{"id":389838,"date":"2021-12-22T11:08:43","date_gmt":"2021-12-22T19:08:43","guid":{"rendered":"https:\/\/blog.webex.com\/uncategorized-it\/progettazione-di-sistemi-ai-responsabili\/"},"modified":"2021-12-22T11:08:43","modified_gmt":"2021-12-22T19:08:43","slug":"progettazione-di-sistemi-ai-responsabili","status":"publish","type":"post","link":"https:\/\/blog.webex.com\/it\/collaborazione\/lavoro-ibrido\/progettazione-di-sistemi-ai-responsabili\/","title":{"rendered":"Progettazione di sistemi AI responsabili"},"content":{"rendered":"<ul>\n<li><strong>Un sistema automatico utilizzato per approvare o rifiutare richieste di mutuo per la casa pu\u00f2 essere colpevole di pregiudizi razziali?<\/strong><\/li>\n<li><strong>\u00c8 ragionevole che le forze dell&#8217;ordine utilizzino sistemi di riconoscimento facciale per catturare criminali sospetti?<\/strong><\/li>\n<li><strong>Gli sviluppatori possono raccogliere dati utente per addestrare meglio sistemi di riconoscimento vocale nelle videoconferenze?<\/strong><\/li>\n<\/ul>\n<p>La comunit\u00e0 scientifica e tecnica si \u00e8 sempre trovata in una posizione delicata per quanto riguarda l&#8217;etica dell&#8217;intelligenza artificiale e la responsabilit\u00e0 sociale. Da una parte, \u00e8 ragionevole sostenere che leggi di fisica o equazioni matematiche di <em>per s\u00e9<\/em> sono neutrali, non prendono una posizione su questioni morali umane. Dall&#8217;altra, la scienza non opera, e l&#8217;ingegneria certamente non pu\u00f2 operare, in un mondo sterile e astratto, separato dall&#8217;applicazione di conoscenze scientifiche e tecniche all&#8217;attivit\u00e0 umana. Tutta l&#8217;attivit\u00e0 umana ha implicazioni morali ed etiche. Quindi, \u00e8 ragionevole che esistano responsabilit\u00e0 sociali ed etiche per gli ingegneri. Tuttavia, non possiamo essere ingegneri responsabili senza considerare come i nostri sistemi supporteranno e ostacoleranno diritti umani chiave di privacy, sicurezza, rappresentanza ed equit\u00e0. La progressiva affermazione dell&#8217;apprendimento automatico e dell&#8217;intelligenza artificiale basata su dati ha solo accentuato la preoccupazione diffusa sul ruolo della tecnologia nella societ\u00e0.<\/p>\n<h2><strong>Come possiamo tenere in primo piano le questioni etiche dell&#8217;intelligenza artificiale e scegliere un percorso responsabile per creare sistemi di apprendimento automatico?<\/strong><\/h2>\n<p>Dobbiamo iniziare con una comprensione di base di cosa comporta la progettazione basata su apprendimento automatico e perch\u00e9 pu\u00f2 essere un motivo di controversie. L&#8217;idea alla base dell&#8217;apprendimento automatico \u00e8 che la funzione dettagliata non \u00e8 descritta da un pezzo di codice software, ma appresa generalizzando da una vasta gamma di esempi di comportamenti previsti. Tali dati di addestramento possono essere preparati esplicitamente combinando una gamma di input con gli output desiderati (apprendimento supervisionato) o possono essere impliciti nei dati di input (apprendimento non supervisionato) o tramite una metrica di ricompensa per una serie di output di successo (apprendimento per rinforzo). Solitamente, il modello comportamentale appreso nell&#8217;addestramento viene poi distribuito come una funzione di blocchi di costruzione all&#8217;interno di un sistema di &#8220;inferenza&#8221; distribuito, dove gli input effettivi dell&#8217;utente confluiscono nel modello, in modo che il sistema possa elaborare un risultato che si avvicina il pi\u00f9 possibile ai modelli di comportamento appresi nell&#8217;addestramento.