⚠️ ASSISTENTI VOCALI: ascoltano tutto quello che diciamo?

Immaginate di aver invitato degli amici a cena. State chiacchierando fra un sorso di vino e l'altro quando un amico vi parla del suo nuovissimo aspira e trita foglie. Gli fate domande, ne parlate un po', dopodiché la conversazione si sposta naturalmente su altri argomenti. Qualche ora dopo, mentre state sparecchiando, vi ricordate di aver finito il sapone per i piatti e decidete di acquistarlo su Amazon. Aprite l'applicazione e incredibilmente la vostra homepage è invasa da trita foglie di diverse tipologie. Immediatamente vi viene il sospetto che entra il vostro assistente vocale di Amazon, Alexa, che guarda caso è posizionato proprio nella vostra sala da pranzo. Si tratta solo di paranoie o il vostro sospetto è fondato? Scopriamolo insieme. Ciao a tutti e benvenuti in questo nuovo video. Oggi proveremo a rispondere alla domanda che sicuramente tutti coloro che hanno in casa uno smart speaker si sono fatti almeno una volta: il mio assistente vocale mi sta spiando? Per rispondere a questa domanda dobbiamo capire il funzionamento di un assistente vocale, quindi come Alexa, Google Nest, Siri e così via. Ma prima, come sempre, dobbiamo fare un passo indietro. Nel 1962, alla Fiera Mondiale di Seattle, la IBM presentò il suo nuovo prodotto, chiamato Shoebox. Si trattava di una calcolatrice delle dimensioni di una scatola da scarpe, appunto, che integrava una funzione di riconoscimento vocale. Shoebox poteva riconoscere 16 parole in lingua inglese, principalmente numeri da 0 a 9 alcuni comandi matematici come più, meno, per, diviso e così via. L'utente poteva dire i numeri e le operazioni da compiere e la macchina ascoltava, calcolava e poi stampava i risultati su carta. Shoebox per riconoscere la voce utilizzava un sistema vagamente simile al codice Morse che vorrei approfondire un attimo perché tutto sommato non è così diverso da quelli di oggi. Partiamo dal presupposto che ogni numero pronunciato a voce alta ha un suono iniziale, un suono intermedio o più suoni intermedi e e un suono finale. Prendiamo ad esempio il numero 5, che in inglese è five. La lettera F è il suono iniziale, la parte AI è quello intermedio e la V è il suono finale. Ogni numero da 0 a 9 in inglese è divisibile in questi 3 suoni. Shoebox era dotata di filtri per la frequenza dei suoni, quindi c'era un filtro che riconosceva solo i suoni acuti, uno dedicato solo ai suoni gravi e uno che raccoglieva tutte le frequenze intermedie. L'IBM si era resa conto che i numeri da 0 a 9 erano tutti composti da suoni combinati in modo diverso. "Five", ad esempio, inizia e finisce con lettere che possiamo chiamare soffiate, in gergo sarebbe "fricative", che vengono riconosciute solo dai filtri acuti. La parte in mezzo invece, "ai", veniva riconosciuta dai filtri per le frequenze medie. Quindi la parola "five", a livello di filtri, corrispondeva a un codice suono acuto, suono medio, suono acuto. La calcolatrice Shoebox non sfruttava quindi un'intelligenza artificiale super sofisticata, ma semplicemente il cemento prendeva le parole che ovviamente dovevano essere pronunciate alla perfezione e le riconosceva in base alle frequenze. Ovviamente i sistemi di oggi sono molto più avanzati, ma rimane il fatto che anche loro riconoscono le frequenze che noi lanciamo, e questo ci torna molto utile per quello che scopriremo fra poco. Intanto a Shoebox va riconosciuto il fatto che per la prima volta era stata data vita a un calcolatore che riconosceva la voce umana ed eseguiva i relativi ordini. Negli anni successivi la ricerca sul riconoscimento vocale progredì in modo abbastanza lento, perché comunque i computer dell'epoca non erano assolutamente in grado di gestire, oltre alle attività per cui venivano già utilizzati, anche la capacità di elaborazione necessaria al riconoscimento vocale. Si dovette attendere quindi l'arrivo degli anni '90, caratterizzati dall'aumento della potenza computazionale e dallo sviluppo di algoritmi più sofisticati. Per esempio, nel 1997 fu lanciato Dragon NaturallySpeaking, un software che