Scarica INTELLIGENZA ARTIFICIALE, MACHINE LEARNING E DIRITTO COMPENDIO e più Schemi e mappe concettuali in PDF di Tecniche Di Intelligenza Artificiale solo su Docsity!
INTELLIGENZA ARTIFICIALE MACHINE LEARNING
Pensiero Crico sull’Ulizzo dell’Intelligenza Arficiale nel Diri9o Cultura Italiana del Novecento e il Retaggio Idealista* La cultura italiana del Novecento è profondamente influenzata da una tradizione idealista e spiritualista che tende a separare il pensiero umano dalle con8ngenze materiali. Questo retaggio si rifle<e anche nella percezione dei sistemi tecnologici e informa8ci, come gli elaboratori ele<ronici, che negli anni ‘60 e ‘70 venivano considera8 semplici strumen8 esecu8vi, privi di capacità induDve, analogiche, generalizzatrici o inven8ve. Primi Studi sugli Elaboratori Ele9ronici All’epoca, si pensava che l’aDvità mentale logica fosse separabile dalla cognizione del mondo e dall’aDvità emozionale. Tu<avia, questa separazione si rivelò errata. Jerry Fodor, negli anni ‘70, paragonò le capacità cogni8ve dei computer a quelle di un bambino di sei anni, segnalando la necessità di includere ragionamen8 induDvi e processi di cognizione della realtà. La scienza dell’informazione si sviluppò in due principali direzioni:
- Informazione automaca* : sistemi con conoscenza stru<urata.
- Roboca e ciberneca** : sistemi che evolvono e si ada<ano. La Rivoluzione Informaca e le Banche Da** Negli anni ’80 si assiste<e a una rivoluzione informa8ca con un lavoro intensivo sulle banche da8. Nonostante ciò, permaneva il rifiuto di considerare l’IA come un elemento sos8tu8vo dell’aDvità giuridica, ritenuta esclusivamente umana. Solo nel secondo decennio degli anni 2000 si iniziò a discutere della possibile sos8tuzione del giudice in aD ripe88vi o basa8 su standard compila8vi. Giovanni Legnini e la Sostuzione del Giudice* Giovanni Legnini ha evidenziato che l’IA può svolgere:
- AD reitera8vi basa8 su standard compila8vi;
- FaDspecie iden8che;
- AD fonda8 su elemen8 numerici o tecnico-scien8fici;
- Is8tu8 deflaDvi del contenzioso. Tu<avia, ha escluso l’uso dell’IA in ambi8 quali l’equità, l’interpretazione secondo buona fede e il comune sen8re delle par8, so<olineando l’importanza di emozioni, intuizioni e sensazioni nel processo decisionale. Neutralità e Algoritmi Equitavi* Legnini sos8ene che lo ius dicere non può essere basato esclusivamente sulla funzionalità razionale, poiché il giudizio richiede un coinvolgimento emo8vo. In questo contesto, gli algoritmi
equita8vi potrebbero garan8re maggiore neutralità, essendo estranei alle par8 coinvolte e focalizza8 sui valori oggeDvi. Cultura Giuridica Plurimillenaria La cultura giuridica italiana, con una tradizione millenaria, ha sempre teorizzato il diri<o a<orno all’uomo, considerandolo insos8tuibile. Questo approccio ha alimentato un diffuso sceDcismo verso i sistemi di IA, vis8 come incapaci di replicare le capacità umane. Conseguenze della Tradizione Idealista L’idealismo italiano ha contribuito a considerare i sistemi ele<ronici come mere macchine incapaci di sviluppare processi intelle<uali autonomi. Tra i pionieri che sfidarono queste convinzioni vi furono Alan Turing, Norbert Wiener e Marvin Minsky, i cui studi spianarono la strada a una nuova concezione delle macchine come strumen8 capaci di apprendere ed evolversi. Accoglienza della Cultura Giuridica e Trasformazioni del Diri9o Fino agli anni ‘80, l’uso dell’IA nelle aDvità giuridiche era visto con sospe<o. Solo successivamente si è aperto un dibaDto sull’ada<amento del diri<o ai nuovi sistemi. Sebbene l’IA possa coadiuvare in aD standardizza8, resta ferma la convinzione che l’equilibrio tra emozioni e ragione sia imprescindibile per il giudizio umano. Criche al Pensiero Giuridico Tradizionale* Nonostante i progressi tecnologici, permangono dubbi sull’adeguamento del diri<o ai sistemi di IA. Le emozioni e le intuizioni con8nuano a giocare un ruolo centrale nel processo giuridico, mentre i sistemi algoritmici, pur essendo neutrali, devono ancora dimostrare la loro efficacia in decisioni basate sull’equità e sulla gius8zia sociale. .
