Programma della conferenza

Questo paper indaga il fenomeno del AI Ageism, ovvero l’insieme di pratiche e ideologie che operano nei sistemi di intelligenza artificiale (IA) discriminando, stigmatizzando o trascurando le persone anziane in ragione della loro età (Chu et al., 2022; Stypinska, 2023). Mentre le ricerche sui pregiudizi di genere incorporati e riprodotti dalle IA si stanno già avvicendando (Leavy, 2018; Walker, 2020; Browne et al., 2023 tra altri), c’è ancora poca letteratura su quelli basati sull’età (finora Putland et al., 2023; Byrne et al., 2024; Loos et al., 2024). La nostra ricerca mira a colmare questa lacuna dando conto, nello specifico, di come i chatbot di IA generativa (genAI) rappresentano le persone anziane e l’invecchiamento nei loro output testuali.
In un’epoca in cui lo scorrere del tempo di vita è connotato negativamente (Grenier, 2012; Comunello et al., 2022; Rosales et al., 2023) e i concetti di giovinezza e vecchiaia sono annodati a narrazioni stereotipate su innovazione tecnologica e pratiche digitali (Peine & Neven, 2021; Fernández-Ardèvol, 2023; Mertala et al., 2024), analizzare come ne parlano le genAI ci offre una prospettiva privilegiata sui repertori culturali ageisti radicati nella nostra società. Gli studi recenti sulle genAI dimostrano, infatti, che queste (ri)producono le disuguaglianze sociali a cui sono state “esposte” in fase di design e training (Airoldi, 2022; Barassi, 2024). Queste nuove tecnologie sono emulatori di default della socialità umana (Natale & Depounti, 2024; Gillespie, 2024) e nuovi interlocutori comunicativi (Esposito, 2022; Natale & Guzman, 2022; Bolin, 2024), progettati per creare contenuti apparentemente autentici (Hacker et al., 2024) ma non necessariamente accurati (Kay et al., 2024). Le genAI imparano dai dati in cui, tuttavia, sono riflesse relazioni di potere e asimmetrie sociali (Thylstrup, 2022); dunque, è nell’interazione quotidiana con i chatbot che vengono in evidenza i bias sulla terza età che operano nei dataset utilizzati per programmare e allenare questi sistemi socio-tecnici (Fernández-Ardèvol & Grenier, 2024; Gallistl et al., 2024).
Per questo, dal punto di vista metodologico, abbiamo utilizzato l’intervista semi-strutturata come punto di accesso alla filiera del machine learning (Rama & Airoldi, forthcoming), replicando con i chatbot l’approccio conversazionale proprio della ricerca sociale con partecipanti umani. Abbiamo intervistato ChatGPT, Gemini, Copilot, Perplexity e Jasper in inglese (lingua di addestramento delle generative AI), geolocalizzando due intervistatori fittizi nel Regno Unito (paese anglofono più vicino all’Europa) e sterilizzando il setting d’interazione (con protocollo appositamente creato). La traccia dell’intervista includeva domande sia sull’ageismo che sul sessismo, entrambi riferiti all’ambito digitale: le due sfere di discriminazione servivano, infatti, a sottolineare l’invisibilità socioculturale della prima dal confronto con la seconda (Rosales et al., 2023); il riferimento al regno digitale serviva, invece, a far emergere facilmente gli stereotipi in quanto ambito dominato da uomini (e) giovani (Klinger & Svensson, 2021; Mannheim, 2023).
L’analisi tematica delle risposte fornite dai chatbot mostra che i sistemi di genAI sono stati addestrati a fornire risposte “politicamente corrette” per evitare stereotipi sessisti ma non anche quelli ageisti. Si tratta di un doppio standard riconducibile al diverso grado di sensibilità culturale che la società ha maturato nei confronti delle discriminazioni basate sul genere e sull’età, e che i chatbot inevitabilmente replicano consolidandolo nel tempo. Inoltre, dalle interviste è emerso che le genAI connotano in modo diverso le proprie utility (i.e., le funzioni per cui sono progettate/utilizzate) sulla base dei dati demografici dell’utenza, svelando così l’interferenza degli stereotipi sui propri sistemi di apprendimento ed elaborazione delle informazioni. In questo caso il doppio standard opera nei confronti sia delle persone anziane che delle donne, dimostrando che sia gli stereotipi sessisti che quelli ageisti influiscono su come i chatbot interpretano le proprie interazioni con gli utenti, nonostante queste si assomiglino.