{"id":6320,"date":"2025-12-17T09:00:57","date_gmt":"2025-12-17T08:00:57","guid":{"rendered":"https:\/\/192.168.2.57\/?p=6320"},"modified":"2025-12-17T09:00:57","modified_gmt":"2025-12-17T08:00:57","slug":"approcciarsi-allintelligenza-artificiale","status":"publish","type":"post","link":"https:\/\/infonews.notartel.it\/index.php\/2025\/12\/17\/approcciarsi-allintelligenza-artificiale\/","title":{"rendered":"Approcciarsi all&#8217;Intelligenza Artificiale"},"content":{"rendered":"<div class=\"post-content\">\n<p>L&#8217;Intelligenza Artificiale sembra sempre pi\u00f9 permeare la vita di tutti i giorni: dai sistemi integrati nei nostri smartphone, ai navigatori delle auto sempre pi\u00f9 avanzati fino ad arrivare ai veri e propri LLM sempre pi\u00f9 in uso nelle realt\u00e0 professionali. Se da un lato, quindi, \u00e8 molto semplice utilizzarla, dall&#8217;altro, l&#8217;intelligenza artificiale, \u00e8 meno intuitivo definirla. In sintesi, potremmo dire che essa \u00e8 la capacit\u00e0 di un sistema informatico di mostrare doti che consideriamo umane: ragionare, apprendere, pianificare e persino essere creativo.<\/p>\n\n\n\n<p>Sebbene possa risultare apparentemente spiazzante, l&#8217;idea che possa esistere una sorta di &#8220;cervello artificiale&#8221; non \u00e8 affatto recente. Tutto ha inizio nei primi anni \u201940 con la teorizzazione della prima rete neurale. Dopo i primi successi, come lo sviluppo dei primi &#8220;neuroni artificiali&#8221; e di semplici chatbot (come &#8220;Eliza&#8221; negli anni &#8217;60, che simulava in chiave parodistica la conversazione tra paziente ed un terapista), la tecnologia ha affrontato due lunghi periodi di stasi, noti come &#8220;inverni dell&#8217;IA&#8221;. Erano fasi di scetticismo e tagli ai fondi, in cui l&#8217;IA non riusciva a mantenere le promesse attese.<\/p>\n\n\n\n<p>Una tappa che potremmo definire iconica arriv\u00f2 nel 1997, quando <strong>Deep Blue<\/strong> di IBM, un supercomputer dalle notevoli dimensioni, sconfisse il campione del mondo di scacchi Garry Kasparov. La tecnologia dell\u2019epoca, tuttavia, si basava sulla predeterminazione di regole su base umana: compito dei programmatori umani era quindi quello di stabilire come dovesse comportarsi la macchina in una determinata situazione attraverso la codifica minuziosa di regole c.d. \u201cif-then-else\u201d.<\/p>\n\n\n\n<p>La vera rivoluzione inizia per\u00f2 negli anni 2000 quando con l&#8217;avvento del <strong><a href=\"https:\/\/www.notartel.it\/notartel\/contenuti\/notaio-digitale\/blockchain-ai.html\" target=\"_blank\" rel=\"noopener\" title=\"\">Machine Learning<\/a><\/strong> (apprendimento automatico) e del <strong>Deep Learning<\/strong> (apprendimento profondo) i sistemi si affrancano dalla predeterminazione di regole grazie all\u2019analisi di pattern simili presenti in enormi quantit\u00e0 di dati.<\/p>\n\n\n\n<p>Questo ci porta a una distinzione fondamentale, quella tra due approcci principali:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>da un lato vi \u00e8 <strong>l&#8217;IA Deterministica<\/strong>: si tratta di sistemi affidabili e precisi, ma rigidi che non possono generare nulla al di fuori delle regole pre-programmate. L\u2019esempio \u00e8 Deep Blue che a fronte di uno stesso input (una posizione sulla scacchiera), generer\u00e0 <em>sempre<\/em> lo stesso identico output (la mossa migliore);<\/li>\n\n\n\n<li>dall\u2019altro c\u2019\u00e8 <strong>l&#8217;IA Statistica<\/strong>, che \u00e8 flessibile, &#8220;comprende&#8221; il contesto e pu\u00f2 generare testi, immagini e musica. Questa flessibilit\u00e0, tuttavia, ha un costo in termini di affidabilit\u00e0 assoluta: le risposte tenderanno statisticamente verso la correttezza, ma in una certa misura c\u2019\u00e8 il rischio che il sistema sbagli. \u00c8 quella ad es. dei modelli linguistici avanzati, che a fronte di uno stesso input (ad es. una domanda), genereranno quasi sempre output <em>diversi <\/em>(nella forma ed a volte, come si vedr\u00e0 meglio nel prosieguo, anche nella sostanza).