LA VISIONE DI NATALINO IRTI
Natalino Ir: Il Tessitore di Goethe e la Calcolabilità Giuridica Calcolabilità Giuridica: Un Pilastro del Diri9o Contemporaneo* La calcolabilità giuridica rappresenta un tema cruciale nel dibaDto contemporaneo, poiché coinvolge l'applicazione di criteri oggeDvi e prevedibili al diri<o. Questo conce<o si intreccia con il ruolo dei preceden8 giudiziari e con le possibilità offerte dalle decisioni ciberne8che o robo8che. Come so<olineato da Max Weber, il capitalismo richiede “un diri<o che si possa calcolare in modo simile a una macchina”, dove l’imprenditore moderno si basa su previsioni e aspe<a8ve fondate su regole chiare. L’Aspe9ava nel Diri9o Il Bisogno del Capitalismo*
La soggeDvità è essenziale nella costruzione del significato giuridico. Il giudice non si limita a rispecchiare i da8, ma li conforma a<raverso un processo interpreta8vo, in cui confliD di potere e scelte personali giocano un ruolo fondamentale. Tecnica Roboca e Superamento del SoggeLvismo Funzionalità Tecnica del Robot* La tecnica robo8ca rappresenta un passo significa8vo verso il superamento del soggeDvismo, integrando tecnologia e diri<o. Ir8 vede in questo processo un’evoluzione naturale, dove la decisione robo8ca non è an8-umana, ma una tappa nella storia dell’umanità. La Decisione Roboca* Sebbene la robo8ca prome<a neutralità e oggeDvità, il giudizio umano resta insos8tuibile. La complessità del diri<o richiede un equilibrio tra logica e intuizione, dove il tessitore evocato da Goethe rappresenta l’immagine di un diri<o che si costruisce a<raverso l’interazione di molteplici elemen8 in movimento. Conclusione Natalino Ir8, nel suo confronto con il pensiero di Max Weber e le sfide contemporanee della calcolabilità giuridica, invita a rifle<ere sul rapporto tra tecnologia e diri<o. Sebbene la tecnica robo8ca offra nuove opportunità, il ruolo del giudice come tessitore resta fondamentale per garan8re un diri<o che, pur calcolabile, rimanga profondamente umano.