<\/p>\n<p>Che tipo di questioni etiche dell&#8217;intelligenza artificiale trovate nelle funzioni basate su apprendimento automatico meritano di essere prese in considerazione quando si pensa all&#8217;AI responsabile? In un certo qual modo, il software basato su apprendimento automatico non \u00e8 molto diverso dal software sviluppato da metodi di programmazione procedurale tradizionali. Ci preoccupiamo di pregiudizio, privacy, onest\u00e0, trasparenza e protezione dei dati in tutto il software, ma i metodi di apprendimento automatico sono meno ampiamente compresi, richiedono grandi quantit\u00e0 di dati di addestramento e, a volte, facile spiegabilit\u00e0. Queste caratteristiche richiedono uno sguardo pi\u00f9 da vicino al ruolo che l&#8217;etica dell&#8217;intelligenza artificiale deve svolgere in questo gioco.<\/p>\n<h2><strong>Questioni chiave da considerare per la creazione di principi di progettazione di AI responsabile<\/strong><\/h2>\n<p>Di seguito alcune domande di etica di AI chiave Presumibilmente, tali questioni spesso si sovrappongono, ma \u00e8 utile guardare la progettazione responsabile da diverse angolazioni:<\/p>\n<ul>\n<li><strong>Pregiudizio<\/strong>: la funzione implementa pregiudizi ingiusti, non intenzionali o inappropriati nel modo di trattare persone diverse? Il sistema \u00e8 progettato e addestrato per la distribuzione di utenti su cui \u00e8 realmente applicato? Progettazione, implementazione e test prevengono pregiudizi contro caratteristiche di individui legalmente protette?<\/li>\n<li><strong>Privacy<\/strong>: L&#8217;addestramento e il funzionamento di questa funzione richiedono che un individuo divulghi pi\u00f9 informazioni personali del necessario e proteggono completamente tali informazioni private da divulgazione non autorizzata o inappropriata?<\/li>\n<li><strong>Trasparenza<\/strong>: il comportamento della funzione \u00e8 sufficientemente ben compreso, testato e documentato in modo che sviluppatori di sistemi che integrano questa funzione, utenti e altri valutatori appropriati possano comprenderlo? Il comportamento della funzione implementata \u00e8 essenzialmente deterministico in modo tale che ripetendo gli stessi input si ottengono gli stessi output?<\/li>\n<li><strong>Sicurezza<\/strong>: L&#8217;addestramento e l&#8217;implementazione della funzione proteggono i dati acquisiti o i prodotti da trasferimento non appropriato, uso improprio o divulgazione? Questi dati possono includere informazioni personali che sono soggette a privacy e dati non personali che possono essere soggetti a propriet\u00e0 e requisiti d&#8217;uso concordati contrattualmente.<\/li>\n<li><strong>Impatto sociale<\/strong>: oltre a questioni specifiche di pregiudizio, privacy, trasparenza e sicurezza, qual \u00e8 l&#8217;impatto diretto e indiretto sulla societ\u00e0 se questa tecnologia viene distribuita in modo esteso? Aiuta od ostacola lo scambio di idee? Aumenta la probabilit\u00e0 di violenza o abuso? \u00c8 pericolosa per l&#8217;ambiente? Questa categoria di etica AI \u00e8 intenzionalmente aperta, pertanto non possiamo aspettarci che tutti i team di progettazione e distribuzione comprendano completamente tutti gli effetti indiretti del proprio lavoro, in particolare quando distribuito negli anni e nel mondo. Ci\u00f2 nonostante, lo sforzo di prevedere gli effetti negativi a lungo termine pu\u00f2 incoraggiare i team a progettare mitigazioni nel proprio lavoro o cambiare strategia tecnologica passando ad alternative apparentemente con meno svantaggi per la societ\u00e0.