Scarica lezioni del prof Casa e più Sbobinature in PDF di Informatica Giuridica solo su Docsity!
VIDEOLEZIONE 1:
Cos'è l'informatica giuridica? L'informatica giuridica è quella disciplina scientifica che studia le applicazioni dell'IA (intelligenza artificiale), delle tecnologie informatiche e giuridiche, alla pratica del diritto. L'informatica giuridica, scienza che studia l'utilizzo dei calcolatori elettronici nel campo del diritto, concentra la propria indagine sugli strumenti informatici a disposizione dell'operatore giuridico, sul loro linguaggio, sulle loro applicazioni. Dobbiamo pensare a questa disciplina come ad un insieme che prende il norme di IA. Cos'è l'IA? è quella disciplina che, in vari ambiti scientifici (diritto, medicina, ingegneria) si occupa di creare algoritmi capaci di costituire il funzionamento di alcuni Software capaci di simulare/riprodurre il modo di procedere dell'intelligenza umana. Occorre apprendere un altro concetto, quello di " calcolo computazionale ". Il pensiero computazionale costituisce quella parte della riflessione scientifica che, all'interno delle varie discipline nelle quali può trovare applicazione l'IA, indica gli ambiti e i problemi ai quali l'IA può dare risposte. Il pensiero computazionale si applica alle varie discipline scientifiche ed indica quali sono le soluzioni ai vari problemi ai quali può trovare applicazione l'IA. Perché l'IA può trovare un proprio ambito a condizione che le domande, alle quali deve rispondere, possono essere costruite in un determinato modo. Quindi, il pensiero computazionale è l'individuazione di quegli ambiti delle discipline scientifiche, i cui problemi, possono essere oggetto di risposte attraverso l'IA. L'IA è per sua natura "multidisciplinare", tocca tutti gli ambiti della conoscenza scientifica. Ma NON tutti i problemi scientifici possono essere risolti attraverso l'IA. Ci sono due possibili approcci all'IA: TEORICO/FILOSOFICO : che ha ad oggetto lo studio dell'IA sulla base dell'operare degli agenti intelligenti i quali hanno una loro autonomia e sono concorrenti con l'agire umano. L'ambito teorico è interessato al fatto che si possano creare degli agenti umani (delle intelligenze) che pur nascendo nell'intento di riprodurre il funzionamento del cervello hanno un funzionamento autonomo; è un agire concorrente con l'agire umano. PRATICO : C'è un approccio poi più pratico nel quale si valorizza essenzialmente la natura dello strumento dell'IA; cioè l'IA rappresenta una sorta di "scienza applicata" (tecnica) e quindi viene studiata in relazione agli obiettivi che di volta in volta l'uomo vuole conseguire. Da una parte vi sono studi secondo i quali l'IA, pur nascendo nell'intento di riprodurre il funzionamento dell'intelligenza umana, ha una sua autonomia, è concorrente e non controllabile. Dall'altra vi sono studi secondo i quali l'IA ha una funzione pratica e mira a conseguire gli obiettivi posti dell'uomo (è uno strumento dell'uomo). Turing effettuò un test per determinare se una macchina sia in grado di esibire un comportamento intelligente. Nell'articolo Turing prende spunto da un gioco, chiamato "gioco dell'imitazione", a tre partecipanti: un uomo A, una donna B, e una terza persona C. Quest'ultima è tenuta separata dagli altri
due e tramite una serie di domande deve stabilire qual è l'uomo e quale la donna. Dal canto loro anche A e B hanno dei compiti: A deve ingannare C e portarlo a fare un'identificazione errata, mentre B deve aiutarlo. Affinché C non possa disporre di alcun indizio (come l'analisi della grafia o della voce), le risposte alle domande di C devono essere dattiloscritte o similarmente trasmesse. Il test di Turing si basa sul presupposto che una macchina si sostituisca ad A. Se la percentuale di volte in cui C indovina chi sia l'uomo e chi la donna è simile prima e dopo la sostituzione di A con la macchina, allora la macchina stessa dovrebbe essere considerata intelligente, dal momento che - in questa situazione - sarebbe indistinguibile da un essere umano. Per macchina intelligente Turing ne intende una in grado di pensare, ossia capace di concatenare idee e di esprimerle. Il filosofo John Searle ha proposto una modifica al test di Turing, che ha preso il nome di stanza cinese, sostenendo l'inattendibilità del test di Turing come prova sufficiente a dimostrare che una macchina o un qualsiasi sistema informatico siano sistemi dotati di vera intelligenza, sia che questi abbiano superato o no tale test. John Searle è noto per aver concepito l'esperimento mentale chiamato "Stanza Cinese". Con questo esperimento Searle vuole dimostrare che non ha senso assimilare la mente ad un computer, in quanto nessun computer può "pensare" nello stesso modo degli esseri umani. Il suo principale presupposto è che il computer, per elaborare l'informazione, non ha bisogno di comprendere il linguaggio o altri codici simili. Gli esempi che il filosofo statunitense ha adottato per dimostrare il suo assunto hanno provocato numerose controversie. Ecco come Searle descrive il suo esperimento mentale. Egli immagina una persona che sia sola dentro una stanza. Questa persona riceve dall'esterno dei foglietti di carta scritti con caratteri cinesi, che gli vengono passati sotto la porta. Anche se il soggetto non capisce il cinese, è comunque