Riassunto esame diInformatica giuridica,, prof. Romeo, libro consigliato Il diritto artificiale, Romeo

Il Diritto Artificiale

Questa carenza nelle macchine viene colmata con una frequenza di attivazione dei

processori più elevata in nano secondi ottenendo così una più alta velocità di calcolo.

Comunque anche se si riuscisse a costruire un modello input-output equivalete a un processo

cognitivo sulla base di una macchina di Von Neumann, si potrebbe comunque essere sicuri

che il suo modo di lavorare differirebbe da quello del cervello. Questo dimostra che

l’elaborazione della informazione del cervello è in linea di principio diversa da quella del

modello Von Neumann usato fino ad ora.

2. il secondo problema che ha portato al superamento del sistema di elaborazione

dell’informazione in modo simbolico era la sua incapacità di modellare processi psichici

elementari. Venne quindi il sospetto che l’elaborazione dell’informazione da parte

dell’uomo in linea di principio fosse diversa da quella posta nelle macchine a elaborazione

simbolica.

La ricerca di alternative al dominante paradigma “rules and representations”portò tuttavia non ad un

nuovo metodo di elaborazione dell’informazione, ma alla riscoperta di un metodo dimenticato: la

simulazione del sistema nervoso biologico con reti neurali artificiali. Negli anni ’40 e ’50

soprattutto Pitts e Rosenblatt cercarono di imitare la struttura neuronale del cervello. Essi speravano

di avere informazioni sul funzionamento cibernetico del cervello umano, come di costruire

macchine capaci di avere prestazione simili a quelle cognitive dell’uomo.

D G P S R N

AL ENERAL ROBLEM OLVER ALLE ETI EURALI

Nel 1956 Newell, Simon e Shaw presentarono il loro “Logial Theorist” che poteva portare avanti

semplici dimostrazioni. Questo programma previsto per una macchina Von Neumann seriale fu in

seguito sviluppato nel “General Problem Solver”. Il programma poteva veramente risolvere una

serie di problemi e ci si aspettò che sarebbe stato migliorato al punto di mostrare un comportamento

generale risolutore di problemi.

In seguito a questi successi l’elaborazione dell’informazione in forma simbolica si concentrò

sempre più strettamente sull’ulteriore sviluppo di architetture simboliche. La provvisoria fine della

simulazione delle reti neurali è stata marcata da Minsky e Papert nel libro Perceptrons, in cui si

riteneva fosse dimostrato che le reti neurali non erano in grado di risolvere problemi di una certa

complessità. La capacità di prestazioni delle trarti neurali venne così radicalmente ristretta sicché

non guadagnarono più nessuna attenzione.

Minsky e Papert mostrarono che ci sono comunque dei problemi la cui soluzione non era possibile a

reti neurali di una certa struttura: il percettrone con quella struttura a reti neurali non era in grado di

apprendere. 7

Il Diritto Artificiale

Ci fu un enorme progresso nella classica architettura dei computer per rimettere in gioco sistemi

connessioniste. Tramite la sempre maggiore capacità di calcolo, dovuta alla crescita della velocità,

oggi si è in grado di simulare reti complesse e perciò capaci di buone prestazioni. Così oggi si è in

grado di comparare diversi sistemi ed empiricamente di provarli.

I sistemi connessioniste:

sono in grado, su dati o informazioni incompleti o parzialmente errati, sdi trovare una

❦ soluzione;

sono capaci di generalizzare, cioè reagiscono ad un input prima mai incontrato in maniera

❦ analoga come se fosse un input già conosciuto;

apprendono dall’esperienza.

❦

I sistemi connessioniste vengono spesso chiamati anche reti neurali. Anche se si corre il pericolo di

dare con questa connotazione un significato per metafora parzialmente errato essa è tuttavia adatta a

mostrare la generale architettura di un sistema connessioniste.

L’ -

ISOMORFIA CERVELLO ELABORATORE

Le unità funzionali del sistema nervoso di organismi viventi sono in prima linea le cellule neurali

(neuroni). Ognuno di questi neuroni è composto essenzialmente dal corpo cellulare, il soma, e da

questo dipartono le diramazioni nervose i dendriti e un assone. Tra l’interno delle cellule e l’esterno

del neurone c’è una differenza di potenziale elettrico che definisce il grado di attivazione del

neurone.

