{"id":626,"date":"2024-05-04T14:48:00","date_gmt":"2024-05-04T12:48:00","guid":{"rendered":"https:\/\/www.hermescse.eu\/?p=626"},"modified":"2025-02-19T16:53:32","modified_gmt":"2025-02-19T15:53:32","slug":"il-grattacapo-dei-bias-dellintelligenza-artificiale","status":"publish","type":"post","link":"https:\/\/www.hermescse.eu\/en\/il-grattacapo-dei-bias-dellintelligenza-artificiale\/","title":{"rendered":"Il grattacapo dei \u201cbias\u201d dell&#8217;intelligenza artificiale"},"content":{"rendered":"<p class=\"wp-block-paragraph\" id=\"ember2810\">Nell\u2019imperscrutabile foschia che circonda il futuro si intravede anche l\u2019intelligenza artificiale, <em>entit\u00e0<\/em> che sembra ora ineluttabile nel mondo del domani. In verit\u00e0 \u00e8 bene avere presente che, per quanto possa mostrarsi oscuro, l\u2019avvenire altro non \u00e8 che la propagazione del passato e lo slancio del presente.<\/p>\r\n\r\n\r\n\r\n<p class=\"wp-block-paragraph\" id=\"ember2811\">Ci\u00f2 \u00e8 quanto mai vero soprattutto nell\u2019era del datismo, dove quasi ogni aspetto umano viene tramutato in bit.<\/p>\r\n\r\n\r\n\r\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\">\r\n<p class=\"wp-block-paragraph\">Il passato cristallizzato in bit. Il futuro previsto dai bit.<\/p>\r\n<\/blockquote>\r\n\r\n\r\n\r\n<p class=\"wp-block-paragraph\" id=\"ember2813\">Da una parte risulta ormai evidente come l\u2019intelligenza artificiale rappresenti un aspetto quasi irrinunciabile per interi settori sociali, dall\u2019altra diligenza e cautela si \u00e8 mossa sui cosiddetti <em>bias<\/em>, ovverosia i pregiudizi, che tale tipo di tecnologia porta con s\u00e9 spesso in modo silente.<\/p>\r\n\r\n\r\n\r\n<pre class=\"wp-block-preformatted\">Il bias \u00e8 un aspetto del processo decisionale. <br \/>\u00c8 un elemento di frequente rilevato non solo nei sistemi di intelligenza artificiale, ma anche negli esseri umani o nelle istituzioni. Per discriminazione ci si potrebbe riferire agli effetti sfavorevoli derivanti da preconcetti o pregiudizi. I sistemi di intelligenza artificiale imparano tramite dati che potrebbero essere distorti, o che in base alla costruzione del dataset di apprendimento siano sbilanciati verso alcune caratteristiche della realt\u00e0 a scapito di altre, manifestando quindi pregiudizi, e da ci\u00f2, portando a risultati che potrebbero discriminare individui in base al loro genere, razza, et\u00e0, stato di salute, religione, disabilit\u00e0, orientamento sessuale o altre variabili.<\/pre>\r\n\r\n\r\n\r\n<p class=\"wp-block-paragraph\" id=\"ember2814\">Il fatto che i sistemi di intelligenza artificiale apprendano dai dati non assicura l&#8217;assenza di effetti discriminatori nei loro risultati.<\/p>\r\n\r\n\r\n\r\n<p class=\"wp-block-paragraph\" id=\"ember2815\">Le modalit\u00e0 di addestramento, test e utilizzo di tali sistemi potrebbero generare trattamenti meno equi per specifici gruppi senza una giustificazione obiettiva, oppure in base ad un semplice pregiudizio derivante dal programmatore del sistema di AI, oppure in relazione alla semplice raccolta dati sbilanciata. Dimostrare che un sistema di AI non sia discriminatorio \u00e8 complesso, ma \u00e8 necessario almeno predisporre strumenti in grado di prevenire tale insidioso problema.