in grado di stabilire una regola di associazione e di mettere gli ideogrammi in un ordine dotato di senso. Nel ragionamento di Searle, la stanza dell'esperimento rappresenta il computer. Secondo un punto di vista contrario a quello di Searle, l'analogia potrebbe essere estesa al cervello umano. Infatti: "la comprensione umana della lingua cinese è una proprietà emergente del cervello e non una proprietà esclusiva di una sua parte". L'opinione di Searle si può riassumere così: dato che la mente possiede intenzionalità, e il computer no, il computer non può avere una mente. L'esperimento mentale della Stanza cinese può essere reinterpretato dicendo che la sintassi (la capacità del computer di eseguire una procedura) non implica la semantica (il fatto che il computer sappia che cosa sta facendo). Secondo Jobs l'IA assomiglia ad una mente umana molto meno di quanto si possa pensare, egli sosteneva che il computer assieme al proprio utente è una sorta di bicicletta per la mente; da questo punto di vista un computer (lo strumento nel quale si esprime l'IA) senza un utente è come una bicicletta senza ciclista. Qui, prevale l'approccio filosofico: il pc è uno strumento per svolgere/risolvere problemi, per consentire l'uomo di svolgere delle attività che da solo non sarebbe stato capace di svolgere. Questo ci fa capire come siamo collegati: la bici senza ciclista non ha utilità, ma a sua volta il ciclista per usare la bici deve adeguarsi al suo funzionamento. Quindi non IA come riproduzione dell'IA (teorico seguito da Turing) ma come strumento per gli obiettivi umani i quali impongono condotte adeguatrici dello stesso. Vediamo come l'IA nell'evoluzione storica riproduca sempre questi due approcci. L'IA si basa su degli algoritmi, sequenze di istruzioni per risolvere problemi matematici, parte essenziale per i programmi del funzionamento del pc. La parte fondamentale di un SW (software) sono gli algoritmi. Il primo algoritmo della nostra storia è il setaccio di Eratostene (matematico greco del III s. a.c) il quale inventò un modo, un insieme di regole, per risolvere un problema: individuare tutti i numeri primi minori di un certo numero dato. Egli inventa l'algoritmo (non aveva un pc). I nostri computer,
Esempio: se fosse necessario acquisire una sentenza della corte di cassazione e questa sentenza si trova in una raccolta, le modalità di accesso a questa sentenza devono essere facilmente conseguibili. Se pensassimo che il linguaggio di risposta rimanesse formalizzato non riusciremmo a comprenderla. Poi la possibilità di interrogare il sistema conoscendo i dati della sentenza, devono essere previsti una serie di filtri che ci consentono di accedere più rapidamente (tramite anno, art.) Si arriva anche allo "associazionismo concettuale", cioè sistemi in grado di selezionare l'informazione di cui abbiamo bisogno, l'intento è riuscire a reperire una serie di informazioni che sono tra loro legate da qualche associazione logica (sono sempre sistemi informativi). L'informatica giuridica documentalistica è la ricerca di dati. I sistemi esperti sono quelli che forniscono informazioni maggiori. Con riferimento ai sistemi esperti bisogna interessarsi del loro fondamento: IA e creazione dei sistemi intelligenti. Quindi, quei programmi che non si limitano a darci delle informazioni ma ci forniscono anche delle informazioni "intelligenti". Questo tipo di IA ha una particolare rilevanza il concetto di algoritmo (che c'era anche in quei sistemi informativi). Un problema è risolubile mediante un algoritmo. La programmazione è la traduzione/codifica di un algoritmo per la soluzione di un determinato problema scritto in un linguaggio di programmazione eseguito dall'elaboratore. Quindi l'algoritmo è la traduzione nel programma (sono le istruzioni che si danno al programma) ai fini di risolvere un problema o conseguire uno scopo, è la sequenza delle istruzioni fornite al programma ai fini del risultato. L'algoritmo deve essere finito (nel senso che il numero di istruzioni devono essere finite), deterministico (nel senso che deve consentire il passaggio tra input-output) non ambiguo (nel senso che deve essere interpretabile da tutti allo stesso modo), generale (nel senso che deve fornire una soluzione uguale per tutti i problemi della stessa classe). L'algoritmo è la logica del programma e viene scritto in un linguaggio di programmazione sottoforma di "codice sorgente", il quale da vita al programma. -------------------------------------Ricerca:------------------------------------------------ Algoritmo di 4° generazione: Machine learning--> quando si parla di machine learning si parla di differenti meccanismi che permettono a una macchina intelligente di migliorare le proprie capacità e prestazioni nel tempo. La macchina, quindi, sarà in grado di imparare a svolgere determinati compiti migliorando, tramite l’esperienza, le proprie capacità, le proprie risposte e funzioni. Alla base dell’apprendimento automatico ci sono una serie di differenti algoritmi che, partendo da nozioni primitive, sapranno prendere una specifica decisione piuttosto che un’altra o effettuare azioni apprese nel tempo. L’apprendimento supervisionato consiste nel fornire al sistema informatico della macchina una serie di nozioni specifiche e codificate, ossia di modelli