Ogni neurone della corteccia cerebrale umana è quindi mediamente collegato con 16000 altri

neuroni. I luoghi del trasferimento dell’impulso da un neurone all’altro, le sinapsi, definiscono

l’influsso che ogni altro impulso proveniente da neuroni deve avere sul neurone; sinapsi eccitatorie

agiscono in modo tale che un impulso abbia come seguito nel neurone un innalzamento

dell’eccitazione; impulsi che passano attraverso le sinapsi inibitorie abbassano l’eccitazione.

I sistemi connesionisti simulano questa costruzione: essi consistono in un grosso numero di unità di

calcolo le quali sono densamente collegati uno con l’altro. Ognuna di queste unità si trova in un

determinato grado di attivazione, al quale è assegnato un valore numerico. A seconda del modello

utilizzato questo grado di attivazione può essere o una serie di valori discreti (in caso estremo con i

valori o = inattivo e 1 = attiva) oppure può variare continuamente tra un valore superiore e uno

inferiore.

Le unità calcolano il loro grado di attivazione come funzione del segnale che ottengono dalle altre

unità. L’uscita di ogni singola unità di calcolo è di regola identico al grado di attivazione e viene

normalmente senza distinzioni trasmesso a tutte le unità collegate. I collegamenti tra le unità di

calcolo determinano quale effetto l’uscita di una unità avrà sulle unità ad essa collegate. 8

Il Diritto Artificiale

Questo avvine formalmente attraverso un calcolo del peso dei collegamenti con fattori di peso tra –

1 e1. così ad esempio, con una uscita dalla unità K=10 e un fattore di peso uguale a 0.7 tra la unità

K e l’unità L verrebbe trasmesso un segnale del valore di 0.710=7.

L’operazione condotta dal processore è fondamentalmente:

y = f(ΣW x ), dove:

i ij j

x sono i valori di entrata;

❦ j

y sono i valori di uscita;

❦ i

W sono i pesi sulle connessioni;

❦ ij

f è la funzione di risposta variante in modo continuo nell’intervallo (0 1).

❦

A questa struttura fondamentale sono collegate alcune funzioni che permettono al nodo di

modificarsi in dipendenza del segnale d’entrata. Le più importanti sono:

1. la funzione di trasferimento lavora e modifica la memoria locale ed i segnali in

ingresso e produce l’output del nodo. Generalmente non è lineare ed ha lo scopo di

dare una risposta non semplicemente proporzionale al segnale in entrata;

2. la funzione di apprendimento ha il compito di modificare i pesi di ogni

connessione. Tramite questa funzione la connessione viene rafforzata se essa ha

fornito o operato per una risposta esatta, viene indebolita nel caso contrario.

Il compito di una unità di calcolo in una rete connessioniste consiste esclusivamente

nell’addizionare i segnali in entrata, in dipendenza di questi input di calcolare il proprio grado di

attivazione e di trasmettere alle altre unità di calcolo attraverso i collegamenti pesati questo valore.

Le unità di calcolo di una rete connessioniste tipica si lasciano ordinare in tre strati:

1. lo strato d’ingresso: è costituito da unità che ottengono il loro grado di attivazione non in

dipendenza del grado di attivazione delle altre unità bensì da fattori esterni al sistema.

Le unità appartenenti a questo strato sono le unità di input e formano lo strato di input;

2. lo strato d’uscita: lo strato di output raccoglie le unità di output i cui segnali definiscono

l’output del sistema;

3. lo strato intermedio:queste unità di calcolo hanno un grado di attivazione che non viene

direttamente da fattori esterni al sistema bensì viene cambiato esclusivamente in dipendenza

da altre unità. Queste unità vengono chiamate interne o nascoste e costituiscono lo strato

interno del sistema. 9

Il Diritto Artificiale

C 3 – :

APITOLO ELABORATORE ED INTERPRETAZIONE UN ESPERIMENTO

L’

INTELLIGENZA ARTIFICIALE APPLICATA AL DIRITTO

In ambito giuridico i nuovi studi suscitarono interesse soprattutto negli Stati Uniti; le ricerche

s’incentrarono sull’elaborazione di strutture formali, basate sull’algebra booleana, che fossero in

gradoni riprodurre il ragionamento del giudice nella decisione.

