Un episodio interamente basato sul documento caricato, in forma di monologo divulgativo, per riflettere sul divario di genere nell’intelligenza artificiale, sulle sue cause storiche e culturali, e su perché la diversità non sia solo una questione di equità ma di qualità tecnologica.
Questo episodio è prodotto dall'Università del Salento con il supporto di tecnologie di Intelligenza Artificiale. Le voci presenti sono sintetiche e/o clonate artificialmente, così come i dialoghi e parte della realizzazione sonora del podcast.
Tutti i contenuti sono sottoposti a supervisione e verifica umana continua, al fine di garantire accuratezza, affidabilità e qualità delle informazioni condivise.
00:00:10
Immaginiamola davvero, questa stanza.
00:00:14
Una stanza piena di computer, di schermi luminosi un po' ovunque,
00:00:17
di finestre aperte su grafici, righe di codice, tabelle che scorrono veloci.
00:00:23
Su una lavagna, in fondo, si intravedono formule che a un primo sguardo sembrano
00:00:28
quasi eleganti, e a un secondo diventano subito incomprensibili.
00:00:32
Intorno a un tavolo ci sono persone che discutono, anche con una certa intensità,
00:00:38
di modelli predittivi, di reti neurali, di algoritmi, di dati,
00:00:42
di variabili.
00:00:43
C'è magari un ragazzo seduto su una di quelle sedie comode da gaming,
00:00:47
apre tre fogli di calcolo, due ambienti di sviluppo, e con l'altra mano prende un
00:00:52
pezzo di pizza.
00:00:53
Un collega passa, gli dà una pacca sulla spalla.
00:00:57
La scena è quasi familiare, no?
00:00:59
Se pensiamo all'intelligenza artificiale, spesso la immaginiamo così.
00:01:03
Un laboratorio, o comunque uno spazio tecnico, vivace, acceso,
00:01:08
affollato di strumenti e di persone che stanno progettando qualcosa che avrà un
00:01:13
impatto sul mondo.
00:01:15
Ecco, il punto è proprio questo: guardarla bene, quella stanza.
00:01:20
Fermarsi un attimo.
00:01:21
Non soltanto vedere i computer, non soltanto vedere il fascino un po'
00:01:26
cinematografico dell'innovazione, ma osservare le persone che ci sono dentro.
00:01:30
Chi occupa quelle sedie?
00:01:33
Chi parla?
00:01:34
Chi decide?
00:01:35
Chi addestra i modelli?
00:01:37
Chi costruisce davvero l'architettura dei sistemi che poi entrano,
00:01:42
un pezzo alla volta, nella nostra vita quotidiana?
00:01:46
Io credo che, se facessimo questo esercizio con sincerità, la maggior parte di noi
00:01:50
arriverebbe più o meno alla stessa immagine.
00:01:53
E non come impressione vaga, non come sensazione superficiale,
00:01:58
ma come qualcosa che trova conferma nei numeri.
00:02:01
Nella maggior parte dei casi, quelle stanze sono dominate dagli uomini.
00:02:05
Non da soli uomini, certo.
00:02:08
Non in modo assoluto.
00:02:09
Ma in modo maggioritario, sì.
00:02:12
E quando si parla di intelligenza artificiale questo dato diventa molto evidente.
00:02:18
Secondo diversi studi internazionali, le donne rappresentano circa il ventinove per
00:02:23
cento della forza lavoro globale nel settore dell'AI.
00:02:26
Questo significa che il settantuno per cento delle persone che lavorano allo
00:02:30
sviluppo dell'intelligenza artificiale sono uomini.
00:02:33
Già qui si avverte uno squilibrio netto, piuttosto chiaro.
00:02:37
Ma se si restringe ancora di più il campo, se si smette di guardare il settore in
00:02:41
generale e si entra nella ricerca scientifica più pura, quella che progetta i nuovi
00:02:45
algoritmi, che addestra i modelli, che costruisce nuove architetture,
00:02:49
allora il quadro diventa ancora più sbilanciato.
00:02:52
Solo circa il dodici per cento dei ricercatori di intelligenza artificiale nel mondo
00:02:57
sono donne.
00:02:59
Dodici per cento.
00:03:01
È un numero che resta addosso.
00:03:03
Perché a quel punto non stiamo parlando soltanto di presenza nel settore,
00:03:07
ma di presenza nei luoghi in cui il settore prende forma.
