Plastique dans l’océan et dans nos assiettes : quels risques pour la santé humaine ?

Amélie Châtel, Université catholique de l’Ouest

L’accumulation de nano et microplastiques dans les organismes marins, notamment les poissons, s’accumule tout du long de la chaîne alimentaire. Au bout de celle-ci, elle se reflète également dans nos assiettes. Avec quels dangers pour la santé ?


Ce n’est un secret pour personne. Lorsque nous nous délectons d’un excellent morceau de poisson ou d’un plateau de fruits de mer, nous ne fournissons pas seulement de précieux oméga-3 et de la vitamine D à notre organisme. Nous ingérons aussi par la même occasion des substances bien moins propres à la consommation humaine : une multitude de micro- et de nanoplastiques.

Échantillonnages invertébrés d’eau douce C. fluminea au niveau de la Loire.
Amélie Châtel, Fourni par l’auteur

Par le biais de nos déchets, ces particules de plastiques de moins de 5 millimètres envahissent nos océans et s’immiscent dans la chaîne alimentaire. Une étude de l’Ifremer estimait ainsi à 24 400 milliards le nombre de microplastiques flottant à la surface des océans. Tous les organismes marins contiennent des microplastiques, des microalgues aux maillons plus hauts de la chaîne alimentaire comme les poissons. Un phénomène qui menace non seulement les écosystèmes marins mais peut-être aussi notre santé humaine.

Que sait-on exactement de l’accumulation de ces polluants dans les organismes marins et des risques qu’ils représentent pour l’humain ?

poisson qui nage à côté de plastique dans la mer
Les organismes marins bioaccumulent des micro et des nanoplastiques rejetés par l’humain dans la mer.
Naja Bertolt Jensen/Unsplash, CC BY-NC-SA

Micro et nanoplastiques, une menace invisible

Depuis les années 1950, la production de plastique a connu une croissance exponentielle (58 millions de tonnes en Europe en 2022), générant des quantités importantes de déchets.

Sous l’effet du vent, des vagues, du soleil, des microorganismes, ces déchets se fragmentent en microplastiques (taille comprise entre 1 et 5 mm) voire en nanoplastiques (taille inférieure à 100 nm), que l’on retrouve aujourd’hui dans tous les compartiments environnementaux (air, sol, eau).

Leggi tutto

Sul Sistema Informativo Nazionale per la Prevenzione – SINP

Autore : Maurizio Mazzetti che ringraziamo 

Fonte: il manifestoinrete

 

Il SINP è formalmente previsto dall’art. 8 del Tu 81/2008 (https://www.normattiva.it/uri-res/N2Ls?urn:nir:stato:decreto.legislativo:2008-04-09;81!vig). In estrema sintesi dovrebbe raccogliere ed elaborare in maniera integrata ed accessibile tutte le informazioni di interesse per la prevenzione e sicurezza sul lavoro, con il Ministero del Lavoro che lo Governa, l’INAIL che lo gestisce tecnicamente,  i vari soggetti istituzionali competenti (INPS, Regioni, ASL ecc.) che lo alimentano ed utilizzano, le parti sociali che lo consultano.

Se la conoscenza dei fenomeni è il necessario presupposto per intervenirvi, in materia di prevenzione e sicurezza sul lavoro la prima domanda da farsi è se questa conoscenza, cioè le informazioni che si ricavano dall’incrocio dei dati elementari e dalle elaborazioni statistiche, è adeguata, approfondita, utile.

Ad oggi, quando il TU 81/2008 ha ormai assolto, a 16 anni dall’emanazione, il proprio obbligo scolastico, il SINP però coincide ancora sostanzialmente con la Banca dati INAIL https://www.inail.it/portale/it/attivita-e-servizi/dati-e-statistiche.html.  E non casualmente: l’art. 8 prevedeva al comma 8, con la consueta clausola di stile che “Le attività di cui al presente articolo sono realizzate dalle amministrazioni di cui al comma 2 utilizzando le ordinarie risorse personali, economiche e strumentali in dotazione”. Clausola di stile che, nella sua ragionieristica impostazione, ignora un elemento persino banale: ogni sistema informativo, e potremmo dire ogni investimento, ha un costo; e non esistono pasti gratis, come ci ricordano strumentalmente troppi politici quando tagliano qualche servizio pubblico. L’unico ente pubblico con un consistente attivo è, da decenni, appunto l’INAIL, che la sua parte, nei limiti dei compiti assegnati, magari l’ha fatta. Non altrettanto in particolare il Ministero, anzi i ministeri del Lavoro e della Sanità, nonché le regioni, indipendentemente dall’orientamento politico dei governi succedutisi: ben poco è stato fatto, molto più per mancanza di volontà politica che per difficoltà tecniche e costi dell’operazione.