La premessa comune a tutti questi studi era quella del cognitivismo, cioè che la capacità dell’uomo

di prendere ed avere cognizione del mondo circostante, la sua capacità cognitiva, fosse

rappresentabile tramite un procedimento di elaborazione dell’informazione.

La constatazione di partenza era che il diritto, sicuramente quello codificato ma, in modo solo

parzialmente diversi, anche quello giurisprudenziale, è rappresentabile facilmente in un sistema

formale.

Nascono nuove opere giuridiche, nelle quali vengono rappresentate struttura e relazioni di e tra testi

di leggi, si tenta di riprodurre tutto il sapere giuridico nella formula “se-allora”. Si tenta di sostituire

la mancanza di chiarezza dei testi di legge con l’esattezza della formulazione, rivelatrice d’ogni

falsa classificazione.

Già dai primi studi si delineò la difficoltà di riprodurre queste strutture simboliche a causa della loro

estrema variabilità non solo dovuta alla struttura del linguaggio ma assai più al modo in cui il fatto

viene percepito. Questo portò da un lato ad un moltiplicarsi degli sforzi tesi ad analizzare le

strutture linguistiche di rappresentazione della realtà, e dall’altro all’analisi statica tendente

fondamentalmente ad indagare l’utilizzazione del procedimento argomentativo fondante la

decisione in presenza di determinati fatti.

Tra gli anni ’70 e ’80 proprio la sperimentazione sull’elaboratore aveva portato a rivedere il

tradizionale modello della sussunzione, essendo divenuto chiaro che il ragionamento giuridico, nel

momento dell’interpretazione, non è riducibile a questo schema logico. Si trattava quindi di

elaborare le figure logiche adatte o comunque di ricostruire come ‘razionale’ ciò che facevano i

giuristi interpretando la legge.

Contemporaneamente ci si accorse che l’elaboratore era un ottimo laboratorio per “sottoporre a

prova le ipotesi e le teorie giuridiche ovvero per ripensare il diritto”. Si trattava di reimpostare tutte

le relazioni logiche che legano, nell’interpretazione, le disposizioni di legge tra di loro, di

riformulare e ripensarne i nessi, al fine di preparare un materiale che fosse “comprensibile” e quindi

processabile dalle macchine.

Ambiziosamente ci si riprometteva di predisporre un raffinato impianto teorico che operasse la

perfetta separazione del giuridico dal non giuridico, e che quindi permettesse all’elaboratore di

10

Il Diritto Artificiale

“riconoscere” e “discernere” ciò che pertineva all’universo del discorso giuridico da ciò che ad esso

era estraneo.

Le tradizionali opinioni cognitiviste ponevano come cardine centrale dell’elaborazione

dell’informazione il simbolo e le relazioni che legano i simboli tra di loro, assumendo che con un

numero finito di simboli ed un numero finito di relazioni prestabilite ma variabili fosse possibile

riprodurre all’interno di un elaboratore elettronico un ragionamento corrispondente a quello umano.

Figli di questa impostazione sono stati i SISTEMI ESPERTI, in cui i simboli fissati venivano

collegati ad una struttura di relazioni logiche permettendo all’elaboratore operazioni logiche di

volta in volta differenti, a seconda delle necessità dei dati che si dovevano analizzare.

La creazione dei Sistemi Esperti ha contemporaneamente posto il ricercatore di fronte alla

differenza palese tra il modo di ragionare dell’elaboratore, così programmato, e quello dell’uomo.

Si giunge quindi subito alla individuazione del problema: non esiste giudizio senza significato, ed

una banca dati, per quanto grande e completa possa essere non è una banca di significati.

I ’

LIMITI DELL ELABORATORE

Le ricerche condotte sortirono comunque risultati notevoli. Le semplici regole di logica

deduttiva non portavano alla creazione di una macchina pensante ed in questo l’elaboratore

mostrava geneticamente il suo limite. Portarono però alla strutturazione del sapere giuridico

in gigantesche raccolte ordinate, per le quali le modalità logiche d’interrogazione

permettevano un immediato reperimento del dato.

