Riassunto esame Informatica giuridica, Prof. Heritier Paolo, libro consigliato L'intelligenza artificiale e il diritto , Sartor

JOHN SEARLE

costruire menti artificiali: realizzare sistemi artificiali capaci di



Un calcolatore adeguatamente

 svolgere compiti complessi

programmato è realmente una simulare processi cognitivi umani



si propone di

mente – “capisce e ha stati cognitivi” ma non possono riprodurre i processi

 cognitivi umani

Il dibattito circa la possibilità di sviluppare forme di IA FORTE - menti artificiali, risale fondamentale contributo di ALAN

che già nel 1936 si interrogava non solo sulla possibilità di sviluppare macchine intelligenti, ma anche su come

TURING,

verificare quando e in quale misura questo risultato potesse considerarsi raggiunto. (che critica)

IA FORTE – menti artificiali, TURING vs IA DEBOLE – SEARLE

JOHN SEARLE

TEST DI TURING argomento della stanza cinese

mira a dimostrare e la prova si

AI FORTE, - l’argomento è: se il testo fosse superato,

avrà quando il sistema informatico (la allora si avrebbe:

macchina) riuscirà a ingannare un IA?



l’interrogante (l’uomo). un idiota che finge di essere



Il testo non è stato ad oggi superato. intelligente?

Infatti, il test di TURING è puramente Allora dimostra che:

comportamentale: per superarlo è

sufficiente che la macchina si comporti come calcolatore segue regole,



un essere umano, non è necessario che esso non ha intelligenza



abbia veramente una mente, dei pensieri. non ha una mente

 non è capace di pensieri

 è limitato a seguire istruzioni e

 manipolare simboli

d) – ci si chiede se i sistemi artificiali sono in grado di “comprendere”; la risposta è negativa.

semantica

L’utilizzo di simboli e numeri non consente ad un sistema artificiale di “comprendere”, pur in presenza di elaborazioni come

quelle di un traduttore es. google translate o di altri sistemi come chat gpt.

Anche i sistemi usati in ambito giuridico di giustizia predittiva che funzionano attraverso inferenze o correlazioni di tipo

sintattico, ma non comprendono (confermano Searle e IA DEBOLE).

7 IA simbolica

La ricerca scientifica e tecnologica sull’IA nasce tra gli anni ‘40/50, quando 2 ricercatori mostrano che reti di neuroni

sono in grado di elaborare informazioni, da qui l’avvio sulle reti neurali.

artificiali

1956 - La nascita dell’IA ricondotta alla celebre cui scopo era lo studio

conferenza di Dartmouth, dell’intelligenza

partendo dall’ipotesi che “ogni aspetto dell’apprendimento e ogni altra caratteristica dell’intelligenza possa

automatica,

in principio essere descritto con tale precisione che si possa costruire una macchina capace di simularlo”.

La tesi fondamentale che ispirava gli studiosi riuniti a Dartmouth era infatti espressa dalla famosa ipotesi del sistema

simbolico fisico (physical system hypothesis), cioè dall’ipotesi che l’intelligenza possa risultare dal funzionamento di un

sistema che manipola strutture simboliche (per esempio, sequenze di parole o numeri) producendo altre sequenze

simboliche, secondo determinati processi.

- secondo gli stessi “un sistema simbolico fisico ha i mezzi necessari e sufficienti per

Alan Newell e Herbert Simon

l’azione intelligente generale” - si tratta solo di sviluppare tecnologie hardware, e soprattutto software, adeguate.

Furono sviluppate: tecnologie hardware - le “macchine per il Lisp” (Lisp machine - trattamento di liste e, in generale, di

informazioni non numeriche) seguite in ambito software: tecniche per la rappresentazione della conoscenza in strutture

simboliche, e tecniche per l’elaborazione di conoscenze - ragionamento automatico.

deve unire 2 aspetti:

IA simbolica

rappresentazione simbolica in un linguaggio adeguato delle conseguenze rilevanti

 capacità di trarre conclusioni fondate su tali conoscenze

 Secondo questo modello,

John McCarthy e Paul Hayes - la conoscenza è espressa usando un



l’intelligenza comprende 1 parte linguaggio simbolico

epistemologica e 1 parte euristica – l’elaborazione della conoscenza avviene



è modello di conoscenza espresso mediante ragionamenti, cioè catene di

con linguaggio simbolico. inferenze, che, date certe premesse, ne

derivano altre, sulla base della struttura

logica delle premesse.

semplice inferenza sillogistica - dalle premesse

(1) “Tutti gli uomini sono animali”,

e (2) “Socrate è un uomo”

possiamo inferire: “Socrate è un animale”.

Da questa conclusione e dalla premessa ulteriore: “tutti gli animali sono mortali”

possiamo raggiungere la conclusione: “Socrate è mortale.”

Sviluppo e crisi delle ricerche di IA

Seguono sforzi per affrontare ambiti specialistici cui soluzione poteva essere derivata da ampia base di conoscenze – sistemi

esperti con competenze espertise specialistiche, ispirati all’uso di metodi di ragionamento automatico ispirato alla logica.

8 – consente le inferenze e validità logica computazionale – effettuazione automatica di inferenze logiche

Logica

corrette.

