Il criminologo, assistant professor al Dipartimento di Sociologia e Ricerca sociale all’Università di Trento e ricercatore alla Fondazione Bruno Kessler Gian Maria Campedelli ha recentemente pubblicato sulla rivista Nature sull’utilizzo di IA, algoritmi e big data nella ricerca della criminalità urbana. Tradizionalmente, la criminologia è sempre stata basata su dati raccolti dalle forze dell’ordine e teorie sociologiche che individuavano le zone più a rischio. Ma ad oggi esistono nuovi dati che meritano di essere presi in considerazione, come social media, GPS di smartphone e dispositivi indossabili, dati sui trasporti e immagini satellitari.
Lo studio, comunque, sottolinea come l’IA non sia un sostituto delle indagini guidate dagli esseri umani, bensì un efficace strumento di supporto. Ma non si parla solo di IA, molto importante anche l’utilizzo di network science (scienza delle reti), che studia le relazioni tra quartieri e persone e agent-based modelling, cioè simulazioni al computer che riproducono il comportamento di individui per capire come potrebbe evolvere un fenomeno criminale. Esistono anche dei rischi, quali i bias (cioè dei pregiudizi). Ad esempio, in passato alcuni software di polizia predittiva sono stati criticati perché tendevano a concentrare i controlli in quartieri abitati da minoranze, finendo per rafforzare discriminazioni già esistenti.
Per questo servono regole chiare, bisogna rispettare privacy ed etica e gli algoritmi devono essere trasparenti e controllabili. Per quanto riguarda la situazione italiana, ci sono pochi dati accessibili: manca trasparenza e inoltre le collaborazioni tra università, istituzioni e forze dell’ordine sono ancora limitate. Questo rende più difficile valutare quali politiche di sicurezza funzionino davvero. Approfondiamo comunque le tematiche dello studio con un’intervista al criminologo Campedelli.
Il vostro lavoro mostra come l’intelligenza artificiale stia cambiando la criminologia urbana. Qual è, secondo lei, il cambiamento più importante che vedremo nei prossimi anni?
Ammetto di non essere particolarmente avvezzo a previsioni, ma i dati ci stanno certamente dicendo che l’intelligenza artificiale, attraverso diverse forme e approcci, sta impattando significativamente lo studio di molti fenomeni sociali, inclusi quelli legati alla
criminologia e alla criminalità urbana. Quel che posso immaginare per il futuro è una sempre maggiore disponibilità di dati granulari per mappare le attività e il comportamento umano e una crescente integrazione di sistemi di AI generativa sia in ambito di ricerca
pura che in ambito di contrasto e prevenzione dei reati.
Uno dei timori principali riguarda la privacy. Come si potrebbero conciliare sicurezza e tutela dei diritti dei cittadini?
Oggi i dati cui abbiamo accesso come ricercatori sono dati estremamente granulari, specialmente se confrontiamo la situazione attuale con lo standard diffuso fino a qualche anno fa, ma comunque anonimizzati.
Sono dati che si focalizzano sui luoghi e non sulle persone, con offuscamento geografico per evitare la possibilità di identificazione di individui all’interno di celle spaziali particolarmente contenute. Anche dati che mappano le attività di singoli individui lungo l’arco di una giornata, messi legittimamente — e in totale compliance con la regolamentazione europea — in vendita da alcune compagnie, sono protetti da sistemi di anonimizzazione che ne rendono impossibile l’identificazione.
Detto ciò, è chiaro che in uno scenario così in evoluzione, con la diffusione di tecnologie sempre più straordinarie, rimarrà fondamentale vigilare affinché i cittadini siano tutelati in termini di privacy. Sarà necessario, nei prossimi anni, contrastare possibili tentativi di far sì che questi strumenti possano solleticare desideri di sorveglianza massiva. Ciò che auspico è che si esca dalla retorica per cui AI e strumenti tecnologici in ambito di contrasto alla criminalità siano solo strumenti per esercitare controllo: l’intelligenza artificiale e i dati, in generale, hanno il potere di rendere la società più giusta, non solo più sicura, ma questo aspetto è del tutto assente da un dibattito pubblico già ridotto all’osso su questi temi.
Nel paper affermate che l’Italia è indietro sul fronte della trasparenza dei dati. Quali sarebbero i primi passi da compiere per colmare queste lacune?