Ad una capacità di calcolo mille volte superiore di quella dell’uomo, ad una capacità di memoria

altrettanto smisurata, non corrisponde comunque una capacità di giudizio; ogni simulazione su

sistema esperto della fase dl giudizio o porta a risultati irrazionali, intendendo con questo termine la

non corrispondenza con la decisione giudiziale, oppure sembra richiedere l’informatizzazione in

strutture logiche coerenti dell’intero sapere giuridico e non solo.

Nessun settore giuridico, per quanto speciale e retto da proprie regole, mostra una indipendenza dal

resto che permetta di portare a compimento la simulazione. Così la razionalità portata dalla

soluzione del Sistema Esperto non combacia con la razionalità di una sentenza o di un

ragionamento giuridico.

La differenza tra un programma di calcolatore ed il cervello è che i primo manipola i simboli, il

secondo annette ad essi un significato. La semantica non trova nella sintassi la condizione

necessaria e sufficiente per la sua determinazione. Cade così l’ipotesi di Turino, l’ipotesi cioè

“pensare” equivalga all’esecuzione di manipolazioni formali su simboli.

Resta però aperta l’altra ipotesi e cioè che siccome tutto ciò che può essere descritto per via

computazionale è un calcolatore e siccome il cervello può essere descritto in via

11

Il Diritto Artificiale

computazionale allora il cervello è un calcolatore. Da cui seguirebbe che un calcolatore

costruito come il cervello potrebbe pensare. Che è l’ipotesi connessioniste.

L’E

SPERIMENTO

Nel 1994 si è tentato di verificare in campo giuridico le capacità di una rete neurale

applicando il software alla simulazione del giudicato in materia di responsabilità per danni

materiali da incidente automobilistico avvenuto ad un incrocio tra due veicoli privati.

Inizialmente è stata raccolta la giurisprudenza relativa a questi casi ed è stata allenata la rete

❦ su sentenze selezionate fino a che non mostrava di aver “appreso”, cioè fino a quando non

attribuiva la percentuale di colpa corrispondente al caso presentato.

In seguito sono stati sottoposti alla rete alcuni casi nuovi, cioè diversi da quelli presentati in

❦ fase di allenamento. La risposta per i casi nuovi è stata conforme alla giurisprudenza.

Nella fase di allenamento sono state utilizzate solo le descrizioni degli incidenti e la

❦ soluzione giurisprudenziale. Nessuna disposizione di legge è stata usata, infatti il

collegamento con le disposizioni di legge è avvenuto ex post, per sviluppare l’interfaccia di

interrogazione della rete stessa.

D ’

ESCRIZIONE DELL ESPERIMENTO

Utilizzando il software Neuralworks explorer II ed un 386 Ibm con processore, è stata progettata

una rete neurale suddivisa in sette ingressi, sei cellule Hidden e due cellule in uscita.

I valori di ingresso rappresentano la descrizione dell’incidente ed i valori di uscita la valutazione

della responsabilità data in percentuale per i conducenti A e B. Ogni cellula è stata connessa con

tutte le cellule della riga superiore con funzione di trasferimento di tipo sigmoide.

1. sono stati raccolti circa 200 precedenti giurisprudenziali relativi a giudizi per sinistri

verificatesi alle intersezioni stradali, tra due veicoli A e B, che costituiscono il 70%

della casistica della Responsabilità Civile Automobilistica.

2. attraverso un ampio numero di variabili logiche tali sentenze sono state codificate, al

fine di rappresentare la descrizione dell’incidente e la conseguente responsabilità

attribuita dal giudice.

3. l’incidente è stato descritto attraverso l’utilizzazione di indici riguardanti il luogo del

sinistro ed il comportamento dei soggetti coinvolti. Successivamente è stato selezionato

un ristretto numero di variabili in grado di descrivere tutti i sinistri con una certa

approssimazione.

4. poiché in un crocevia uno dei due soggetti è sempre obbligato a dare la precedenza, in

quanto proveniente da destra o da strada a minore priorità di transito, in questa

rappresentazione simbolica il soggetto A è sempre favorito e il soggetto B è tenuto

12

Il Diritto Artificiale

sempre a dare la precedenza al veicolo A. è stata inoltre usata una variabile (Stop B)

per indicare se il soggetto sfavorito B doveva fermarsi oltre che dare la precedenza al

veicolo A, rispettando il segnale di Stop.

