Impatto del webscraping nell'addestramento delle IA: il Garante indaga

Introduzione

L’intelligenza artificiale (IA) sta rivoluzionando il modo in cui interagiamo con la tecnologia, ma da dove provengono esattamente i dati utilizzati per addestrarla? Un’analisi della pratica del webscraping nel contesto dell’addestramento delle IA, come Bard di Google, offre uno sguardo affascinante su questa realtà.

L’esempio di Bard e l’ampiezza del dataset

Per esemplificare la portata del webscraping, possiamo considerare Bard, l’IA di Google. Il dataset utilizzato per il suo addestramento è immenso, stimato in circa 1,56 terabyte di parole, equivalenti a quasi 1,56 miliardi di pagine di testo. Questi dati provengono da una varietà di fonti, inclusi libri, articoli di giornale, siti web e codice, dimostrando la vastità e la diversità delle informazioni raccolte.

Implicazioni etiche e di sicurezza

Questa pratica pone significative questioni etiche e di privacy. Se da un lato il webscraping è una risorsa inestimabile per l’apprendimento automatico, dall’altro solleva preoccupazioni riguardo al diritto alla privacy e all’uso appropriato dei dati. L’indagine del Garante Privacy è quindi un passo cruciale per assicurare che queste tecnologie siano sviluppate rispettando le normative sulla protezione dei dati e mantenendo alta la sicurezza delle informazioni personali.

Il webscraping e il Garante Privacy

Il Garante per la protezione dei dati personali ha recentemente lanciato un’indagine cruciale, che si concentra sulla raccolta di dati personali attraverso il webscraping. Questa iniziativa mira a valutare se i siti web pubblici e privati italiani adottino misure di sicurezza efficaci per prevenire la raccolta indiscriminata di dati personali.

L’indagine del Garante copre una vasta gamma di enti, sia pubblici che privati, che gestiscono siti web i cui dati possono essere facilmente accessibili attraverso gli “spider” utilizzati dai produttori di algoritmi di IA. In questo contesto, l’attenzione è focalizzata sulle piattaforme di IA che praticano il webscraping per raccogliere grandi quantità di dati, inclusi quelli di natura personale, pubblicati online per scopi specifici come la cronaca o la trasparenza amministrativa.

L’obiettivo principale dell’indagine è di comprendere meglio le misure di sicurezza attualmente in uso e di identificare quelle potenzialmente migliorabili per proteggere i dati personali dall’essere raccolti e utilizzati senza un adeguato consenso o senza rispettare le normative sulla privacy.

Il Garante ha invitato le associazioni di categoria, i gruppi di consumatori, gli esperti e i rappresentanti del mondo accademico a fornire commenti e suggerimenti sulle misure di sicurezza contro il webscraping. Questi contributi possono essere inviati all’indirizzo webscraping@gpdp.it entro 60 giorni dalla pubblicazione dell’avviso di consultazione sul sito dell’Autorità.

Al termine dell’indagine, l’Autorità valuterà la necessità di adottare provvedimenti specifici, anche urgenti, per affrontare le problematiche emerse. Questo processo rappresenta un passo fondamentale verso un maggiore controllo e sicurezza dei dati personali nell’era digitale, soprattutto in considerazione dell’espansione e dell’evoluzione continua delle tecnologie IA.