Page 50 - IANUS n. 28 - La rilettura dei paradigmi giuridici tradizionali alla luce dell’obiettivo dello sviluppo sostenibile
P. 50

COSTANZA DI FRANCESCO MAESA





               stabilito  che  in  caso  di  esame  scritto  e  commenti  dell’esaminatore,  anche  i
                                                                               69
               commenti dell’esaminatore dovevano essere considerati dati personali . La stessa
               conclusione è stata raggiunta dall’“Article 29 Working Party”, che ha stabilito che
               in caso di profilazione dei dati, i titolari dei dati hanno il diritto di accesso sia ai
               dati inizialmente forniti che ai dati intermedi o finali che sono automaticamente
                                    70
               desunti dai dati iniziali .
                  Il grado di protezione del diritto alla protezione dei dati personali dovrebbe
               essere ancora più elevato se si considera che esistono concreti rischi di abusi e usi
               illeciti dei suddetti dati per  le ragioni che andiamo ora ad elencare. In primo
               luogo, la possibilità di guasti interni al sistema incrementa i rischi per la sicurezza
               e l’affidabilità dell’intero sistema e tali guasti possono manifestarsi più facilmente
                                                                            71
               in sistemi sempre più complessi, quali i sistemi adattivi complessi  di cosiddetta
               «distributed AI» (DAI), ossia in «sistemi decentralizzati che hanno la capacità di
               riunire informazioni e individui a tutti i livelli e domini, allo stesso tempo in cui
               essi (parzialmente) reagiscono in modo autonomo, si adattano e apprendono in
                                                         72
               modo proattivo al variare delle circostanze» . I sistemi DAI sono già utilizzati
                                   73
               per  scopi  industriali   e  possono  essere  utilizzati  per  supportare  la  gestione
               “intelligente”  e  la  conservazione  delle  foreste .  Tuttavia,  essendo  sempre  più
                                                           74
               complessi,  tali  sistemi  sono  anche  sempre  più  suscettibili  a  guasti  interni  che
               possono  emergere  inaspettatamente  e  amplificarsi  attraverso  i  collegamenti  di
               rete, creando così guasti nel sistema nel suo insieme.
                  Tali sistemi sono inoltre esposti ad attacchi informatici dannosi e persino i
               sistemi  di  IA  più  avanzati  basati  su  reti  neurali  profonde  possono  essere
                       75
               sabotati .  I  sistemi  di  IA  utilizzati  nella  silvicoltura  o  nell'agricoltura
               “intelligente” si basano infatti sul trasferimento dei dati, sull'accesso dei sensori
               alle reti wireless e ad altre reti di comunicazione e sulla trasmissione remota
                                          76
               solitamente in tempo reale,  e tutti questi sistemi possono essere attaccati e
               interrotti  intenzionalmente,  con  conseguenti  gravi  danni,  ad  esempio,  al


                  69  CGUE, C-436/16, Peter Nowak c. Data Protection Commissioner, par. 34.
                  70  Article 29 Working Party, Opinione 216/679, 3 ottobre 2017, rivista il 6 febbraio 2018.
                  71  MCPHEARSON - HAASE - KABISCH - GREN, Advancing understanding of the complex nature of urban
               systems, in Ecol. Indicat., 70, 2016, 566-573.
                  72  GALAZ - CENTENO - CALLAHAN - CAUSEVIC - PATTERSON - BRASS - BAUM - FARBER - FISCHER
               - GARCIA - MCPHEARSON - JIMENEZ - KING - LARCEY - LEVY, Artificial Intelligence, systemic risks, and
               sustainability, in Technology in Society, 67, 2021, 101741.
                  73  PARUNAK, Applications of distributed artificial intelligence in industry, in O’HARE - JENNINGS (a
               cura di), Foundations of Distributed Artificial Intelligence, Wiley Interscience, 1996, 139-164; IMTEAJ -
               AMINI  -  MOHAMMADI,  Leveraging  decentralized  artificial  intelligence  to  enhance  resilience  of  energy
               networks, in IEEE Power & Energy Society General Meeting (PESGM), IEEE, 2020, 1-5.
                  74   CANTRELL  -  MARTIN  -  ELLIS,  Designing  autonomy:  opportunities  for  new  wildness  in  the
               Anthropocene, in Trends Ecol. Evol., 32 (3), 2017, 156-166.
                  75  HEAVEN, Why deep-learning AIs are so easy to fool, in Nature, 574, 7777, 2019, 163-166.
                  76  WEST, A prediction model framework for cyber-attacks to precision agriculture technologies, in J. Agric.
               Food Inf., 19, 2018, 307-330.

                                                    48
   45   46   47   48   49   50   51   52   53   54   55