5. il comportamento di ogni soggetto coinvolto è stato rappresentato da 3 variabili:

i. la prima (velocità eccessiva) indica se il soggetto a cui si riferisce procedeva a

velocità eccessiva in prossimità del crocevia violando i codice della strada;

ii. la seconda rappresenta sia altre violazioni al codice della strada sia elementi di

colpa generica come l’imprudenza e la negligenza del soggetto;

iii. la terza variabile indica l’imperizia del oggetto, cioè la sua incapacità tecnica di

evitare il sinistro con opportune manovre di emergenza che il buon conducente

avrebbe saputo mettere in atto.

6. Per rappresentare il giudizio come attribuzione quantitativa della colpa e quindi della

responsabilità sono state usate due variabili numeriche, indicanti la percentuale di

responsabilità a carico di ogni soggetto coinvolto.

7. la rete è stata allenata con 80 giudizi prototipici, in cui cioè si è ritenuto che i giudici

applicassero in modo caratteristico al campo della R.C.A. non solo le informazioni

contenute nelle disposizioni di legge ma anche di tutte quelle in esse non convenute

costituenti però il “comune sapere giuridico di sfondo”. La rete è stata quindi allenata

con la procedura Back-propagation utilizzando la funzione “delta rule” per 8000 cicli

con un learning rate pari a 0.2.

8. è stato elaborato un algoritmo che rendesse più funzionale l’interrogazione del modello

neurale e che lo completasse rendendolo applicabile alla generalità dei casi:

a. richiesta all’operatore de dati relativi all’incidente,

b. interrogazione del modello per la determinazione della percentuale di

responsabilità;

c. applicazione di regole per la determinazione delle infrazioni di legge;

d. output a video.

Nella prima fase vengono introdotti dall’operatore la descrizione del luogo del

sinistro,le generalità ed il comportamento giuridicamente rilevante dei conducenti

coinvolti.

In seguito le varie risposte vengono ricomposte tramite operatori logici costituendo gli

aspetti particolari di una più generale classificazione delle variabili d’ingresso.

Tali valori vengono poi utilizzati nel programma per l’interrogazione del modello

neurale che determinerà il “quantum” di responsabilità a carico di ogni individuo. 13

Il Diritto Artificiale

L’obiettivo era sostituire il più possibile un giudice umana, dunque era necessario che

il computer non determinasse solo percentualmente la responsabilità dei singoli

individui ma che fornisse anche una argomentazione. Per fare ciò ad ogni domanda è

stato associata la violazione del codice della strada corrispondente o il comportamento

genericamente colposo del conducente.

Il programma inoltre tiene conto dell’efficacia causale del comportamento tramite la

domanda se si fosse potuto evitare l’incidente ponendo maggiore attenzione.

La risposta negativa a tale domanda afferma l’inevitabilità e quindi l’inefficacia causale, che

scagiona del tutto l’individuo dall’incidente.

9. Dopo l’allenamento la rete ha appreso tutte le sentenza esempio con un errore minimo.

Dunque ha elaborato un insieme di pesi tra le connessioni in grado di rappresentare

tutti i giudizi dati. I giudizi dati per casi non previsti in allenamento sono risultati

assimilabili alla giurisprudenza.

10. Dall’analisi dei giudizi della rete si possono evidenziare due fenomeni:

a. La rete giudica un caso che ha uno o più precedenti simili non ripetendo o

facendo la media dei giudizi raccolti in allenamento, ma ritenendo come più

influenti i precedenti nei quali le valutazioni dei giudici sono risultate

maggiormente conformi ai generali principi di valutazione della giurisprudenza

b. La rete estrapola giudizi per casi diversi da quelli raccolti.

L ’

A FUNZIONE D INTERPRETAZIONE

Il calcolo posto in essere dalla rete è y = f(ΣW x ), dove “x ” sono i valori di entrata, “y “sono i

i ij j j i

valori di uscita, “W “ sono i pesi sulle connessioni e “f” è la funzione di risposta variante in modo

ij

continuo nell’intervallo (0 1).