La calcolabilità giuridica: un diba1to contemporaneo MAMMONE
Nell’impostazione della decisione robo8ca la calcolabilità giuridica si riassume nella domanda: “ se le scienze sociali quantitative e matematizzate (quale l’informatica) sono in grado di dare una risposta numerica certa a fenomeni in cui l’elemento qualitativo – e cioè la necessità di dare una risposta a un’alternativa complessa – è preponderante ”. “se l’intelligenza artificiale, in forza dei progressi intervenuti, sia in grado di misurarsi con processi che, partendo da dati e conoscenze giuridiche acquisite, consentano percorsi logici idonei a condurre a una decisione complessa”. Quando il giudice decide, decide nella COMPLESSITA’, allora i sistemi quando arrivano alla decisione finale devono arrivare ad una DECISIONE COMPLESSA. “se i processi informatici adottati dai robot, non dalle tradizionali banche dati, siano applicabili dagli operatori del diritto, quantomeno per lo svolgimento di un compiuto ragionamento che porti alla formulazione di un enunziato utile alla soluzione di una questione giuridica” - > Cioè io interrogo i robot e gli domando, in questo caso come si può risolvere? Qual è la disciplina di questo caso? E lui deve condurre un ragionamento per darmi un enunciato che mi sia ule o che sia a lui ule per la soluzione di una quesone giuridica. “L’ ingresso della roboca nella applicazione giuridica rappresenta il passaggio ad una fase in cui l’informa8ca va OLTRE il semplice IMMAGANIZZAMENTO del DATO ed entra nel rapporto tra la
faDspecie e l’interpretazione della legge, per raggiungere un prodo9o che NON è più fru<o di un’analisi di da8, ma di un RAGIONAMENTO LOGICO .” La robo8ca entra nel rapporto tra faDspecie e interpretazione delle leggi quindi il ragionamento di Mammone è corre<o non è più un semplice immagazzinamento di da8 ma c’è un RAPPORTO TRA LA FATTISPECIE E L’INTERPRETAZIONE DELLA LEGGE CHE COINVOLGE DIRETTAMENTE IL SISTEMA ARTIFICIALE CHE NON PASSA PER L’ESSERE UMANO. Diri9o della roboca – primi riferimen normavi* i PRINCIPI EUROPEI , TRE LEGGI DI ASIMOV = leggi essenziali rispe<ate da ogni sistema robo8co per non essere messo in confli<o con l'essere umano; persino il Parlamento europeo ha lanciato un invito al rispe<o delle tre leggi della robo8ca:
- Un robot non può recare danno ad un essere umano, né può perme<ere che, a causa di un suo mancato intervento, un essere umano riceva danno. Dall'azione del robot deriva al danno, il robot questo non lo può fare.
- Un robot deve obbedire agli ordini degli esseri umani purché tali ordini non contravvengano alla prima legge. Può quindi fare di testa sua se non c'è un ordine di un essere umano, a meno che tale ordine non vada contro la prima legge.
- Un robot deve proteggere la propria esistenza, purché questa autodifesa non contras8 con la prima o con la seconda legge i PRINCIPI COSTITUZIONALI IRRINUNCIABILI (obbligo della mo8vazione).
GIUSTIZIA PREDITTIVA = o9enere nel minor tempo possibile informazioni con l'obieLvo
di poter prevedere l'esito di un giudizio. Nell'80% dei casi vengono u8lizza8 da studi legali per anale per analizzare nel minor tempo possibile quelli che sono gli orientamen8 di quel determinato magistrato. Nei sistemi di common law , dove vige il principio del precedente giurisprudenziale , un sistema di gius8zia prediDva funziona bene perché u8lizza le sentenze dei giudici per vedere come essi si comportano. Invece nei sistemi di civil Law , impernia2 sui codici e sulla legge al quale si rifà il giudice, il quale dovrebbe applicare meramente ciò che la legge afferma. Uno dei somware più sviluppa8 in America è stato il COMPAS = analizzare la probabilità recidiva di un imputato - > sulla base di 137 domande che vengono so9oposte a quel sogge9o analizzare se quel sogge9o sia in grado di compiere di nuovo lo stesso reato. Questo sistema è stato ogge<o di impugnazione per il caso Loomis - > impugnata la decisione del giudice che nello stabilire la pena ha anche tenuto conto del punteggio assegnato dal sistema Compas che sosteneva che quel sogge<o avesse un grado di recidiva alto andando a condannare l’imputato non solo per ciò che aveva fa<o, ma anche per quello che avrebbe potuto fare. Loomis aveva impugnato questa sentenza sostenendo che il giudice aveva basato la sua decisione sulla base di un algoritmo che si basava sulla probabilità andando a contestare il somware. Tu<avia, la corte suprema ha dato ragione al tribunale sostenendo che questo sistema è un sistema di SUPPORTO per il magistrato la cui decisione NON si è fondata ESCLUSIVAMENTE su quel soHware.
tecniche di cifratura (numerica, alfanumerica, alfabe8ca, ecc.), nessun sistema cri<ografico è considerato inviolabile, tranne il Cifrario di Vernam, noto come il "cifrario perfe<o". Il Cifrario di Vernam Il Cifrario di Vernam, ideato nel 1918 da Gilbert Vernam, u8lizza una chiave casuale lunga quanto il messaggio da cifrare, usata una sola volta. Questo sistema, noto come One-Time Pad (OTP), è ritenuto inviolabile, a pa<o che:
- La chiave sia segreta.
