Breve panoramica sul Machine Learning.
La presentazione non è pensata per un pubblico tecnico ed include informazioni di base su 3 argomenti (secondo me) fondamentali:
1. definizione di ML
2. tipologie di ML (per tipo di apprendimento e per tipo di output)
3. algoritmi
What Is Deep Learning? | Introduction to Deep Learning | Deep Learning Tutori...Simplilearn
This Deep Learning Presentation will help you in understanding what is Deep learning, why do we need Deep learning, applications of Deep Learning along with a detailed explanation on Neural Networks and how these Neural Networks work. Deep learning is inspired by the integral function of the human brain specific to artificial neural networks. These networks, which represent the decision-making process of the brain, use complex algorithms that process data in a non-linear way, learning in an unsupervised manner to make choices based on the input. This Deep Learning tutorial is ideal for professionals with beginners to intermediate levels of experience. Now, let us dive deep into this topic and understand what Deep learning actually is.
Below topics are explained in this Deep Learning Presentation:
1. What is Deep Learning?
2. Why do we need Deep Learning?
3. Applications of Deep Learning
4. What is Neural Network?
5. Activation Functions
6. Working of Neural Network
Simplilearn’s Deep Learning course will transform you into an expert in deep learning techniques using TensorFlow, the open-source software library designed to conduct machine learning & deep neural network research. With our deep learning course, you’ll master deep learning and TensorFlow concepts, learn to implement algorithms, build artificial neural networks and traverse layers of data abstraction to understand the power of data and prepare you for your new role as deep learning scientist.
Why Deep Learning?
It is one of the most popular software platforms used for deep learning and contains powerful tools to help you build and implement artificial neural networks.
Advancements in deep learning are being seen in smartphone applications, creating efficiencies in the power grid, driving advancements in healthcare, improving agricultural yields, and helping us find solutions to climate change. With this Tensorflow course, you’ll build expertise in deep learning models, learn to operate TensorFlow to manage neural networks and interpret the results.
You can gain in-depth knowledge of Deep Learning by taking our Deep Learning certification training course. With Simplilearn’s Deep Learning course, you will prepare for a career as a Deep Learning engineer as you master concepts and techniques including supervised and unsupervised learning, mathematical and heuristic aspects, and hands-on modeling to develop algorithms.
There is booming demand for skilled deep learning engineers across a wide range of industries, making this deep learning course with TensorFlow training well-suited for professionals at the intermediate to advanced level of experience. We recommend this deep learning online course particularly for the following professionals:
1. Software engineers
2. Data scientists
3. Data analysts
4. Statisticians with an interest in deep learning
Artificial Neural Networks Lect7: Neural networks based on competitionMohammed Bennamoun
This document summarizes key concepts about neural networks based on competition. It discusses fixed weight competitive networks including Maxnet, Mexican Hat, and Hamming Net. Maxnet uses winner-take-all competition where only the neuron with the largest activation remains on. The Mexican Hat network enhances contrast through excitatory connections to nearby neurons and inhibitory connections to farther neurons. Iterating the activations over time steps increases the activation of neurons with initially larger signals and decreases others. Kohonen self-organizing maps and their training in Matlab are also mentioned.
UNet-VGG16 with transfer learning for MRI-based brain tumor segmentationTELKOMNIKA JOURNAL
A brain tumor is one of a deadly disease that needs high accuracy in its medical surgery. Brain tumor detection can be done through magnetic resonance imaging (MRI). Image segmentation for the MRI brain tumor aims to separate the tumor area (as the region of interest or ROI) with a healthy brain and provide a clear boundary of the tumor. This study classifies the ROI and non-ROI using fully convolutional network with new architecture, namely UNet-VGG16. This model or architecture is a hybrid of U-Net and VGG16 with transfer Learning to simplify the U-Net architecture. This method has a high accuracy of about 96.1% in the learning dataset. The validation is done by calculating the correct classification ratio (CCR) to comparing the segmentation result with the ground truth. The CCR value shows that this UNet-VGG16 could recognize the brain tumor area with a mean of CCR value is about 95.69%.
Learn the fundamentals of Deep Learning, Machine Learning, and AI, how they've impacted everyday technology, and what's coming next in Artificial Intelligence technology.
Breve panoramica sul Machine Learning.
La presentazione non è pensata per un pubblico tecnico ed include informazioni di base su 3 argomenti (secondo me) fondamentali:
1. definizione di ML
2. tipologie di ML (per tipo di apprendimento e per tipo di output)
3. algoritmi
What Is Deep Learning? | Introduction to Deep Learning | Deep Learning Tutori...Simplilearn
This Deep Learning Presentation will help you in understanding what is Deep learning, why do we need Deep learning, applications of Deep Learning along with a detailed explanation on Neural Networks and how these Neural Networks work. Deep learning is inspired by the integral function of the human brain specific to artificial neural networks. These networks, which represent the decision-making process of the brain, use complex algorithms that process data in a non-linear way, learning in an unsupervised manner to make choices based on the input. This Deep Learning tutorial is ideal for professionals with beginners to intermediate levels of experience. Now, let us dive deep into this topic and understand what Deep learning actually is.
Below topics are explained in this Deep Learning Presentation:
1. What is Deep Learning?
2. Why do we need Deep Learning?
3. Applications of Deep Learning
4. What is Neural Network?
5. Activation Functions
6. Working of Neural Network
Simplilearn’s Deep Learning course will transform you into an expert in deep learning techniques using TensorFlow, the open-source software library designed to conduct machine learning & deep neural network research. With our deep learning course, you’ll master deep learning and TensorFlow concepts, learn to implement algorithms, build artificial neural networks and traverse layers of data abstraction to understand the power of data and prepare you for your new role as deep learning scientist.
Why Deep Learning?
It is one of the most popular software platforms used for deep learning and contains powerful tools to help you build and implement artificial neural networks.
Advancements in deep learning are being seen in smartphone applications, creating efficiencies in the power grid, driving advancements in healthcare, improving agricultural yields, and helping us find solutions to climate change. With this Tensorflow course, you’ll build expertise in deep learning models, learn to operate TensorFlow to manage neural networks and interpret the results.
You can gain in-depth knowledge of Deep Learning by taking our Deep Learning certification training course. With Simplilearn’s Deep Learning course, you will prepare for a career as a Deep Learning engineer as you master concepts and techniques including supervised and unsupervised learning, mathematical and heuristic aspects, and hands-on modeling to develop algorithms.