trasformava la dettatura vocale in testo. Il funzionamento era molto più avanzato rispetto a Shoebox, ma bene o male i principi erano gli stessi: le parole venivano convertite in frequenze e poi confrontate con il vocabolario di Dragon. La cosa più innovativa era un sistema di riconoscimento basato sul contesto. Ad esempio, se l'utente dettava "mangio una mela" e Dragon era indeciso se trascrivere "mela" o "vela" perché non aveva sentito bene, in base al contesto veniva trascritta la parola "mela" perché "mangio una mela" si dice mentre "mangio una vela" non è una frase comune. Tra l'altro Dragon esiste ancora oggi, ovviamente integrato e migliorato, anche con funzioni di intelligenza artificiale, però se è resistito quasi 30 anni capiamo quanto il prodotto fosse valido. In ogni caso per arrivare più vicini agli assistenti vocali di oggi dobbiamo aspettare ancora un bel po'. Il momento spartiacque della storia moderna degli assistenti vocali arrivò infatti il 4 ottobre 2011, quando la Apple, fra l'altro il giorno prima della morte di Steve Jobs, presentò l'iPhone 4S insieme a Siri, il primo assistente riconoscimento vocale integrato in uno smartphone di massa. Siri non era solo riconoscimento vocale come Shoebox o Dragon, era un sistema di intelligenza artificiale che oltre a riconoscere passivamente quanto detto dall'utente era in grado anche di capire quello che l'utente voleva dire e fornire una risposta di conseguenza, una risposta conversazionale, quindi si parlava con Siri. Inizialmente Siri era in grado di svolgere funzioni relativamente semplici: inviare messaggi, impostare sveglie, cercare informazioni su internet, fornire indicazioni stradali, ma fu quanto veniva usata per tutto dagli utenti che cambiò le carte in tavola. Fu questo a far sì che le aziende tecnologiche si rendessero conto che le persone volevano parlare con i propri dispositivi. Perché dire Siri, imposta una sveglia per le 5 è più facile che alzarsi dal divano, prendere il telefono e farlo manualmente. Probabilmente il motivo per cui ancora come tecnologia fino al 2011 non era stata così tanto studiata è che le aziende avevano veramente sottovalutato la pigrizia degli utenti. In ogni caso, l'industria reagì molto rapidamente, a partire da Microsoft che nel 2014 introdusse Cortana integrandola nei computer Windows. Ma la vera rivoluzione arrivò quando Amazon, sempre nel 2014, lanciò sul mercato Amazon Echo, un dispositivo dedicato esclusivamente all'assistenza vocale. Echo era diverso da tutto quello che era avvenuto prima. Non era un telefono o un computer con delle funzionalità vocali aggiunte, era proprio un altoparlante progettato esclusivamente per ascoltare e rispondere. L'Echo di Amazon aveva due caratteristiche molto innovative: primo, era un dispositivo che si metteva su una mensola, restava lì e non si doveva interagire manualmente in nessun modo. Bastava dire "Alexa" e il dispositivo si svegliava, dopodiché tutto era regolabile a voce, anche il volume. Secondo, la piattaforma era aperta agli sviluppatori in modo da permettere la creazione di skills, cioè funzioni che estendevano la capacità di Alexa. Echo, nonostante fosse molto avanzato, si diffuse in realtà piuttosto lentamente. Un po' perché inizialmente si poteva acquistare solo su invito e solo se si era clienti Prime, un po' perché era disponibile solo in lingua inglese. Perché Alexa arrivasse nel mercato italiano ci volle il 2018, quindi si dovette aspettare molto tempo dopo il lancio. In compenso, quando arrivò, era già integrato con tantissimi altri dispositivi come lampadine smart, termostati digitali e così via. In pratica iniziò a essere associata l'idea di una casa domotica, connessa, intelligente ad Alexa, con cui era possibile controllare tutto quanto. Nel frattempo, nel 2016, Google aveva cercato di rompere un po' le uova nel paniere di Amazon lanciando il suo Google Nest, in alcune versioni chiamato anche Google Home. Al posto di Alexa contiene ovviamente l'assistente Google che si chiama proprio Google Assistant. Pur se meno famoso del competitor Alexa, Google Assistant