Page 15 - Costanza Di Francesco Maesa - Questioni giuridiche relative all’applicazione dell’intelligenza artificiale alla conservazione delle foreste
P. 15

IANUS n. 28-2023                       ISSN 1974-9805





                  3. Questioni giuridiche scaturenti dall’uso dell’IA per la tutela delle foreste

                  3.1 Peculiarità dei sistemi di IA e rilevanza della qualità e quantità dei dati
                     raccolti nel settore agricolo e forestale

                  Prima  dell’avvento  dell’IA,  i  sensori  tecnologici  utilizzati  a  fini  di
               conservazione consistevano in satelliti, stazioni meteorologiche, droni e trappole
               fotografiche.  Tutti  questi  sensori  tecnologici  raccoglievano  dati,  ma
               l’elaborazione dei dati e il processo decisionale veniva effettuato esclusivamente
               dagli esseri umani in un tempo abbastanza lungo, ossia il tempo necessario ad
               elaborare  i  dati,  analizzarli  e  deliberare.  Al  contrario,  con  i  sensori  basati
               sull’intelligenza artificiale, l’analisi e il processo decisionale viene effettuato da
               algoritmi  “a  scatola  nera”;   si  parla,  pertanto,  di  «conservazione  tramite
                                          45
               algoritmi».  Un esempio di quanto abbiamo detto è dato dall’uso dell’IA per
                         46
               identificare le specie sia vegetali che animali sulla base delle immagini raccolte
               dalle trappole fotografiche.  Il controllo da parte dell’essere umano è, pertanto,
                                        47
               solo eventuale e successivo. L’analisi dei dati viene effettuato dai sistemi di IA, i
               quali prendono anche le decisioni da essi ritenute più opportune sulla base delle
               analisi  effettuate.  Pertanto,  uno  dei  principali  prerequisiti  per  lo  sviluppo  e
               l'applicazione dei sistemi di IA in qualsiasi campo è la possibilità di avere accesso
               ad un volume enorme di dati e di alta qualità, di avere accesso ad un’infrastruttura
               di rete Internet (IoT), e a strumenti di tecnologia avanzata (fotocamere ad alta
               risoluzione, tecnologia satellitare, sensori, droni o veicoli aerei senza equipaggio
               (UAV)) nonché disporre di spazio computazionale e di archiviazione.  Questo
                                                                                 48
               non è, tuttavia, sempre possibile in ambito agricolo o forestale a causa di una
               limitazione tecnica poiché in questo settore normalmente gli algoritmi utilizzati
               sono appropriati solo per piccoli volumi di dati . Da questo discendono ulteriori
                                                           49
               effetti negativi poiché da una quantità limitata, e non sempre accurata , di dati
                                                                                 50

                  45  PASQUALE, The Black Box Society: The Secret Algorithms That Control Money and  Information,
               Harvard University Press, 2016.
                  46  ADAMS, Geographies of conservation II: Technology, surveillance and conservation by algorithm, in
               Progress in Human Geography, 2019, 43(2), 337-350.
                  47  GUO - XU - MIAO - SHAO - CHAPMAN - CHEN - HE - FANG - ZHANG - SUN - SHI - LI, Automatic
               identification  of  individual  primates  with  deep  learning  techniques,  in  Iscience,  2020  23(8),  101412;
               NOROUZZADEH  -  NGUYEN  -  KOSMALA  -  SWANSON  -  PALMER  -  PACKER  -  CLUNE,  Automatically
               identifying,  counting,  and  describing  wild  animals  in  camera-trap  images  with  deep  learning,  2018,
               Proceedings of the National Academy of Sciences, 115(25), E5716-E5725.
                  48
                    SHIVAPRAKASH - SWAMI - MYSOREKAR - ARORA - GANGADHARAN - VOHRA - JADEYEGOWDA -
               KIESECKER, Potential for Artificial Intelligence (AI) and Machine Learning (ML) Applications in Biodiversity
               Conservation, Managing Forests, and Related Services in India, cit.
                  49   ZHANG  -  WEI  -  ZOU  -  LI  -  YANG,  Agriculture  big  data:  research  status,  challenges  and
               countermeasures, in 8th International Conference on Computer and Computing Technologies in Agriculture
               (CCTA), Beijing, China, 2014, pp 137 - 143.
                  50  TAYLOR - BROEDERS, In the name of development: power, profit and the datafication of the global
               south, in Geoforum, 2015, 64:229-237.

                                                    43
   10   11   12   13   14   15   16   17   18   19   20