There is booming demand for skilled deep learning engineers across a wide range of industries, making this deep learning course with TensorFlow training well-suited for professionals at the intermediate to advanced level of experience. We recommend this deep learning online course particularly for the following professionals:
1. Software engineers
2. Data scientists
3. Data analysts
4. Statisticians with an interest in deep learning
Artificial Neural Networks Lect7: Neural networks based on competitionMohammed Bennamoun
This document summarizes key concepts about neural networks based on competition. It discusses fixed weight competitive networks including Maxnet, Mexican Hat, and Hamming Net. Maxnet uses winner-take-all competition where only the neuron with the largest activation remains on. The Mexican Hat network enhances contrast through excitatory connections to nearby neurons and inhibitory connections to farther neurons. Iterating the activations over time steps increases the activation of neurons with initially larger signals and decreases others. Kohonen self-organizing maps and their training in Matlab are also mentioned.
UNet-VGG16 with transfer learning for MRI-based brain tumor segmentationTELKOMNIKA JOURNAL
A brain tumor is one of a deadly disease that needs high accuracy in its medical surgery. Brain tumor detection can be done through magnetic resonance imaging (MRI). Image segmentation for the MRI brain tumor aims to separate the tumor area (as the region of interest or ROI) with a healthy brain and provide a clear boundary of the tumor. This study classifies the ROI and non-ROI using fully convolutional network with new architecture, namely UNet-VGG16. This model or architecture is a hybrid of U-Net and VGG16 with transfer Learning to simplify the U-Net architecture. This method has a high accuracy of about 96.1% in the learning dataset. The validation is done by calculating the correct classification ratio (CCR) to comparing the segmentation result with the ground truth. The CCR value shows that this UNet-VGG16 could recognize the brain tumor area with a mean of CCR value is about 95.69%.
Learn the fundamentals of Deep Learning, Machine Learning, and AI, how they've impacted everyday technology, and what's coming next in Artificial Intelligence technology.
Una veduta d'insieme sul Machine Learning, che utilizza un linguaggio semplice adatto a chiunque. La presentazione non e' pensato per un pubblico tecnico.
Include informazioni di base su 4 argomenti (secondo me) fondamentali:
1. definizione di ML
2. tipologie di ML (per tipo di apprendimento e per tipo di output)
3. algoritmi
4. errori
IEEE EED2021 AI use cases in Computer VisionSAMeh Zaghloul
AI Use Cases in Computer Vision
Introduction and Overview about AI Use Cases in Computer Vision, to answer a basic question: “How Machines See?”, covering Neural Networks, Object detection and recognition, Content-based image retrieval, Object tracking, Image restoration, Scene reconstruction, Computer Vision Tools, Frameworks, Pretrained Models, and Public Train/Test Datasets.
With real-project examples on using Computer Vision in Egyptian Hieroglyph Alphabet recognition, Face Recognition/Matching, in addition to hands-on interactive session on Object/Image Tagging/Annotation on Videos/Images to prepare model training dataset.
This document summarizes a seminar presentation on face recognition using neural networks. It discusses face recognition, neural networks, the steps involved which include pre-processing, principle component analysis, and back propagation neural networks. Advantages of neural networks for face recognition are robustness to variations in faces and ability to learn from data. Face recognition has applications in security and identification.
It’s long ago, approx. 30 years, since AI was not only a topic for Science-Fiction writers, but also a major research field surrounded with huge hopes and investments. But the over-inflated expectations ended in a subsequent crash and followed by a period of absent funding and interest – the so-called AI winter. However, the last 3 years changed everything – again. Deep learning, a machine learning technique inspired by the human brain, successfully crushed one benchmark after another and tech companies, like Google, Facebook and Microsoft, started to invest billions in AI research. “The pace of progress in artificial general intelligence is incredible fast” (Elon Musk – CEO Tesla & SpaceX) leading to an AI that “would be either the best or the worst thing ever to happen to humanity” (Stephen Hawking – Physicist).
What sparked this new Hype? How is Deep Learning different from previous approaches? Are the advancing AI technologies really a threat for humanity? Let’s look behind the curtain and unravel the reality. This talk will explore why Sundar Pichai (CEO Google) recently announced that “machine learning is a core transformative way by which Google is rethinking everything they are doing” and explain why "Deep Learning is probably one of the most exciting things that is happening in the computer industry” (Jen-Hsun Huang – CEO NVIDIA).
Either a new AI “winter is coming” (Ned Stark – House Stark) or this new wave of innovation might turn out as the “last invention humans ever need to make” (Nick Bostrom – AI Philosoph). Or maybe it’s just another great technology helping humans to achieve more.
Introduction to machine learning. Basics of machine learning. Overview of machine learning. Linear regression. logistic regression. cost function. Gradient descent. sensitivity, specificity. model selection.
This document provides an overview of data mining. It defines data mining as a process that takes data as input and outputs knowledge. The data mining process involves preparing data, applying data mining algorithms to identify patterns, and evaluating the results. The document discusses the motivation for data mining, including the growth of data and need to analyze unstructured data. It outlines common data mining tasks like classification, regression, association rule mining, clustering, and text and link analysis. The tasks of classification and regression are described in more detail.
Artificial Intelligence, Machine Learning, Deep Learning
The 5 myths of AI
Deep Learning in action
Basics of Deep Learning
NVIDIA Volta V100 and AWS P3
This document provides an introduction to deep learning. It defines artificial intelligence, machine learning, data science, and deep learning. Machine learning is a subfield of AI that gives machines the ability to improve performance over time without explicit human intervention. Deep learning is a subfield of machine learning that builds artificial neural networks using multiple hidden layers, like the human brain. Popular deep learning techniques include convolutional neural networks, recurrent neural networks, and autoencoders. The document discusses key components and hyperparameters of deep learning models.
This document provides an overview of artificial intelligence and machine learning techniques, including:
1. It defines artificial intelligence and lists some common applications such as gaming, natural language processing, and robotics.
2. It describes different machine learning algorithms like supervised learning, unsupervised learning, reinforced learning, and their applications in areas such as healthcare, finance, and retail.
3. It explains deep learning concepts such as neural networks, activation functions, loss functions, and architectures like convolutional neural networks and recurrent neural networks.
