EISSN 2039-6880
home / Archivio / Fascicolo / Machine learning e sport: i problemi legati al trattamento dei dati personali
indietro stampa articolo indice fascicolo leggi articolo leggi fascicolo
Machine learning e sport: i problemi legati al trattamento dei dati personali
Maria Laura Guardamagna, Avvocato del Foro di Milano; docente a contratto presso Limec SSML; membro della Commissione Disciplinare e del Collegio Arbitrale UCI
L’intelligenza Artificiale è l’abilità della macchina di elaborare dati per fornire decisioni e previsioni. Il Machine learning è un sottoinsieme dell’Intelligenza Artificiale che si occupa di creare sistemi di autoapprendimento. Il Machine learning è ampiamente utilizzato nello sport. Nell’analizzare grande quantità di dati con processi decisionali automatizzati si rende necessario garantire ai singoli individui un consenso informato sulla tipologia di trattamento nel rispetto della privacy e dei diritti fondamentali.
Parole chiave: consenso – dato – GDP R– machine learning – privacy-sport-trattamento dati.
Artificial intelligence is the machine’s ability to process data to provide decisions and predictions. Machine learning is a subset of Artificial Intelligence that deals with creating self-learning systems. Machine learning is widely used in sport. When analysing large amounts of data with automated decision-making processes, it is necessary to ensure that individuals give informed consent to the type of processing while respecting privacy and fundamental rights.
Keywords: Approval – data processing – GDPR – machine learning –privacy-sport.
1. Machine learning: definizione e campo di applicazione
L’intelligenza artificiale (IA) è la capacità della macchina di gestire dei processi numerici al fine di apprendere, elaborare e ordinare.
Il Machine learning, ovvero l’apprendimento automatico, è una delle tecniche dell’IA mediante la quale vengono gestite grande quantità di dati per fornire suggerimenti, previsioni e decisioni atomizzate.
Il Machine learning apprende dall’esperienza, lavora per algoritmi prendendo in considerazione un elevato numero di dati e di variabili: più dati vengono inseriti nel sistema, più accurato è il risultato.
A seconda del tipo di algoritmo utilizzato si possono avere tre sistemi di apprendimento:
i) supervisionato, quando alla macchina vengono fornite indicazioni precise e può essere costituito un database di esperienza (per esempio, raccolgo i nomi dei calciatori militanti in squadre di Serie A infortunati durante il girone di andata del campionato, inserisco il nome di un calciatore e chiedo alla macchina se rientra [continua..]
Ventuno