00:03:11
Nei luoghi in cui il futuro tecnologico viene definito.
00:03:15
In cui si decide, spesso senza dirlo in questi termini, che cosa una macchina potrà
00:03:20
fare, che cosa sarà capace di riconoscere, a quali problemi verrà applicata,
00:03:25
con quali criteri verrà giudicata efficace.
00:03:29
Allora sì, forse si potrebbe dire così: il futuro tecnologico del nostro pianeta,
00:03:34
almeno in questo momento, viene progettato in grandi stanze come quella che abbiamo
00:03:39
immaginato.
00:03:40
Stanze luminose, operative, piene di intelligenza e di competenza.
00:03:45
Ma non particolarmente equilibrate dal punto di vista della rappresentanza.
00:03:50
E questa non è una nota marginale.
00:03:53
Non è un dettaglio da aggiungere alla fine.
00:03:55
È una parte della storia.
00:03:58
Naturalmente questo non vuol dire che le donne non esistano nel mondo della
00:04:01
tecnologia.
00:04:02
Sarebbe falso, e anche ingiusto.
00:04:05
Le donne ci sono.
00:04:06
Nel mondo tech, in senso ampio, la presenza femminile arriva intorno al quaranta per
00:04:12
cento.
00:04:12
Però il dato cambia quando si va a guardare i ruoli più tecnici e specializzati.
00:04:18
Ingegneria del software, machine learning, data science avanzata: lì il calo è
00:04:24
importante.
00:04:25
Le donne ci sono, sì, ma sono molto più rare quelle che progettano gli algoritmi più
00:04:30
complessi.
00:04:31
E soprattutto sono rarissime, purtroppo, quelle che guidano i team tecnici.
00:04:37
Questa è una delle cose che colpisce di più: non tanto l'idea di un'assenza totale,
00:04:42
che non esiste, ma quella di una presenza che si assottiglia man mano che ci si
00:04:46
avvicina al nucleo del potere tecnico.
00:04:48
Come se ai bordi del settore ci fosse più spazio, e poi, andando verso il centro,
00:04:54
il numero si riducesse sempre di più.
00:04:56
Meno nelle decisioni, meno nella ricerca, meno nella leadership dei gruppi che
00:05:01
costruiscono.
00:05:03
E allora quella stanza iniziale cambia significato.
00:05:06
Non è più soltanto la stanza affascinante dell'innovazione.
00:05:09
Diventa anche una stanza da interrogare.
00:05:11
Perché se è lì che si progettano sistemi destinati a intervenire nella realtà,
00:05:16
e se a farlo è una composizione così poco equilibrata, forse vale la pena domandarsi
00:05:21
che cosa questo produca.
00:05:22
Non ancora come risposta definitiva, no.
00:05:25
Più come apertura, come una soglia.
00:05:27
Chi costruisce l'intelligenza artificiale?
00:05:30
Da quali esperienze del mondo parte?
00:05:32
E soprattutto, che cosa resta fuori quando a progettare è soprattutto una sola parte
00:05:37
della società?
00:05:39
La domanda successiva viene quasi da sé: perché accade?
00:05:42
Perché le donne sono meno presenti nell'intelligenza artificiale,
00:05:46
soprattutto proprio nelle aree più tecniche, più specializzate,
00:05:49
più decisive?
00:05:50
E qui le spiegazioni sono tante, si intrecciano, si sovrappongono.
00:05:54
Non c'è probabilmente una sola causa semplice.
00:05:58
C'è piuttosto una dinamica che si costruisce nel tempo, un insieme di passaggi,
00:06:02
di aspettative, di incoraggiamenti e scoraggiamenti, di immagini culturali che si
00:06:08
sedimentano quasi senza fare rumore.
00:06:11
In molti paesi del mondo, per esempio, le iscrizioni femminili all'università sono
00:06:16
addirittura superiori a quelle maschili.
00:06:18
Questo è importante dirlo, perché smonta subito un'idea troppo comoda: non è che le
00:06:24
donne manchino all'inizio del percorso.
00:06:27
Non è che non studino, o che non entrino nei luoghi della formazione.
00:06:32
I numeri iniziali, in molti casi, sono abbastanza equilibrati.
00:06:37
Eppure, qualcosa succede lungo il cammino.
00:06:40
Come se a un certo punto il sentiero si stringesse.
00:06:44
L'immagine più efficace, forse, è proprio quella di un imbuto invisibile.