Presentation at Data ScienceTech Institute campuses, Paris and Nice, May 2016 , including Intro, Data Science History and Terms; 10 Real-World Data Science Lessons; Data Science Now: Polls & Trends; Data Science Roles; Data Science Job Trends; and Data Science Future
The document describes a project that aims to develop a mobile application for real-time object and pose detection. The application will take in a real-time image as input and output bounding boxes identifying the objects in the image along with their class. The methodology involves preprocessing the image, then using the YOLO framework for object classification and localization. The goals are to achieve high accuracy detection that can be used for applications like vehicle counting and human activity recognition.
Mengenal Machine/Deep Learning, Artificial Intelligence dan mengenal apa bedanya dengan Business Intelligence, apa hubungannya dengan Big Data dan Data Science/Analytics.
1. The document discusses challenges with standard reinforcement learning formulations due to large state and action spaces. It proposes representing actions as operators that induce state transitions rather than discrete choices.
2. It introduces a generalized reinforcement learning framework using kernel methods to compare "decision contexts" or state-action pairs. Value functions are represented as vectors in a Reproducing Kernel Hilbert Space rather than concrete mappings.
3. Gaussian process regression is used to predict values for unseen state-action pairs by comparing them to stored samples, enabling generalization beyond explored contexts. Hyperparameters are tuned to best explain sample data using marginal likelihood optimization.
This document provides an overview of automated license plate recognition (ALPR) technologies used by law enforcement agencies. It discusses how ALPR systems automatically capture and analyze license plate images to compare them to databases and alert officers when vehicles of interest are observed. The document also reviews the background of license plates and their use, how police utilize license plate data, and the history of automated number plate recognition technology.
The document discusses association rule mining and the Apriori algorithm. It defines key concepts in association rule mining such as frequent itemsets, support, confidence, and association rules. It also explains the steps in the Apriori algorithm to generate frequent itemsets and rules, including candidate generation, pruning infrequent subsets, and determining support. An example transaction database is used to demonstrate calculating support and confidence for rules and illustrate the Apriori algorithm.
Intelligenza Artificiale e Robotica - Applicazioni industriali e responsabili...Edoardo E. Artese
Le slide sono state proiettate durante il workshop a SMAU Padova 2019. L'intelligenza artificiale è un argomento sempre più sentito in ambito industriale e produttivo. Dopo una breve introduzione dello stato attuale dell'intelligenza artificiale e delle sue recenti evoluzioni, sono state analizzate le sue applicazioni in ambito industriale, concludendo dunque con una analisi giuridica dell'Intelligenza artificiale, con specifico riferimento alla responsabilità del produttore.
Una veduta d'insieme sul Machine Learning, che utilizza un linguaggio semplice adatto a chiunque. La presentazione non e' pensato per un pubblico tecnico.
Include informazioni di base su 4 argomenti (secondo me) fondamentali:
1. definizione di ML
2. tipologie di ML (per tipo di apprendimento e per tipo di output)
3. algoritmi
4. errori
IEEE EED2021 AI use cases in Computer VisionSAMeh Zaghloul
AI Use Cases in Computer Vision
Introduction and Overview about AI Use Cases in Computer Vision, to answer a basic question: “How Machines See?”, covering Neural Networks, Object detection and recognition, Content-based image retrieval, Object tracking, Image restoration, Scene reconstruction, Computer Vision Tools, Frameworks, Pretrained Models, and Public Train/Test Datasets.
With real-project examples on using Computer Vision in Egyptian Hieroglyph Alphabet recognition, Face Recognition/Matching, in addition to hands-on interactive session on Object/Image Tagging/Annotation on Videos/Images to prepare model training dataset.
This document summarizes a seminar presentation on face recognition using neural networks. It discusses face recognition, neural networks, the steps involved which include pre-processing, principle component analysis, and back propagation neural networks. Advantages of neural networks for face recognition are robustness to variations in faces and ability to learn from data. Face recognition has applications in security and identification.
It’s long ago, approx. 30 years, since AI was not only a topic for Science-Fiction writers, but also a major research field surrounded with huge hopes and investments. But the over-inflated expectations ended in a subsequent crash and followed by a period of absent funding and interest – the so-called AI winter. However, the last 3 years changed everything – again. Deep learning, a machine learning technique inspired by the human brain, successfully crushed one benchmark after another and tech companies, like Google, Facebook and Microsoft, started to invest billions in AI research. “The pace of progress in artificial general intelligence is incredible fast” (Elon Musk – CEO Tesla & SpaceX) leading to an AI that “would be either the best or the worst thing ever to happen to humanity” (Stephen Hawking – Physicist).
What sparked this new Hype? How is Deep Learning different from previous approaches? Are the advancing AI technologies really a threat for humanity? Let’s look behind the curtain and unravel the reality. This talk will explore why Sundar Pichai (CEO Google) recently announced that “machine learning is a core transformative way by which Google is rethinking everything they are doing” and explain why "Deep Learning is probably one of the most exciting things that is happening in the computer industry” (Jen-Hsun Huang – CEO NVIDIA).
Either a new AI “winter is coming” (Ned Stark – House Stark) or this new wave of innovation might turn out as the “last invention humans ever need to make” (Nick Bostrom – AI Philosoph). Or maybe it’s just another great technology helping humans to achieve more.
Introduction to machine learning. Basics of machine learning. Overview of machine learning. Linear regression. logistic regression. cost function. Gradient descent. sensitivity, specificity. model selection.
This document provides an overview of data mining. It defines data mining as a process that takes data as input and outputs knowledge. The data mining process involves preparing data, applying data mining algorithms to identify patterns, and evaluating the results. The document discusses the motivation for data mining, including the growth of data and need to analyze unstructured data. It outlines common data mining tasks like classification, regression, association rule mining, clustering, and text and link analysis. The tasks of classification and regression are described in more detail.
Artificial Intelligence, Machine Learning, Deep Learning
The 5 myths of AI
Deep Learning in action
Basics of Deep Learning
NVIDIA Volta V100 and AWS P3
This document provides an introduction to deep learning. It defines artificial intelligence, machine learning, data science, and deep learning. Machine learning is a subfield of AI that gives machines the ability to improve performance over time without explicit human intervention. Deep learning is a subfield of machine learning that builds artificial neural networks using multiple hidden layers, like the human brain. Popular deep learning techniques include convolutional neural networks, recurrent neural networks, and autoencoders. The document discusses key components and hyperparameters of deep learning models.
This document provides an overview of artificial intelligence and machine learning techniques, including:
1. It defines artificial intelligence and lists some common applications such as gaming, natural language processing, and robotics.