beneficiò della diffusione dei dispositivi Android che prevedevano automaticamente al loro interno il nuovo assistente Google. Google in pratica voleva essere sia il competitor di Alexa sia il competitor di Siri. Anche la Apple nel 2018 lanciò il proprio dispositivo fisico chiamato HomePod per entrare a propria volta nel mercato degli smart speaker. Nel 2024, quindi qualche anno dopo queste innovazioni, è stato stimato che circa il 70% delle case italiane fosse in possesso di uno smart speaker di qualche tipo. A questo va aggiunto che oggi è praticamente impossibile acquistare uno smartphone che non abbia un assistente vocale integrato. In sostanza tutti, o quasi tutti, abbiamo un microfono sempre attivo che ci segue ovunque andiamo e che ascolta ogni cosa che viene detta. Ma oltre ad ascoltare i comandi che gli diamo, fanno anche altro? In poche parole, è vero che gli assistenti vocali ci spiano? Per comprendere i rischi e le vulnerabilità degli assistenti vocali dobbiamo prima capire come funzionano a livello tecnico. All'interno del cilindro di plastica, che sia Echo, che sia Google Home o l'HomePod, si nasconde una sofisticata architettura che progettata specificamente per l'elaborazione audio. Partiamo dal microfono. Gli smart speaker utilizzano da sempre microfoni multipli, tipicamente da 4 a 8, normalmente disposti in cerchio, quindi tutto intorno al dispositivo. Questo serve a recepire l'audio a prescindere dal punto della stanza da cui proviene, cosa aiutata anche dal fatto che questi microfoni hanno una sensibilità veramente estrema. Questa capacità rappresenta anche il primo livello di potenziale invasività. Tecnicamente questi dispositivi sentono tutto quello che accade nel loro raggio di azione. Una volta recepito l'audio inizia immediatamente l'elaborazione che avviene già dentro al dispositivo fisico. Dentro al nostro Alexa o Google Nest ci sono dei processori dedicati che analizzano continuamente il flusso audio in ingresso, applicano dei filtri per ridurre i rumori ambientali e prevedono anche degli algoritmi che servono a migliorare la qualità della voce captata e a capire quindi meglio cosa l'utente sta dicendo. L'algoritmo più importante è quello che viene chiamato wake word detection o rilevamento del la parola di risveglio, che in pratica serve a prendere tutto il flusso audio continuo, a recepire la parola chiave che fa svegliare l'assistente vocale e a iniziare a processare comandi. È in pratica l'algoritmo che serve a rilevare immediatamente se l'utente ha pronunciato le parole "Ok Google" oppure "Alexa". Questo algoritmo per motivi di privacy lavora localmente. In questo modo tutto l'audio che viene recepito dal dispositivo non viene elaborato e non viene mandato in cloud finché non viene pronunciata la parola di risveglio. Come elaborazione, come anticipavo prima, non siamo così distanti dal sistema usato da Shoebox negli anni '60. Le parole di risveglio sono associate a determinate frequenze audio. Quando il microfono rileva frequenze di quel tipo, l'algoritmo le elabora super rapidamente per capire se si tratta dell'awake word o di una parola simile, e solo se c'è una ragionevole sicurezza che si tratti proprio della parola di risveglio, allora il dispositivo si attiva e inizia la registrazione vera e propria. Teoricamente tutto l'audio che non contiene la wake word dovrebbe essere scartato localmente senza mai lasciare il dispositivo. Questa è la promessa fondamentale degli assistenti vocali: ascolto continuo ma elaborazione selettiva. Tuttavia, come vedremo, la realtà è un po' più complessa di così. Intanto partiamo dalle cose semplici. Quando la wake word viene rilevata, il dispositivo accende una luce per indicare che sta ascoltando e inizia a inviare l'audio catturato ai server in cloud del produttore. Si esce quindi dal dispositivo locale che si connette a internet e inizia l'elaborazione vera e propria delle richieste dell'utente. Il primo passaggio è la conversione delle parole pronunciate dall'utente in testo. Questo viene fatto con modelli di intelligenza artificiale addestrati su