- Venga u8lizzata una sola volta.
- Sia completamente casuale. Il funzionamento è semplice: il testo in chiaro viene combinato con la chiave mediante un le<ore meccanico, generando un testo cifrato. La decifrazione avviene ripetendo lo stesso processo, ma inver8to. Tipologie di Cri9ografia La cri<ografia si divide principalmente in due 8pologie: simmetrica e asimmetrica.
- Cri9ografia Simmetrica Nella cri<ografia simmetrica, il mi<ente e il des8natario u8lizzano la stessa chiave per cifrare e decifrare il messaggio. Questo metodo è rela8vamente semplice e veloce, ma presenta una cri8cità: la necessità di condividere la chiave in modo sicuro, evitando che possa essere interce<ata da terzi. Tra gli algoritmi più no8 di cri<ografia simmetrica ci sono: o AES (Advanced Encryp8on Standard): usato per proteggere da8 sensibili, come nelle comunicazioni bancarie. o DES (Data Encryp8on Standard): un tempo molto diffuso, ma ora considerato insicuro a causa della sua lunghezza di chiave limitata.
- Cri9ografia Asimmetrica La cri<ografia asimmetrica, introdo<a nel 1976 da Whirield Diffie e Mar8n Hellman, u8lizza una coppia di chiavi: o Chiave pubblica: usata per cifrare il messaggio. o Chiave privata: usata per decifrarlo. Questo sistema risolve il problema della distribuzione sicura delle chiavi, poiché la chiave pubblica può essere condivisa liberamente senza comprome<ere la sicurezza. Tra gli algoritmi di cri<ografia asimmetrica più no8 ci sono: o RSA: u8lizzato per la trasmissione sicura di da8 su Internet. o ECC (Ellip8c Curve Cryptography): fornisce lo stesso livello di sicurezza di RSA, ma con chiavi più corte.
Trasmissione dei Da e Protocolli* La cri<ografia protegge il flusso di da8 durante la trasmissione su Internet, che u8lizza due protocolli principali:
- TCP : regola lo scambio di paccheD di da8.
- IP : indirizza i paccheD nella rete. Le informazioni vengono frammentate in paccheD di da8, che viaggiano a<raverso la rete seguendo due modelli principali:
- Modello Client-Server : un server centralizzato ges8sce i da8 condivisi dai client.
- Modello Peer-to-Peer (P2P) : tuD i nodi sono equivalen8 e possono fungere sia da client che da server, condividendo dire<amente i da8 (es. file sharing). Modello Client-Server Il modello client-server è una delle archite<ure più comuni nelle re8 informa8che. In questo modello, esistono due en8tà principali:
- Client : il disposi8vo che richiede un servizio o risorse (es. computer, smartphone).
- Server : il disposi8vo che fornisce il servizio o le risorse richieste. Vantaggi del Modello Client-Server
- Centralizzazione: i da8 e le risorse sono ges88 da un server centrale, semplificando l'amministrazione.
- Scalabilità: è possibile aggiungere più client senza modificare il server. Svantaggi del Modello Client-Server
- Punto singolo di fallimento: se il server sme<e di funzionare, i client non possono accedere ai servizi.
- Carico sul server: un numero eccessivo di richieste può sovraccaricare il server, riducendo le prestazioni. Modello Peer-to-Peer (P2P) Il modello Peer-to-Peer (P2P) è un’archite<ura decentralizzata in cui tuD i nodi della rete sono equivalen8. Ogni nodo può fungere sia da client che da server, condividendo dire<amente risorse o da8 con altri nodi senza bisogno di un server centrale. Vantaggi del Modello P2P
- Decentralizzazione: non esiste un punto singolo di fallimento, rendendo la rete più resiliente.