2. It describes different machine learning algorithms like supervised learning, unsupervised learning, reinforced learning, and their applications in areas such as healthcare, finance, and retail.
3. It explains deep learning concepts such as neural networks, activation functions, loss functions, and architectures like convolutional neural networks and recurrent neural networks.
Presentation at Data ScienceTech Institute campuses, Paris and Nice, May 2016 , including Intro, Data Science History and Terms; 10 Real-World Data Science Lessons; Data Science Now: Polls & Trends; Data Science Roles; Data Science Job Trends; and Data Science Future
The document describes a project that aims to develop a mobile application for real-time object and pose detection. The application will take in a real-time image as input and output bounding boxes identifying the objects in the image along with their class. The methodology involves preprocessing the image, then using the YOLO framework for object classification and localization. The goals are to achieve high accuracy detection that can be used for applications like vehicle counting and human activity recognition.
Mengenal Machine/Deep Learning, Artificial Intelligence dan mengenal apa bedanya dengan Business Intelligence, apa hubungannya dengan Big Data dan Data Science/Analytics.
1. The document discusses challenges with standard reinforcement learning formulations due to large state and action spaces. It proposes representing actions as operators that induce state transitions rather than discrete choices.
2. It introduces a generalized reinforcement learning framework using kernel methods to compare "decision contexts" or state-action pairs. Value functions are represented as vectors in a Reproducing Kernel Hilbert Space rather than concrete mappings.
3. Gaussian process regression is used to predict values for unseen state-action pairs by comparing them to stored samples, enabling generalization beyond explored contexts. Hyperparameters are tuned to best explain sample data using marginal likelihood optimization.
This document provides an overview of automated license plate recognition (ALPR) technologies used by law enforcement agencies. It discusses how ALPR systems automatically capture and analyze license plate images to compare them to databases and alert officers when vehicles of interest are observed. The document also reviews the background of license plates and their use, how police utilize license plate data, and the history of automated number plate recognition technology.
The document discusses association rule mining and the Apriori algorithm. It defines key concepts in association rule mining such as frequent itemsets, support, confidence, and association rules. It also explains the steps in the Apriori algorithm to generate frequent itemsets and rules, including candidate generation, pruning infrequent subsets, and determining support. An example transaction database is used to demonstrate calculating support and confidence for rules and illustrate the Apriori algorithm.
Intelligenza Artificiale e Robotica - Applicazioni industriali e responsabili...Edoardo E. Artese
Le slide sono state proiettate durante il workshop a SMAU Padova 2019. L'intelligenza artificiale è un argomento sempre più sentito in ambito industriale e produttivo. Dopo una breve introduzione dello stato attuale dell'intelligenza artificiale e delle sue recenti evoluzioni, sono state analizzate le sue applicazioni in ambito industriale, concludendo dunque con una analisi giuridica dell'Intelligenza artificiale, con specifico riferimento alla responsabilità del produttore.
Digital transformation: Smart Working, sicurezza e dati personaliFederico Costantini
Intervento nella V lezione «Il lavoro agile durante l’emergenza epidemiologica: opportunità, criticità e protocolli Covid-19», AGI, Ordine degli Avvocati di Udine, WEBINAR 7 luglio 2020 ore 15.30 – 16.30
Aspetti legali degli open data: la guida definitiva (vers. 1.0 – maggio 2022)Simone Aliprandi
Aspetti legali degli open data: la guida definitiva. Un’introduzione semplice e chiara su copyright, privacy, licenze e normativa di riferimento.
Documento realizzato da Simone Aliprandi per l’associazione onData nell’ambito della campagna #datibenecomune (versione 1.0 – maggio 2022)
Con la piena entrata in vigore del nuovo Regolamento privacy molteplici realtà pubbliche e private si sono confrontate con la necessità di dover nominare un Responsabile per la Protezione Dati Personali (Data Protection Officer), tra dubbi e incertezze sui casi di obbligatorietà della nomina.
ClaMor Intelligenza Artificiale e Giustizia - Evento Aiga - Roma 7 2 2020Claudia Morelli
Secondo il Cepej del Consiglio d'Europa, ogni progetto di cybergiustizia dovrebbe avere un buon piano di Comunicazione strategica. Nelle slide un invito agli Avvocati a conoscere (e quindi a comunicare) la Rivoluzione digitale della Intelligenza Artificiale applicata al mondo legal
Blockchain e GDPR: un binomio possibile - Smau Napoli 2019ALESSIA PALLADINO
La Blockchain è divenuta nota quale tecnologia impiegata per la generazione e circolazione dei Bitcoin, sebbene si presti a molteplici profili applicativi. Il suo utilizzo, infatti, non si esaurisce nel mero pagamento ovvero scambio di beni e servizi, ma consente qualsiasi altra forma di collaborazione tra uomini legata alle possibilità offerte dalla rete internet.
Il seminario si propone di analizzare il binomio “Blockchain – GDPR”, per evidenziare tutte le potenzialità operative sottese all’utilizzo di tale tecnologia; al contempo, mira ad analizzare le principali questioni giuridiche connesse al difficile bilanciamento con la tutela della privacy. A tal proposito, verranno esaminati i principali punti critici, connessi alla tutela della privacy, per delineare opportune linee operative affinché lo sviluppo della Blockchain possa supportare e rispettare le regole sulla protezione dei dati personali introdotte dal GDPR.
Criticità per la protezione dei dati personali connesse all’utilizzo di dispo...festival ICT 2016
Le problematiche che sorgono in seguito all’utilizzo dei prodotti e dei servizi dell’IoT sono molteplici. Tra queste, le maggiori sono:
a) Asimmetria informativa e mancanza di controllo sui propri dati: la condivisione di dati personali tra produttori dei dispositivi, sviluppatori di sw, provider e analisti, comporta per le persone la difficoltà ad esercitare un adeguato controllo sugli stessi, e, soprattutto, sulle finalità perseguite diverse da quelle associate al dispositivo;
b) Consenso informato: estrema difficoltà per l’utilizzatore dei dispositivi IoT di prestare un consapevole e libero consenso al trattamento dei suoi dati personali;
c) Profilazione intrusiva: l’elevata quantità di dati personali e sensibili, rende altamente possibile una profilazione sempre più sofisticata delle abitudini degli utenti;
d) Sicurezza: le attuali tecnologie IoT non hanno ancora raggiunto un livello di sicurezza adeguato.