Nascono:

Prolog 1972 – linguaggio di logica predicativa con procedure di inferenza efficienti

 Sistemi esperti primi entusiasmi

 diagnosi medica

o analisi strutture molecolari

o progettazione di sistemi informatici

o

1) Primi approcci anni ‘70/’80 sul tema AI e diritto

dopo primi entusiasmi segue la disillusione: il sistema esperto poteva integrare le conoscenze ma non sostituire il

 professionista esperto

2) IA Winter - difficoltà per sviluppo, manutenzione, aggiornamento. Seguono ricerche, e si passa dalla logica alla

statistica.

3) Anni ’90 - arriva internet - tecniche IA prendono avvio e determina la fine Winter IA e un nuovo inizio; nascono:

motori di ricerca

 siti web

 raccomandazioni all’utenza

 transazioni commerciali

 segue sviluppo in molti ambiti e, al nucleo originario di IA, si aggiungono informatica, matematica, logica:

 data mining – estrazione grandi masse di dati

 anti-spamming – selezione informazioni rilevanti ed eliminazione dati irrilevanti

 interpretazione esami medici, consulenza medica

 traduzione automatica

 giochi

 gestione + logistica –es. attività imprenditoriali o operazioni militari

 riconoscimento immagini, movimenti – vigilanza automatica

 robot fisici

 sistemi di trasporto

 software

 analisi documenti + ricerca intelligente di informazioni



Capitolo 2 L’IA: tecnologie

La rappresentazione della conoscenza

IA IU

ha accesso alla semantica – non

non usa la semantica, e sillogismo

comprende il linguaggio umano,

un ragionamento formale – da

segue

forme, non da contenuti

Definizioni: La scienza dei significati destinati a essere definiti e cristallizzati da parole significanti quando si tratti di

Semantica -

nozioni o azioni, e dà segnali morfologici quando si tratti di rapporti sintattici.

Ricavare pensieri o enunciati da altri pensieri ed enunciati, partendo da premesse e arrivando a una

Inferenza -

conclusione delle norme giuridiche

Defeasible - Defettibilità (domanda d’esame - 1 scritto)

- “ritrattabile“, ”presuntivo”, “disfattibile” o anche “defettibile” - indica schemi di nei quali

ragionamento presuntivo

è possibile rivedere o ritrattare le conclusioni tratte precedentemente.

9 sviluppati per rappresentare la conoscenza + algoritmi per compiere

Formalismi inferenze

Inferenze

Logiche Defeasible

Regole deduttive

classiche valgono solo in assenza

Concetti presuntive

modali di eccezioni

Schemi induttive

descrittive probabilistiche

argomentative

su casi

basate

Logica + informatica = programmazione logica - usa la logica simbolica per la rappresentazione esplicita di problemi e

basi di conoscenza a questi associate + inferenze logiche controllate per la soluzione effettiva di problemi.

Ragionamento mediante regole

= passaggio da ragioni a conclusioni giustificate con logica e inferenze. Si passa da ragioni, premesse obbiettivi a conclusioni

basate su ragioni, premesse obbiettivi. – la verità delle premesse garantisce la verità delle conclusioni, è impossibile

Ragionamento conclusivo o deduttivo

che le premesse siano vere e la conclusione falsa. Es. il classico sillogismo: 1) Tutti gli uomini sono mortali,2) Socrate e un

uomo, PERTANTO: 3) Socrate è mortale. – la verità delle premesse fonda solo la presunzione delle conclusioni “A

Ragionamento defettibile o presuntivo

MENO CHE” non risulti applicabile un’eccezione o caso speciale.

Il tipo di ragionamento più frequente in ambito giuridico è l’applicazione di regole come enunciati condizionali che

collegano un antecedente a una conclusione

Nel diritto

le inferenze sono spesso defeasible

 le regole generali sono espresse per situazioni normali completate da eccezioni e casi speciali

 es. danno risarcibile da chi lo provoca a meno che (defeasible) non sia incapace, legittima difesa, stato di necessità.



Regola di diritto – enunciato condizionale che collega un antecedente (A) ad un conseguente (B)

Derivare un effetto giuridico data una fattispecie concreta = sono inferenze defeasible e valgono in assenza di

eccezioni Se è “A” allora “B”

antecedente = fattispecie astratta conseguente = conseguenza astratta

sola proposizione

una singola proposizione positiva o

una

una sola congiunzione - detta “condizione”

o negativa

una sola disgiunzione - detta “condizione”

o Concatenamento all’indietro

Concatenamento in avanti backward chaining

forward chaining in senso opposto verificando

procede

un insieme di fatti noti esamina se le

dato tutte le condizioni SE = ricerca la

condizioni di qualche regola sono regola cui conseguente coincide con la

soddisfate – se SI, aggiunge la conclusione conclusione cercata,

della regola ai fatti noti, SE le condizioni di quella regola

esamina

considera se grazie alle nuove conclusioni

poi possono essere dimostrate in quanto

è possibile trarre le conclusioni di altre conclusioni di altre regole o fatti noti,

regole aggiungendole ai fatti noti, processo termina quando si risale a un

il

termina quando si raggiunge la

processo insieme di fatti noti dal quale si deriva

conclusione desiderata o sia impossibile

raggiungerla

10 – modelli logici per trattare eccezioni o conflitti tra le regole<