<\/p>\r\n\r\n\r\n\r\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\">\r\n<p class=\"wp-block-paragraph\">Comprendere come si possa manifestare il rischio di bias dell\u2019intelligenza artificiale che porti verso forme di discriminazione \u00e8 fondamentale.<\/p>\r\n<\/blockquote>\r\n\r\n\r\n\r\n<p class=\"wp-block-paragraph\" id=\"ember2817\">Alcuni esempi potrebbero far comprendere i rischi potenziali. L&#8217;occupazione \u00e8 un campo in cui i pregiudizi sono ancora molto diffusi nella societ\u00e0 contemporanea. Nonostante i progressi degli ultimi due decenni, le donne continuano a essere sottorappresentate nei settori legati alle materie STEM (scienza, tecnologia, ingegneria e matematica).<\/p>\r\n\r\n\r\n\r\n<p class=\"wp-block-paragraph\" id=\"ember2818\">In tal senso, secondo Deloitte, nel 2020 le donne occupavano meno di un quarto dei ruoli tecnici. Ad esempio, l\u2019utilizzo di un sistema di AI da parte di Amazon ha accentuato tale disparit\u00e0 in quanto il sistema di reclutamento automatizzato ha imparato a valutare l&#8217;adeguatezza di un candidato esaminando i curriculum degli aspiranti precedenti, e quindi, ci\u00f2 ha portato il sistema ad avere pregiudizi di genere, penalizzando i curriculum delle candidate donne con punteggi inferiori.<\/p>\r\n\r\n\r\n\r\n<p class=\"wp-block-paragraph\" id=\"ember2819\">I dati rappresentavano una situazione in cui le donne erano poco rappresentate nei ruoli tecnici nel passato, e pertanto, il sistema di intelligenza artificiale ha interpretato erroneamente che i candidati di sesso maschile fossero preferiti volontariamente. Non sorprende che, nonostante le modifiche apportate, Amazon abbia infine interrotto l&#8217;utilizzo di questo sistema nel 2017.<\/p>\r\n\r\n\r\n\r\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\">\r\n<p class=\"wp-block-paragraph\">Purtroppo, il bias non riguarda solamente i pregiudizi relativi al sesso, ci sono anche diversi esempi di pregiudizi dell&#8217;AI legati alla razza.<\/p>\r\n<\/blockquote>\r\n\r\n\r\n\r\n<p class=\"wp-block-paragraph\" id=\"ember2821\">Un esempio \u00e8 il Correctional Offender Management Profiling for Alternative Sanctions (COMPAS), che stimava la probabilit\u00e0 di recidiva dei criminali negli Stati Uniti.<\/p>\r\n\r\n\r\n\r\n<p class=\"wp-block-paragraph\" id=\"ember2822\">Nel 2016, ProPublica ha indagato su COMPAS e ha scoperto che il sistema tendeva ad indicare che gli imputati neri avevano una maggiore probabilit\u00e0 di recidiva rispetto ai loro omologhi bianchi.<sup class=\"fn\" data-fn=\"27d6ab74-7cd2-4a51-a868-60ff5c42a9a8\"><a id=\"27d6ab74-7cd2-4a51-a868-60ff5c42a9a8-link\" href=\"#27d6ab74-7cd2-4a51-a868-60ff5c42a9a8\">1<\/a><\/sup><\/p>\r\n\r\n\r\n\r\n<p class=\"wp-block-paragraph\" id=\"ember2823\">Sebbene il sistema avesse una precisione simile nel prevedere la recidiva, attorno al 60%, sia per gli imputati neri che per quelli bianchi, COMPAS ha mostrato i seguenti disallineamenti:<\/p>\r\n\r\n\r\n\r\n<ul class=\"wp-block-list\">\r\n<li>ha erroneamente classificato quasi il doppio