Aspetti della Digital Forensics applicati alla tutela della privacyAlessandro Bonu
Alcune tecniche della Digital Forensics, disciplina utilizzata in ambito giuridico per l’individuazione e l’estrazione di informazioni digitali da presentare in sede giudiziale, ci aiuteranno a capire di quante informazioni potrebbe disporre un utente, mediamente esperto, che entra in possesso di un nostro dispositivo elettronico o banalmente delle credenziali di accesso di una mail o di un social network.
Cyber security ai tempi delle reti OT: dalla data protection alla data defence.Andrea Maggipinto [+1k]
I nuovi modelli di interconnessione 4.0 hanno portato l’azienda a rivedere i paradigmi di cyber security seguiti in ambito IT, inefficaci in ambito operazionale, ove il risk management va calibrato su logiche differenti. Blocchi della produzione, manomissione dei software di supervisione e controllo, pericoli per l’incolumità degli operatori, sono aree di rischio che richiedono procedure e codici di condotta ben precisi per poterne contenere i possibili effetti. Nel corso del seminario si affronteranno le questioni tecniche, metodiche e giuridiche che ruotano attorno ai nuovi paradigmi della cyber security.
EVOLUZIONE TECNOLOINTELLIGENZA ARTIFICIALE: QUESTIONI ETICHE E GIURIDICHEEdoardo E. Artese
Slide per l'intervento al Malnisio Science Festival 2019: si è illustrato brevemente l’evoluzione tecnologica dell’intelligenza artificiale, dagli albori fino allo stato attuale.
si è poi ragionato su come l’intelligenza artificiale evoluta sia già parte della nostra vita e come vi entrerà sempre di più,
con alcune riflessioni etico-giuridiche.
Smau 25 ottobre 2016 alle ore 10,30 Centro Studi di Informatica Giuridica di Ivrea Torino
cod. 37026 – Il Data protection officer, compiti,responsabilità buone prassi nelle imprese e pubbliche amministrazioni.
Relatori: Avv. Mauro Alovisio e Dott. Stefano Gorla
Il seminario illustra gli impatti e la road map delle azioni richieste dal regolamento in materia di protezione dei dati alle pubbliche amministrazioni e imprese attraverso un focus sulla nuova figura del Data Protection Officer, presentazioni di best practice con un taglio operativo e multidisciplinare nell’ottica di sviluppare business.
Intelligenza artificiale applicata al diritto ed alla giustiziaEdoardo E. Artese
L'intelligenza artificiale è in costante evoluzione, in particolare con le moderne tecniche di machine learning. Dopo un rapido excursus sulla storia dell'intelligenza artificiale, si intende analizzare come una sistema che possa applicarsi a profili giuridici: non solo fornendo un aiuto nella gestione della giustizia e del mondo che ruota attorno ad essa (dai Tribunali agli Studi legali), ma spingendosi oltre, fino ad intervenire nelle fasi decisionali e valutative.
***
A.I. is constantly developing, especially with the new technique of
We started with a little"excursus" about the history of A.I. and after we focused on the application on law and justice.
Convegno - Thailandia, meta di business, non solo di turismo - dott. Mattia S...Edoardo E. Artese
Slide del convengo avente ad oggetto le ipotesi di business in Thailandia, organizzato il giorno 28 giugno 2019 presso la Sala Consiliare del Municipio V di Milano, relative all'intervento del dott. Mattia Sciutti "Aspetti pratici: come formare un lavoratore che andrà a lavorare dall'altra parte del mondo"
Convegno - Thailandia, meta di business, non solo di turismo - Avv. Edoardo E...Edoardo E. Artese
Slide del convengo avente ad oggetto le ipotesi di business in Thailandia, organizzato il giorno 28 giugno 2019 presso la Sala Consiliare del Municipio V di Milano, relative all'intervento dell'Avv. Edoardo E. Artese "Cenni societari in Thailandia, fra realtà e falsi miti"
Convegno - Thailandia, meta di business, non solo di turismo, dott. Riccardo ...Edoardo E. Artese
Slide del convengo avente ad oggetto le ipotesi di business in Thailandia, organizzato il giorno 28 giugno 2019 presso la Sala Consiliare del Municipio V di Milano, relative all'intervento del dott. Riccardo Tassan Solet "il contratto di agenzia"
Convegno - Thailandia, meta di business, non solo di turismo - avv. Mario Cer...Edoardo E. Artese
Slide del convengo avente ad oggetto le ipotesi di business in Thailandia, organizzato il giorno 28 giugno 2019 presso la Sala Consiliare del Municipio V di Milano, relative all'intervento dell'avv. Mario Cermignani, Ph.D., "convenzione internazionale contro le doppie imposizioni e stabile organizzazione"
Convegno - Thailandia, meta di business, non solo di turismo - avv. Francesca...Edoardo E. Artese
Slide del convengo avente ad oggetto le ipotesi di business in Thailandia, organizzato il giorno 28 giugno 2019 presso la Sala Consiliare del Municipio V di Milano, relative all'intervento "aspetti legali dei lavoratori all'estero" tenuto dall'avv. Francesca Capaccio
Convegno - Thailandia, meta di business, non solo di turismo -dott.ssa Daniel...Edoardo E. Artese
Slide del convengo avente ad oggetto le ipotesi di business in Thailandia, organizzato il giorno 28 giugno 2019 presso la Sala Consiliare del Municipio V di Milano, relative all'intervento della dott.ssa Daniela Ghidelli "il contratto di distribuzione"
Lavorare in Italia: diritti e doveri dei lavoratori. I contratti di lavoroEdoardo E. Artese
Slide from the convention about right and duties in Italy for Thai people, organized by the Royal Thai Consulate in Milan and Associazione culturale Thailandese Sawasdee Lombardia, with the Cooperation of AC Legal, law firm in Milano
I documenti per vivere in Italia: visto, permesso di soggiorno e cittadinanzaEdoardo E. Artese
Slide from the convention about right and duties in Italy for Thai people, organized by the Royal Thai Consulate in Milan and Associazione culturale Thailandese Sawasdee Lombardia, with the Cooperation of AC Legal, law firm in Milano
Slide from the convention about right and duties in Italy for Thai people, organized by the Royal Thai Consulate in Milan and Associazione culturale Thailandese Sawasdee Lombardia, with the Cooperation of AC Legal, law firm in Milano
Slide from the convention about right and duties in Italy for Thai people, organized by the Royal Thai Consulate in Milan and Associazione culturale Thailandese Sawasdee Lombardia, with the Cooperation of AC Legal, law firm in Milano
Il recupero delle informazioni cancellate e nascosteEdoardo E. Artese
A lecture at University of Milan about "data carving"
Una lezione all'Università di Milano sul recupero delle informazione nascoste e cancellate da un computer o un supporto informatico.