milioni di ore di audio in decine di lingue e dialetti, in modo da riconoscere non solo le parole pronunciate alla perfezione, ma anche sfumature di pronuncia, accenti regionali, il contesto della conversazione e così via. Il testo ottenuto dopo la conversione passa poi attraverso algoritmi algoritmi che servono a interpretare l'intento dell'utente. Questi algoritmi però tengono conto anche del contesto della conversazione, della cronologia delle interazioni precedenti e del profilo dell'utente, in modo da poter interpretare correttamente anche richieste che possono risultare un po' ambigue. La fase successiva è la generazione della risposta. Una volta recepito il comando e interpretata la volontà dell'utente, il sistema fa quello che gli è stato chiesto: interroga i database di conoscenza, attiva integrazioni con gli altri dispositivi, effettua ricerche su internet e via dicendo, e poi prepara una risposta testuale. L'ultimo passaggio chiaramente è la conversione della risposta testuale in audio utilizzando voci sintetiche che col passare del tempo assomigliano sempre di più a quelle naturali. Questo è il funzionamento lato interazione con l'utente, ma l'aspetto forse più interessante degli smart speaker è l'interazione con il resto della casa. Quando diciamo "Alex, accendi le luci del salotto", l'assistente deve tradurre questo comando comando naturale in istruzioni specifiche per i dispositivi target. Il sistema identifica quindi quali dispositivi corrispondono a luci del salotto, determina qual è il protocollo di comunicazione appropriato, normalmente il Wi-Fi, ma può essere anche qualcos'altro, e poi invia i comandi di controllo. Questa integrazione richiede che l'assistente mantenga un modello dettagliato dell'ambiente domestico, sa quali dispositivi sono presenti, dove si trovano, vanno, come sono raggruppati, quali sono le loro capacità. Queste informazioni, combinate con i pattern di utilizzo, creano un profilo estremamente dettagliato delle abitudini domestiche degli utenti. Anche perché, come dicevo, tutti gli assistenti vocali mantengono delle cronologie dettagliate delle interazioni. Queste cronologie servono a varie funzioni, come la personalizzazione delle risposte, il miglioramento degli algoritmi di riconoscimento, la risoluzione di problemi tecnici, e in alcuni casi anche per analisi di tipo commerciale. Gli utenti possono accedere a queste cronologie. Di solito le app mobili contengono proprio una sezione apposita, ma questa visualizzazione in realtà rappresenta solo una frazione dei dati effettivamente raccolti. Mentre cose appunto come i metadati tecnici, i pattern di utilizzo, oppure le analisi fatte dagli algoritmi sono tipicamente invisibili agli utenti finali. Più che altro, una domanda che potremmo farci è: perché l'elaborazione non avviene in locale? Perché i dati vengono trasmessi a un server? I produttori potrebbero tecnicamente implementare implementare riconoscimento vocale e logica di risposta direttamente sui dispositivi, mantenendo quindi i dati privati. I motivi per cui non lo fanno sono essenzialmente 3. Uno, la qualità. I modelli di intelligenza più avanzati richiedono delle capacità computazionali che sarebbero costosissime da implementare in ogni dispositivo e l'utente quindi non lo comprerebbe. Fra l'altro il dispositivo dovrebbe essere anche più grande. Secondo, la scalabilità. Se un algoritmo non è proprio il top e va aggiornato, è più facile tenerlo aggiornato a livello centrale rispetto rispetto al doverli distribuire a milioni di dispositivi sperando che l'utente lo aggiorni. Terzo motivo, e forse più importante: la monetizzazione. I dati raccolti hanno un valore commerciale significativo per i produttori e loro non vogliono rinunciarci. Questa architettura in cloud è la fonte primaria delle preoccupazioni privacy legate agli assistenti vocali. Ogni interazione vocale, per quanto privata possa sembrare, attraversa in realtà delle infrastrutture che sono controllate da aziende private, soggette a legislazioni diverse, e potenzialmente accessibili anche a terze parti. Di fatto, la