ETICA DEL GIORNALISMO CON I MODELLI GEN-AI

Nell’ambito dei sistemi di intelligenza artificiale è necessario “fare squadra” per produrre, ottenere e/o conservare contenuti di qualità. La legittima obiezione che muoverete: “come si può fare squadra con Golia se siamo dei piccoli Davide?” Siamo d’accordo.

L’impresa è veramente ardua ma esistono alternative costruttive? Indubbiamente la collaborazione implica la ricerca di soluzioni di compromesso che però risulterebbero del tutto accettabili se alla stampa fosse riconosciuto il ruolo di “cane da guardia” del modello GenAI. Un “cane da guardia” non spaventato né entusiastico ma consapevole.

In tal senso condividiamo questo pensiero di Luciano Floridi[1]: “noi siamo e rimarremo, in qualsiasi prevedibile futuro, il problema, non la nostra tecnologia. Questo è il motivo per cui dovremmo accendere la luce nella stanza buia e guardare attentamente dove stiamo andando. Non ci sono mostri ma molti ostacoli da evitare, rimuovere o negoziare. Dovremmo preoccuparci della vera stupidità umana, non dell’Intelligenza Artificiale immaginaria, e concentrarci sulle sfide reali che l’IA solleva”.

La via dell’etica tracciata dall’UNESCO
L’UNESCO ha elaborato una Raccomandazione[2] per tracciare i principi etici da seguire nella governance dei modelli GenAI e dell’AI. Sulla base di questo documento è stata eseguita una valutazione di impatto etico di Chat GPT[3] anche grazie all’esperienza del Gruppo di esperti di alto livello sull’AI (HLEG) per esplorare ChatGPT in dialogo con le prospettive critiche emergenti sull’argomento. Al fine di esemplificare e di sintetizzare questa valutazione di impatto etico, la scrivente ha elaborato la tabella riportata di seguito.

Costruiamo un “GenAI Etico” per i giornalisti
La valutazione di impatto etico eseguita su Chat GPT da UNESCO giunge alla conclusione che questo modello e i suoi simili non sono conformi alla “Recommendation on the Ethics of Artificial Intelligence” e quindi non è un modello etico. Se i GenAI, così come descritti nella valutazione di impatto etico, non sono modelli etici occorrerà costruirne uno nuovo: un “GenAI Etico” per i giornalisti.

Gli studiosi già sopra ricordati Mike Ananny, professore associato specializzato in comunicazione e giornalismo alla University of Southern California Annenberg School e Jake Karr, vicedirettore della Technology Law and Policy Clinic presso la New York University, fondatori del progetto di ricerca “Knowing Machines”, non si limitano soltanto a parlare di GenAI ma invitano tutti i giornalisti a ricercare il modo per “rimodellare” i modelli intelligenti.

I giornalisti dovrebbero imparare a capire le politiche alla base dei dataset e dei modelli per rivelarne al mondo il funzionamento e gli eventuali errori, bias e allucinazioni perché nell’era GenAI “press freedom means controlling the language of AI”[4]. In sintonia con Ananny e Karr, la studiosa Aimee Rinehart[5]si spinge ancora oltre e propone di costruire un LLM specifico per il giornalismo. Propone tre ipotesi:

• Costruirlo a partire da un modello open source esistente dimostrando che è un obiettivo possibile all’industria del giornalismo, alle redazioni, alle università, alla comunità del sistema operativo e ai finanziatori.
• Costruirlo da zero grazie al supporto delle Università dotate della potenza di calcolo e dei cervelli, nonché grazie al supporto delle Comunità Open Source.
• Costruirlo con una Big Tech. Ciò consentirebbe di confrontare il modello interno dell’industria GenAI con il modello che potrebbe essere costruito dal mondo del giornalismo. Così si potrebbe capire quali sono le dinamiche in grado di garantire autenticità. Potremmo osservare senza dubbio che esiste il collasso del modello quando i LLM vengono addestrati su contenuti non di prima mano bensì creati da un altro modello intelligente. L’utilizzo di contenuti di seconda mano determina l’erosione progressiva della qualità.

I contenuti freschi di una redazione potrebbero essere più preziosi di quanto si possa immaginare uniti ad un addestramento presidiato da correttivi introdotti dalla revisione umana. La Rinehart prospetta la costruzione di questo LLM per il giornalismo con l’obiettivo di conservare la libertà di stampa e quindi anche della democrazia: “Building a journalism-specific LLM is not the thing to compete on. Democracy is at stake, so is our industry. Let’s build LLMs together and take advantage of this technology before it takes full advantage of us, again”[6].

Giustamente la Rinehart sottolinea con forza che in questo momento bisognerebbe mettere da parte la competitività e impegnarsi uniti nella costruzione di questo nuovo “GenAI Etico” che, una volta realizzato, porrebbe le redazioni al riparo dalle sorprese dei “GenAI Commerciali”. Il mondo del giornalismo inoltre dispone di dataset di qualità, vantaggio da non sottovalutare. L’impresa non convince? Non è concretamente realizzabile? Bene, allora non resta che costringere i GenAI esistenti a rimodellarsi, denunciando costantemente gli outputs errati, allucinati, fuorvianti, non identificati né identificabili, privi di marcatura e/o di etichettatura, non accompagnati dalla revisione umana e così via.  

