L’AI SI ALLENA CON I NOSTRI VOLTI E DOCUMENTI PERSONALI: LO SCANDALO PRIVACY CHE STIAMO IGNORANDO

da | 26 Lug 2025

Milioni di dati personali, inclusi volti, documenti d’identità e CV, finiscono nei dataset open source usati per addestrare l’intelligenza artificiale. Un audit accademico rivela l’entità del problema e mette in discussione le basi giuridiche e tecniche dell’AI generativa.

Si scopre l’esistenza di un mega database di dati personali, volti, documenti d’identità, certificati di nascita eccetera, usato per allenare l’intelligenza artificiale. La questione emerge grazie al paper accademico “A Common Pool of Privacy Problems”[1] (Hong et al., giugno 2025) che però ci fa capire anche la dimensione più vasta del problema.

Ossia: tutto ciò che è stato pubblicato online rischia di essere divorato dall’AI. Con buona pace della privacy e delle norme europee.

Il paper infatti offre un’analisi approfondita su uno dei temi più critici e meno discussi dell’intelligenza artificiale generativa: la natura dei dati su cui i modelli vengono addestrati.

Utilizzando come caso di studio il dataset DataComp CommonPool (12,8 miliardi di coppie immagine-testo raccolte da internet tra il 2014 e il 2022), gli autori conducono un’audit tecnico-legale senza precedenti. L’evidenza che ne emerge è netta, anche i dataset teoricamente “open” e “anonimizzati” possono contenere informazioni personali sensibili, inclusi volti, indirizzi, documenti d’identità, certificati di nascita, email, numeri di carte di credito, CV e persino dati sui minori.

Fonte: https://www.agendadigitale.eu/