00:06:48
All'inizio lo spazio sembra ampio.
00:06:50
Ci si entra in molte, con possibilità apparentemente aperte.
00:06:55
Poi però, man mano che ci si avvicina ai settori più tecnici e specialistici,
00:06:59
le percentuali calano.
00:07:00
Diminuiscono ancora.
00:07:02
E poi ancora.
00:07:04
Finché quell'imbuto, che all'inizio sembrava quasi trasparente,
00:07:08
finisce per diventare evidente.
00:07:10
Molto evidente.
00:07:14
E non si tratta, almeno non soltanto, di una questione individuale.
00:07:18
Non è una faccenda da leggere con la lente della predisposizione naturale,
00:07:22
del talento misterioso che alcuni avrebbero e altri no.
00:07:26
Il testo da cui partiamo lo dice con chiarezza: non perché le donne,
00:07:31
o le ragazze, manchino di capacità.
00:07:34
Ma perché esistono stereotipi culturali che continuano a resistere.
00:07:38
A volte in modo esplicito, a volte in modo sotterraneo.
00:07:43
La matematica è da maschi.
00:07:45
Il coding è da nerd.
00:07:48
E i nerd, nella narrativa popolare, sono quasi sempre maschi.
00:07:53
Sono frasi che sembrano banali, perfino vecchie, e invece continuano ad agire.
00:07:58
Magari non sempre come divieti netti, ma come piccoli orientamenti ripetuti nel
00:08:03
tempo.
00:08:03
Un incoraggiamento in meno.
00:08:05
Un modello in meno.
00:08:07
Un'immagine in meno in cui riconoscersi.
00:08:10
E così, passo dopo passo, si costruisce un ambiente in cui alcune ragazze finiscono
00:08:15
per sentirsi un po' meno chiamate, un po' meno attese, un po' meno legittimate ad
00:08:20
avvicinarsi alle materie STEM.
00:08:22
Durante l'adolescenza, certo, ma anche più avanti, nei percorsi di studio più
00:08:27
maturi.
00:08:29
La conseguenza è che questo divario si allarga proprio là dove il lavoro diventa più
00:08:33
tecnico.
00:08:34
E qui il punto, per me, si fa molto interessante.
00:08:38
Perché spesso si affronta il tema come se fosse solo un problema di equità.
00:08:43
Che già sarebbe abbastanza, intendiamoci.
00:08:45
Ma non è solo questo.
00:08:47
Il problema è anche, e forse soprattutto, la qualità delle tecnologie che
00:08:52
costruiamo.
00:08:54
L'intelligenza artificiale non nasce nel vuoto.
00:08:57
Questa è una cosa che andrebbe ripetuta piano, con calma.
00:09:00
La macchina non decide da sola come funziona il mondo.
00:09:04
Gli algoritmi imparano dai dati.
00:09:06
E i dati arrivano dalla società.
00:09:08
La società è fatta di persone.
00:09:10
Le tecnologie vengono progettate da persone, con una certa formazione,
00:09:15
una certa cultura, una certa esperienza del mondo.
00:09:18
Questo vuol dire che non esiste un punto di vista neutro che scenda dall'alto dentro
00:09:22
ai sistemi.
00:09:23
Esiste sempre un processo umano di selezione, di progettazione,
00:09:27
di interpretazione.
00:09:30
Allora, se il gruppo che progetta queste tecnologie è poco diversificato,
00:09:34
se c'è un disequilibrio forte nella rappresentanza, il rischio è che anche le
00:09:39
tecnologie riflettano inconsapevolmente una visione limitata della realtà.
00:09:43
Non necessariamente per cattiva volontà.
00:09:46
Anzi, molto spesso no.
00:09:48
Ma proprio perché certi punti ciechi, quando sono condivisi da quasi tutti quelli
00:09:52
che stanno nella stanza, smettono di apparire come punti ciechi.
00:09:56
Diventano normalità.
00:09:58
Diventano il modo in cui si pensa che il mondo sia fatto.
00:10:02
È qui che rientra il tema dei bias di genere nei sistemi di intelligenza
00:10:05
artificiale, richiamato anche nel documento.
00:10:08
Se alcuni sistemi hanno riflesso bias di genere, forse la domanda non è soltanto
00:10:14
tecnica.
00:10:14
Forse è anche sociale, culturale, perfino simbolica.
00:10:18
Chi ha costruito quei sistemi?