In Italia, specialmente nelle istituzioni che hanno un ruolo decisivo nell’implementare politiche pubbliche, manca ahimè totalmente la cultura del dato. Questo è, a mio avviso, un fatto drammatico che spiega in parte l’immobilismo del nostro paese in termini di innovazione, in termini di capacità di produrre valore e di stare al passo con gli enormi cambiamenti che stanno investendo il mondo. Bisogna invertire questo trend anche se ci vorrà tempo, partendo dal basso, dalle scuole, per garantire che le giovani generazioni di oggi sappiano domani comprendere e governare i dati, avendo ben presente quanto questi possano rappresentare la chiave per cambiare questo Paese, prendendo decisioni più efficaci ed efficienti.
Sui cambiamenti a breve termine, invece, sono estremamente pessimista e disilluso. Temo manchi l’interesse politico a rendere questo un paese più trasparente, moderno, un paese in cui le decisioni vengano prese dati alla mano, in cui il dibattito pubblico venga arricchito dall’evidenza empirica, in cui i decisori riescano a dialogare in maniera costante e organica con università e centri di ricerca. Trovo sconcertante che, oggi, sia di fatto impossibile fare ricerca quantitativa o computazionale in ambito di criminalità urbana nel nostro Paese. Il dramma è che questa impossibilità si traduce nell’occasione persa ripetutamente di disegnare politiche di sicurezza e prevenzione più funzionali e di poter valutare ciò che funziona e ciò che, invece, va cambiato.
L’intelligenza artificiale può davvero aiutare a prevenire i reati o è solo uno strumento utile per comprenderli meglio?
La criminalità è un fenomeno umano e come quasi tutti i fenomeni umani segue dei pattern ricorrenti — uno di questi è la concentrazione spazio-temporale dei reati. Tali pattern, di conseguenza, possono essere colti, letti e previsti da sistemi algoritmici sempre più potenti, espressivi ed efficaci. Sarebbe fondamentale smettere di pensare a sciocchi paragoni con Minority Report, ad esempio, ma sarebbe altrettanto ingiusto non riconoscere quanto, rispetto a metodi quantitativi e dati vetusti tipici dei decenni passati, lo scenario sia cambiato e quanto l’utilizzo di questi strumenti possa dunque aiutare a prevenire l’occorrenza di alcuni reati.
Va peraltro fatto notare, legandomi alla precedente risposta, quanto questi strumenti non possano e debbano venire utilizzati solo in termini meramente repressivi, ma come evidenza scientifica ormai dimostri che possano essere anche utilizzati a fini protettivi, per ridurre il rischio di vittimizzazione di certi individui. Questo è per me un esempio plastico di come l’intelligenza artificiale possa essere nostra alleata per una società più equa.
Quando si parla di intelligenza artificiale si parla spesso dei costi energetici. Pensa che questo aspetto debba entrare nel dibattito anche quando l’IA è applicata alla ricerca e alle politiche pubbliche?
Penso sia un tema importante, ma nel contesto specifico della criminalità urbana parliamo di quantità di dati che, tendenzialmente, hanno impatti estremamente marginali in termini di costi energetici: dataset di poche decine di milioni di osservazioni, elaborati con metodi statistici o di machine learning classico, hanno un consumo energetico che è ordini di grandezza inferiore rispetto a quello dei modelli linguistici di frontiera. Il discorso però potrebbe cambiare se in futuro l’analisi di questi dati passasse sempre più spesso per API di grandi modelli linguistici — ad esempio per generare automaticamente report, sintesi narrative di pattern criminali, o classificazioni testuali su larga scala a partire da migliaia di verbali.
In quel caso il costo energetico non sarebbe più legato al volume del dataset originale, ma al numero di chiamate al modello e alla loro frequenza: processare in tempo reale flussi continui di segnalazioni attraverso un LLM, invece che tramite una pipeline statistica addestrata una tantum, sposterebbe il costo energetico da un ordine di grandezza trascurabile a uno effettivamente rilevante. È un distinguo che vale la pena fare: la ricerca in criminologia computazionale, oggi, resta a basso impatto energetico, ma l’infrastruttura che la supporterà domani — se sempre più mediata da modelli linguistici invece che da modelli statistici dedicati — potrebbe non esserlo più.
Foto immagine di copertina: https://unsplash.com/it/foto/un-chip-per-computer-con-la-lettera-a-in-cima-eGGFZ5X2LnA