promessa di dispositivi che ascoltano solo quando glielo chiediamo si scontra poi con la realtà di sistemi molto complessi in cui il recepimento dell'audio, l'elaborazione dei dati e la relativa conservazione sono distribuiti attraverso infrastrutture gestite da aziende che puntano esclusivamente alla massimizzazione del profitto. Il primo problema è che gli smart speaker si fondano su una contraddizione: per essere utili devono ascoltare costantemente, però per essere sicuri dovrebbero registrare solo quando sono autorizzati. Questa situazione un po' ibrida, diciamo così, crea delle vulnerabilità che non si possono completamente eliminare. Se un malintenzionato riesce in qualche modo ad accedere allo smart speaker, è scontato che possa ascoltare tutto quello che succede, perché lo speaker stesso ascolta tutto quello che succede. Il fatto che la registrazione inizi solo quando viene recepita la parola di risveglio serve esclusivamente lato elaborazione, non lato ascolto, perché appunto banalmente i sistemi devono ascoltare tutto quello che succede per poter rilevare la parola di risveglio. Oltretutto l'algoritmo che rileva la wake word prevede che anche quando non è sicurissimo che sia stata effettivamente pronunciata la parola di risveglio, nel dubbio si attivi. Sono stati condotti anche degli studi su questo. La Northeastern University ad esempio ha quantificato che gli assistenti vocali si attivano involontariamente fino a 19 volte al giorno. Circa la metà di queste attivazioni dura meno di 6 secondi, quindi il tempo che serve allo speaker per capire che l'utente non stava cercando di interagire, ma l'altra metà supera questo limite con casi estremi che raggiungono i 43 secondi di registrazione non intenzionale. Le cause delle false attivazioni sono diverse, per esempio in una famiglia in cui è presente una persona di nome Alessia penso che facciano prima a cambiare la parola di risveglio se non vogliono che Alexa registri 24 ore su 24. Anche suoni ambientali come televisori, radio, conversazioni di sottofondo possono attivare dispositivi. Se state ascoltando questo video in presenza del vostro dispositivo Alexa, penso che si sia attivato già una cosa come 40 volte ormai. Il problema poi non è magari neanche tanto questo. Il problema è quello che viene fatto con queste registrazioni. Finché si attivano solo quando c'è la wake word, vengono elaborate in cloud e conservate per avere una cronologia, può essere anche comprensibile. Il punto è che però non è così. Nel 2019 la rivista Bloomberg ha rivelato che Amazon aveva assunto migliaia di per ascoltare e trascrivere le registrazioni ottenute con i dispositivi Alexa. I dipendenti dovevano stare lì e ascoltare tutto quello che era stato registrato dai dispositivi e trascriverlo, questo per migliorare gli algoritmi di riconoscimento vocale. Quindi l'obiettivo dichiarato era quello di affinare il sistema. Quando Alexa fraintendeva un comando, i dipendenti umani scrivevano qual era la trascrizione corretta in modo da dare un feedback all'intelligenza artificiale e addestrarla. Amazon in quell'occasione assicurò che solo una percentuale minima delle interazioni venivano analizzata e che comunque i revisori non avevano accesso all'identità degli utenti. Però di fatto confermò che c'erano persone strane che ascoltavano quello che veniva detto. Ho parlato di Alexa, ma in realtà l'inchiesta di Bloomberg ha rivelato che pratiche simili erano adottate anche da Apple per Siri e da Google per il suo Assistant. Personalmente vi dirò che questa è la cosa che a me di tutto il contesto degli smart speaker preoccupa meno. Noi siamo esseri umani, abbiamo la memoria corta. Metti anche che Mario Brambilla di Amazon abbia ascoltato ho urlato mentre dicevo davanti ad Alexa che mi sono fatta male a un ginocchio è un'informazione di cui può farsi poco, soprattutto se non sa chi è la persona che parla. A me preoccupa di più la raccolta di informazioni non anonimizzate, quindi associate a me con nome, cognome, indirizzo e tutto il resto, che vengono processate e conservate in modo automatico dagli