degli imputati neri (45%) come ad alto rischio rispetto agli imputati bianchi (23%);<\/li>\r\n\r\n\r\n\r\n<li>ha erroneamente etichettato pi\u00f9 imputati bianchi come a basso rischio, ma questi hanno poi continuato a recidivare: il 48% degli imputati bianchi rispetto al 28% degli imputati neri;<\/li>\r\n\r\n\r\n\r\n<li>gli imputati neri sono stati considerati ad alto rischio anche quando, controllate le altre variabili, come crimini precedenti, et\u00e0 e sesso, vi era il 77% in pi\u00f9 di probabilit\u00e0 di recidiva rispetto agli imputati bianchi.<\/li>\r\n<\/ul>\r\n\r\n\r\n\r\n<p class=\"wp-block-paragraph\" id=\"ember2825\">Nel JTC Resource Bulletin si fa riferimento al Conference of State Court Administrators, dove viene chiaramente espresso che: \u201c<em>la tecnologia e l&#8217;innovazione hanno il potere di migliorare e innovare i processi nella comunit\u00e0 giudiziaria. Nel settore pubblico, compresi i tribunali, non si rimarr\u00e0 indifferenti a tale innovazione dirompente. I gestori dei tribunali possono sfruttare tale innovazione per rendere la giustizia disponibile a un pubblico pi\u00f9 ampio a un costo inferiore preservando l&#8217;equit\u00e0, la neutralit\u00e0, la trasparenza e la prevedibilit\u00e0 nel processo giudiziario<\/em>\u201d.<sup class=\"fn\" data-fn=\"559b3181-9619-4de1-815b-59818f9c8e12\"><a id=\"559b3181-9619-4de1-815b-59818f9c8e12-link\" href=\"#559b3181-9619-4de1-815b-59818f9c8e12\">2<\/a><\/sup><\/p>\r\n\r\n\r\n\r\n<p class=\"wp-block-paragraph\" id=\"ember2826\">L\u2019utilizzo estensivo di tale strumento in ambito giudiziario apre seri problemi relativi al bias come abbiamo visto, ma vi \u00e8 un altro aspetto da approfondire, cio\u00e8 quello inerente al termine della \u201c<em>prevedibilit\u00e0 nel settore giudiziario<\/em>\u201d.<\/p>\r\n\r\n\r\n\r\n<p class=\"wp-block-paragraph\" id=\"ember2827\">Nel termine letterale prevedere vuol dire elaborare ipotesi sulla base di congetture, indizi, modelli oppure dati in possesso, in relazione a fatti futuri.<\/p>\r\n\r\n\r\n\r\n<p class=\"wp-block-paragraph\" id=\"ember2828\">La giustizia predittiva in sostanza andrebbe a prevedere dei comportamenti (quindi non ancora accaduti), sulla scorta di elementi presenti. L\u2019aspetto pi\u00f9 controverso potrebbe riguardare la giustizia criminale, ossia prevedere un reato e punirlo prima del suo avvenimento.<\/p>\r\n\r\n\r\n\r\n<p class=\"wp-block-paragraph\" id=\"ember2829\">L\u2019AI evidentemente potr\u00e0 aiutare il mondo della giustizia esaminando le informazioni e assistendo il processo decisionale, ma delineare sistemi di tipo predittivo potrebbe rappresentare un pericolo come abbiamo visto.<\/p>\r\n\r\n\r\n\r\n<p class=\"wp-block-paragraph\" id=\"ember2830\">Il Consiglio d&#8217;Europa ha emanato delle linee guida in merito con la carta per l&#8217;uso dell&#8217;intelligenza artificiale nel mondo giudiziario.<sup class=\"fn\" data-fn=\"aeb9b8a3-a1f5-4be1-9303-4eda32fc1e86\"><a id=\"aeb9b8a3-a1f5-4be1-9303-4eda32fc1e86-link\" href=\"#aeb9b8a3-a1f5-4be1-9303-4eda32fc1e86\">3<\/a><\/sup><\/p>\r\n\r\n\r\n\r\n<p class=\"wp-block-paragraph\" id=\"ember2831\">Se L&#8217;intelligenza artificiale dovesse essere utilizzata per individuare il rischio, oppure, la propensione di un soggetto al reato analizzando i suoi dati, si potrebbe incorrere nel problema del bias di progettazione.