La concorrenza sleale tramite il web ed i social networkEdoardo E. Artese
During the SMAU FIERA in Bologna, we explained the legal aspect of unfair competition in the web and in the social network
Nel corso della fiera SMAU a Bologna, abbiamo illustrato gli aspetti legale della concorrenza sleale nel web e nei social network.
2. 2
DirICTo è un network che raggruppa esperti e studiosi, di tutta l’Italia, in
materia di Diritto dell’Informatica e dell’Informatica Giuridica con il fine di
sviluppare attività di studio, ricerca e approfondimento nell'ambito delle
tematiche di interesse comune per il mondo giuridico e informatico.
Web site: www.diricto.it
3. 3
ICT for Law and Forensics è il laboratorio di Informatica Forense del
Dipartimento di Ingegneria Elettrica e Elettronica dell’Università di Cagliari.
Aree di interesse: e-commerce e contrattazione telematica, la tutela giuridica
dei domain names, privacy e protezione dei dati personali nel mondo
telematico, cyber crimes, digital forensics.
Web site: ict4forensics.diee.unica.it
4. 4
AC Legal è uno Studio legale in Milano, specializzato in IT e diritto
commerciale internazionale.
Web site: www.ac-legal.eu
5. 5
Avv. EDOARDO ENRICO ARTESE
Avvocato del Foro di Milano e managing partner dello Studio AC Legal di Milano.
Si occupa di diritto commerciale e industriale ed è appassionato cultore della materia delle
nuove tecnologie e dell’informatica giuridica.
E’ membro del network di professionisti DirICTo, che raggruppa esperti e studiosi di tutta
l’Italia, in materia di Diritto dell’Informatica e di Informatica Giuridica, con il fine di
sviluppare attività di studio, ricerca e approfondimento su tematiche di interesse comune
per il mondo giuridico e informatico.
6. 6
Dott.ssa DANIELA GHIDELLI
Collaboratrice dello Studio AC Legal di Milano, dove svolge la pratica forense, si occupa di
diritto civile e commerciale.
Laureata all’Università Bocconi di Milano, è particolarmente interessata al settore della
privacy e delle nuove tecnologie e alle loro applicazioni nell’ambito dell’impresa.
7. 7
Di che cosa parleremo?
1. Considerazioni iniziali;
2.- Intelligenza Artificiale e dati;
3.- Il Reg. UE n. 679/2016 (c.d.
«GDPR»);
4.- I.A. e tutela dei dati personali alla
luce del GDPR;
5.- Alcune prospettive risolutive.
8. 8
CONSIDERAZIONI INIZIALI
odierno aumento esponenziale di
sistemi di intelligenza artificiale nel
vivere quotidiano disruptive
technologies
(domotica, software e dispositivi bassati sull’IA
capaci di fornire soluzioni anche in settori
come l’industria, la sanità e la giustizia…)
elaborazione, analisi e trattamento
automatizzato di grandi quantitativi
di dati e di informazioni
Fondi
UE
(nuova) normativa europea in
materia di protezione e
circolazione dei dati personali
(c.d. GDPR).
esigenza di tutela della vita
privata e di protezione dei dati
10. 10
I rapidi cambiamenti apportati dalle
nuove tecnologie potrebbero avere –
entro il 2035 – rilevanza per oltre il 40%
in tutti i settori conosciuti.
Lacune
normative
– Studi Istituto Accenture 2016 –
11. 11
Un po’ di definizioni…
INTELLIGENZA ARTIFICIALE
Ramo dell’informatica che consente la programmazione e
progettazione di sistemi, sia hardware, sia software, che
permettono di dotare le macchine di determinate
caratteristiche che vengono considerate tipicamente umane
quali, ad esempio, le percezioni visive, quelle spazio-
temporali e quelle decisionali.
13. 13
Expert Systems
1980’s
Deep LMarkov ModelsConnectionism
20121960’s
…
1970’s
Expert Systems
1980’s
Deep Learning
?
Markov Modelsectionism
20121960’s
…
1970’s
Connessionismo Sistemi esperti
1960 1980
DARPA: “AI was not the next wave"
2000 2010
14. 14
SISTEMI ESPERTI
Sistemi basati sulla conoscenza in grado di eseguire compiti che
richiedono specializzazione, i.e. possono essere svolti solo da esperti o
persone di competenza.
Il sistema esperto è composto di due elementi:
1)- strutturale base di conoscenza;
2)- funzionale capacità di fornire prestazioni che richiedano
determinate competenze.
Vantaggi rispetto ai limiti
(biologicamente) cognitivi
dell’essere umano
15. 15
Principale struttura e funzionamento:
Conoscenza usata da un motore inferenziale, i.e. un meccanismo in grado di
interpretare il contenuto della base di conoscenza e effettuare deduzioni logiche
esposizione comprensibile dei risultati anche mediante interfacce.
NB: il sistema può essere arricchito con nuove conoscenze.