Una volta allenata, la rete avrò assunto una configurazione strabile sui pesi W I pesi sulle

ij.

connessioni tra le hidden units e le unità d’uscita sono serviti per il calcolo operato dalla funzione di

apprendimento e saranno, a fine apprendimento, uguali per ogni unità di entrata “x ”; possiamo

j

quindi non tenerne conto.

Ogni unità di entrata sarà, invece, caratterizzata da una funzione dei pesi descrittiva dell’importanza

di quell’entrata per il calcolo del valore di uscita:

x = f (W )

j ij Σ|W

la sommatoria dei singoli valori assoluti dei pesi per ogni connessione | di una determinata x

ij j

divisa il loro numero sarà: µx = 1/N Σ|W |

j ij 14

Il Diritto Artificiale

Se J è il numero di entrate avremo: λx = µx 1/J

j j

da cui: f(λx ) = Σ|W | / NJ

j ij

che esprime l’importanza di quell’entrata. La funzione d’interpretazione f(λx ), variabile

j

nell’intervallo [1,j] esprime la relativa importanza di ogni altro comportamento/violazione descritto

da un’entrata rispetto agli altri.

CAPITOLO 4 – SCIENZE COGNITIVE E SCIENZE GIURIDICHE

O

GGETTO

Lo studio dell’interpretazione del diritto ha come oggetto privilegiato il testo normativo ed oggetto

derivato la norma. La norma per Kelsen è il senso di un atto di volontà.

La possibilità di slegare l’interpretazione del diritto dal soggetto umano sembra una chimera.

Le scienze cognitive stesse sembrano dare ragione a quelle correnti giusnaturalistiche o anche

ermeneutiche, che vedono nel diritto la manifestazione del divenire umano, molto più di un testo di

legge, l’essere stesso dell’uomo.

La connessione significato-struttura-intenzione lega così intrinsecamente l’interpretazione al

soggetto interpretante da rendere apparentemente impossibile una formalizzazione completa

o una oggettivazione. Tale posizione viene portata come “argomento contro” dei critici

dell’intelligenza artificiale applicata al diritto. In particolare la teoria cognitiva di Maturada e

Varala, che pone a fondamento l’’insondabilità del sistema cognitivo dall’esterno, sembra

giustificare le posizioni ermeneutiche e scettiche sull’interpretazione ed applicazione del diritto

tramite computer: “nessun elaboratore riuscirà mai a interpretare ed applicare il diritto come un

giudice sino a che non sarà in grado di capire il significato di uno stridio di gomme sull’asfalto”.

Questa posizione giustamente mette in rilievo la centralità del momento interpretativo nella

definizione dell’oggetto di ricerca giuridico e cioè del diritto e della norma. Ma la sua debolezza sta

proprio nel concepire l’interpretazione come irriducibilmente legata all’individuo: è l’individuo che

crea il significato, quindi solo l’individuo può interpretare, e se l’individuo è insondabile allora

nessuna scienza dell’interpretazione è possibile. Né l’ermeneutica né lo scetticismo sono teorie

esplicative, descrivono una realtà in modo difficilmente contestabile, ma la descrivono appunto solo

nella sua manifestazione esterna, cioè nella risposta del sistema cognitivo, nel suo comportamento

individuale.

Si deve ritenere fondato che il legame individuo-interpretazone è nel cuore del diritto; ma da ciò

non deriva necessariamente l’impossibilità di esplicare l’attività interpretativa, né l’inattuabilità

della simulazione di essa su elaboratore. 15

Il Diritto Artificiale

Le reti neurali non giustificano ogni passo nella costruzione della matrice dei pesi e quindi della

funzione d’interpretazione. Ma questo non può essere considerato una carenza esplicativa della

teoria. Lo sarebbe se con le reti si intendesse esplicare l’attività cerebrale del singolo individuo che

giunge alla soluzione interpretativa, ma non si centrerebbe il campo d’indagine giuridico.

La funzione esplicativa è svolta proprio dalla matrice dei pesi e dalla funzione di interpretazione:

esse rendono esplicito il valore stabilito dall’interprete nel portare a coincidenza fatto e descrizione

dello stesso, la funzione d’interpretazione stabilisce il valore in base al quale un ragionamento

analogico in un determinato dominio diventa necessariamente concludente.