ed esempi che permettono di costruire un vero e proprio database di informazioni e di esperienze. In questo modo, quando la macchina si trova di fronte ad un problema, non dovrà fare altro che attingere alle esperienze inserite nel proprio sistema, analizzarle, e decidere quale risposta dare sulla base di esperienze già codificate. Questo tipo di apprendimento è, in qualche modo, fornito già confezionato e la macchina deve essere solo in grado di scegliere quale sia la migliore risposta allo stimolo che le viene dato. Gli algoritmi che fanno uso di apprendimento supervisionato vengono utilizzati in molti settori, da quello medico a quello di identificazione vocale: essi, infatti, hanno la capacità di effettuare ipotesi induttive, ossia ipotesi che possono essere ottenute scansionando una serie di problemi specifici per ottenere una soluzione idonea ad un problema di tipo generale. L’apprendimento non supervisionato o senza supervisione prevede invece che le informazioni inserite all’interno della macchina non siano codificate, ossia la macchina ha
la possibilità di attingere a determinate informazioni senza avere alcun esempio del loro utilizzo e, quindi, senza avere conoscenza dei risultati attesi a seconda della scelta effettuata. Dovrà essere la macchina stessa, quindi, a catalogare tutte le informazioni in proprio possesso, organizzarle ed imparare il loro significato, il loro utilizzo e, soprattutto, il risultato a cui esse portano. L’apprendimento senza supervisione offre maggiore libertà di scelta alla macchina che dovrà organizzare le informazioni in maniera intelligente e imparare quali sono i risultati migliori per le differenti situazioni che si presentano. L’apprendimento per rinforzo rappresenta probabilmente il sistema di apprendimento più complesso, che prevede che la macchina sia dotata di sistemi e strumenti in grado di migliorare il proprio apprendimento e, soprattutto, di comprendere le caratteristiche dell’ambiente circostante. In questo caso, quindi, alla macchina vengono forniti una serie di elementi di supporto, quali sensori, telecamere, GPS eccetera, che permettono di rilevare quanto avviene nell’ambiente circostante ed effettuare scelte per un migliore adattamento all’ambiente intorno a loro. Questo tipo di apprendimento è tipico delle auto senza pilota, che grazie a un complesso sistema di sensori di supporto è in grado di percorrere strade cittadine e non, riconoscendo eventuali ostacoli, seguendo le indicazioni stradali e molto altro. Qualunque sia il tipo di algoritmo sono importanti i dati analizzati che esso elabora e ottiene risultati. Le reti neurali sono un tipo caratteristico di algoritmo di ultima generazione, che riproducono il cervello umano attraverso dei neuroni artificiali. Gli algoritmi predittivi indicano tutte quelle tecniche in grado non solo di individuare schemi e andamenti ricorrenti nei dati a disposizione e fornire una previsione di alcune grandezze di interesse. Inoltre, il processo predittivo non è statico, ma viene costantemente affinato sulla base dei risultati ottenuti e dell’analisi dettagliata del suo comportamento, in un ciclo di feedback periodicamente alimentato per migliorare l’affidabilità delle previsioni. Sono possibili delle classificazioni dell'IA: -IA assistita : è quel tipo di IA in cui l'algoritmo serve a risolvere problemi di assistenza all'agente umana. Esempio: programma che traduce in tempo reale le affermazioni di un partecipante alla conversazione. -IA aumentata : in cui vengono fornite informazioni all'agente umano al fine di prendere una decisione. Esempio individuazione di algoritmo da parte di evasori fiscali (usato dalle agenzie delle entrate che tramite algoritmo arrivano ad indentificare possibili evasori fiscali) -IA amplificata : dove l'IA non assume decisioni ma fornisce dati ai fini di valutazioni. Esempio l'individuazione di persone le quali, in virtù delle loro caratteristiche, potrebbero avere delle malattie. -IA autonoma : quella che assume decisioni, tipico caso di sostituzione dell'agente umano. Esempio auto, qui ci sono problemi giuridici di "autonomia tecnologica" si pensi al risarcimento danno derivante da un’auto guidato dall'IA, chi ne risponde?? -IA autopolietica : IA superiore a quella autonoma nel senso che il funzionamento del veicolo può essere comunque monitorato dall'agente umano. Videolezione 3 L'informatica giuridica è l'applicazione delle tecnologie informatiche alla teoria e alla pratica del diritto. Quali sono le tecnologie informatiche? Internet, le reti in internet e i sistemi operativi. La storia di questa disciplina si è sviluppata in due direzioni, abbastanza subito è divenuto sicuro che l'informatica giuridica era caratterizzata da due grandi ambiti alla quale si sarebbero dedicati studiosi di formazione diversa. Il primo ambito è quello del DIRITTO DELL'INFORMATICA, ossia lo studio degli effetti dell'IA negli ambiti