<\/li>\n<\/ul>\n<p>Questo elenco di questioni etiche dell&#8217;intelligenza artificiale pu\u00f2 inizialmente sembrare confuso e astratto per essere attuato, ma il settore ha distribuito con successo linee guida di sviluppo, in particolare nell&#8217;ambito della sicurezza del sistema e della privacy dei dati che possono essere sfruttate come un utile modello. La leadership di Cisco di lunga data nella progettazione di sistemi per la sicurezza dei dati, rende tale struttura il punto di inizio naturale per il lavoro di Webex nell&#8217;ambito di sistemi di apprendimento automatico responsabili. Il framework per il <a href=\"https:\/\/gdpr.eu\/what-is-gdpr\/\">regolamento europeo GDPR<\/a> (General Data Protection Regulation) fornisce anche un framework per proteggere i &#8220;diritti fondamentali e la libert\u00e0 delle persone&#8221; e pu\u00f2 offrire alcuni utili principi da applicare a sistemi basati su apprendimento automatico.<\/p>\n<p><a href=\"https:\/\/blog.webex.com\/wp-content\/uploads\/2021\/12\/shutterstock_682035301-scaled.jpg\"><br \/>\n  <img loading=\"lazy\" decoding=\"async\" class=\"aligncenter size-full wp-image-382375\" src=\"https:\/\/blog.webex.com\/wp-content\/uploads\/2021\/12\/shutterstock_682035301-scaled.jpg\" alt=\"Ologramma di citt\u00e0 osservato da alcuni sviluppatori\" width=\"2560\" height=\"1536\" srcset=\"https:\/\/blog.webex.com\/wp-content\/uploads\/2021\/12\/shutterstock_682035301-scaled.jpg 867w, https:\/\/blog.webex.com\/wp-content\/uploads\/2021\/12\/shutterstock_682035301-300x180.jpg 300w, https:\/\/blog.webex.com\/wp-content\/uploads\/2021\/12\/shutterstock_682035301-1024x614.jpg 1024w, https:\/\/blog.webex.com\/wp-content\/uploads\/2021\/12\/shutterstock_682035301-768x461.jpg 768w, https:\/\/blog.webex.com\/wp-content\/uploads\/2021\/12\/shutterstock_682035301-1536x922.jpg 1536w, https:\/\/blog.webex.com\/wp-content\/uploads\/2021\/12\/shutterstock_682035301-2048x1229.jpg 2048w, https:\/\/blog.webex.com\/wp-content\/uploads\/2021\/12\/shutterstock_682035301-600x360.jpg 600w\" sizes=\"auto, (max-width: 2560px) 100vw, 2560px\" \/><br \/>\n<\/a><\/p>\n<h2><strong>Altre considerazioni a supporto di AI ed etica<\/strong><\/h2>\n<p>Mentre pensavo a una progettazione di sistemi AI consapevole e responsabile, ho identificato tre concetti particolarmente utili da tenere a mente per comprendere le responsabilit\u00e0 sociali ed etiche degli ingegneri:<\/p>\n<ol>\n<li><strong>Un processo per lo sviluppo dell&#8217;apprendimento automatico responsabile.<\/strong> Le potenziali applicazioni per l&#8217;apprendimento automatico sono talmente vaste che non possiamo sperare di definire un flusso di sviluppo universale. La velocit\u00e0 innovazione di tipi di modello, sistemi di addestramento, metriche di valutazione e target di distribuzione \u00e8 talmente grande che qualsiasi formula limitata diventer\u00e0 immediatamente obsoleta. Al contrario, ci aspettiamo di definire linee guida di etica AI con punti di verifica espliciti in corrispondenza dei quali entrambi, sviluppatori e altri, esaminano il proprio lavoro per verificare che le questioni chiave siano state considerate e che le scelte di progettazione chiave siano documentate. Questo pu\u00f2 anche implicare test specifici che i sistemi devono superare prima di poter procedere alla distribuzione.<\/li>\n<li><strong>Considerazione di consequenzialit\u00e0.