00:10:21
Con quali dati?
00:10:22
Con quale immaginario?
00:10:24
Con quale pluralità di esperienze oppure, al contrario, con quale ristrettezza di
00:10:29
prospettive?
00:10:31
Ecco perché parlare di partecipazione femminile nell'AI non significa fare un
00:10:35
discorso separato, laterale, quasi decorativo.
00:10:38
Significa parlare del cuore della tecnologia.
00:10:42
Della sua capacità di comprendere, o almeno di approssimare,
00:10:45
la complessità del mondo in cui verrà usata.
00:10:48
Se nella stanza delle decisioni entrano sempre gli stessi sguardi,
00:10:52
le stesse biografie, gli stessi riferimenti, il rischio è che anche l'intelligenza
00:10:57
artificiale finisca per restituirci un'immagine parziale della realtà.
00:11:02
E una tecnologia parziale, quando viene applicata su larga scala,
00:11:06
non resta mai un fatto solo tecnico.
00:11:10
Forse è questo il passaggio più delicato.
00:11:14
Non si tratta semplicemente di aggiungere più donne a una fotografia già fatta.
00:11:19
Si tratta di chiedersi se quella fotografia, così com'è, sia sufficiente a
00:11:24
progettare strumenti che dovrebbero riguardare tutti.
00:11:27
E da questa domanda, in fondo, discendono tutte le altre.
00:11:33
C'è poi un altro aspetto che trovo quasi paradossale, e anche molto rivelatore.
00:11:37
Quando si pensa ai grandi innovatori tecnologici moderni, i nomi che vengono in
00:11:42
mente sono quasi sempre maschili.
00:11:44
Steve Jobs, Mark Zuckerberg, Bill Gates...
00:11:48
ecco, nomi, volti, narrazioni.
00:11:52
L'immaginario contemporaneo della tecnologia è costruito così: il genio,
00:11:57
il visionario, il fondatore, l'uomo che cambia il mondo da un garage,
00:12:01
da una startup, da un campus.
00:12:05
È una storia molto potente, talmente potente da sembrare naturale.
00:12:09
Eppure la storia dell'informatica, quella vera, è piena di figure femminili
00:12:14
fondamentali.
00:12:16
Ada Lovelace, per esempio.
00:12:17
Nell'Ottocento scrisse quello che oggi viene considerato il primo algoritmo della
00:12:22
storia.
00:12:22
Lo fece per Charles Babbage, che aveva creato una macchina analitica.
00:12:26
Già solo questo dovrebbe bastare a incrinare molti stereotipi.
00:12:30
Una pioniera dell'informatica moderna si trova all'inizio stesso del racconto,
00:12:34
non ai margini.
00:12:36
Non dopo.
00:12:37
All'inizio.
00:12:38
Poi c'è Grace Hopper, figura chiave nello sviluppo dei primissimi linguaggi di
00:12:42
programmazione, tra cui il COBOL.
00:12:45
Anche qui, non una presenza secondaria, non una comparsa da ricordare a parte.
00:12:50
Una protagonista.
00:12:52
Una di quelle persone senza cui il campo non sarebbe stato lo stesso.
00:12:57
E in effetti, nei primi decenni dell'informatica, programmare era considerato un
00:13:01
lavoro più adatto alle donne.
00:13:03
Questa cosa colpisce sempre, perché è quasi l'opposto della percezione attuale.
00:13:08
Negli anni Quaranta, negli anni Cinquanta, molte delle persone che scrivevano codice
00:13:12
erano donne.
00:13:13
Dunque la domanda cambia ancora: se all'inizio la presenza femminile era così
00:13:18
significativa, che cosa è successo dopo?
00:13:21
Secondo il materiale da cui stiamo partendo, il cambiamento arriva quando il settore
00:13:25
informatico comincia a diventare molto più prestigioso e molto ben pagato.
00:13:30
In quel momento la narrazione culturale si sposta.
00:13:33
E il campo diventa progressivamente maschile.
00:13:37
È un passaggio quasi brutale nella sua chiarezza.
00:13:40
Finché un lavoro è percepito in un certo modo, può essere associato alle donne.
00:13:45
Quando però quel lavoro acquisisce prestigio, status, riconoscimento economico,
00:13:50
allora cambia anche chi viene immaginato come suo protagonista legittimo.
00:13:56
La storia della tecnologia, in questo senso, è davvero un paradosso continuo.