16. 16
A.I. tradizionale vs Machine Learning
Traditional AI techniques
Machine Learning
Data
Logic
Output
Ø Static – hard-coded set of steps
and scenarios
Ø Rule Based – expert knowledge
Ø No generalization – handling
special cases difficult
Ø Dynamic – evolves with data,
finds new patterns
Ø Data driven– discovers
knowledge
Ø Generalization – adapts to new
situations and special cases
Data
Output
Logic
9
Traditional AI techniques
Machine Learning
Data
Logic
Output
Ø Static – hard-coded set of steps
and scenarios
Ø Rule Based – expert knowledge
Ø No generalization – handling
special cases difficult
Ø Dynamic – evolves with data,
finds new patterns
Ø Data driven– discovers
knowledge
Ø Generalization – adapts to new
situations and special cases
Data
Output
Logic
• Statico: scenari codificati
• Basato su regole: richiede
conoscenza esperta
• Non generale: difficile trattare
casi specifici
• Dinamico: evolve con I dati
• Conoscenza basata sui dati
• Generalizzato: si adatta a nuove
situazioni e casi speciali
17. 17
A.I. tradizionale vs Machine Learning
Traditional AI techniques
Machine Learning
Data
Logic
Output
Ø Static – hard-coded set of steps
and scenarios
Ø Rule Based – expert knowledge
Ø No generalization – handling
special cases difficult
Ø Dynamic – evolves with data,
finds new patterns
Ø Data driven– discovers
knowledge
Ø Generalization – adapts to new
situations and special cases
Data
Output
Logic
9
Traditional AI techniques
Machine Learning
Data
Logic
Output
Ø Static – hard-coded set of steps
and scenarios
Ø Rule Based – expert knowledge
Ø No generalization – handling
special cases difficult
Ø Dynamic – evolves with data,
finds new patterns
Ø Data driven– discovers
knowledge
Ø Generalization – adapts to new
situations and special cases
Data
Output
Logic
• Statico: scenari codificati
• Basato su regole: richiede
conoscenza esperta
• Non generale: difficile trattare
casi specifici
• Dinamico: evolve con I dati
• Conoscenza basata sui dati
• Generalizzato: si adatta a nuove
situazioni e casi speciali
18. 18
«L’Intelligenza Artificiale si compone radicalmente di quattro elementi: il pensare
umanamente, l’agire umanamente, il pensare razionalmente e l’agire
razionalmente».
S. J. Russel – P. Norvig
20. 20
IN SINTESI
Caratteristiche:
• autonomia
• interattività
• rapidità
• trasparenza (capacità di spiegare i procedimenti e le deduzioni svolte)
• euristica (strategie tipiche degli esperti umani)
• flessibilità (capacità di seguire le modificazioni alle basi di conoscenza).
• Ma anche: imprevedibilità
NB: l’IA agisce anche su informazioni incerte o incomplete e cerca di trovare delle
soluzioni.
22. 22
UN ESEMPIO
In ambito legale si stanno sperimentando diversi sistemi di supporto alla decisione umana.
Giudici robot per smaltire le cause di modesta entità
Caso estone (progetto tecnologico e-Estonia):
Tutti i servizi cittadini sono stati digitalizzati in un’unica piattaforma chiamata X-
Road.
- Giudice-robot per cause inferiori a Euro 7.000,00;
- è fatta salva la possibilità di appellare ad un giudice umano;
- è difficile pensare ad un algoritmo in grado di risolvere una causa, ad esempio,
in ambito di diritto penale, ma pensiamo alle cause civili di recupero crediti
o di risarcimento dei danni da incidente stradale…
23. Il Reg. UE n. 679/2016
(c.d. «GDPR»)
IL NUOVO REGOLAMENTO SULLA PROTEZIONE DELLE PERSONE
FISICHE CON RIGUARDO AL TRATTAMENTO DEI DATI PERSONALI
23
24. 24
Applicabile dal 25 maggio 2018;
Protezione delle persone fisiche con riguardo al
trattamento dei dati di carattere personale come
diritto fondamentale (art.8, par.1 Carta diritti
fondamentali dell’Unione Europea; art.16, par.1 TFUE;
art.2 Cost. – tutela dignità e personalità umana).
25. 25
Il «dato personale»
DEFINIZIONE
Qualsiasi informazione riguardante una persona fisica identificata o
identificabile (c.d. «interessato»).
Si considera identificabile la persona fisica che può essere identificata,
direttamente o indirettamente, con un particolare riferimento ad un
identificativo (es. nome, identificativo online, dati sull’ubicazione ecc.).
26. 26
Il GDPR in pochi punti:
3 soggetti
chiave
Titolare del trattamento
(art. 26): la persona fisica o
giuridica, l’autorità pubblica,
il servizio o altro organismo
che, singolarmente o insieme
ad altri, determina le finalità
e i mezzi del trattamento di
dati personali.
DPO (art. 38): osserva, valuta e
organizza la gestione del
trattamento di dati personali
obbligatorio: a) autorità e
organismi pubblici; b) trattamento
su larga scala; c) trattamento su
larga scala di dati sensibili.
Responsabile del trattamento (art. 28): la persona fisica o giuridica,
l’autorità pubblica, il servizio o altro organismo che tratta i dati personali
per conto del titolare del trattamento.
27. 27
impone la necessità di un adeguato risk assessment analisi
del rischio e valutazione di impatto;
principi guida di liceità, correttezza, trasparenza, minimizzazione
dei dati, esattezza, limitazione della conservazione, integrità e
riservatezza;
impone, nei casi ex art. 30, la predisposizione di un registro dei
trattamenti;
espone regole più dettagliate in materia di informativa e
consenso;
diritti e tutela dell’interessato accesso, rettifica e cancellazione
(c.d. diritto all’oblio, art.17), diritto alla portabilità dei dati, diritto di
opposizione, diritto di presentare reclamo all’autorità di
controllo…
29. 29
Occorre tenere in considerazione:
Dati trattati dall’Intelligenza Artificiale
DATI PERSONALI ACQUISITI
ALL’INIZIO DEL
TRATTAMENTO
DATI PERSONALI DEDOTTI E
RICAVATI
DALL’ELABORAZIONE DEGLI
ALGORITMI
30. 30
Le tecnologie con I.A. necessitano di una stabile connessione alla rete,
dalla quale riescono a carpire informazioni e dati in enormi quantità.
GDPR e I.A.: un rapporto complicato?
Come gestire, regolare e normalizzare i flussi?
GDPR
art. 22 l’interessato ha il diritto di non essere sottoposto ad una decisione
basata esclusivamente sul trattamento automatizzato dei dati, a cominciare
dalla profilazione, definita nell’art. 4 (=«qualsiasi forma di trattamento automatizzato di dati personali
consistente nell'utilizzo di tali dati personali per valutare determinati aspetti personali relativi a una persona fisica, in
particolare per analizzare o prevedere aspetti riguardanti il rendimento professionale, la situazione economica, la salute, le
preferenze personali, gli interessi, l'affidabilità, il comportamento, l'ubicazione o gli spostamenti di detta persona fisica”);
31. 31
art. 24 il titolare del trattamento deve mettere in atto «misure tecniche e
organizzative adeguate» per garantire, ed essere in grado di dimostrare, che il
trattamento dei dati è effettuato in modo conforme al regolamento c.d.
principio dell’accountability.
Responsabilità verso gli
stakeholders circa il non corretto
utilizzo delle risorse e circa la
conformità del trattamento con gli
scopi istituzionali.