emanate. Qual è l'interesse delle banche dati? Oggi, un giurista contemporaneo, non può lavorare senza di esse, in quanto attraverso essa è possibile consultare tutto il diritto vigente. Si usa cercando le norme, il numero della sentenza o anche delle parole/vocaboli chiave. Quali potrebbero essere dei problemi? Si possono trovare sentenze massimate, ossia sentenze riassunte all'italiana (riassunto della sentenza) o alla francese (anziché del riassunto si riporta la parte della sentenza). È vero che tutto il diritto può essere contenuto nelle banche dati, ma il giurista avrà sempre bisogno di risolvere casi e problemi. Le banche dati NON sono pensate per risolvere questioni ma sono SOLO strumenti UTILI per risolvere questioni. Non possiamo fare a meno delle banche dati ma nello stesso tempo non possiamo pensare che le banche dati risolvano problemi giuridici. La banca dati non si limita ad indicare norme, commenti, ma vorrebbe suggerire al giurista in modo tale che il giurista potrebbe essere in grado di scrivere un atto giudiziario. L'idea di fondo è quella di dire che attraverso l'elaboratore non solo è possibile scrivere argomenti del giurista affinché scriva un atto giudiziario, ma al massimo risultato è possibile scrivere una sentenza. Si voleva sviluppare sistemi esperti che al tal punto simulano il ragionamento umano da poter portare a scrivere sentenze e non solo aiutare/consigliare il giurista. Ad oggi però le banche dati non danno al giurista maggiore conoscenza di quella che egli ha prima di consultarle, forniscono dati e sentenze ma non consentono di ricavare problemi e porre soluzioni. La semplificano solamente. Videolezione 4 L'informatica giuridica è lo studio filosofico-teorico dei rapporti tra il diritto e l'uso degli strumenti tecnologici. Uno dei primi problemi in tema di informatica giuridica è il problema della datificazione. Cosa vuol dire? Datificazione significa l'idea che si possa risolvere ogni ambito dell'esistenza umana attraverso la sua rappresentazione in un dato; i dati sono delle modalità di rappresentazione di tutta l'esperienza umana. Proprio per natura del funzionamento della tecnologia non tutto è datificabile, non tutte le questioni sono datificabili, ma possiamo dire che oggi diventa sempre più facile datificare l'esistenza umana e ciò che la circonda. Il concetto di "dato" non va confuso con quello di "informazione" o "conoscenza", se li usassimo come sinonimi faremmo grande confusione. Questi tre termini sono tra loro diversi. Cos'è un dato? Un dato lo si può definire, dal punto di visto teorico, una mancanza di uniformità del mondo; una discontinuità che ci fa apparire/percepire una differenza. E' come un punto nero su una pagina: il punto nero è una modalità attraverso la quale, noi cogliamo all'interno di quella pagina, una differenza tra punto nero e il resto. Il dato costituisce una mancanza di uniformità del mondo; se non fosse esistente il punto nero la pagina sarebbe solamente bianca. I dati possono essere colti anche in connessione tra loro. Il dato di per sé non ha carattere neutro, nel senso che ogni dato/ogni rappresentazione di qualsiasi fenomeno attraverso il dato ha bisogno sempre di qualche interpretazione. Possiamo classificare i dati: -METADATI: sono dei dati che consentono di dare indicazioni sulla natura di altri dati. Esempio, nel momento in cui io invio un messaggio comprare l'ora, minuto e secondo del momento in cui ho inviato la data. L'ora è un metadato perché mi consente di indicare a che ora quel messaggio è stato inviato. -DERIVATI: sono dei dati che si presumono indirettamente dalla conoscenza di altri dati. Esempio, l'ora nel momento in cui faccio un prelievo col bancomat. Per effetto di quel prelievo mi deriva un dato derivato a partire dal quale io posso affermare che a quell'ora precisa mi trovavo nel negozio in cui usavo il bancomat. A noi, con riferimento del concetto di dato ci basta sapere questo. Il presupposto
per cui il computer possa usare, elaborare i dati è che questi si trovino nel programma. Pensiamo a tutti i dati che la PA ( pubblica amministrazione ) ha su di noi, tutti i dati che ci riguardano e sono diffusi in tutta la rete, nella rete ci sono tanti dati che possono riguardare noi. La datificazione presuppone l'idea che un ambito, aspetto, di quella persona possa essere rappresentato attraverso un dato. Pensiamo i nostri dati sensibili, anagrafici ecc. sono dati che sono contenuti all'interno del programma e che costituiscono un mezzo attraverso il quale una persona (ad esempio) sono rappresentati. Io non sono il mio codice fiscale ma, attraverso esso, sono rappresentato. Che rapporto c'è tra dato e informazione? Avere a disposizione un dato significa avere a disposizione un'informazione. Il concetto di informazione non ha nulla a che vedere col concetto di dato; dal punto di vista dell'elaboratore i dati sono elaborati a livello sintattico mentre l'informazione è sempre elaborata/usata/ottenuta a livello semantico. Cosa vuol dire? Significa che un dato, o aggregazione di dati, non hanno di per sè un significato ma costituiscono una modalità di rappresentazione di un particolare oggetto. Ciò che a quel dato consente di attribuire significato è l'attività interpretativa di significato, il cui risultato è l'informazione. Il dato è una modalità di rappresentazione di un essere umano (ambito della natura, fenomeno ecc), quel dato in sé non fornisce una conoscenza: è neutro. Quando l'elaboratore processa dati procede attraverso un sistema sintattico (raggruppando, unendo, dati) ciò che attribuisce a quei dati un significato è un'attività semantica che non spetta all'elaborate bensì all'essere umano. E' solo