L’intelligenza artificiale ha raggiunto ottimi risultati nella rappresentazione del contesto della

comprensione tuttavia, i critici dell’intelligenza artificiale hanno obiettato che quanto viene così

formalizzato non è il mondo del senso comune, ma solo aspetti parziali di esso, “micromondi”

isolati artificialmente dalla struttura di significato più ampia alla quale essi appartengono.

Autori come Dreyfus hanno affermato che il nostro contesto che organizza la nostra

esperienza non può essere esplicitato, né può essere articolato in un sistema di relazioni tra

elementi liberi dal contesto o in un insieme esaustivo di regole.

Tutto muove da aspetti filosofici che hanno le loro radici in Heidegger, Wittgenstein e Gadamer.

Da Heidegger si riprende la concezione secondo la quale il mondo della vita, cioè lo sfondo della

comprensione di ogni contenuto particolare, non è un insieme di credenze implicite, ma è invece il

contesto delle pratiche sociali e culturali, la situazione fisica, biologica, e storica nella quale gli

uomini vivono, interagiscono e usano il linguaggio. I computer che non posseggono questo

contesto, non possono raggiungere l’intelligenza umana.

Sartor pone il problema della “individuazione dei contenuti giuridicamente rilevanti” e della

“determinazione delle loro strutture fondamentali ai fini della costruzione di un sistema giuridico di

intelligenza artificiale.

Un sistema basato sulla conoscenza richiede la predeterminazione di ciò che è rilevante ai fini della

strutturazione di questa conoscenza.

Posto che “in un sistema informatico no può essere presupposta alcuna conoscenza preliminare,

alcuna base culturale” occorre determinare quali siano le informazioni necessarie per ottenere il

risultato che ci si attende da esso.

Così se si intende emulare l’attività dell’interprete del diritto occorrerà stabilire tutte le conoscenze

che esso utilizza per giungere al risultato interpretativo o decisorio.

Ma l’elaboratore non ha, al contrario del giurista, un sapere giuridico si sfondo,una concezione

morale. Quel che l’elaboratore fa con ciò che viene ritenuto giuridico è quello che con esso sio può

16

Il Diritto Artificiale

fare, e se le conclusioni o i risultati sono diversi dalle conclusioni che un comune giurista

adotterebbe, allora mancherebbero dei pezzi.

Dunque occorre effettuare una distinzione tra attività decisoria del singolo interprete e ciò che va a

costituire quel corpo di conoscenze giuridiche che è il comune sapere giuridico di sfondo,

necessario per la decisione. Mentre la prima è insondabilmente legata al sistema cognitivo e diversa

da individuo a individuo, il secondo è probabilisticamente oggettivato nelle sentenze.

Questa separazione evidenzia le due diverse attività che si annodano nel momento della decisione

giudiziale:

L’attività dichiarativa o asseritiva di queste conoscenze;

❦ E quella positiva o politica propria del sistema cognitivo che interpreta.

❦

V , , ’

OLONTÀ REGOLA RAPPRESENTAZIONE E SIGNIFICATO NELL ELABORATORE

Il contenuto intenzionale di uno stato mentale corrisponde alle proprietà semantiche di una

rappresentazione, il simbolo ha quindi proprietà semantiche e derivatamene un contenuto

intenzionale oggettivo.

Le tesi del cognitivismo prevedono che l’oggetto di ricerca non possa essere rappresentato

teoricamente in modo esaustivo, che esita un legame tra gli stati cerebrali ed il mondo esterno, che

esistano “rappresentazioni” del mondo esterno all’interno del cervello e che tali rappresentazioni

siano simboliche, rette da regole, ed esprimibili tramite un calcolo logico seriale.

Nell’ambito delle scienze cognitive il connessionismo non accetta lo schema “rules and

representations, per esso la regola di comportamento ed il simbolo che la comunica sono una

qualità emergente di un sistema dinamico che per sé non segue queste regole.