- Efficienza: la distribuzione dei da8 tra i nodi può ridurre il carico complessivo sulla rete.
rischio di a<acchi informa8ci, poiché ogni password può essere u8lizzata una sola volta e diventa inu8le dopo l'accesso. L’Hashing e la Sicurezza dei Da* Un elemento chiave della cri<ografia moderna è l’ hashing , un processo che converte un flusso di da8 in una stringa di lunghezza fissa, chiamata hash. L’hash garan8sce l’integrità dei da8 e viene spesso u8lizzato per verificare che le informazioni non siano state alterate durante la trasmissione. Contrariamente a quanto indicato nel testo originale, è importante chiarire che l’hash non è reversibile. Una volta applicata la funzione di hash, non è possibile risalire ai da8 originali, cara<eris8ca che lo rende ideale per proteggere password e altre informazioni sensibili. Cos’è la Blockchain? La blockchain è una tecnologia che perme<e di registrare e verificare transazioni in modo trasparente , immutabile e sicuro. Ogni blocco di da8 è collegato al precedente tramite una funzione cri<ografica di hash , formando una catena lineare. Non esiste un’en8tà centrale che ges8sce la rete; la sicurezza è garan8ta da un sistema distribuito di nodi che collaborano per mantenere l’integrità del registro. Questo sistema elimina la necessità di una terza parte fiduciaria, come una banca. Stru9ura e Funzionamento della Blockchain Immaginiamo la blockchain come un database distribuito o registro pubblico condiviso tra tuD i nodi della rete. Ogni nodo conserva una copia aggiornata del registro, garantendo che ogni cambiamento sia visibile e verificabile da tuD. La cara<eris8ca fondamentale della blockchain è che ogni nuovo blocco deve essere collegato al precedente tramite un hash, il che assicura l’integrità e la sicurezza dei da8. Il processo per aggiungere un nuovo blocco alla catena è chiamato mining. Il mining richiede la soluzione di un problema matema8co complesso, basato su un algoritmo di hash, che può essere risolto solo con forza bruta. Questo meccanismo non richiede intelligenza umana, ma dipende dalla potenza di calcolo dei computer u8lizza8. Proof-of-Work e Mining Reward La soluzione al problema matema8co è nota come Proof-of-Work (PoW) , che dimostra che il miner ha dedicato risorse e tempo per convalidare le transazioni. Una volta risolto il problema, il nuovo blocco viene aggiunto alla catena, e il miner riceve una ricompensa (Mining Reward) per il suo lavoro. Questa ricompensa include:
- Token o coinbase (ad esempio, circa 12.5 BTC per blocco creato nella rete Bitcoin).
- Commissioni sulle transazioni (chiamate fee ) presen8 all’interno del blocco.
