Red Hot Cyber
Sicurezza Informatica, Notizie su Cybercrime, Analisi Vulnerabilità e Intelligenza Artificiale
Le Nazioni Unite hanno lanciato UN System Data Commons, una piattaforma che rende accessibili agli agenti IA circa 44 milioni di dati statistici verificati e tracciabili. Grazie al Model Context Protocol, i modelli possono interrogare fonti ONU diverse e combinarne gli indicatori, mantenendo il collegamento con le fonti originali.
La nuova piattaforma UN System Data Commons permette agli agenti di accedere a dati verificati tramite il Model Context Protocol. Le Nazioni Unite hanno lanciato un gateway unificato il 17 settembre, unendo set di dati frammentati provenienti da diverse organizzazioni in una struttura comune adatta per l’elaborazione automatica e la successiva verifica umana.
La piattaforma è costruita sulla tecnologia aperta Google Data Commons e presenta i dati come un grafo di conoscenze collegato. Il sistema abbina automaticamente gli indicatori, le serie temporali e i confini geografici, in modo che le informazioni provenienti da diverse fonti possano essere analizzate insieme.
L’utente può così cercare statistiche con domande normali in linguaggio naturale. Per gli agenti IA, l’elemento chiave è diventato l’MCP, un protocollo aperto per il collegamento standardizzato dei modelli a fonti esterne e strumenti. Google ha spiegato che un agente può ottenere tramite tale interfaccia gli indicatori necessari delle Nazioni Unite, collegare informazioni provenienti da diverse aree e trasformare il risultato in grafici, infografiche o una bozza di rapporto analitico.
All’avvio, UN System Data Commons offre circa 44 milioni di dataset, e 26 strutture fornite dal sistema delle Nazioni Unite che hanno aderito all’iniziativa. Gli indicatori conservano informazioni sulla loro origine, quindi è possibile tracciare un dato fino ad arrivare alla fonte originale. Tale meccanismo dovrebbe ridurre il rischio che un modello fornisca un valore plausibile senza una base comprensibile o mescoli set di statistiche incompatibili.
Un test preliminare di UNICEF ha mostrato quanto possano essere inaffidabili le risposte dei modelli a domande su tali statistiche. Sei grandi modelli linguistici hanno ottenuto una precisione media del 21,2% su più di 133.000 risposte. In circa tre casi su cinque, non c’era affatto un numero utile, e ripetendo la richiesta dopo due giorni, solo circa la metà delle risposte numeriche coincideva. Lo studio non è ancora stato sottoposto a revisione paritaria.
L’integrazione con l’MCP cambia il ruolo del portale. Prima era necessario cercare la statistica in singole banche dati, scaricarla e analizzarla manualmente. Ora un agente può eseguire diversi di questi passaggi all’interno di un unico compito. L’MCP stesso definisce un metodo comune per accedere a servizi esterni compatibili, quindi agli sviluppatori non è necessario inventare una nuova interfaccia di interazione per ogni integrazione.
La disponibilità di numeri verificati non garantisce conclusioni corrette del modello. Google avverte separatamente che anche lavorando con set di dati verificati, l’IA può interpretare erroneamente il contesto, le relazioni tra gli indicatori o la causalità. Pertanto, i numeri critici e le conclusioni devono comunque essere confrontati con le fonti primarie indicate da Data Commons.
Le Nazioni Unite prevedono di utilizzare la piattaforma come infrastruttura comune, e non come un altro catalogo isolato. Nei prossimi dodici mesi, il sistema integrerà nuovi set di dati, e entro il 2027 mira a coprire l’80% dei dati statistici delle organizzazioni delle Nazioni Unite. Il Segretario Generale António Guterres ha annunciato che il progetto è stato portato dall’idea al lancio in meno di nove mesi.
Google.org ha sostenuto la creazione del nucleo della piattaforma con un finanziamento di 2 milioni di dollari e assistenza tecnica. Il sistema è distribuito in un’istanza gestita dalle Nazioni Unite, e l’architettura è progettata per un ulteriore utilizzo autonomo. Il team di Google ha utilizzato l’approccio “insegna a insegnare”, affinché i dipendenti delle Nazioni Unite possano gradualmente assumere la gestione e lo scaling della nuova infrastruttura.
Per i sistemi agentici, tale accesso amplia l’utilità, ma aumenta anche le esigenze di controllo. L’IA è già in grado di accedere a API, database e altri strumenti esterni, e un errore nella logica o nel contesto può passare dal testo all’azione. Tale modello di minaccia è già stato analizzato nel caso di agenti a cui viene dato accesso a codice, dati e servizi aziendali.
RHC4Edu nasce dalla volontà della community di Red Hot Cyber di portare la cultura della cybersecurity, dell’intelligenza artificiale e del digitale direttamente nelle scuole, mettendo gratuitamente a disposizione degli studenti l’esperienza di professionisti, ricercatori e specialisti del settore. Il progetto è ufficialmente operativo e permette agli istituti interessati di richiedere workshop gratuiti e incontri con gli esperti della community, attraverso un coordinamento della redazione che mette in relazione le esigenze della scuola con le competenze e la disponibilità dei professionisti presenti sul territorio.
L’obiettivo di RHC4Edu non è trasformare gli studenti in tecnici informatici, ma aiutarli a sviluppare consapevolezza e pensiero critico davanti a un mondo sempre più digitale. Cybersecurity, truffe online, privacy, social network, cyberbullismo, fake news e intelligenza artificiale diventano così argomenti da affrontare con esempi concreti e con il contributo diretto di chi lavora quotidianamente nel settore. Un’iniziativa costruita sulla condivisione della conoscenza e sul volontariato della community, perché portare queste competenze nelle aule significa anche offrire ai ragazzi la possibilità di conoscere nuove professioni, sviluppare curiosità e imparare a vivere la tecnologia in modo più sicuro e consapevole.
Prenota il tuo workshop gratuito con gli esperti di Red Hot Cyber.