<\/p>\r\n\r\n\r\n\r\n<p class=\"wp-block-paragraph\" id=\"ember2832\">Uno studio del London University College ha verificato che i sistemi di AI sono in grado di prevedere oltre 500 sentenze della Corte europea dei diritti umani con una precisione del 79%.<sup class=\"fn\" data-fn=\"40865971-d29f-4865-8146-81c744499cdf\"><a id=\"40865971-d29f-4865-8146-81c744499cdf-link\" href=\"#40865971-d29f-4865-8146-81c744499cdf\">4<\/a><\/sup> Il giudice Dory Reiling si chiede quanto possiamo considerare accurato il 79%. E solleva preoccupazioni sulla legittimit\u00e0.<sup class=\"fn\" data-fn=\"83e07291-83c0-4cb5-9a0f-5e06ff8d4ae3\"><a id=\"83e07291-83c0-4cb5-9a0f-5e06ff8d4ae3-link\" href=\"#83e07291-83c0-4cb5-9a0f-5e06ff8d4ae3\">5<\/a><\/sup><\/p>\r\n\r\n\r\n\r\n<p class=\"wp-block-paragraph\" id=\"ember2833\">Attorno alla progettazione delle AI vi \u00e8 il problema, decisamente rilevante, relativo al bias di progettazione; infatti, a tal riguardo il ricercatore Aur\u00e9lie Jean afferma che, il peggior nemico \u00e8 \u201cil bias dei programmatori negli algoritmi\u201d.<sup class=\"fn\" data-fn=\"16a1d2d9-ff80-4a7f-82a2-9f63ce5f8e3d\"><a id=\"16a1d2d9-ff80-4a7f-82a2-9f63ce5f8e3d-link\" href=\"#16a1d2d9-ff80-4a7f-82a2-9f63ce5f8e3d\">6<\/a><\/sup><\/p>\r\n\r\n\r\n\r\n<p class=\"wp-block-paragraph\" id=\"ember2834\">La ricercatrice del MIT Joy Buolamwini ha scoperto che il suo volto non veniva identificato dai sistemi di riconoscimento facciale dell\u2019universit\u00e0, perch\u00e9 i ricercatori che avevano progettato gli algoritmi di riconoscimento dei volti erano tutti maschi e bianchi, andando ad istruire inconsapevolmente il riconoscimento facciale verso una classe maschile e bianca, e quindi il volto di una donna di colore, come Joy Buolamwini non veniva riconosciuto.<sup class=\"fn\" data-fn=\"8d2a1bce-1525-4846-a701-65b707d24766\"><a id=\"8d2a1bce-1525-4846-a701-65b707d24766-link\" href=\"#8d2a1bce-1525-4846-a701-65b707d24766\">7<\/a><\/sup><\/p>\r\n\r\n\r\n\r\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\">\r\n<p class=\"wp-block-paragraph\">I sistemi di AI possono essere, come gi\u00e0 accennato, affetti da bias di varia natura (di genere, etnici, di classe, di sesso), in quanto sviluppati da esseri umani i quali, anche inconsapevolmente, sono assoggettati al rischio di attuare condotte discriminatorie e realizzare decisioni pi\u00f9 o meno favorevoli verso alcune categorie di popolazione.<\/p>\r\n<\/blockquote>\r\n\r\n\r\n\r\n<p class=\"wp-block-paragraph\" id=\"ember2836\">Come ogni tecnologia sviluppata dagli esseri umani, i sistemi di intelligenza artificiale possono riflettere sia i pregiudizi del loro creatore, sia i pregiudizi presenti nei dati su cui vengono addestrati.<\/p>\r\n\r\n\r\n\r\n<pre class=\"wp-block-preformatted\">Se i dati di addestramento rappresentano in modo sproporzionato determinati gruppi demografici rispetto ad altri, oppure codificano pregiudizi storici, l\u2019intelligenza artificiale potrebbe perpetuarli nei suoi risultati. In sostanza, l\u2019intelligenza artificiale potrebbe istruirsi a rafforzare tali modelli, sostanzialmente distorti, a meno che non vengano adottate misure adeguate.