<\/strong> Designer e implementatori devono avere una comprensione chiara dell&#8217;etica dell&#8217;intelligenza artificiale e dell&#8217;impatto delle decisioni apprese dei relativi sistemi addestrati. Devono recepire l&#8217;idea che le funzioni di apprendimento automatico spesso prendono decisioni con impatto reale sugli utenti o su altre persone interessate. A volte, le decisioni sono abbastanza grandi ed esplicite, ad esempio una richiesta di mutuo per casa \u00e8 accettata o rifiutata? In altri casi, le decisioni sono pi\u00f9 sottili, ma comunque con un impatto diffuso. Ad esempio, se una funzione di miglioramento della conversazione appresa in un sistema di videoconferenza ha abbassato il volume della voce delle donne in media del 2% rispetto al volume della voce dei colleghi uomini, tale modifica potrebbe avere l&#8217;effetto complessivo subdolo di ridurre l&#8217;impatto e il contributo delle donne nel luogo di lavoro.<\/li>\n<li><strong>Varianza statistica dei dati di addestramento e dati d&#8217;uso previsti. <\/strong>L&#8217;apprendimento automatico deve utilizzare una gamma diversificata di dati di input per addestrare il sistema a gestire tutte le condizioni previste. La progettazione statistica del set di addestramento \u00e8 la grandissima determinante del comportamento statistico del sistema definitivo. Per sistemi vocali, ad esempio, questa distribuzione specificata pu\u00f2 includere una percentuale target per persone che parlano inglese americano, persone che parlano inglese britannico, persone che parlano inglese australiano, persone che parlano inglese ispanico, persone di Sud Asia, Cina, Europa continentale e altre aree. Potrebbe anche includere una percentuale target per toni di voce alti e bassi, voci di persone di et\u00e0 diverse, conversazione in sale con livelli di riverbero diversi e diversi tipi e ampiezza relativa di rumore. Gli sviluppatori devono avere una comprensione esplicita e documentata della distribuzione degli utenti target e devono costruire l&#8217;addestramento e il test in base a tale uso target. Inoltre, gli sviluppatori devono considerare cosa potrebbe mancare nella specifica degli utenti target, ad esempio, copertura delle caratteristiche legalmente protette (razza, etnia, sesso, religione e cos\u00ec via). Questo non \u00e8 un problema facile, perch\u00e9 esistono cos\u00ec tante possibili dimensioni di variazione rilevante nelle condizioni d&#8217;uso. Gli sviluppatori devono testare una gamma di caratteristiche pi\u00f9 ampia di quella per cui il sistema \u00e8 addestrato inizialmente, con la possibilit\u00e0 di scoprire la sensibilit\u00e0 ad alcune varianze che richiederanno l&#8217;aggiunta di nuovi dati o il cambio delle distribuzioni per ottenere prestazioni adeguate a tutte le condizioni d&#8217;uso target.<\/li>\n<\/ol>\n<p>La progettazione di AI responsabile \u00e8 ancora agli inizi. Abbiamo ancora molto da comprendere sugli ostacoli alla protezione da pregiudizi, privacy compromessa, trasparenza, perdita dei dati e grave impatto sulla societ\u00e0. Ci\u00f2 nonostante, l&#8217;attenzione consapevole all&#8217;etica dell&#8217;intelligenza artificiale in discussioni, specifiche, addestramento, distribuzione e manutenzione pu\u00f2 iniziare a fare una differenza significativa sul modo in cui tali metodi efficaci possono diventare di fiducia e affidabili.<\/p>\n<blockquote><p><a href=\"https:\/\/cart.webex.com\/sign-up?utm_medium=Website&#038;utm_source=WDCBlog&#038;utm_campaign=2021_wx1&#038;utm_content=Intelligence_blog_Chris&#038;team=DG\">Registrati per una prova gratuita di Webex<\/a><em>\u00a0e scopri un&#8217;esperienza di collaborazione in team e tecnologia di videoconferenza migliore oggi stesso.