Giornalisti, media sintetici e MIL[7]
Rimodellare i modelli o costringere i fornitori di GenAI a farlo richiede uno sforzo titanico che dobbiamo comunque affrontare perché non esiste alternativa. Autorevole fonte paragona il giornalismo su e con GenAI al giornalismo investigativo open source: “[il giornalismo investigativo open source] interrompe la tradizionale esclusività giornalistica, promuovendo un insieme di competenze e una metodologia che possono essere utilizzate dal grande pubblico”, scriveva nel 2022 il Nieman Reports, pubblicazione pluripremiata sugli standard del giornalismo. In questo contesto, come hanno scritto nel 2021 Nina Müller e Jenny Wiik, ricercatrici dell’Università di Göteborg, i giornalisti non sono più “gatekeepers” (custodi dell’informazione) ma “gate-openers” (coloro che abilitano e favoriscono l’accesso alle informazioni)”[8].

In effetti l’etica del giornalista che utilizza GenAI o che decodifica/depura gli outputs di GenAI è quella di un “gate-openers”. I “contenuti sintetici” prodotti da uno o più modelli intelligenti insieme (mix di testo+immagini+video) si presentano all’utente come verità assiomatiche, come fatti. Invece tutto è da verificare: a partire dai dati usati dal GenAI, passando dal controllo sull’addestramento fino alla valutazione di impatto sui diritti fondamentali.

Alle fonti primarie e secondarie della notizia, ora si aggiungono le fonti terziarie, inconoscibili, perché sintetizzate dal GenAI. Dove trovare le prove e i mezzi per identificarle? L’AI Act e le Misure su GenAI della Cina obbligano le piattaforme a avvertire gli utenti, ad apporre etichette di contenuto, filigrane o note di contesto ma il back-end di un contenuto sintetico è un’area opaca tutta da investigare. Investigare dal giornalista quando si tratta di notizie o di eventi (video) o di persone di rilievo pubblico (deepfake nelle campagne elettorali).

Sono outputs derivati da basi informative open source oppure sotto copyright? Saranno stati elaborati anche dati delicati come salute, razza, convinzioni religiose o politiche? Saranno stati elaborati dati di minori? Immagini di minori? Scoprire tutto questo ora è anche compito del giornalista che vuole riportare alla luce la verità ai propri lettori.

Sotto questo profilo, i criteri di questa investigazione potrebbero essere individuati negli strumenti della Media Intelligence Literacy (MIL). La MIL è un’area di alfabetizzazione composita che implica alfabetizzazione sui dati, alfabetizzazione sugli algoritmi e alfabetizzazione sui GenAI; è un “insieme di competenze che consente alle persone di valutare criticamente, comunicare e collaborare efficacemente con Al” (Hargittai et al 2020)[9].

Da questo punto di vista, il lavoro del giornalista è un’attività fortemente inclusiva. Laddove i GenAI disintermediano e isolano l’utente, il giornalista riannoda tutti i collegamenti della catena di valore dell’AI e così facendo permette al lettore di accedere all’informazione autentica, stimolandone il senso critico. Il giornalista deve inoculare nell’informazione restituita dagli outputs dei GenAI il germe dell’inclusività coinvolgendo tutti gli stakeholders dell’argomento trattato innescandovi il dibattito pubblico. Il giornalista non può più affrontare da solo la notizia. Il suo lavoro adesso non è più dare l’informazione. Il suo lavoro adesso è quello di dare vita all’informazione in sistemi di intelligenza collettiva.

Pertanto, l’era dei modelli GenAI, lungi dal decretare la morte del giornalismo, potrebbero segnarne una nuova primavera in cui la stampa si riappropria della sua dignità di servizio pubblico liberando la notizia dalla privatizzazione delle “scatole chiuse”. Addirittura, innescando dei tavoli di intelligenza collettiva, il giornalista potrebbe farsi portavoce dei cittadini affinchè questi vengano invitati a partecipare alla realizzazione della governance dei modelli GenAI e così fare unitamente alla stampa i “cani da guardia dei modelli GenAI” e quindi della democrazia: “senza un’appropriazione attiva da parte dei cittadini, questi scenari avranno un impatto limitato e non saranno sostenibili. A meno che i cittadini non siano consapevoli della loro esistenza e dei benefici previsti, non possono agire come cani da guardia dell’IA. I rappresentanti degli utenti, come quelli che si trovano negli attori della comunità MIL e nella società civile in generale, dovrebbero essere inclusi nei meccanismi di regolamentazione in corso considerati per i GenAI. Possono partecipare alle discussioni che si svolgono a livello locale, nazionale e globale sulla governance dell’IA e possono essere visti come risorse nell’implementazione, nella distribuzione e nel monitoraggio della governance dell’IA”[10]