- principio di regolarità: in particolare, uniformità del mondo sociale (…)
- nel modo in cui algoritmi simili vengono applicati a vari domini della vita, tra cui il trading online e gli appuntamenti online, la regolamentazione del traffico e le domande di lavoro, prestito o ammissione all’università;
- nel modo in cui le persone sono incasellate in categorie in base a criteri ritenuti rilevanti per attori potenti come le grandi aziende (e talvolta i governi);
- nel modo in cui le generalizzazioni statistiche mettono in evidenza le differenze significative tra background personali, culturali ed economici, assumendo omogeneità all’interno di ciascuna categoria di persone. Le vecchie tecniche statistiche non riuscivano a catturare le sfumature e le differenze perché erano a grana grossa. L’apprendimento automatico, dotato dell’immensa potenza computazionale della tecnologia attuale, ha affinato queste tecniche ma non ha superato questi problemi di base. Quando si tratta di differenze umane, le statistiche a grana fine non se la cavano meglio dei loro predecessori a grana grossa
- principio della malleabilità della condizione umana e del comportamento umano:
- gli attuali sistemi abilitati dalle tecniche di intelligenza artificiale cercano di modellare il comportamento umano a immagine e somiglianza forgiata dalle aziende;
- scopo sono prevedibilità e stabilità;
- il principio binario – falso – del confronto tra esseri umani e macchine, spesso in termini di “vantaggio competitivo” delle macchine rispetto agli esseri umani
- non vi sono alcun essere umano “puro”, distaccato dalla tecnologia e alcuna tecnologia distaccata dall’umanità
- sono gli esseri umani tecnologicamente abilitati che prendono decisioni, che agiscono in base a tali decisioni e che ne sopportano le conseguenze
- .
(fonte: Ekbia H.R., “In Humans We Trust: rules, algorithms and judgment”, in Ponce del Castillo A. (ed.) “Artificial intelligence, labour and society”, ETUI – traduzione in proprio)