<\/em><\/p><\/blockquote>\n<p><strong>Ulteriori informazioni<\/strong><\/p>\n<p><a href=\"https:\/\/blog.webex.com\/it\/lavoro-ibrido\/le-ultime-funzioni-ai-webex-potenziano-il-futuro-del-lavoro\/\">Le ultime funzioni AI Webex potenziano il futuro del lavoro<\/a><\/p>\n<p><a href=\"https:\/\/blog.webex.com\/it\/lavoro-ibrido\/novita-di-ai-per-la-collaborazione-per-un-futuro-del-lavoro-ibrido-piu-potente\/\">Novit\u00e0 di AI per la collaborazione: per un futuro del lavoro ibrido pi\u00f9 potente<\/a><\/p>\n<p><a href=\"https:\/\/blog.webex.com\/it\/lavoro-ibrido\/miglioramento-delle-esperienze-di-lavoro-e-dei-clienti-in-un-mondo-ibrido\/\">Miglioramento delle esperienze di lavoro e dei clienti in un mondo ibrido<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"<p>Un sistema automatico utilizzato per approvare o rifiutare richieste di mutuo per la casa pu\u00f2 essere colpevole di pregiudizi razziali? [&hellip;]<\/p>\n","protected":false},"author":5417,"featured_media":382370,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"inline_featured_image":false,"footnotes":""},"categories":[5273,1570],"tags":[4658,3851,4736,5680],"class_list":["post-389838","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-collaborazione","category-lavoro-ibrido","tag-apprendimento-automatico","tag-collaboration-solutions","tag-intelligenza-artificiale","tag-soluzioni-per-collaborazione"],"acf":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v27.1.1 - https:\/\/yoast.com\/product\/yoast-seo-wordpress\/ -->\n<title>Progettazione di sistemi AI responsabili | Webex Blog<\/title>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/blog.webex.com\/collaboration\/hybrid-work\/designing-responsible-ai-systems\/\" \/>\n<meta property=\"og:locale\" content=\"it_IT\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Progettazione di sistemi AI responsabili | Webex Blog\" \/>\n<meta property=\"og:description\" content=\"Un sistema automatico utilizzato per approvare o rifiutare richieste di mutuo per la casa pu\u00f2 essere colpevole di pregiudizi razziali? [&hellip;]\" \/>\n<meta property=\"og:url\" content=\"https:\/\/blog.webex.com\/collaboration\/hybrid-work\/designing-responsible-ai-systems\/\" \/>\n<meta property=\"og:site_name\" content=\"Webex Blog\" \/>\n<meta property=\"article:published_time\" content=\"2021-12-22T19:08:43+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/blog.webex.com\/wp-content\/uploads\/2021\/12\/Responsible-AI.png\" \/>\n\t<meta property=\"og:image:width\" content=\"975\" \/>\n\t<meta property=\"og:image:height\" content=\"650\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/png\" \/>\n<meta name=\"author\" content=\"Chris Rowen\" \/>\n<meta name=\"twitter:label1\" content=\"Scritto da\" \/>\n\t<meta name=\"twitter:data1\" content=\"Chris Rowen\" \/>\n\t<meta name=\"twitter:label2\" content=\"Tempo di lettura stimato\" \/>\n\t<meta name=\"twitter:data2\" content=\"8 minuti\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\/\/blog.webex.com\/collaboration\/hybrid-work\/designing-responsible-ai-systems\/#article\",\"isPartOf\":{\"@id\":\"https:\/\/blog.webex.com\/collaboration\/hybrid-work\/designing-responsible-ai-systems\/\"},\"author\":{\"name\":\"Chris Rowen\",\"@id\":\"https:\/\/blog.webex.com\/es\/#\/schema\/person\/b0c1bd1028a33308207093fd0ad4f38b\"},\"headline\":\"Progettazione di sistemi AI responsabili\",\"datePublished\":\"2021-12-22T19:08:43+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\/\/blog.webex.com\/collaboration\/hybrid-work\/designing-responsible-ai-systems\/\"},\"wordCount\":1570,\"image\":{\"@id\":\"https:\/\/blog.webex.com\/collaboration\/hybrid-work\/designing-responsible-ai-systems\/#primaryimage\"},\"thumbnailUrl\":\"https:\/\/blog.webex.com\/wp-content\/uploads\/2021\/12\/Responsible-AI.png\",\"keywords\":[\"Apprendimento automatico\",\"Collaboration Solutions\",\"intelligenza artificiale\",\"Soluzioni per