<\/li>\n<\/ul>\n\n\n\n<p>I modelli statistici, infatti, possono incorrere in errori: il primo \u00e8 l&#8217;<strong>allucinazione<\/strong> che si verifica quando l&#8217;IA, non trovando la risposta corretta nei suoi dati o interpretando male il contesto, &#8220;inventa&#8221; una risposta che <em>sembra<\/em> plausibile ma \u00e8 di fatto errata (pu\u00f2 ad es. citare un libro inesistente o descrivere un evento storico mai accaduto); il secondo, e pi\u00f9 grave, \u00e8 il <strong><a href=\"https:\/\/www.infonews.notartel.it\/index.php\/2024\/10\/18\/lintelligenza-artificiale-tra-sviluppo-tecnologico-e-regolamentazione-una-prima-lettura-dellai-act\/\" title=\"\">bias<\/a><\/strong> (pregiudizio) che si verifica quando le IA apprendono da una grande mole di dati che viene loro fornita. I database di grandi dimensioni possono avere al loro interno degli sbilanciamenti sia espliciti (quando ad es. sono formati anche mediante l\u2019utilizzo di conversazioni umane sui social che contengono frasi discriminatorie) che impliciti (quando la discriminazione avviene a causa del fatto che una determinata idea non \u00e8 adeguatamente rappresentata nel dataset di addestramento costituendo quindi una minoranza).<\/p>\n\n\n\n<p>Pertanto, quando i dati sono sbilanciati o riflettono i nostri pregiudizi, l&#8217;IA li apprender\u00e0 e li replicher\u00e0: per esempio, se un sistema di riconoscimento facciale per finalit\u00e0 di pubblica sicurezza venisse addestrato principalmente su volti di una specifica etnia, commetterebbe molti pi\u00f9 errori nel riconoscere persone di etnie diverse, con conseguenze che potrebbero essere discriminatorie.<\/p>\n\n\n\n<p>Se da un lato, dunque, l\u2019IA pu\u00f2 incorrere in errori a causa dei dati di addestramento, pu\u00f2 succedere, parimenti che le risposte non siano corrette a causa dell\u2019incapacit\u00e0 dell\u2019utente di approcciarsi ad un utilizzo corretto. Spesso, infatti, questi strumenti vengono utilizzati in modo improprio, in quanto ci si aspetta che comprendano l&#8217;intento implicito dell\u2019utilizzatore. Il segreto per ottenere risultati efficaci \u00e8 capire che non si sta semplicemente facendo una ricerca su un classico motore di ricerca e che sarebbe sicuramente pi\u00f9 congeniale formulare un comando preciso, orientato al risultato: un <strong>prompt<\/strong>. Una volta appreso ci\u00f2 infiniti possono essere i campi di utilizzo, anche in ambito professionale. Gli unici limiti potranno essere solo la potenza dei modelli e la fantasia dell\u2019utente.<\/p>\n\n\n\n<p>Il tema dello sbilanciamento pu\u00f2 essere utile per comprendere se quindi il modello statistico pu\u00f2 essere utile al giurista al pari di un modello deterministico, considerando che solo quest\u2019ultima tipologia assicura risultati certi, mentre, come visto, l\u2019IA statistica soffre in una certa misura la tendenza all\u2019errore. Se, quindi, al giurista servono per definizione sempre risposte affidabili, come si pu\u00f2 affermare al contempo che l\u2019IA statistica possa essere sua fedele alleata?<\/p>\n\n\n\n<p>Entriamo quindi a gamba tesa nel problema, quasi filosofico, <strong>dell\u2019applicabilit\u00e0 dei modelli statistici al diritto<\/strong>. Sotto tale aspetto, i tecnici della materia informatica sono soliti fare un parallelismo tra diritto e linguaggio. L\u2019inferenza \u00e8 la seguente: se da un lato l\u2019IA \u00e8 stata in grado di comprendere e decodificare le regole del linguaggio basandosi sull\u2019analisi ed il confronto dei testi in lingua originale e delle relative traduzioni, dall\u2019altro la stessa sarebbe verosimilmente in grado di apprendere le regole del diritto attraverso l\u2019analisi dei documenti di prassi (quali ad es. sentenze, ricorsi, atti