Per i connessionisti il significato si manifesta nella struttura cerebrale del sistema

cognitivo, è anzi la struttura stessa, non la comunicazione del senso, e le regole

che reggono e fanno funzionare questa strutt ura sono ad essa proprie e diverse

dalle regole logiche che reggono il linguaggio. Secondo i connessionisti il

passaggio del significato da un individuo all’altro è un’operazione diversa dalla

semplice trasmissione di dati; infatti non ritrova un accordo s ul fatto che il

significato venga creata nella mente del soggetto che riceve la comunicazione o se

esso venga ricevuto.

ricevuto

Queste difficoltà si riflettono nei tentativi di riprodurre su elaboratore le capacità dell’individuo,

compresa la “percezione” di un testo e la sua traduzione in significato. Pensiamo a questo esempio:

ci troviamo in una stanza con diversi mucchietti di foglie con sopra ideogrammi cinesi, e abbiamo a

disposizione un manuale di regola per la combinazione di questi foglietti. Se un cinese ci trasmette

17

Il Diritto Artificiale

degli ideogrammi che per lui hanno un significato, noi sapremmo, seguendo il manuale ma senza

conoscerne il significato degli ideogrammi, associarli in modo tale che, per il cinese, la nostra

risposta sarà sensata. Avremmo manipolato simboli ma non appreso alcun significato.

Con questo esempio abbiamo visto che significato e volontà del sistema cognitivo sono

inestricabilmente legati e questa posizione accomuna le correnti cognitiviste a quelle

connessioniste.

V , ,

OLONTÀ REGOLA RAPPRESENTAZIONE E SIGNIFICATO NELLA TEORIA DEL DIRITTO

I quattro lemmi, volontà regola rappresentazione e significato, riconducono immediatamente al

lemma norma.

L R R

A EINE ECHTSLEHRE

Nella Reine Rechtslehre kelseniana la norma è il significato o senso di un “atto con cui si

prescrive,si permette o si autorizza un certo comportamento”.

Nell’accezione kelseniana non coincide con l’atto di volontà, di cui rappresenta il senso.

Posta la distinzione fra dover essere (Sollen) ed essere, la norma rappresenta un dover essere

e l’atto di volontà, di cui la norma rappresenta il senso, un essere.

Per Kelsen la norma è valida, cioè esiste, se e solo se c’è un atto di volontà che la pone e da esso è

definita. Dunque la positività di una norma è condizionata dall’essere la norma stessa un atto di

volontà posto dal legislatore, da consuetudini, da trattati o dal giudice. Una norma è “solo se è

posta tramite un atto di volontà, se è il senso di un atto di volontà”.

Secondo Kelsen la norma non può prescrivere e contemporaneamente descrivere: nel primo caso si

ha il senso di un atto di volontà, nel secondo caso il senso di un atto di pensiero. Infatti volere e

pensare sono due funzioni diverse e la seconda precede concettualmente la prima.

Ancora per Kelsen “una norma invalida è una norma che non esiste, non è alcuna norma affatto.

Ma una asserzione falsa è pur sempre un’asserzione. Una norma entra in vigore, cioè inizia a

valere nel tempo, e perde vigore, cioè cessa di valere nel tempo. Un’asserzione né comincia a, né

cessa di, essere vera. Se è vera lo è sempre e lo sarà sempre. No può perdere la sua verità.”

In ogni caso, per le correnti cognitiviste da questo non segue che non esista un legame tra gli stati

cerebrali ed il mondo esterno, anzi, le rappresentazioni all’interno del cervello sono simboliche,

rette da regole, ed esprimibili tramite un calcolo logico seriale.

Nell’analisi kelseniana il senso della volontà contenuto nella norma generale non è il senso

della prescrizione. Il rapporto tra la norma generale e la norma individuale è quindi

semplicemente di conformità. La differenza tra disposizione da interpretare (norma generale)

e norma individuale non può essere più netta, la disposizione non dà il senso della norma. 18

Riassunto per l'esame di Informatica giuridica,basato su appunti personali e studio autonomo del testo consigliato dal docente "Il diritto Artificiale" del prof. Francesco Romeo, . Nello specifico gli argomenti trattati sono: Scienze cognitive e intelligenza artificiale, il significato, le scienze cognitive, il significato della lettera "A" volere o comprendere, intelligenza artificiale, mente o cervello.