collaborazione\"],\"articleSection\":[\"Collaborazione\",\"Lavoro ibrido\"],\"inLanguage\":\"it-IT\"},{\"@type\":\"WebPage\",\"@id\":\"https:\/\/blog.webex.com\/collaboration\/hybrid-work\/designing-responsible-ai-systems\/\",\"url\":\"https:\/\/blog.webex.com\/collaboration\/hybrid-work\/designing-responsible-ai-systems\/\",\"name\":\"Progettazione di sistemi AI responsabili | Webex Blog\",\"isPartOf\":{\"@id\":\"https:\/\/blog.webex.com\/es\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\/\/blog.webex.com\/collaboration\/hybrid-work\/designing-responsible-ai-systems\/#primaryimage\"},\"image\":{\"@id\":\"https:\/\/blog.webex.com\/collaboration\/hybrid-work\/designing-responsible-ai-systems\/#primaryimage\"},\"thumbnailUrl\":\"https:\/\/blog.webex.com\/wp-content\/uploads\/2021\/12\/Responsible-AI.png\",\"datePublished\":\"2021-12-22T19:08:43+00:00\",\"author\":{\"@id\":\"https:\/\/blog.webex.com\/es\/#\/schema\/person\/b0c1bd1028a33308207093fd0ad4f38b\"},\"breadcrumb\":{\"@id\":\"https:\/\/blog.webex.com\/collaboration\/hybrid-work\/designing-responsible-ai-systems\/#breadcrumb\"},\"inLanguage\":\"it-IT\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/blog.webex.com\/collaboration\/hybrid-work\/designing-responsible-ai-systems\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"it-IT\",\"@id\":\"https:\/\/blog.webex.com\/collaboration\/hybrid-work\/designing-responsible-ai-systems\/#primaryimage\",\"url\":\"https:\/\/blog.webex.com\/wp-content\/uploads\/2021\/12\/Responsible-AI.png\",\"contentUrl\":\"https:\/\/blog.webex.com\/wp-content\/uploads\/2021\/12\/Responsible-AI.png\",\"width\":975,\"height\":650,\"caption\":\"Responsible AI\"},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/blog.webex.com\/collaboration\/hybrid-work\/designing-responsible-ai-systems\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\/\/blog.webex.com\/it\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Progettazione di sistemi AI responsabili\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/blog.webex.com\/es\/#website\",\"url\":\"https:\/\/blog.webex.com\/es\/\",\"name\":\"Webex Blog\",\"description\":\"Webex by Cisco powers collaboration through industry-leading video conferencing, cloud calling and contact center solutions\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/blog.webex.com\/es\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"it-IT\"},{\"@type\":\"Person\",\"@id\":\"https:\/\/blog.webex.com\/es\/#\/schema\/person\/b0c1bd1028a33308207093fd0ad4f38b\",\"name\":\"Chris Rowen\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"it-IT\",\"@id\":\"https:\/\/blog.webex.com\/es\/#\/schema\/person\/image\/\",\"url\":\"https:\/\/secure.gravatar.com\/avatar\/bce9fad1a2f3f17573ef7edc51855e0d34e48783c7971739ea4c157a2ea1759e?s=96&d=wp_user_avatar&r=g\",\"contentUrl\":\"https:\/\/secure.gravatar.com\/avatar\/bce9fad1a2f3f17573ef7edc51855e0d34e48783c7971739ea4c157a2ea1759e?s=96&d=wp_user_avatar&r=g\",\"caption\":\"Chris Rowen\"},\"description\":\"Chris is a Silicon Valley entrepreneur and technologist known for his groundbreaking work developing RISC microprocessors, domain-specific architectures and deep learning-based software. As Vice President of Engineering for Webex Collaboration AI, Chris leads an engineering and product team focused on building smarter, clearer and more seamless speech, audio, visual and relationship intelligence experiences. Before joining Cisco, Chris was the cofounder and CEO of speech science technology company BabbleLabs, which was acquired by Cisco in 2020. Prior to that, he founded the processor licensing company, Tensilica, and led it as CEO before it was sold to Cadence in 2013. Chris holds greater than 40 U.S. and international patents, an MSEE and PhD in electrical engineering from Stanford and a BA in physics from Harvard. He was recognized in 2015 as an IEEE Fellow for his work in microprocessor architecture.