<\/pre>\r\n\r\n\r\n\r\n<p class=\"wp-block-paragraph\" id=\"ember2837\">Alcuni potenziali metodi per contrastare i bias dell\u2019IA includono:<\/p>\r\n\r\n\r\n\r\n<ul class=\"wp-block-list\">\r\n<li>controllo dei dati di formazione per distorsioni e pregiudizi in relazione alla rappresentazione del campione di popolazione;<\/li>\r\n\r\n\r\n\r\n<li>l\u2019utilizzo di tecniche di mitigazione dei bias durante il processo di sviluppo dell&#8217;intelligenza artificiale in relazione agli sviluppatori del codice, come ad esempio un gruppo diversificato per sesso o etnia;<\/li>\r\n\r\n\r\n\r\n<li>un monitoraggio continuo dei risultati del sistema di AI oltre alla capacit\u00e0 di ignorare le decisioni dell&#8217;AI.<\/li>\r\n\r\n\r\n\r\n<li>la ricerca del bias algoritmico in relazione anche all\u2019etichettatura di alcune variabili, come ad esempio l\u2019implicita sovrastima di alcune universit\u00e0 rispetto ad altre durante la valutazione dei curriculum non basate su oggettivi elementi di stima.<\/li>\r\n<\/ul>\r\n\r\n\r\n\r\n<pre class=\"wp-block-preformatted\">Risulta evidente come il bias dei sistemi di intelligenza artificiale sia argomento complesso, ma parimenti \u00e8 necessario considerare gli eventuali \u201cpregiudizi\u201d come elemento da tenere in considerazione in vista di un utilizzo esteso di questi sistemi di apprendimento. <\/pre>\r\n\r\n\r\n\r\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\">\r\n<p class=\"wp-block-paragraph\">Sar\u00e0 fondamentale che tali architetture informatiche dovranno necessariamente essere affidabili ed eque, nonch\u00e9 volte ad un reale beneficio dell\u2019umanit\u00e0 nel suo complesso<\/p>\r\n<\/blockquote>\r\n\r\n\r\n<hr class=\"wp-block-separator has-alpha-channel-opacity\" \/>\r\n\r\n<ol class=\"wp-block-footnotes\"><li id=\"27d6ab74-7cd2-4a51-a868-60ff5c42a9a8\"><a href=\"https:\/\/www.propublica.org\/article\/machine-bias-risk-assessments-in-criminal-sentencing\">https:\/\/www.propublica.org\/article\/machine-bias-risk-assessments-in-criminal-sentencing<\/a> <a href=\"#27d6ab74-7cd2-4a51-a868-60ff5c42a9a8-link\" aria-label=\"Jump to footnote reference 1\">\u21a9\ufe0e<\/a><\/li><li id=\"559b3181-9619-4de1-815b-59818f9c8e12\">JTC, <a href=\"https:\/\/www.ncsc.org\/~\/media\/Files\/PDF\/About%20Us\/Committees\/JTC\/JTC%20Resource%20Bulletins\/Courts%20Disrupted_final_5-9-2017.ashx\">https:\/\/www.ncsc.org\/~\/media\/Files\/PDF\/About%20Us\/Committees\/JTC\/JTC%20Resource%20Bulletins\/Courts%20Disrupted_final_5-9-2017.ashx<\/a> <a href=\"#559b3181-9619-4de1-815b-59818f9c8e12-link\" aria-label=\"Jump to footnote reference 2\">\u21a9\ufe0e<\/a><\/li><li id=\"aeb9b8a3-a1f5-4be1-9303-4eda32fc1e86\">Consiglio d\u2019Europa, <a href=\"https:\/\/www.coe.int\/en\/web\/cepej\/justice-of-the-future-predictive-justice-and-artificial-intelligence\">https:\/\/www.coe.int\/en\/web\/cepej\/justice-of-the-future-predictive-justice-and-artificial-intelligence<\/a> <a