algoritmi di Alexa. Perché è questo che solleva gravi vulnerabilità di sicurezza informatica. Partiamo dal presupposto che tutto quello che è connesso a internet è una potenziale porta d'ingresso per i malintenzionati. Assistenti vocali, oltre a essere connessi a internet e quindi oltre a essere già intrinsecamente pericolosi, hanno anche, come dicevamo, quella bella caratteristica che li rende così funzionali, che è la always listening, cioè che appunto ci ascoltano sempre. E questo amplifica parecchio i rischi, anche se hanno il pulsantino per disattivare il microfono. È una disattivazione che avviene lato software, quindi un malintenzionato che ottiene l'accesso a un dispositivo Alexa che ha il microfono disattivato lo può riattivare tranquillamente. Bisogna anche dire che non abbiamo la certezza che premere quel pulsante impedisca al dispositivo di ascoltare. Io personalmente ogni volta che disattivo il microfono sul mio Alexa immagino Amazon che si sfrega le mani e dice: ah, finalmente ascoltiamo qualcosa di succoso! A parte gli scherzi, sono effettivamente state trovate nel corso del tempo delle vulnerabilità nei dispositivi Alexa che avrebbero permesso ai malintenzionati di attivare da remoto i microfoni e intercettare quindi delle conversazioni senza che gli utenti se ne accorgessero. Amazon ha dovuto rilasciare nel tempo vari aggiornamenti per correggere queste alle spalle, ma l'esistenza stessa delle vulnerabilità dimostra che la sicurezza di questi dispositivi non è mai garantita al 100%. Altri problemi che questi dispositivi possono comportare, oltre all'essere connessi a internet e all'essere sempre in ascolto, sono quelli relativi alle cosiddette skills o actions. Si tratta di funzionalità che programmatori esterni possono aggiungere per estendere le capacità del sistema. Per la precisione, le skill sono quelle di Alexa e le actions erano quelle di Google Assistant, che poi dal 2023 in poi sono state eliminate. Dicevo che queste sono un problema perché degli sviluppatori malintenzionati possono creare delle skill che sembrano legittime ma che in realtà raccolgono informazioni personali oppure eseguono azioni non autorizzate. Ad esempio, un criminale potrebbe creare una skill che serve solo perché Alexa dica delle barzellette su Totti. L'utente quindi l'attiva pensando che serva solo a quello, e invece la skill ha anche dei comportamenti nascosti, non dichiarati, che servono a sottrarre delle informazioni. Quindi abbiamo detto che problemi degli smart speaker sono che sono connessi a internet, che sono sempre in ascolto e che c'è la possibilità di realizzare skill malevole. Tutto qui, giusto? Sbagliato. Un'altra vulnerabilità degli smart speaker è che sono in grado di rispondere anche a frequenze che non sono udibili all'orecchio umano, inviate tramite ultrasuoni o trasmesse con dei laser. Ad esempio, io potrei aver incluso in questo video anche un ultrasuono che fa sì che il vostro Alexa ordini su Amazon della roba che voi non volete, oppure Oppure, come è stato scoperto nel 2019, dei malintenzionati potrebbero stare fuori dalla finestra e mandare dei laser ad Alexa che, facendo vibrare i diaframmi dei microfoni, fingono un comando vocale creando dei pattern acustici che sono identici a quelli della voce umana. I ricercatori che hanno scoperto quest'ultima cosa sono riusciti a controllare degli smart speaker da oltre 100 metri di distanza, addirittura attraverso finestre chiuse. Io ovviamente ho fatto l'esempio di acquistare su Amazon qualcosa che non volete, ma immaginate se invece un malintenzionato da sotto casa vostra riesca con un laser a convincere Alexa ad aprire la serratura intelligente della vostra porta, oppure a disattivare l'allarme. Il lato positivo dell'avere elencato tutti questi problemi è che adesso siamo tutti così preoccupati di quello che un criminale potrebbe fare che il pensiero di essere spiati da Amazon è passato in secondo piano. Ma noi ne parliamo lo stesso. Partiamo dal presupposto che i modelli di business di Amazon, Google, Apple e tutti gli altri produttori di smart speaker