Il mining, però, è un processo costoso in termini di energia e risorse computazionali, mo8vo per cui i miner sono incen8va8 dalla possibilità di guadagnare queste ricompense. Il Miner: Chi è e Cosa Fa Un miner è un nodo speciale della rete che u8lizza i propri computer per partecipare al processo di mining. Chiunque può diventare un miner, purché disponga del somware e dell’hardware adegua8. Il ruolo del miner è cruciale, poiché contribuisce a mantenere la sicurezza e l’integrità della blockchain, convalidando nuove transazioni e aggiungendole alla catena. La Marca Temporale (Timestamping) Ogni nuovo blocco della blockchain è dotato di una marca temporale , che rappresenta la data e/o l’ora in cui il blocco è stato creato. Questo processo, chiamato mestamping , ha lo scopo di cer8ficare l’ordine cronologico degli even8 registra8 e garan8re che ogni blocco sia unico e inconfondibile. La marca temporale è inclusa nell’hash che collega il blocco al precedente, fornendo una prova legalmente valida dell’avvenimento di un certo evento in un determinato momento. Questo sistema consente di opporre a terzi la validazione temporale di un documento informa8co, conferendo certezza e sicurezza alle transazioni. La Sicurezza della Blockchain e l’Assenza di Autorità Centrale La blockchain si dis8ngue per la sua decentralizzazione. Non esiste un'autorità centrale che controlla o garan8sce la sicurezza delle transazioni, come farebbe una banca. Al contrario, la sicurezza è garan8ta dall'intera rete di nodi distribui8, che lavorano insieme per verificare e registrare le transazioni. Questo sistema rende la blockchain estremamente sicura e resistente a manipolazioni o a<acchi. Bitcoin: Una Rete di Consenso e Denaro Digitale Il Bitcoin è una rete di consenso che perme<e un sistema di pagamento decentralizzato e rappresenta una forma di denaro interamente digitale. Si tra<a della prima rete di pagamento peer-to-peer ges8ta dire<amente dai suoi uten8, senza l’intervento di autorità centrali o intermediari. Per gli uten8, Bitcoin funziona principalmente come denaro liquido che circola su Internet, offrendo sicurezza e trasparenza nelle transazioni. Pacche9o Norme Anriciclaggio sulle Criptovalute L’Unione Europea ha approvato una regolamentazione per contrastare fenomeni come il finanziamento al terrorismo e il riciclaggio di denaro nel se<ore delle criptovalute. Questa norma8va, approvata con 93 vo8 favorevoli, 14 contrari e 14 astensioni, richiede che le criptovalute siano tracciabili al pari degli altri metodi di trasferimento di denaro. Secondo il Parlamento europeo, le transazioni crypto dovranno includere informazioni rela8ve alla fonte e al beneficiario, che dovranno essere messe a disposizione delle autorità competen8. Una
semplicemente il diri<o di dichiarare di essere il proprietario di un certo ogge<o digitale, rappresentato da metada8 univoci. Blockchain Permissionless e Blockchain Permissioned: Differenze e Implicazioni Giuridiche Le blockchain possono essere classificate in due categorie principali: permissionless e permissioned , a seconda delle modalità di accesso e del livello di iden8ficazione richiesto per i partecipan8. Ognuna di queste 8pologie ha cara<eris8che e implicazioni giuridiche differen8. Blockchain Permissionless Nelle blockchain permissionless , l'accesso è completamente libero e gli uten8 non devono essere previamente iden8fica8. Un esempio 8pico è la blockchain di Bitcoin , che offre un elevato livello di sicurezza , integrità e immutabilità dei da. Tu<avia, i da8 salva8 su queste pia<aforme non soddisfano i requisi8 previs8 dal Codice dell’Amministrazione Digitale (CAD) (ar<. 