l'attività interpretativa dell'essere umano che rende quel dato un informazione. In linea teorica, l'elaboratore non è in grado di attribuire significato ai dati, esso ragiona secondo modalità che ha specifiche ma pur sempre sintattiche. Ciò che consente ad un dato di diventare informazione è la tipica di attività di attribuzione di significato che spetta all'essere umano. In ogni caso, il concetto di informazione è ancora diverso dal concetto di conoscenza. Mentre noi oggi pensiamo che il concetto di dato e informazioni sono concetti qualitativamente diversi (informazione è interpretazione di un dato) risulta da concepire la differenza tra informazione e conoscenza in quanto siamo tentati a dire che essi siano sinonimi. Avere un elevato numero di informazioni NON SIGNIFICA accedere alla conoscenza. Noi non conosciamo un oggetto perché abbiamo tante informazioni su quell'oggetto. Senza ogni dubbio le informazioni danno importanti rivelazioni sulla realtà; ci spiegano perché una determinata realtà ha quelle caratteristiche ma le informazioni non sono in grado di rispondere alla domanda "perché le cose vanno in questo o quel modo". Le informazioni ci dicono cos'è quella cosa ma non ci dicono perché quella cosa è in quel modo piuttosto che un altro. Tante informazioni sgregate l'una all'altro hanno bisogno di un'attività che le leghi in un rapporto causale, quale viene prima quale dopo, ed è un'attività conoscitiva che presuppone uno studio delle informazioni. Cosa ci aiuta a capire la differenza tra conoscenza e informazione? L'idea della domanda, noi, la conoscenza è proporre domande, con riferimento all'oggetto di studio, e dare delle risposte cercando di capire a quali domande quelle informazioni sono una risposta. Il momento preliminare di ogni conoscenza è una domanda alla quale occorrerà dare una risposta. Non è possibile dire di conoscere un oggetto/realtà/settore se quel settore/oggetto non l'ho interrogato attraverso delle domande a cui le informazioni mi aiutano a dare risposte. Si sta affermando l'idea che l'informatica giuridica consente (pensiamo all'elaboratore, app) che la tecnologia informatica sta modificando non il nostro modo di conoscere bensì l'oggetto della nostra conoscenza. Tant'è vero che si dice che la tecnologia informatica in alcune occasioni è lei che dice all'uomo come comportarsi e, quindi, si sta sviluppando una connessione sempre più forte tra le capacità/caratteristiche sintattiche dell'elaboratore e caratteristiche semantiche dell'uomo. Si crea un rapporto stretto tra attività dell'elaboratore-attività
agire. Con riferimento all'uomo non c'è dubbio che ne risponda l'uomo, con riferimento alla macchina usata dall'uomo si poneva il tema di capire se dal punto di visto etico avrebbe dovuto rispondere che usa la macchina o l'uomo che l'ha programmata). -Capire quale fosse l'influenza dei discorsi/ragionamenti sull'elaboratore, e loro funzionamento, con riferimento alla vita e alle scelte dell'uomo. Detto diversamente, è come dire "in che misura il funzionamento dell'elaboratore influenza, dal punto di vista etico, la vita dell'uomo? I comportamenti da tenersi da parte dell'essere umano che derivano dall'uso di un elaboratore pongono una questione etica. Tali questioni etiche vanno affrontate a monte (prima dell'uso) o post?". Negli anni '60 veniva affrontato dallo stesso punto di vista, la questione era sempre il funzionamento dell'elaboratore e i comportamenti dell'uomo derivanti dall'uso di questo. Egli sosteneva che il problema non era ciò che le macchine potevano o meno fare ma ciò che esse NON DOVEVANO fare. L'autore dice che non si deve verificare quello che accade una volta seguite le indicazioni dell'elaboratore; bisogna porsi il problema a monte e, quindi, decidere da subito cosa non può (non deve) fare. Esempio: è come domandarsi cosa lo scienziato può/deve fare (teniamo in considerazione la bomba atomica che è un prodotto della scienza). Quindi, la domanda di fondo è "lo scienziato ha dei limiti? Può per rispondere al progresso della scienza spingersi a qualsiasi impresa?" L'IA, il suo sviluppo, anche con riferimento al diritto, ha posto gli stessi identici problemi che sono stati posti dalla scienza. Con gli anni '80 nasce una nuova professione quella del "programmatore" ma si comincia ad individuare nel programmatore (colui che da le istruzioni del funzionamento dell'elaboratore e crea algoritmi per ottenere risoluzioni alle domande poste all'elaboratore) viene individuato in una persona precisa. Perché questa considerazione? La figura professionale del programmatore comporta la nascita di una vera e propria etica, non si risolvono più i problemi dell'informatica attraverso il ricorso dell'etica intesa in senso generale. Ma si inizia a pensare ad una vera e propria etica per l'IA e nasce il "COMPUTER ETHICS" ossia un'etica applicata. Immaginiamo che l'etica si compone di 3 grandi settori: -METAETICA: i discorsi sull'etica, i ragionamenti, le proposte... -ETICA NORMATIVA: si occupa dei comportamenti dell'uomo, che avrebbe l'obiettivo di indicare come comportarsi. -ETICA APPLICATA: è l'etica normativa applicata a determinati settori della vita. Quindi, la CE (marchio di conformità europea), è la descrizione ed indicazione dei comportamenti etici che deve tenere il