si basano in buona parte sulla raccolta e sull'analisi dati dell'utente, che sono ancora più preziosi del denaro che l'utente può spendere. Il motivo per cui rispetto alla tecnologia che hanno gli smart speaker il prezzo non è così tanto elevato è che gli assistenti vocali forniscono un accesso diretto alle abitudini dell'utente, e questo ovviamente ha un forte peso nelle scelte tecniche connesse agli smart speaker, che sono strutturati in modo da incentivare l'utente a lasciarli sempre accesi. Innanzitutto, se avete notato, sono quasi tutti dispositivi molto piccoli, quasi invisibili, che non si notano, in modo che le famiglie si dimentichino quasi della loro presenza. Alcuni addirittura hanno iniziato a incorporare degli schermi o delle funzioni utili come la visualizzazione dell'orario, del meteo. Così l'utente si è abituato piano piano a far riferimento a quell'orologio lì o a quella schermata lì, e quindi il dispositivo non lo spegne mai perché gli serve, perché lì c'è l'orologio. Fra l'altro, se avete notato, non è che abbiano proprio un interruttore on/off. Al massimo si può mutare, ma per spegnere il dispositivo si deve fisicamente staccare la presa, cosa che l'utente medio difficilmente facilmente farà, perché comporta comunque uno sforzo. Insomma, sono strumenti fatti per mettere un piede in casa e poi restare lì per anni ascoltando tutto quello che viene detto. In questa situazione gli utenti si trovano in una posizione infelice, nel senso che se scelgono oppure sono costretti a dotarsi di uno smart speaker devono fidarsi delle assicurazioni dei produttori riguardo all'uso dei loro dati, ma hanno poco controllo reale su come questi dati vengono effettivamente raccolti, elaborati e utilizzati. Dal punto di vista pratico va detto che non ci sono prove che quello che noi diciamo in presenza di Alexa, di Siri, di Google Assistant e così via sia usato direttamente per proporci dei prodotti in base alle nostre conversazioni. Ma c'è un ma: le interazioni che abbiamo con i nostri assistenti vocali costruiscono un profilo su di noi che si unisce alle informazioni che gli abbiamo dato quando abbiamo creato l'account. Quindi il mio assistente vocale già di default sa come mi chiamo, quanti anni ho, qual è la mia mail e così via. Se io spesso gli chiedo anche, non so, di trovarmi delle ricette vegane può pensare che io sia vegana e mettere questa informazione nel fascicolo che ha su di me. Improvvisamente su Google, Amazon, YouTube vedrò delle gran pubblicità di cose vegane o di cose che potrebbero interessare a un vegano. Questo è già preoccupante, però stiamo ancora parlando di interazioni volontarie, cioè si tratta di informazioni che io volutamente sto fornendo al mio smart speaker. Se gli chiedo sempre ricette vegane, è una ricerca su internet, quindi è come se io lo cercassi su Google, e so benissimo che il profilo su di me viene fatto anche tramite nelle mie ricerche. Il problema sono le interazioni involontarie. Vi faccio un esempio a caso, ma che serve a capire bene. Immaginate di stare con qualcuno di nome Alex, di invitare degli amici a casa, e uno di loro vi dice: "Oh, Alex ha detto che sei incinta, congratulazioni, quando nasce?" E domande di questo tipo. Alexa si attiva perché il vostro amico ha pronunciato le parole "Alex ha detto" e quindi per sbaglio Alexa si è attivata. E tutto quello che vi dite dopo viene registrato finché lo speaker non si rende conto che non stavate parlando con lui. Se le informazioni scambiate durante questa conversazione vengono usate per arricchire il vostro profilo, quindi Amazon viene a sapere che aspettate un bambino anche se voi non glielo avete mai detto direttamente, eh, questa cosa fa un po' paura. E anche volendo credere che non siamo costantemente spiati e ascoltati, è innegabile che gli assistenti vocali molto spesso si attivano per sbaglio, e quando si attivano ciò che dite viene raccolto, elaborato e conservato anche contro il vostro volere. Quindi la domanda diventa un'altra: altra, cioè come ci proteggiamo, come evitiamo di essere, diciamo così, tanto