Perché i dati di addestramento non contengono alcun record leggibile dalle macchine che attesti se qualcuno ha prestato il consenso?

Opportunità

La questione legale se l'addestramento dell'IA richieda il consenso è in gran parte risolta: tribunali e regolatori affermano che è rilevante. La questione pratica di come un segnale di consenso accompagni un testo attraverso le fasi di crawl, deduplicazione, filtraggio e mixing di una pipeline di dataset non ha risposta. Robots.txt è binario e approssimativo, si applica ai crawler e non agli addestratori, e viene abitualmente ignorato dalle pipeline closed-source. L'opt-out TDM dell'UE ai sensi dell'Articolo 4 della Direttiva DSM non prevede un formato standard leggibile dalle macchine che una pipeline possa verificare a livello di singolo elemento. L'audit del 2025 della Data Provenance Initiative ha rilevato segnali di consenso mancanti e ambigui in modo pervasivo nei principali dataset di addestramento, il che significa che anche uno sviluppatore che voglia rispettare il consenso non può farlo tecnicamente perché il record non è allegato al dato.

Perché è importante

Un segnale di consenso leggibile dalle macchine a livello di singolo elemento è il primitivo che consente alla regolamentazione di tradursi in pratica ingegneristica lungo l'intera pipeline di addestramento dell'IA.

Come valuto l'opportunità

L'Opportunity Score è la mia valutazione personale, non una misurazione: quanto fa male, con quale frequenza colpisce e quanto poco esiste per risolverlo oggi. Un punteggio più alto significa che lo ritengo più degno di essere sviluppato.

Gravità9/10

Quanto dolore provoca quando si manifesta.

Frequenza8/10

Quanto spesso le persone ci si imbattono davvero.

Spazio bianco9/10

Quanti pochi strumenti validi esistono oggi per affrontarlo.

Altri problemi che vale la pena risolvere

Perché ogni app AI mi dimentica nel momento in cui chiudo la scheda?

Perché imparare un nuovo campo dipende ancora dal sapere cosa chiedere?

Perché una persona non esperta non riesce a verificare ciò che un'AI le ha appena detto?

Perché testiamo i modelli sui benchmark ma li rilasciamo a sensazione?

Perché gli agenti AI non hanno memoria dei propri errori?

Perché non posso verificare su cosa è stato effettivamente addestrato un modello?

← Tutti i problemi che vale la pena risolvere Su Anurag →