24 e 25) e dal Regolamento eIDAS , in quanto non garan8scono l’iden8ficazione certa del sogge<o che compie una transazione, ma solo il possesso delle credenziali di accesso. Questa mancanza di iden8ficazione formale implica che, in sede processuale, i da8 salva8 su blockchain permissionless possano essere ammessi solo come prove apiche. Tali da8 sarebbero valuta8 alla stregua di presunzioni semplici (ex art. 2729 c.c.) o di argomen di prova* (ex art. 116 c.p.c.). Pertanto, pur avendo valore probatorio, essi non godrebbero dell’efficacia delle prove legali, come invece accade per documen8 firma8 digitalmente o per la scri<ura privata auten8cata. Blockchain Permissioned Le blockchain permissioned , al contrario, prevedono un accesso riservato a uten8 previamente idenfica**. Questa configurazione offre un livello di decentralizzazione inferiore rispe<o alle permissionless, poiché i nodi della rete seguono spesso una stru<ura gerarchica. In queste pia<aforme, alcuni nodi sovraordina8, deD validatori, hanno poteri speciali per controllare e approvare le transazioni. Grazie alla chiara iden8ficazione dei partecipan8, i da8 registra8 su una blockchain permissioned possono essere considera8, dal punto di vista probatorio, equivalen8 a una scri9ura privata (ex art. 2702 c.c.). Ciò significa che ques8 da8 hanno efficacia di prova piena fino a quando non venga presentata una querela di falso. Questo rende le blockchain permissioned par8colarmente ada<e per applicazioni in ambi8 regolamenta8, come la finanza, la sanità e i contraD digitali, dove la certezza giuridica e l’iden8ficazione dei soggeD sono fondamentali. TECNICHE E STRUMENTI DI PROFILAZIONE L’art. 4 del GDPR definisce la profilazione “qualsiasi forma di tra<amento automa8zzato di da personali consistente nell'u8lizzo di tali da8 personali per valutare determina8 aspeD personali rela8vi a una persona fisica, in par8colare per analizzare o prevedere aspeD riguardan8 il rendimento professionale, la situazione economica, la salute, le preferenze personali, gli interessi, l'affidabilità, il comportamento, l'ubicazione o gli spostamen8 di de<a persona fisica”. Considerando n.71: “al fine di garan8re un tra<amento corre<o e trasparente nel rispe<o dell'interessato, tenendo in considerazione le circostanze e il contesto specifici in cui i da
personali sono tra<a8, è opportuno che il 8tolare del tra<amento u8lizzi procedure matema8che o sta8s8che appropriate per la profilazione, me<a in a<o misure tecniche e organizza8ve adeguate al fine di garan8re, in par8colare, che siano reDfica8 i fa<ori che comportano inesa<ezze dei da8 e sia minimizzato il rischio di errori e al fine di garan8re la sicurezza dei da personali secondo una modalità che tenga conto dei potenziali rischi esisten8 per gli interessi e i diriD dell'interessato e che impedisca tra l'altro effeD discriminatori”. La locuzione web 2.0 è entrata nell’uso per far riferimento al crescente coinvolgimento degli uten del web nella creazione del web stesso ed alle infrastru<ure informa8che che consentono tale partecipazione. Il Web è divenuto un testo "riscrivibile" (rewritable),alla cui dinamica evolu8va tuD possono partecipare: i contenu8 prodoD dagli uten8 (user-generated content) occupano una parte crescente del Web, e a<raggono l'interesse degli uten8 stessi, quanto e più dei contenu forni8 dall'industria culturale. Iden8ficazione nella rete: Spesso assumiamo che le aDvità svolte in rete siano anonime. Tu<avia l’anonimato è una mera illusione. ¨ Web Log (diario di bordo del Web) - IP Sta8co - IP Dinamico ¨ Cookie e Cookie di terze par8 ¨ Navigazione Anonima (Google Chrome o Mozilla Firefox). Cambridge Analy8ca è un is8tuto di ricerca fondato nel 2013 da Robert Mercer. La società è specializzata nel raccogliere dai social network (Facebook tra i primi) un’enorme quan8tà di da sui loro uten8: sopra<u<o si occupa di analizzare quan8 “mi piace” me<ono e su quali post, dove lasciano il maggior numero di commen8, dove si trovano quando condividono i loro contenu8. Si tra<a di un’analisi “psicometrica” degli uten8 dei social network: il campo della psicologia che si occupa di misurare abilità, comportamen8 e più in generale le cara<eris8che della personalità. Le informazioni raccolte, infaD, vengono poi elaborate da modelli e algoritmi per creare dei profili per ogni singolo utente, che perme<ano di conoscere il loro gusto e le loro aDtudini. Maggiore è il numero di "mi piace", commen8, tweet e altri contenu8 del genere, più è preciso il profilo psicometrico realizzato. Secondo quanto emerge dall’inchiesta, l’aDvità