Mentre di recente abbiamo esplorato come l’etica e la sicurezza dei dati stiano rimodellando la geopolitica, la conversazione si sta ora spostando verso il luogo in cui tali dati risiedono effettivamente: l’infrastruttura “Deep Tech”. Una cosa è proteggere un feed di social media, ma tutt’altra è progettare la spina dorsale della nuova Strategia Nazionale Deep Tech spagnola da 8 miliardi di euro.
Quest’anno abbiamo più volte rivisitato il tema dell'”Equità” (Fairness), in particolare per quanto riguarda le licenze obbligatorie e la sicurezza clinica. Tuttavia, l’ultima mossa dell’Unione Europea per risolvere il dilemma del “furto di copyright AI” attraverso la concessione di licenze formali aggiunge uno strato pratico e legale ai quadri etici che abbiamo discusso a maggio.
In Ambiente Ingegneria, vediamo tutto questo attraverso la lente della precisione. Sia che stiamo sviluppando soluzioni integrate di Machine Learning in Python o gestendo complessi database PostgreSQL, il “Deep” in Deep Tech richiede un impegno verso gli standard. In campi come la bioinformatica, che sta finalmente entrando con forza nel mercato, non c’è spazio per errori. Riteniamo che l’uso del sistema metrico e di rigorose unità SI non sia solo una preferenza tecnica, ma un requisito di sicurezza. Un singolo errore di conversione di unità in un modello di IA biologica può avere risultati catastrofici.
Questo rigore tecnico è anche la nostra migliore difesa contro i rischi “cyberpunk” menzionati da Dario Amodei di Anthropic. Seguendo l’European AI Act e concentrandoci sulla trasparenza dei dati, possiamo costruire strumenti che prevengano l’automazione di fake news e bullismo online. Che si tratti di un modulo Odoo ERP personalizzato o di un’applicazione web basata su React, l’obiettivo rimane lo stesso: dati di alta qualità e verificati che servano la società.