Piattaforma intelligenza artificiale opere d'arte: come RITHMS potenzia la sicurezza del patrimonio
- Marc Griffith
- 1 gen
- Tempo di lettura: 4 min
Come funziona la piattaforma
La piattaforma agisce in diverse fasi. La prima è la raccolta dei dati: utilizzando 50 data scraper, ovvero software in grado di estrarre dati dalla rete, vengono interrogate fonti aperte quali siti di vendita all'asta, gallerie, notizie su media specializzati, social media e database di beni culturali. La fase successiva riguarda l'interpretazione e la sistematizzazione di questi dati.
È qui che entra in gioco l intelligenza artificiale, con algoritmi di Natural Language Processing che trasformano i testi raccolti dagli scraper in un sistema organizzato e coerente di dati. Questi dati vengono successivamente visualizzati in un knowledge graph capace di mostrare le relazioni tra oggetti, persone ed enti. «Qui applichiamo la social network analysis, analizzando cioè le reti sociali che estraiamo dai dati raccolti», spiega Arianna Travaglia, coordinatrice del Center for Cultural Heritage Technologies (CCHT) dell IIT a Venezia.
Si usano, cioè, gli stessi algoritmi impiegati per analizzare i collegamenti sui social network. La differenza è che in questo contesto le connessioni riguardano interazioni sospette e piste investigative utili agli operatori per verificare la provenienza di un manufatto, descrivendo operazioni che mirano a ricreare una provenance legittima o a facilitare il riciclaggio di denaro legato al traffico di opere d arte.
Il lavoro delle forze dell'ordine
È bene specificare che RITHMS non indica colpevoli da arrestare. «Nessun giudice riterrebbe una prova generata da un'intelligenza artificiale come valida per essere portata in tribunale», sottolinea Travaglia. «Noi generiamo operazioni di intelligence che poi vanno investigate tradizionalmente».
La piattaforma è riuscita a generare un knowledge graph con oltre 2 milioni di entità, seconda solo al database dei Carabinieri per la Tutela del Patrimonio Culturale, che contiene la catalogazione di quasi 7 milioni di opere d'arte, di cui circa 1,3 milioni denunciate come rubate. Inoltre, è stato evidenziato che la UE ha finanziato la piattaforma con 5 milioni di euro, a testimonianza dell interesse pubblico nel rafforzare strumenti di intelligence per la protezione del patrimonio culturale su scala transfrontaliera.
Implicazioni per innovatori e startup
Questo tipo di soluzione non riguarda solo il mondo della cultura. L approccio combinato di data scraping, NLP e knowledge graph offre una cornice applicabile a contesti analoghi in cui è necessario correlare grandi volumi di dati eterogenei, identificare pattern e generare insight affidabili per decisioni operative rapide. Per una startup, rappresenta una conferma del valore di investire in kit tecnologici modulabili: automazione della raccolta dati, analisi semantica e strumenti di visualizzazione delle relazioni tra attori, beni e contesti.
Paragrafo di dibattito: pro e contro, prospettive e rischi
La piattaforma RITHMS rappresenta una tendenza forte nel campo della sicurezza del patrimonio e della governance dei dati. Da un lato, l investimento in AI per l identificazione di reti di traffico, provenienze non chiare e riciclaggio di opere d'arte offre una leva notevole per accelerare le indagini e ridurre i tempi di intervento. L uso di 50 data scraper porta ad una copertura ampia e sistemica di fonti online, che diventa una risorsa utile per ricostruire catene di provenienza e tracciare transazioni che coinvolgono opere d arte potenzialmente rubate. Il knowledge graph con oltre 2 milioni di entità dimostra la scalabilità di questo approccio e l eventuale valore in altri settori dove la tracciabilità e la provenance sono centrali, come il commercio di beni di alto valore o la supply chain critica. Anche il sostegno finanziario dell Unione europea, pari a 5 milioni di euro, segnala un chiaro endorsement pubblico: l innovazione tecnologica può fungere da infrastruttura di sicurezza strategica.
Ma esistono anche rischi e limiti che meritano attenzione. Innanzitutto, l affidabilità dei modelli di AI dipende dalla qualità dei dati: se le fonti contengono errori o bias, i knowledge graph possono generare correlazioni fuorvianti, con potenziali conseguenze legali. L utilizzo di dati aperti implica una discussione su privacy, responsabilità e governance: le reti analizzate potrebbero includere persone o enti non coinvolti in attività illecite, con rischi di falsi positivi. Inoltre, l effettiva efficacia di una piattaforma di questo tipo dipende da una buona integrazione tra tecnologia e indagine tradizionale: l AI non sostituisce l analisi umana, ma la potenzia. Questo implica un modello di business che preveda formazione, standard di dati e processi di verifica condivisi tra enti pubblici, forze dell ordine e settore privato.
Una prospettiva alterna è quella di pensare a soluzioni simili non solo per il patrimonio culturale, ma come template per settori dove la tracciabilità è critica: larga adozione di metadata, interoperabilità tra database, e strumenti di intelligenza artificiale che ampliano la capacità di correlare segnali provenienti da fonti diverse. Se si guarda all ecosistema globale, l opportunità per startup è duplice: costruire piattaforme di sicurezza basate su AI per settori affini e fornire servizi di consulenza su governance dei dati, etica e conformità normativa. D altro canto, occorre una maturazione del quadro normativo in tema di responsabilità delle soluzioni di intelligence artificiale, definendo chiaramente limiti, diritti e meccanismi di controllo.