di Cambridge Analy8ca non si sarebbe limitata allo sviluppo di ques8 profili psicometrici, ma avrebbe acquistato nel tempo molte altre informazioni, che possono essere o<enute dai cosiddeD “broker di da8”, ovvero quelle aziende che raccolgono informazioni su abitudini e s8li di vita dei consumatori, sulla base delle migliaia di tracce digitali che ognuno lascia quo8dianamente dietro di sé, spesso senza saperlo. È grazie a queste tecnologie che Cambridge Analy8ca ha potuto sviluppare un sistema di “microtarge8ng comportamentale”, che trado<o significa, di pubblicità altamente personalizzata su ogni singola persona. Secondo l’azienda, con questo sistema si può far leva non solo sui gus degli uten8 (come fanno già altri sistemi analoghi per il marke8ng), ma anche sulle loro emozioni. Questo è quanto sos8ene l’ideatore del somware, Michal Kosinski, che ha spiegato che il modello è studiato per prevedere e an8cipare le risposte degli individui, dal numero di “mi piace” che gli uten8 me<ono su Facebook: sono sufficien8 informazioni su 70 “mi piace” messi su Facebook per sapere più cose sulla personalità di un sogge<o rispe<o ai suoi amici, 150 per saperne di più dei genitori del sogge<o e 300 per superare le conoscenze del suo partner. Con una quan8tà ancora maggiore di “mi piace” è possibile conoscere più cose sulla personalità rispe<o a quante ne conosca il sogge<o. Tu<o ciò perme<e di veicolare il messaggio più efficace nel momento e nel contesto in cui l’utente è più sensibile e maggiormente disposto ad ascoltarlo. CASO TRUMP: Nel 2016, il comitato di Donald Trump affidò a Cambridge Analy8ca la raccolta dei da8 per la sua campagna ele<orale. la ges8one della raccolta da8 per la campagna ele<orale. Le indagini condo<e finora hanno dimostrato che, durante la campagna ele<orale, furono crea mol8 account fasulli e bot, con lo scopo di per diffondere post, no8zie false e altri contenu8 contro Hillary Clinton. Tu<o era fa<o di pari passo con l’andamento della campagna ele<orale e con le vicende che l’hanno cara<erizzata: ogni giorno venivano pubblica8 migliaia di post, sopra<u<o in occasione dei dibaD8 tv e degli altri grandi appuntamen8 ele<orali, analizzandone l'efficacia in
sapienza e qualità intelle<uali» Si viene a consolidare il formalismo → si passa al giudice «funzionario» abbandonando il tradizionale giudice «oracolo» Se<ecento e o<ocento tu<avia, lasciano progressivamente il passo a teorie, molto eterogenee fra di loro, che ripudiano l’oggeDvità e prediligono, d’altro canto, la realtà che viene dalla norma creata dal giudice con la sua pronuncia (giurisprudenza della Cassazione per fare un esempio) Sebbene la certezza del diri<o intesa come dover essere oggeDvo è UTOPIA, non è escluso si possa agire su di essa con strumen8 informa8ci e robo8ci, per incrementarla e assicurare una uniformità interpreta8va. La realizzazione in concreto di una decisione robo8ca quali difficoltà potrebbe portare ala luce? Introdurre un sistema di intelligenza ar8ficiale nel processo giurisdizionale non potrebbe lasciare inalterato il diri<o così come la sua intera stru<ura. Il giudice, infaD, non verrà sos8tuito da un suo «replicante» ma da nuovi strumen8 giuridici implementa8 robo8camente e possibili solo per questo tramite → i calcoli algoritmici alla base del machine learning di ques8 sistemi danno luogo a soluzioni che la sola analisi linguis8ca non potrebbe verificare→ la certezza verrà maggiormente assicurata ma con strumen8 del tu<o nuovi. Accanto alla certezza del diri<o, anche la conoscibilità del diri<o (ignoran8a legis non excusat, ma anche nullum crimen nulla poena sine praevia lege penali), è stata sacrificata in ques8 anni, a causa del mol8plicarsi dei tes8 di legge (L’età della decodificazione non significa l’età della delegificazione, ma della mol8plicazione dei tes8 di legge) ha avuto come conseguenza la inconoscibilità della norma da applicare al caso concreto,→ LA NORMA HA PERSO IL SUO RUOLO DI GUIDA ALL’AZIONE DEL CITTADINO I sistemi ar8ficiali potrebbero invece riportare i significa8 - norme alla piena conoscenza e conoscibilità del ci<adino.