\",\"sameAs\":[\"https:\/\/www.linkedin.com\/in\/chris-rowen-4310a61\/%20\",\"https:\/\/www.linkedin.com\/in\/chris-rowen-4310a61\/\"],\"url\":\"https:\/\/blog.webex.com\/it\/contributors\/crowen\/\"}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Progettazione di sistemi AI responsabili | Webex Blog","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/blog.webex.com\/collaboration\/hybrid-work\/designing-responsible-ai-systems\/","og_locale":"it_IT","og_type":"article","og_title":"Progettazione di sistemi AI responsabili | Webex Blog","og_description":"Un sistema automatico utilizzato per approvare o rifiutare richieste di mutuo per la casa pu\u00f2 essere colpevole di pregiudizi razziali? [&hellip;]","og_url":"https:\/\/blog.webex.com\/collaboration\/hybrid-work\/designing-responsible-ai-systems\/","og_site_name":"Webex Blog","article_published_time":"2021-12-22T19:08:43+00:00","og_image":[{"width":975,"height":650,"url":"https:\/\/blog.webex.com\/wp-content\/uploads\/2021\/12\/Responsible-AI.png","type":"image\/png"}],"author":"Chris Rowen","twitter_misc":{"Scritto da":"Chris Rowen","Tempo di lettura stimato":"8 minuti"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/blog.webex.com\/collaboration\/hybrid-work\/designing-responsible-ai-systems\/#article","isPartOf":{"@id":"https:\/\/blog.webex.com\/collaboration\/hybrid-work\/designing-responsible-ai-systems\/"},"author":{"name":"Chris Rowen","@id":"https:\/\/blog.webex.com\/es\/#\/schema\/person\/b0c1bd1028a33308207093fd0ad4f38b"},"headline":"Progettazione di sistemi AI responsabili","datePublished":"2021-12-22T19:08:43+00:00","mainEntityOfPage":{"@id":"https:\/\/blog.webex.com\/collaboration\/hybrid-work\/designing-responsible-ai-systems\/"},"wordCount":1570,"image":{"@id":"https:\/\/blog.webex.com\/collaboration\/hybrid-work\/designing-responsible-ai-systems\/#primaryimage"},"thumbnailUrl":"https:\/\/blog.webex.com\/wp-content\/uploads\/2021\/12\/Responsible-AI.png","keywords":["Apprendimento automatico","Collaboration Solutions","intelligenza artificiale","Soluzioni per collaborazione"],"articleSection":["Collaborazione","Lavoro ibrido"],"inLanguage":"it-IT"},{"@type":"WebPage","@id":"https:\/\/blog.webex.com\/collaboration\/hybrid-work\/designing-responsible-ai-systems\/","url":"https:\/\/blog.webex.com\/collaboration\/hybrid-work\/designing-responsible-ai-systems\/","name":"Progettazione di sistemi AI responsabili | Webex Blog","isPartOf":{"@id":"https:\/\/blog.webex.com\/es\/#website"},"primaryImageOfPage":{"@id":"https:\/\/blog.webex.com\/collaboration\/hybrid-work\/designing-responsible-ai-systems\/#primaryimage"},"image":{"@id":"https:\/\/blog.webex.com\/collaboration\/hybrid-work\/designing-responsible-ai-systems\/#primaryimage"},"thumbnailUrl":"https:\/\/blog.webex.com\/wp-content\/uploads\/2021\/12\/Responsible-AI.png","datePublished":"2021-12-22T19:08:43+00:00","author":{"@id":"https:\/\/blog.webex.com\/es\/#\/schema\/person\/b0c1bd1028a33308207093fd0ad4f38b"},"breadcrumb":{"@id":"https:\/\/blog.webex.com\/collaboration\/hybrid-work\/designing-responsible-ai-systems\/#breadcrumb"},"inLanguage":"it-IT","potentialAction":[{"@type":"ReadAction","target":["https:\/\/blog.webex.com\/collaboration\/hybrid-work\/designing-responsible-ai-systems\/"]}]},{"@type":"ImageObject","inLanguage":"it-IT","@id":"https:\/\/blog.webex.com\/collaboration\/hybrid-work\/designing-responsible-ai-systems\/#primaryimage","url":"https:\/\/blog.webex.com\/wp-content\/uploads\/2021\/12\/Responsible-AI.png","contentUrl":"https:\/\/blog.webex.com\/wp-content\/uploads\/2021\/12\/Responsible-AI.png","width":975,"height":650,"caption":"Responsible