osservati, ascoltati? Chiaramente la risposta base sarebbe buttiamo nel cestino tutti gli assistenti vocali, ma questo non è sempre possibile. Penso ad esempio ai nuovi modem di FastWeb che hanno Alexa già integrata, o anche solo agli smartphone che oggi prevedono tutti una qualche forma di assistente vocale. Le cose che possiamo fare ogni volta che non c'è possibile eliminare del tutto lo smart speaker sono: 1, impostarlo correttamente. Questo vale per ogni dispositivo che si è connesso a internet. Proteggiamo il dispositivo o l'app con delle password di autenticazione forte e possibilmente con l'autenticazione a più fattori. Fatto questo, forniamo all'applicazione solo le informazioni strettamente necessarie alle funzioni che vogliamo utilizzare. Evitiamo ad esempio di collegare calendari personali, contatti, altri dispositivi in giro per casa se non abbiamo intenzione di utilizzare attivamente queste funzionalità con l'assistente. C'è anche la possibilità in molte applicazioni di modificare proprio le impostazioni privacy, Anche qui disattivate la raccolta e la conservazione di tutto quello che non è strettamente necessario. Evitiamo inoltre di attivare delle skill di terze persone che non prevediamo di usare, perché anche qui potrebbe trattarsi di programmi magari malevoli. 2. Dove possibile cambiamo la parola di risveglio. Amazon, se non ricordo male, permette di usare solo una delle 4 parole preimpostate che sono tipo Alexa, Amazon, computer o Echo. Scegliamo quella che più difficilmente diciamo nella vita quotidiana e siamo a posto. Google è ancora più rigido perché non non ci permette di cambiare la parola, però in realtà è già più difficile che diciamo per sbaglio nella vita quotidiana "Ok Google", quindi diciamo che tende comunque a svegliarsi meno. 3. Cancellate periodicamente la cronologia delle conversazioni, in modo che se anche qualcuno ottenesse legittimamente l'accesso alla vostra app, abbia comunque meno informazioni su di voi. Se possibile, impostate la cancellazione automatica ogni tot mesi, così non dovete nemmeno più pensarci. 4. Usate il tasto per chiudere il microfono, per mutare l'assistente, quantomeno durante conversazioni sensibili come riunioni di lavoro, discussioni in ambito medico, momenti intimi o privati, e ogni volta che non prevedete di usare l'assistente, come durante delle cene con gli amici o quando state andando a letto. Idem ovviamente per i dispositivi che hanno anche la telecamera, che personalmente terrei sempre staccata, salvo che non vi serva per qualche motivo particolare. 5. Qui entriamo un po' più nel paranoico, però scegliete bene dove mettete il dispositivo. È stato scoperto nel 2019 che è possibile governare gli speaker con un laser. Eviterei mettere il mio Alexa collegato alla serratura e all'allarme sul balcone, perché fidarsi è bene, non fidarsi è meglio. 6. Scendendo invece un po' più nel tecnico, sarebbe meglio collegare il dispositivo a una rete internet separata, cosa che si può fare tranquillamente anche con la rete che abbiamo a casa. Ormai ogni router dà la possibilità di creare una rete per gli ospiti. È buona cosa crearla e collegare dispositivi smart a questa rete, collegando invece smartphone e PC alla rete normale, in modo che anche se qualcuno riesce a possesso del nostro assistente vocale potrà tutt'al più accendere e spegnere le luci di casa, ma non potrà entrare nel nostro computer. Direi che se seguite almeno questi principi base, la possibilità di essere hackerati tramite il vostro assistente vocale, oppure che Amazon vi spii continuamente, si riduce parecchio. E ricordo in ogni caso che è sempre possibile scappare in una baita dove Amazon non vi raggiungerà mai, cosa che io probabilmente finirò per fare, perché a furia di fare questi video sta venendo l'ansia pure a me. Bene, come sempre spero che il video vi sia piaciuto. Fatemi sapere sapere nei commenti cosa ne pensate. La prossima settimana vedremo un caso più true crime che cyber, in realtà, in cui Alexa è stata usata come testimone in un caso di omicidio. Quindi non potete perdervelo assolutamente. A presto!