Coronavirus: l’impatto sull’intelligenza artificiale

La pandemia ha messo in evidenza molte criticità dei processi decisionali, della governance e delle reti informatiche ma ha dato l’opportunità agli sviluppatori di tecnologie di AI e ai data scientist di mettere al servizio delle istituzioni e delle aziende strumenti e tecnologie molto avanzate [...]
Davide Lo Prete

analista Difesa e Sicurezza

ai coronavirus
  1. Home
  2. Intelligenza Artificiale
  3. Coronavirus: l’impatto sull’intelligenza artificiale

Se si conoscono ormai gli effetti dell’utilizzo dell’intelligenza artificiale sulla pandemia, è perlopiù sconosciuto l’impatto del Coronavirus sull’intelligenza artificiale. Il COVID-19 ha incrementato enormemente l’utilizzo dell’AI nel settore sanitario, grazie alla capacità delle tecnologie di prevedere scenari futuri e di prendere decisioni basate su una grande quantità di dati.

Coronavirus e AI: il report del WEForum

A fine luglio, il World Economic Forum ha pubblicato un report, in cui gli autori, Anand Rao (PwC) e Kay Firth-Butterfield (WEForum), individuano 3 modi in cui il COVID-19 sta trasformando il mondo dell’AI e dell’advanced analytics. Innanzitutto, la crisi sanitaria ha dato l’opportunità alle tecnologie in esame di velocizzare il processo di decision-making. I processi di convalida e sviluppo dei modelli di machine learning richiedono solitamente un periodo molto lungo, pari a 3 o 4 mesi. La pandemia ha richiesto che le decisioni fossero prese in breve tempo, settimane o giorni, il ché ha rappresentato una grande sfida per queste tecnologie.
PwC, ad esempio, è stata in grado di ridurre notevolmente i lunghi tempi richiesti e ha costruito un modello SEIRD (Susceptible-Exposed-Infected-Recovered-Death) per tracciare la progressione del COVID-19 per tutti i 50 Stati membri degli USA.

La seconda tendenza è l’incremento delle simulazioni multiagente. L’incertezza causata dalla pandemia ha messo in risalto il modello di “scenario planning” quale principale framework di riferimento per valutare strategie e decisioni. La scenario analysis, infatti, è divenuto il paradigma principale per valutare la diffusione del virus, la crisi economica e l’interruzione della supply chain. Uno dei più importanti aspetti, durante la pandemia, è stata la modellazione dei comportamenti delle persone, come ad esempio l’imposizione di restare a casa durante il lockdown (“stay at home”). Inoltre, in questo contesto, è divenuto necessario monitorare i dati relativi alla mobilità delle persone per controllare l’effettivo rispetto delle norme. Le simulazioni “agent-based” (ABM), utilizzate tradizionalmente da istituzioni sanitarie, sono state impiegate per integrare i modelli decisionali in scenari incerti. Alcuni esempi di questi modelli sono:

  • Un modello SEIRD di avanzamento del virus per monitorare l’esposizione al rischio di gruppi di individui. Il modello è stato dapprima utilizzato per stimare il numero di ospitalizzazioni, di richiesta di posti letto in terapia intensiva (ICU) e di ventilatori e, in un secondo momento, per monitorare la mobilità delle persone tra diverse comuni.
    Ciò che più ha evidenziato la necessità di modelli così sofisticati, è stata l’incertezza riguardante il comportamento umano e le capacità decisionali durante la pandemia.
  • Un modello integrato di simulazione di rilevamento della domanda, interruzione della supply chain e pianificazione della forza lavoro. In periodi normali, i tre fattori (domanda, produzione e supply chain) vengono analizzati singolarmente; la pandemia, invece, ha richiesto l’utilizzo di un modello che prendesse in esame i 3 fattori contemporaneamente, così da rendere più rapidi i processi decisionali.

