Proprio come un fiume, i dati possono essere una fonte di ricchezza per alcuni, una fonte di vulnerabilità per altri e una risorsa pubblica per molte comunità.
Quando un fiume può essere deviato per scopi di irrigazione, può anche dare origine a diritti di navigazione e di pesca, a divieti di inquinamento e a rischi di inondazioni.
Quando la tecnologia dell’acqua ha reso possibile la prima rivoluzione industriale, i quadri giuridici per destreggiarsi tra questi privilegi e responsabilità coesistenti si sono evoluti in modo frammentario.
Per riconoscere che il riparianesimo non consente una distribuzione equa e sostenibile dell’acqua come risorsa preziosa, permettendo al contempo il degrado dell’ecosistema sottostante, ci sono voluti alcuni secoli.
Considerato il ritmo dei progressi dell’IA generativa, non abbiamo tutto questo tempo per giungere alla stessa conclusione quando si tratta di quadri di governance dei dati basati sulla proprietà.
In gioco non c’è solo l’inquinamento irreversibile dei contenuti trovati online. L’equità e la sostenibilità dell’ecosistema che rende possibile l’IA generativa sono in pericolo. Alcuni dei meccanismi alla base di questa minaccia sono qualitativamente simili a quelli che interessano i “fiumi d’acqua”: gli strumenti di IA generativa non sarebbero stati possibili senza l’accesso a contenuti “aperti” e di alta qualità resi disponibili con licenze creative commons e open-source. Tuttavia, pochi di questi strumenti rispettano le aspettative di reciprocità senza le quali i movimenti Creative Commons e Open-Source non sono più sostenibili.
In secondo luogo, l’assenza di standard coordinati a livello internazionale per facilitare l’identificazione sistematica dei prodotti generati dall’IA apre la porta alla rapida “colonizzazione” dei contenuti trovati online, comportando un significativo rischio di disinformazione e di errore.
Continua a leggere: Estratto da Delacroix, Sylvie, Data Rivers: Re-balancing the data ecosystem that makes Generative AI possible (March 14, 2023). Available at SSRN: https://ssrn.com/abstract=4388928 or http://dx.doi.org/10.2139/ssrn.4388928