Leggi tutto

Una ricerca della Camera del Lavoro di Bologna : ” Città del Lavoro o Città della Rendita ?”

 

E’ un lavoro di ricerca molto importante quello realizzato dalla Camera del Lavoro di Bologna sulla città , sulle nuove dimensioni dei fenomeni sociali che hanno ora rilevanza.
Il titolo dato al Rapporto già definisce un radicale cambiamento: “ CITTÀ DEL LAVORO O CITTÀ DELLA RENDITA?”
Nel tempo sono cambiate radicalmente i modi e le condizioni di vita dei soggetti che vivono la città. Un Report da leggere con attenzione anche da parte dei decisori politici per individuare per davvero quali siano le priorità di questa città. Una città che non è mai stata né sazia né disperata ma è ora certamente preoccupata di individuare un nuovo percorso per rigenerare le virtù sociali, culturali e civili che l’hanno resa nel passato un importante riferimento Editor

Il Report 

Per più informazioni e documenti  clicca QUI 

Vedi anche l’articolo  apparso su Altra Economia :” Bologna la diseguale. I risultati dell’inchiesta sociale sui costi e sulle fratture della città ” 

Perché dobbiamo controllare gli algoritmi e l’intelligenza artificiale dall’inizio alla fine

Questo articolo è tratto dal sito della Fondazione Algorithm Watch che ringraziamo per l’importante lavoro che svolge . Per un uso professionale del contenuto suggeriamo di fare riferimento alla versione in lingua originale sul sito della Fondazione

Il quadro completo dei rischi e dei danni algoritmici è complicato. Quindi, come affrontiamo il compito di auditing dei sistemi algoritmici? Ci sono vari tentativi di semplificare il quadro in quadri generali e standardizzati; o di concentrarsi su aree specifiche, come la comprensione e la spiegazione della “scatola nera” dei modelli. Mentre questo lavoro e questo modo di pensare hanno dei vantaggi, dobbiamo guardare ai sistemi da un capo all’altro per catturare appieno la realtà dei danni algoritmici.

Vogliamo quindi condividere i nostri pensieri su cosa intendiamo con questo “End-to-End Auditing” di sistemi algoritmici o AI e perché adottiamo questo approccio, utilizzando alcuni esempi specifici che stiamo prendendo in considerazione per indagare ulteriormente. Un’idea da tenere a mente è che un quadro complicato può essere visto come un puzzle: può essere suddiviso in molte parti, che molte persone possono lavorare insieme per adattare nei posti giusti.

La catena fine-fine

Dietro ogni output di IA c’è una lunga catena di azioni, tecnologie e decisioni. Dalla decisione sullo scopo di uno strumento; pianificazione e definizione dell’ambito dello strumento; fino alla raccolta dati; formazione e messa a punto dei modelli; creazione di interfacce per gli utenti; creazione e utilizzo degli output; alla loro integrazione in un modello aziendale; e iterazione degli strumenti dopo la loro distribuzione. Ci saranno compromessi in tutto, politiche e decisioni da prendere, e salvaguardie e limiti che potrebbero essere implementati. Saranno coinvolti diversi attori e potrebbero sorgere vari rischi e danni. Quindi, prima di spiegare ulteriormente cosa intendiamo per end-to-end, dobbiamo prima chiarire che non intendiamo “auditing AI” come un mero processo o approccio tecnico. Piuttosto, la natura diversificata dei potenziali danni dovrebbe sempre essere verificata in relazione al contesto sociale in cui si manifestano, richiedendo prospettive e competenze diverse.

Per restringere il campo, concentriamoci su una particolare forma di IA: l’IA generativa (“GenAI”). Questi sistemi possono creare nuovi contenuti (testo, immagini, audio, video) in base a input definiti dall’utente. Consideriamo i rischi e i danni che si presentano a entrambe le estremità della catena. Cominciamo considerando una parte iniziale “a monte” della catena del valore: la messa a punto dei modelli in modo che possano riconoscere ed evitare di produrre contenuti dannosi. Questo è noto come “detossificazione” dei modelli. Non farlo correttamente ha portato ad alcuni disastri PR precoci e di alto profilo, come Tay Chatbot di Microsoft nel 2016, che è diventato famoso per aver twittato razzismo e teorie del complotto. Mentre è certamente possibile ottenere chatbot più recenti, come ChatGPT, per produrre tali contenuti, è notevolmente più difficile, a causa della detossificazione.

Leggi tutto