00:14:00
Da una parte abbiamo figure femminili fondative, essenziali.
00:14:05
Dall'altra abbiamo un presente in cui, nei ruoli tecnici più avanzati,
00:14:10
la presenza femminile si riduce drasticamente.
00:14:12
Come se il settore avesse dimenticato una parte della propria genealogia.
00:14:17
O forse l'avesse tenuta sullo sfondo, mentre al centro si consolidava un'altra
00:14:22
immagine, molto più maschile, molto più uniforme.
00:14:27
Però qualche segnale di cambiamento c'è.
00:14:29
Non abbastanza da parlare di equilibrio, questo no.
00:14:32
Il panorama dell'intelligenza artificiale oggi non è affatto equilibrato.
00:14:37
Però rispetto al passato, forse, qualcosa si sta muovendo.
00:14:41
Ci sono più programmi di mentoring, borse di studio dedicate,
00:14:45
iniziative nelle scuole.
00:14:46
Il senso di questi interventi sembra essere quello di allargare la partecipazione.
00:14:52
E già questo conta, perché significa riconoscere che il problema esiste e che non
00:14:56
può essere lasciato semplicemente alla spontaneità del mercato o del tempo.
00:15:02
C'è anche un altro elemento interessante.
00:15:04
Le nuove generazioni hanno un rapporto molto diverso con la tecnologia.
00:15:08
L'intelligenza artificiale non appare più soltanto come qualcosa di distante,
00:15:13
iperspecialistico, chiuso dentro laboratori separati dal resto del mondo.
00:15:17
È qualcosa che si usa quotidianamente, che entra nella vita ordinaria,
00:15:21
che sembra più accessibile.
00:15:23
Questo clima, questo mood di maggiore diffusione e minore distanza culturale,
00:15:28
può essere importante.
00:15:29
Perché una tecnologia che smette di sembrare territorio esclusivo di pochi può forse
00:15:34
diventare uno spazio in cui più persone immaginano di poter entrare davvero.
00:15:39
Io credo che sia qui che si apre la parte più interessante della riflessione.
00:15:43
Non tanto nello stabilire una sentenza sul presente, ma nel guardare al fatto che il
00:15:48
futuro non è qualcosa che semplicemente accade.
00:15:51
È qualcosa che viene progettato.
00:15:53
Lo progettiamo noi.
00:15:55
E se quel progetto arriva solo da una parte della società, il risultato rischia di
00:15:59
essere incompleto.
00:16:01
Non necessariamente inutile, non necessariamente fallimentare,
00:16:05
ma incompleto sì.
00:16:07
Come un racconto raccontato da una voce sola.
00:16:11
Forse allora la domanda non è soltanto quante donne lavorino nell'intelligenza
00:16:15
artificiale.
00:16:16
Forse la domanda più viva è un'altra: quanto potrebbe diventare più ricca,
00:16:21
più intelligente, più capace questa tecnologia se più persone diverse partecipassero
00:16:27
alla sua costruzione?
00:16:28
Quanto cambierebbe la qualità dello sguardo incorporato nei sistemi?
00:16:33
Quanto si allargherebbe il campo delle domande possibili, dei problemi riconosciuti,
00:16:38
delle soluzioni immaginate?
00:16:40
Non ho l'impressione che esista una risposta chiusa, definitiva.
00:16:44
Anzi, forse è meglio così.
00:16:46
Perché vuol dire che siamo ancora in una fase in cui qualcosa può essere spostato.
00:16:51
In cui la stanza delle decisioni non è per forza destinata a restare identica a se
00:16:56
stessa.
00:16:57
Forse tra qualche anno il panorama dell'intelligenza artificiale sarà molto più
00:17:02
equilibrato.
00:17:03
Forse no, o forse solo in parte.
00:17:06
Ma il punto è che dipenderà da chi entra nella stanza, da chi resta,
00:17:10
da chi riesce a essere ascoltato, da chi non viene perso lungo l'imbuto.
00:17:16
E mentre l'intelligenza artificiale continua ad avanzare, a diffondersi,
00:17:20
a diventare sempre meno distante e sempre più presente, questa domanda resta lì,
00:17:25
aperta, quasi sospesa: non solo chi sta costruendo il futuro,
00:17:30
ma chi potrebbe ancora partecipare a costruirlo...
00:17:33
se davvero decidessimo di allargare il progetto.

