Page 60 - IANUS n. 28 - La rilettura dei paradigmi giuridici tradizionali alla luce dell’obiettivo dello sviluppo sostenibile

COSTANZA DI FRANCESCO MAESA

sono infatti costose e pertanto non è sempre possibile utilizzarle nei paesi a basso
reddito dove sono prevalentemente localizzate le foreste tropicali e dove c’è
un’alta densità di popolazione intorno alla foresta . In questi paesi l’utilizzo di
125
sensori intelligenti diventa una strategia costosa sia in fase di acquisto dei
dispositivi “intelligenti” che in fase di manutenzione degli stessi poiché per
riparare un dispositivo danneggiato è necessario l’intervento di un tecnico che si
rechi nella foresta anche solo per un piccolo aggiustamento o riparazione, e
questo comporta prezzi molto elevati, che non sono facilmente accessibili per i
paesi a basso reddito.
Inoltre, nelle foreste situate in aree remote di uno Stato si potrebbero
presentare problemi di «limitazioni nella trasmissione dei dati», al punto di
126
impedire loro la possibilità di utilizzare tecnologie basate sull’IA . Inoltre, le
dure condizioni climatiche e meteorologiche, i danni cagionati dagli animali e gli
atti vandalici commessi da terzi rappresentano un pericolo concreto per queste
tecnologie e, in assenza di un’adeguata pianificazione, potrebbero verificarsi
guasti alle apparecchiature; in tal modo, queste ultime non sarebbero più affidabili
e gli elevati costi di acquisto e di manutenzione di tali tecnologie andrebbero
sprecati, evenienza che piccoli proprietari forestali o comunità indigene non
127
potrebbero sopportare .
L’uso di queste tecnologie potrebbe, pertanto, avere come effetto quello di
aumentare il “divario digitale” nel settore agricolo e forestale, con i piccoli
agricoltori o i proprietari privati che si trovano ad affrontare seri ostacoli per
accedere ai big data e alle tecnologie mobili, e il risultato di una probabile
128
distribuzione ineguale di queste tecnologie .
A parte questo, anche nel caso in cui si riuscisse a garantire tramite una
legislazione ad hoc un equo accesso ai sistemi di IA, non sarebbe comunque
garantita l’equa ripartizione dei benefici, in assenza di una disciplina specifica in
129
tal senso . Di conseguenza, l’uso diffuso dell’IA, soprattutto nel settore agricolo,
potrebbe comportare una concentrazione di capitale e un’intensificazione della

HANSPACH - SCHULTNER - BERGSTEN - MANLOSA - JAGER - SENBETA - FISCHER, Alternative discourses
around the governance of food security: a case study from Ethiopia, in Glob. Food Sec., 24, 2020, 100338.
125 SARKAR - CHAPMAN, The Smart Forest Conundrum: Contextualizing Pitfalls of Sensors and AI in
Conservation Science for Tropical Forests, in Tropical Conservation Science, 14, 2021, p. 2.
126 RYAN, Ethics of using AI and big data in agriculture: the case of a large agriculture multinational, cit.,
p. 10.
127
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, op. cit.., 11-12.
128 MEHRABI - MCDOWELL - RICCIARDI - LEVERS - MARTINEZ - MEHRABI - WITTMAN -
RAMANKUTTY - JARVIS, The global divide in data-driven farming, in Nat. Sustain., 2020.
129 In tema di iniqua distribuzione dei benefici, BAYNE - PARKER, The introduction of robotics for
New Zealand forestry operations: forest sector employee perceptions and implications, in Technol. Soc., 34,
2012, 138-148; GIRARD - DU PAYRAT, An Inventory of New Technologies in Fisheries, in Oecd, Green
Growth and Sustainable Development Forum, Green Growth and Sustainable Development (GGSD) Forum,
Paris, 2017.

58