href=\"#aeb9b8a3-a1f5-4be1-9303-4eda32fc1e86-link\" aria-label=\"Jump to footnote reference 3\">\u21a9\ufe0e<\/a><\/li><li id=\"40865971-d29f-4865-8146-81c744499cdf\">London University, <a href=\"https:\/\/www.theguardian.com\/technology\/2016\/oct\/24\/artificial-intelligence-judge-university-college-london-computer-scientists\">https:\/\/www.theguardian.com\/technology\/2016\/oct\/24\/artificial-intelligence-judge-university-college-london-computer-scientists<\/a> <a href=\"#40865971-d29f-4865-8146-81c744499cdf-link\" aria-label=\"Jump to footnote reference 4\">\u21a9\ufe0e<\/a><\/li><li id=\"83e07291-83c0-4cb5-9a0f-5e06ff8d4ae3\"><a href=\"http:\/\/home.hccnet.nl\/a.d.reiling\/html\/180627%20AI%20and%20justice%20for%20CEPEJ.pdf\">http:\/\/home.hccnet.nl\/a.d.reiling\/html\/180627%20AI%20and%20justice%20for%20CEPEJ.pdf<\/a> <a href=\"#83e07291-83c0-4cb5-9a0f-5e06ff8d4ae3-link\" aria-label=\"Jump to footnote reference 5\">\u21a9\ufe0e<\/a><\/li><li id=\"16a1d2d9-ff80-4a7f-82a2-9f63ce5f8e3d\"> A. Jean, <a href=\"http:\/\/home.hccnet.nl\/a.d.reiling\/html\/180627%20AI%20and%20justice%20for%20CEPEJ.pdf\">http:\/\/home.hccnet.nl\/a.d.reiling\/html\/180627%20AI%20and%20justice%20for%20CEPEJ.pdf<\/a> <a href=\"#16a1d2d9-ff80-4a7f-82a2-9f63ce5f8e3d-link\" aria-label=\"Jump to footnote reference 6\">\u21a9\ufe0e<\/a><\/li><li id=\"8d2a1bce-1525-4846-a701-65b707d24766\">J. Buolamwini, <a href=\"https:\/\/www.nytimes.com\/2018\/06\/21\/opinion\/facial-analysis-technology-bias.html\">https:\/\/www.nytimes.com\/2018\/06\/21\/opinion\/facial-analysis-technology-bias.html<\/a> <a href=\"#8d2a1bce-1525-4846-a701-65b707d24766-link\" aria-label=\"Jump to footnote reference 7\">\u21a9\ufe0e<\/a><\/li><\/ol>\r\n\r\n<hr class=\"wp-block-separator has-alpha-channel-opacity\" \/>\r\n\r\n\r\n<p class=\"wp-block-paragraph\">Articolo di di <a href=\"https:\/\/www.linkedin.com\/in\/giovanni-gambino\/\">Giovanni Gambino<\/a> | Senior Researcher | Centro Studi Europeo WG <em>on Geopolitical, Strategic, Economic &amp; Intelligence Analysis<\/em><\/p>","protected":false},"excerpt":{"rendered":"<p>Nell\u2019imperscrutabile foschia che circonda il futuro si intravede anche l\u2019intelligenza artificiale, entit\u00e0 che sembra ora ineluttabile nel mondo del domani. In verit\u00e0 \u00e8 bene avere presente che, per quanto possa mostrarsi oscuro, l\u2019avvenire altro non \u00e8 che la propagazione del passato e lo slancio del presente. Ci\u00f2 \u00e8 quanto mai vero soprattutto nell\u2019era del datismo,&#8230;<\/p>","protected":false},"author":19,"featured_media":1489,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_kad_post_transparent":"default","_kad_post_title":"default","_kad_post_layout":"default","_kad_post_sidebar_id":"","_kad_post_content_style":"default","_kad_post_vertical_padding":"default","_kad_post_feature":"","_kad_post_feature_position":"","_kad_post_header":false,"_kad_post_footer":false,"_kad_post_classname":"","footnotes":"[{\"content\":\"<a href=\\\"https:\/\/www.propublica.org\/article\/machine-bias-risk-assessments-in-criminal-sentencing\\\">https:\/\/www.propublica.org\/article\/machine-bias-risk-assessments-in-criminal-sentencing<\/a>\",\"id\":\"27d6ab74-7cd2-4a51-a868-60ff5c42a9a8\"},{\"content\":\"JTC, <a