La mancanza di dati storici sull’epidemia

La terza tendenza, infine, è l’incremento dell’utilizzo di modelli nell’AI. La mancanza di dati storici su un evento così raro ha portato a un uso sempre maggiore di tecnologie di intelligenza artificiale basate su modelli. Ovviamente, con il diffondersi del virus, e con l’acquisizione di una quantità sempre maggiore di dati, gli approcci “model-free” sono stati combinati con quelli “model-based”. I modelli epidemiologici, ad esempio, sono stati combinati con approcci di machine learning. I dati delle epidemie passate, contenute in questi modelli, sono stati utilizzati per prevedere scenari futuri attraverso il machine learning.

AI e privacy

Il periodo di massima diffusione della pandemia è stato caratterizzato da una notevole condivisione di dati e informazioni fra Stati, aziende e strutture sanitarie. Questa incrementata condivisione potrà portare a un effetto molto ambito: l’interoperabilità. Questa porterebbe a una maggiore fluidità dei processi decisionali, in modo tale da diminuire i tempi di reazione a situazioni di emergenza.

Un altro fattore di rilevanza mondiale è quello della privacy. Il monitoraggio dei malati e il contact tracing, seppur utili per il contenimento della diffusione del virus, hanno sollevato numerose polemiche in merito alla mancanza di protezione dei dati. Alcune big tech, come Google e Apple, sono state accusate di non rispettare le normative privacy imposte per i dati sensibili. Tuttavia, proprio questo focus sulla sicurezza dei dati potrebbe portare a un livello più alto degli standard già presenti.

Infine, le grandi compagnie di informatica che utilizzano tecnologie AI potrebbero assumere un ruolo sempre più centrale nel settore sanitario, soprattutto in quei paesi come gli Stati Uniti in cui il settore è molto frammentato e le notevoli capacità di queste società conferisce loro un grande vantaggio. Inoltre, data la rapida crescita degli strumenti di “digital-health” che danno al paziente un maggiore controllo sulla propria salute, queste compagnie acquisiranno un ruolo sempre maggiore nel mercato sanitario.

WEBINAR
WEBINAR - Come trasformare l’esperienza dei clienti e i processi con App e Realtà Aumentata
Intelligenza Artificiale
Marketing

La crisi sanitaria ha messo a dura prova anche grandi compagnie, le quali si sono ritrovate a dover interrompere o ridurre drasticamente la produzione. L’utilizzo dell’Intelligenza artificiale potrebbe non soltanto sostituire la forza lavoro dell’uomo, ma anche essere di supporto ai lavoratori, che potrebbero svolgere buona parte del loro lavoro da remoto (lo smart working ne è una dimostrazione lampante).

Lepidemia da Coronavirus come propulsore dell’AI

La pandemia di COVID-19 ha sicuramente messo in evidenza molte criticità dei processi decisionali, della governance e delle reti informatiche. Tuttavia, essa ha dato l’opportunità agli sviluppatori di tecnologie di AI e a data scientists di mettere al servizio delle istituzioni e delle aziende strumenti e tecnologie molto avanzate, in grado di velocizzare e semplificare il processo di decision-making.

Le conseguenze della pandemia sullo sviluppo tecnologico e sull’intelligenza artificiale sono state ben delineate nel Policy Report del 21 luglio pubblicato dall’EU Science Hub della Commissione Europea. Il report sottolinea il crescente interesse da parte del settore sanitario nei confronti dell’AI negli ultimi anni. Queste tecnologie apportano contributi fondamentali alla ricerca in campo sanitario, grazie alla capacità di accedere a una molteplicità di dati e trovare soluzioni affidabili in breve tempo.

Tuttavia, c’è ancora uno scarso utilizzo di tecnologie AI, soprattutto nel settore pubblico. Uno dei problemi più grandi, come sopra riportato, rimane la sicurezza dei dati, soprattutto in campo sanitario. Come evidenzia il report dell’EU Science Hub, “il COVID ha funto da motore propulsore per l’adozione dell’AI e per la moltiplicazione delle opportunità e dei pericoli”. Se da un lato, quindi, le compagnie investiranno sempre maggiori risorse per l’integrazione dell’AI nel processo produttivo o nei servizi offerti, dall’altro lato, sarà necessario istituire un framework comune (quantomeno agli stati europei) che garantisca il più alto livello di sicurezza dei dati e delle infrastrutture.

 

 

FacebookTwitterLinkedIn