programmatore. Con la figura del programmatore nasce un nuovo settore dell'etica, è un'etica che studia i comportamenti da tenere con riferimento al settore dell'IA. Di cosa si occupa? Si occupa di privacy, cioè dei limiti di cui si possono ottenere informazioni di un essere umano e come queste informazioni possono essere tenute "segrete" e in che senso la segretezza di queste informazioni può essere usata. La privacy con riferimento all'IA è amplissimo; la privacy va intesa come "cosa dell'essere umano posso datificare?" e una volta fatto "chi può accedere a queste informazioni?" e la persona che ha a disposizione queste informazioni "come può usarle?" C'è poi, nello studio della CE, della responsabilità morale per il comportamento più o meno autonomo dell'elaboratore (tema già presente negli anni '50). Poi nasce la responsabilità etica dei crimini commessi attraverso l'elaboratore, nasce poi tutta la questione della trasformazioni del concetto di "proprietà intellettuale" a seguito dello sviluppo degli
elaboratori. Da questo punto di vista è abbastanza intuitivo che il concetto di proprietà intellettuale è cambiato anche solo a partire dall'idea che è lo stesso elaboratore in grado di assicurare delle opere intellettuali, si pone il problema dell'autore che diventa oggetto di tutela. Altro tema che si sviluppa è il tema delle discriminazioni digitali, ossia il fatto che ci siano una parte della popolazione umana che non ha accesso all'elaboratore è già una discriminazione. Attenzione che attraverso l'elaboratore anche si possono creare delle discriminazioni; quindi l'uso stesso dell'elaboratore può portare, attraverso le istruzioni che esso compie, delle discriminazioni. Mano a mano ci si rende conto di affrontare problemi non classici dell'etica, infatti si parla dell'evoluzione etica. Non sono gli stessi problemi, non si tratta solo di ragionare in termini etici e proporre delle risposte con riferimento ai problemi posti dell'IA. Ci si rende conto sempre di più (James Moor) che ci sono problemi prettamente etici che caratterizzano l'IA, problemi che non ci sono nell'etica tradizionalmente intesa. Dal punto di vista filosofico il primo pensiero etico compiuto è di Aristotele, quando ci fu la prima rivoluzione industriale pose dei problemi etici ma l'etica ha sempre cercato di dare risposte a partire dall'etica normativa (concretizzare le diverse soluzioni etiche in relazione ai nuovi problemi); Con l'IA si rende conto che non si tratterà più di "adattare" ma che ci sono problemi etici propri e SOLO dell'IA. James Moor individua tre generalissimi:
- l'invisibilità del soggetto che agisce
- i risultati addebitabili all'elaboratore
- i risultati proposti dal programma A chi vanno imputate? Perché vanno imputate certamente a chi ha programmato il funzionamento, chi ha inserito gli algoritmi, ma è altrettanto vero che spesso c'è una grande differenza tra chi programma, chi acquista il programma e chi lo usa, questo è il problema dell'invisibilità del soggetto che agisce. Il secondo tema è la difficoltà di controllare i risultati, è abbastanza noto che nei programmi più sofisticati il programma "apprende"; cioè riesce a fare più operazioni di quelle che il programmatore ha previsto che esso facesse e, quindi, ci sono delle soluzioni a certe questioni di cui il processo logico spesso non è ricostruibile. E' come se ci fossero dei passaggi del ragionamento dell'elaboratore che avvengano senza che il programmatore sia stato in grado di prevederne e valutarne le conseguenze. Ultima questione è il problema dei valori sottintesi all'attività programmatoria, cioè il programmatore sia nel momento in cui inserisce l'elaboratore di dati e nel momento in cui da le coordinate, fissa l'algoritmo, è evidente che c'è una soggettività del programmatore e, quindi, c'è un sistema di valori che entrano. Nel momento in cui nasce un programma si generano dei risultati che portano con sè qualcosa dell'idea di vita di quel programmatore. Il problema etico è "noi siamo in grado di valutare con riferimento quei risultati quanto c'è di soggettivo?" potrebbe essere che i valori del programmatore non siano condivisi. Con la nascita della rete tutti questi problemi si moltiplicano. Si pensi alla profilazione, cioè a quelle piattaforme che sono capaci di delineare il profilo del loro utente basandosi su come egli usa quella piattaforma. Si pensi alle fake news nell'intento di distorcere l'opinione dell'individuo o al fine di consolidare determinate posizioni politiche che gli utenti di quella piattaforma avevano iniziato ad avere. Nasce l'information ethics: mentre la CE era un'etica applicativa che riproduceva i principi dell'IA dell'etica tradizionale, l'IE (information ethics) è un'etica dell'IA presuppone la nascita di un'etica autonoma e diversa dall'etica tradizionale; un'etica nuova perché è nuovo il mondo in cui il substrato non è più l'essere ma il fondamento sono gli enti informazionali. Non solo perché sono cambiati i problemi ma perché è anche cambiato il rapporto tra soggetto conoscente-oggetto da conoscente che