AI"},{"@type":"BreadcrumbList","@id":"https:\/\/blog.webex.com\/collaboration\/hybrid-work\/designing-responsible-ai-systems\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/blog.webex.com\/it\/"},{"@type":"ListItem","position":2,"name":"Progettazione di sistemi AI responsabili"}]},{"@type":"WebSite","@id":"https:\/\/blog.webex.com\/es\/#website","url":"https:\/\/blog.webex.com\/es\/","name":"Webex Blog","description":"Webex by Cisco powers collaboration through industry-leading video conferencing, cloud calling and contact center solutions","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/blog.webex.com\/es\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"it-IT"},{"@type":"Person","@id":"https:\/\/blog.webex.com\/es\/#\/schema\/person\/b0c1bd1028a33308207093fd0ad4f38b","name":"Chris Rowen","image":{"@type":"ImageObject","inLanguage":"it-IT","@id":"https:\/\/blog.webex.com\/es\/#\/schema\/person\/image\/","url":"https:\/\/secure.gravatar.com\/avatar\/bce9fad1a2f3f17573ef7edc51855e0d34e48783c7971739ea4c157a2ea1759e?s=96&d=wp_user_avatar&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/bce9fad1a2f3f17573ef7edc51855e0d34e48783c7971739ea4c157a2ea1759e?s=96&d=wp_user_avatar&r=g","caption":"Chris Rowen"},"description":"Chris is a Silicon Valley entrepreneur and technologist known for his groundbreaking work developing RISC microprocessors, domain-specific architectures and deep learning-based software. As Vice President of Engineering for Webex Collaboration AI, Chris leads an engineering and product team focused on building smarter, clearer and more seamless speech, audio, visual and relationship intelligence experiences. Before joining Cisco, Chris was the cofounder and CEO of speech science technology company BabbleLabs, which was acquired by Cisco in 2020. Prior to that, he founded the processor licensing company, Tensilica, and led it as CEO before it was sold to Cadence in 2013. Chris holds greater than 40 U.S. and international patents, an MSEE and PhD in electrical engineering from Stanford and a BA in physics from Harvard. He was recognized in 2015 as an IEEE Fellow for his work in microprocessor architecture.","sameAs":["https:\/\/www.linkedin.com\/in\/chris-rowen-4310a61\/%20","https:\/\/www.linkedin.com\/in\/chris-rowen-4310a61\/"],"url":"https:\/\/blog.webex.com\/it\/contributors\/crowen\/"}]}},"_links":{"self":[{"href":"https:\/\/blog.webex.com\/it\/wp-json\/wp\/v2\/posts\/389838","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/blog.webex.com\/it\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/blog.webex.com\/it\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/blog.webex.com\/it\/wp-json\/wp\/v2\/users\/5417"}],"replies":[{"embeddable":true,"href":"https:\/\/blog.webex.com\/it\/wp-json\/wp\/v2\/comments?post=389838"}],"version-history":[{"count":0,"href":"https:\/\/blog.webex.com\/it\/wp-json\/wp\/v2\/posts\/389838\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/blog.webex.com\/it\/wp-json\/wp\/v2\/media\/382370"}],"wp:attachment":[{"href":"https:\/\/blog.webex.com\/it\/wp-json\/wp\/v2\/media?parent=389838"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/blog.webex.com\/it\/wp-json\/wp\/v2\/categories?post=389838"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/blog.webex.com\/it\/wp-json\/wp\/v2\/tags?post=389838"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}