href=\\\"https:\/\/www.ncsc.org\/~\/media\/Files\/PDF\/About%20Us\/Committees\/JTC\/JTC%20Resource%20Bulletins\/Courts%20Disrupted_final_5-9-2017.ashx\\\">https:\/\/www.ncsc.org\/~\/media\/Files\/PDF\/About%20Us\/Committees\/JTC\/JTC%20Resource%20Bulletins\/Courts%20Disrupted_final_5-9-2017.ashx<\/a>\",\"id\":\"559b3181-9619-4de1-815b-59818f9c8e12\"},{\"content\":\"Consiglio d\u2019Europa, <a href=\\\"https:\/\/www.coe.int\/en\/web\/cepej\/justice-of-the-future-predictive-justice-and-artificial-intelligence\\\">https:\/\/www.coe.int\/en\/web\/cepej\/justice-of-the-future-predictive-justice-and-artificial-intelligence<\/a>\",\"id\":\"aeb9b8a3-a1f5-4be1-9303-4eda32fc1e86\"},{\"content\":\"London University, <a href=\\\"https:\/\/www.theguardian.com\/technology\/2016\/oct\/24\/artificial-intelligence-judge-university-college-london-computer-scientists\\\">https:\/\/www.theguardian.com\/technology\/2016\/oct\/24\/artificial-intelligence-judge-university-college-london-computer-scientists<\/a>\",\"id\":\"40865971-d29f-4865-8146-81c744499cdf\"},{\"content\":\"<a href=\\\"http:\/\/home.hccnet.nl\/a.d.reiling\/html\/180627%20AI%20and%20justice%20for%20CEPEJ.pdf\\\">http:\/\/home.hccnet.nl\/a.d.reiling\/html\/180627%20AI%20and%20justice%20for%20CEPEJ.pdf<\/a>\",\"id\":\"83e07291-83c0-4cb5-9a0f-5e06ff8d4ae3\"},{\"content\":\" A. Jean, <a href=\\\"http:\/\/home.hccnet.nl\/a.d.reiling\/html\/180627%20AI%20and%20justice%20for%20CEPEJ.pdf\\\">http:\/\/home.hccnet.nl\/a.d.reiling\/html\/180627%20AI%20and%20justice%20for%20CEPEJ.pdf<\/a>\",\"id\":\"16a1d2d9-ff80-4a7f-82a2-9f63ce5f8e3d\"},{\"content\":\"J. Buolamwini, <a href=\\\"https:\/\/www.nytimes.com\/2018\/06\/21\/opinion\/facial-analysis-technology-bias.html\\\">https:\/\/www.nytimes.com\/2018\/06\/21\/opinion\/facial-analysis-technology-bias.html<\/a>\",\"id\":\"8d2a1bce-1525-4846-a701-65b707d24766\"}]"},"categories":[31],"tags":[],"class_list":["post-626","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-articoli"],"_links":{"self":[{"href":"https:\/\/www.hermescse.eu\/en\/wp-json\/wp\/v2\/posts\/626","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.hermescse.eu\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.hermescse.eu\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.hermescse.eu\/en\/wp-json\/wp\/v2\/users\/19"}],"replies":[{"embeddable":true,"href":"https:\/\/www.hermescse.eu\/en\/wp-json\/wp\/v2\/comments?post=626"}],"version-history":[{"count":3,"href":"https:\/\/www.hermescse.eu\/en\/wp-json\/wp\/v2\/posts\/626\/revisions"}],"predecessor-version":[{"id":1490,"href":"https:\/\/www.hermescse.eu\/en\/wp-json\/wp\/v2\/posts\/626\/revisions\/1490"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.hermescse.eu\/en\/wp-json\/wp\/v2\/media\/1489"}],"wp:attachment":[{"href":"https:\/\/www.hermescse.eu\/en\/wp-json\/wp\/v2\/media?parent=626"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.hermescse.eu\/en\/wp-json\/wp\/v2\/categories?post=626"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.hermescse.eu\/en\/wp-json\/wp\/v2\/tags?post=626"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}