nuove rappresentazioni dell'uomo a causa dell'IA. La privacy ci interessa particolarmente perché costituisce un bel terreno di scontro o incontro tra il diritto ad essere lasciati soli e l'IA, perché lo sforzo/intento del legislatore è stato quello di dire "regoliamo cercando un punto di incontro tra ciò che è diritto dell'uomo ad essere lasciato solo, ed il diritto del pubblico a venire a conoscenza di alcuni dati/informazioni che riguardano quell'uomo". Un caso tipico di regolamentazione della privacy è la PROTEZIONE DEI DATI PERSONALI, ossia la necessità che i dati sensibili (legati ad una persona) vengano protetti ma nel contempo la necessità che per questioni superiori possono essere conosciuti da parte del pubblico. Esempio in relazione alle app nei tempi del covid, c'era un’app che può riconoscere chi sia malato di covid ma nello stesso tempo diventava un problema perché consentiva a tutto il mondo di riconoscere il malato e della sua malattia. Il cittadino deve CONSENTIRE al fatto che il pubblico venga a conoscenza dei propri dati personali. Uno strumento è l'anonimato, ad esempio con le statistiche in cui si viene a conoscenza dei dati ma non si attribuiscono a nessuno, altro strumento è la cancellazione dei dati dopo un periodo di tempo. In diritto costituzionale questa attività è utilizzo di strumenti per consentire la coesistenza di esigenze tra loro contrastanti, prende nome di "BILANCIAMENTOD DEGLI OPPOSTI" attraverso uno scrutinio di proporzionalità tra l'interesse che viene leso/limitato e l'interesse che in virtù di ragioni importanti viene considerato prevalente. La decisione prescelta deve comportare il minor "danneggiamento" possibile di diritto leso. Il pubblico può violare il diritto alla riservatezza solo a condizione che la sua violazione risponda ad un interesse superiore rispetto al valore che attribuisce al diritto. Il diritto all'informazione, il diritto ad essere informati in modo veritiero, questo riguarda il rapporto tra potere politico e stampa (ad esempio). Con l'IA questo tema diventa ancora più significativo perché c'è il problema della nascita di un mercato informativo non regolamentato in cui non c'è alcuna possibilità di controllo tra dati ed informazione. Oggi si possono divulgare notizie infondate, false, attraverso la rete senza che vi sia un possibile controllo della fondatezza dello stesso. Un conto sono i dati e un conto sono le informazioni: i dati possono essere neutri, le informazioni sono elaborazioni di dati e quindi non sono MAI NEUTRE. Risentono di una determinata visione, la stampa può, attraverso la rete, immettere una serie di dati/informazioni non corrispondenti alla verità e l'utente non ha strumenti per determinare se l'informazione ricevuta sia vera o falsa. Chiunque può spacciarsi per un ente che divulga informazioni, a partire dai comportamenti di un utente posso comprendere anche quale sia la sua opinione politica, e si può proporre informazioni a quell'utente in modo da consolidare la sua idea politica. Il tema dei diritti politici nell'era dell'IA è molto grave; è vero che l'IA ha portato a notevoli miglioramenti (es. ambito sanitario) ma anche vita politica (voto a distanza) è ciò ha favorito la partecipazione alla vita democratica. Accanto agli aspetti favorevoli vi sono quelli sfavorevoli: si pensi alle decisioni che vengono proposte da piattaforme; il voto attraverso una sola piattaforma. Queste forme di votazione rischiano di essere pericolose perché non c'è chiarezza sul quesito posto agli elettori, non c'è chiarezza sull'utilizzo che si faranno dei risultati di quella consultazione, sono questioni che non sono oggetto di una preventiva discussione ma spesso l'elettore deve decidere se dire si o no. Non si considerano le possibili interferenze di determinati gruppi su questo tipo di esercizio. Lo stesso problema (o meglio, simile) è quello dei cosiddetti sondaggi, non si dice quale sia quesito, quante sono le persone interpellate, non c'è verifica sulla serietà delle indagini. I diritti economici, non c'è dubbio che l'IA abbia portato dei vantaggi, miglioramenti negli acquisiti più accessibili, costi di transizione più bassi, maggiore concorrenza, più utilità per il consumatore. Ma nello stesso tempo c'è il problema che spesso a questo maggiore accesso
al mercato corrispondono dei venditori in regime di monopolio e questo non è controllabile dallo stato. Sono 5 le imprese padrone del mondo digitale: Amazon, Apple, Google, Facebook e Nicholson, all'interno di ciascuna piattaforma ci sono senza dubbio regole ma qui non c'è per lo stato la possibilità di alcun controllo se, non forse, gli organi di autoregolamentazione che queste 5 piattaforme si sono a loro volta date. Capiamo la difficoltà che può avere un utente nell'introdurre una controversia nei confronti di Amazon (sul foro competente e legge applicabile). Una volta che si accede a quella piattaforma il controllo non c'è più e vige la regola che la piattaforma si è data. I rapporti tra IA e costituzione è la nascita della cittadinanza digitale: il cittadino in quanto digitale ha dei diritti e doveri ulteriori al cittadino prima dell'avvento del digitale. Tutto ciò dovrebbe migliorare la vita del cittadino, dovrebbe essere più facile l'accesso alla PA, dovrebbe essere più facilmente conseguibili scopi e conseguire l'uguaglianza digitale. Si pensi alla digitalizzazione della PA. Qui, qual è il rischio? è la discriminazione, cioè che senza volerlo coloro che sono più facilitati all'ingresso all'IA sono coloro che stanno