etc). Si tratta, tuttavia, di una visione statica o che perlomeno non tiene conto di una profonda differenza che sussiste tra il linguaggio ed il diritto. &nbsp;\u00c8 certamente vero che sia il linguaggio che il diritto hanno in comune la presenza di numerose regole cos\u00ec come \u00e8 anche vero che sia il linguaggio che il diritto hanno in comune la circostanza che nuove regole possono essere introdotte nel tempo. Tuttavia, deve considerarsi che l\u2019introduzione di una nuova regola nei due contesti appena delineati non ha lo stesso effetto. L\u2019introduzione di una nuova regola di diritto nel mondo giuridico pu\u00f2 avere l\u2019effetto di abrogare la normativa precedente, oppure di innovare totalmente la vecchia disciplina, anche attraverso l\u2019introduzione di sanzioni o nullit\u00e0 rilevanti. Nulla di tutto ci\u00f2 accade nel linguaggio dove l\u2019introduzione di una nuova regola non ha mai effetti di tale portata (il vecchio modo di dire con il tempo potrebbe risultare, quanto meno nel breve e medio periodo, fuori luogo ma difficilmente errato).<\/p>\n\n\n\n<p>In un sistema di IA statistica addestrata specificamente nel <strong><a href=\"https:\/\/www.infonews.notartel.it\/index.php\/2023\/11\/13\/home_n3_2023\/\" title=\"\">campo del diritto<\/a><\/strong>, quindi, l\u2019introduzione di una nuova regola potrebbe comportare la necessit\u00e0 di attendere il tempo necessario al diritto vivente di produrre documenti che applichino la nuova regola e, una volta fatto ci\u00f2, di attendere il tempo di addestramento del sistema sulla nuova regola. Nonostante ci\u00f2, dopo questa attesa il risultato potrebbe essere non ancora ottimale. La porzione di dataset rappresentativo della nuova regola, infatti, sarebbe infinitamente pi\u00f9 piccolo della porzione rappresentativa della vecchia regola ormai abrogata. Questo comporterebbe uno sbilanciamento e conseguenti bias oltre alla necessit\u00e0 di una ulteriore immissione di documenti di prassi in misura sufficiente.<\/p>\n\n\n\n<p>Questi aspetti rappresentano quindi una importante sfida per il futuro.<\/p>\n<\/div>","protected":false},"excerpt":{"rendered":"<p>Evitare allucinazioni e pregiudizi: gli errori pi\u00f9 comuni dei modelli statistici applicati al diritto.<\/p>\n","protected":false},"author":7,"featured_media":0,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"_editorskit_title_hidden":false,"_editorskit_reading_time":0,"_editorskit_is_block_options_detached":false,"_editorskit_block_options_position":"{}","footnotes":""},"categories":[202],"tags":[449],"class_list":["post-6320","post","type-post","status-publish","format-standard","hentry","category-come-fare-per","tag-newsletter-infonews-del-01-12-2025-n-3"],"acf":[],"aioseo_notices":[],"_links":{"self":[{"href":"https:\/\/infonews.notartel.it\/index.php\/wp-json\/wp\/v2\/posts\/6320"}],"collection":[{"href":"https:\/\/infonews.notartel.it\/index.php\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/infonews.notartel.it\/index.php\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/infonews.notartel.it\/index.php\/wp-json\/wp\/v2\/users\/7"}],"replies":[{"embeddable":true,"href":"https:\/\/infonews.notartel.it\/index.php\/wp-json\/wp\/v2\/comments?post=6320"}],"version-history":[{"count":3,"href":"https:\/\/infonews.notartel.it\/index.php\/wp-json\/wp\/v2\/posts\/6320\/revisions"}],"predecessor-version":[{"id":6331,"href":"https:\/\/infonews.notartel.it\/index.php\/wp-json\/wp\/v2\/posts\/6320\/revisions\/6331"}],"wp:attachment":[{"href":"https:\/\/infonews.notartel.it\/index.php\/wp-json\/wp\/v2\/media?parent=6320"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/infonews.notartel.it\/index.php\/wp-json\/wp\/v2\/categories?post=6320"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/infonews.notartel.it\/index.php\/wp-json\/wp\/v2\/tags?post=6320"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}