Esigenza di introdurre logiche e
meccanismi di maggior
responsabilizzazione interna nelle
aziende relativamente all’impiego
delle risorse e alla produzione dei
risultati.
32. 32
art. 25 privacy by design le misure devono essere implementate tenendo
conto della natura dei dati trattati, del campo applicativo, del contesto e delle
finalità del trattamento.
Considerando 78
«al fine di poter dimostrare la conformità con il presente regolamento, il titolare del
trattamento dovrebbe adottare politiche interne e attuare misure che soddisfino in
particolare i principi della protezione dei dati fin dalla progettazione e della protezione
dei dati di default […]. I produttori dei prodotti, dei servizi e delle applicazioni dovrebbero
essere incoraggiati a tenere conto del diritto alla protezione dei dati allorché sviluppano
e progettano tali prodotti, servizi e applicazioni e, tenuto debito conto dello stato
dell’arte, a far sì che i titolari del trattamento e i responsabili del trattamento
possano adempiere ai loro obblighi di protezione dei dati».
33. 33
Di fatto, senza intervento umano, NESSUNA
tecnologia sarebbe conforme al GDPR.
Allora è necessario:
- informare sull’utilizzo che si fa dell’I.A.;
- valutare l’impatto che l’uso dell’I.A. esercita sugli individui;
- dare un prospetto compiuto e completo circa il funzionamento della
tecnologia, anche al fine di individuarne i criteri di ragionamento;
- intervenire prontamente in caso si presentino possibili occasioni di
violazione dei diritti degli interessati.
35. 35
Linee guida sull’intelligenza artificiale e la
protezione dei dati
– Consiglio d’Europa –
set di istruzioni operative
su come progettare e
applicare sistemi di IA
36. 36
• Approvate a Strasburgo a fine gennaio dal Comitato istituito
dalla Convenzione 108/81;
• efficacia erga omnes, ma rivolte principalmente a
sviluppatori, fornitori e produttori di IA;
• a differenza del GDPR (regolamento), le Linee Guida non
sono normativa vincolante per gli SM, ma la loro
generalità, duttilità e puntualità li rende valevoli per contesti
anche più ampi rispetto a quelli dei soli membri UE.
37. 37
Principi generali delle Guidelines
• Priorità della tutela dei diritti umani – e in particolare la
protezione dei dati – sullo sviluppo e l’adozione di sistemi
basati sull’IA (soprattutto se adottati in processi decisionali);
• Nello sviluppo di sistemi di I.A. l’approccio deve basarsi su
principi di liceità, correttezza, specificazione degli scopi,
proporzionalità dell’elaborazione, privacy «by design» e
privacy «by default», sicurezza, gestione e attenuazione dei
rischi.
• Importanza della formazione e dell’educazione digitale.
38. 38
Le applicazioni di IA devono rispettare pienamente i diritti degli
interessati in ogni momento e consentire loro un controllo
significativo sul trattamento dei propri dati.
Obblighi di informazione
agli interessati sul fatto
che stanno interagendo
con un’applicazione di
IA necessità di dare
contezza delle operazioni
di elaborazione effettuate.
Obblighi di progettazione,
sviluppo e gestione atti a
garantire agli individui il diritto a
non essere oggetto di decisioni
che possano coinvolgerli in modo
significativo e basate sulla sola
elaborazione automatizzata.
12 indicazioni a
produttori, fornitori
e sviluppatori sulla
corretta valutazione e
prevenzione del
rischio.
39. 39
Le ipotesi della certificazione etica per le soluzioni di I.A.
Idea di prevenire ogni forma di I.A. che possa inasprire le
ineguaglianze sociali ed essere dannosa per le categorie più
svantaggiate.
Possibilità di codificare, promuovere, monitorare nuove norme di
certificazione che consentano di verificare il pieno allineamento dei
sistemi di I.A con i principi di affidabilità sanciti dalle Linee guida
europee per un’IA. Etica.
40. 40
«QUASI AMICI»
Utilità dell’I.A. nel supporto alla conformità al GDPR
• L’A.I. può supportare la Governance dei dati (attività di gestione
dei processi, supervisione ecc.);
• L’A.I. può aiutare a comprendere il GDPR e qualsiasi
regolamento, aggiornamento o atto da esso derivante;
• L’A.I. può aiutare a rilevare violazioni dei dati e frodi sicurezza
informatica;
• L’A.I. può aiutare anche le aziende a prendere le giuste decisioni
al fine di rendere esperienze migliori per i clienti.
41. 41
Grazie!
Ci sono domande?
Edoardo E. Artese
• edoardo.artese@ac-legal.eu
Daniela Ghidelli
• d.ghidelli@ac-legal.eu
Ci trovi anche su LinkedIn!
42. Attribuzione - Non Commerciale
Condividi allo stesso modo 4.0 (CC BY-NC-SA 4.0) Internazionale
Tu sei libero di:
Condividere - riprodurre, distribuire, comunicare al pubblico, esporre in pubblico,
rappresentare, eseguire e recitare questo materiale con qualsiasi mezzo e formato;
Modificare - remixare, trasformare il materiale e basarti su di esso per le tue opere;
Il licenziante non può revocare questi diritti fintanto che tu rispetti i termini della licenza
Alle seguenti condizioni:
• Attribuzione. Devi riconoscere una menzione di paternità adeguata, fornire un
link alla licenza e indicare se sono state effettuate delle modifiche. Puoi fare ciò in
qualsiasi maniera ragionevole possibile, ma non con modalità tali da suggerire
che il licenziante avalli te o il tuo utilizzo del materiale.
• Non commerciale. Non puoi usare il materiale per fini commerciali.
• Stessa Licenza. Se remixi, trasformi il materiale o ti basi su di esso, devi
distribuire i tuoi contributi con la stessa licenza del materiale originario.
• Divieto di restrizioni aggiuntive — Non puoi applicare termini legali o misure tecnologiche che
impongano ad altri soggetti dei vincoli giuridici su quanto la licenza consente loro di fare.
• Non sei tenuto a rispettare i termini della licenza per quelle componenti del materiale che siano
in pubblico dominio o nei casi in cui il tuo utilizzo sia consentito da una eccezione o limitazione
prevista dalla legge
• Non sono fornite garanzie. La licenza può non conferirti tutte le autorizzazioni necessarie per
l'utilizzo che ti prefiggi. Ad esempio, diritti di terzi come i diritti all'immagine, alla riservatezza e i
diritti morali potrebbero restringere gli usi che ti prefiggi sul materiale.