma comune in cui i fornitori rinunciano alla proprietà dei risultati mentre evitano la responsabilità, posizionandosi come "intermediari neutrali" in modo simile ai dibattiti precedenti sulla regolamentazione delle piattaforme.

Le analisi delle diverse approcci nazionali (Stati Uniti, Cina, Singapore) e degli sforzi multilaterali (Unione Europea, G7) sottolineano la necessità di una governance globale coordinata. Questi contributi suggeriscono che affrontare le sfide della IA generativa richiede un approccio adattivo e una cooperazione internazionale solida.

Come può una correlazione naturale acquisire una proprietà normativa?
Perché le piccole cose che ci spaventano meritano attenzione: riflessioni su paura, osservazione e reazione
Come la paura e il coraggio definiscono il destino in situazioni estreme