già meglio, vivono una vita migliore degli altri cittadini. Quindi da questo punto di vista l'IA aumenta le disuguaglianze. L'esempio tipico è quello degli anziani. Videolezione 7 GLI ALGORITMI NON SONO NEUTRALI Solo capendo come funziona un algoritmo siamo in grado di discutere di informatica giuridica, ovvero solo capendo come funzionano i programmi che utilizziamo ai fini del diritto, siamo in grado di dare una risposta filosofica al problema di rapporti tra intelligenza artificiale e diritto. D’altro canto ciò che caratterizza gli algoritmi sono il linguaggio matematico e il rigore del formalismo logico che sono gli strumenti attraverso i quali si esprime la cosiddetta “scienza informatica”. L’informatica è una scienza così come lo è la fisica, la chimica, la biologia e così per chi lo ammette anche il diritto e la storia, dunque non solo le cd. scienza naturali ma anche le scienze spirituali (o culturali). Quindi cosa ha in comune la scienza informatica con le altre scienze? Ciò che ha in comune è il fatto che anch’essa si basa su delle ipotesi, su dei modelli, ovvero sulla possibilità di spiegare la realtà a condizione di riuscire ad esprimerla attraverso dei modelli, nel caso della scienza informatica attraverso principalmente dei modelli matematici ma non solo. Non c’è dubbio che la scienza informatica non è una scienza neutra, in realtà è molto inesatto dire che la scienza informatica non è una scienza neutra, perché oggi è un argomento già molto dibattuto quello della neutralità delle scienze. Cosa significa che una scienza è neutra? Oggi si usa il termine “neutro” come sinonimo di “oggettivo” anche nel linguaggio comune, ovvero siamo abituati a dire “quest’affermazione non è opinabile ma è scientifica”. In realtà si dovrebbe aprire tutto un discorso sulla neutralità della scienza, perché oggi in filosofia della scienza le teorie che sono più in voga sono quelle che ne discutono la storicità, l’aspetto sociale e persino politico della scienza, quindi discutere della neutralità della scienza comporta tutta una serie di problemi. Diciamo che non c’è dubbio che i risultati della scienza informatica non siano neutrali, ma non sono neutrali neanche quelli delle altre scienze. Ciò che è più rilevante rispetto alle altre scienze e che c’è la circostanza che anche le scienze informatiche risentono di molti preconcetti, pregiudizi in senso etimologico del termine, ovvero dello sfondo metafisico in cui si inserisce il programma, il modello. In quale modo gli algoritmi risentono non poco della prospettiva del programmatore, che è inserito in un determinato ambiente, ha i propri pregiudizi, preconcetti e una propria ideologia. Quindi è difficile che non ci sia un riconoscimento di un
nell’adempimento di un tema di italiano. Ci sono poi gli errori cd. semantici, ossia errori di significato. Sono errori a causa dei quali il programmatore sbaglia le indicazioni, ovvero dà delle indicazioni errate rispetto a quello che si chiede al programma. Riferendoci sempre alla metafora del tema di italiano, in questo caso il programmatore fa un buon tema di italiano, ma va fuori tema o parzialmente fuori tema, dunque tutto ciò che egli dice è formalmente corretto ma non è utile, o più spesso non è del tutto utile, ai fini delle ragioni per le quali è nato il programma. Quindi linguaggio di programmazione formalmente corretto ma indicazioni sbagliate dal punto di vista semantico con conseguenti errori semantici e dunque ciò comporta un cattivo funzionamento del software. Tornando agli algoritmi, gli algoritmi lavorano sui cd. bigdata che sono i dati che vengono immessi dai software sui quali l’algoritmo esegue le operazioni per ottenere dei risultati. Da questo punto di vista si distinguono gli algoritmi logici, che sono gli algoritmi che su quei dati eseguono semplicemente delle operazioni logiche. Si dice pertanto che non forniscono maggiori conoscenze di quelle iniziali, poi vi sono come seconda categoria gli algoritmi cd. statistici che a partire da quei dati che vengono immessi, forniscono delle statistiche, ossia forniscono risposte in termini di statistiche. Vi sono poi un’ulteriore categoria di algoritmi, che sono quella categoria su cui oggi ci soffermeremo maggiormente che sono gli algoritmi di Machine Learning, cioè gli algoritmi che “apprendono”, cioè man mano che eseguono operazioni su quei dati, finiscono per apprendere. Cioè per avere una conoscenza superiore rispetto a quella iniziale. L’apprendimento degli algoritmi spesso non è controllabile, cioè il programmatore sa che l’algoritmo apprende ma non è spesso in grado di dire o di predeterminare cosa l’algoritmo è in grado di apprendere e in che modo la conoscenza nuova possa andare evolvendosi. Abbiamo semplificato la spiegazione dicendo che vengono immessi dei dati e su quei dati l’algoritmo lavora. In realtà anche qui la situazione è molto più complessa poiché ci sono tre categorie di dati dal punto di vista della classificazione con riferimento l’algoritmo. Ci sono i training data sono quei dati che servono all’algoritmo per “allenarsi”, l’algoritmo non sta ancora rispondendo alle nostre domande, non abbiamo ancora fornito le domande precise rispetto alle risposte che ci interessano, ma stiamo insegnando all’algoritmo a ragionare e per poterglielo insegnare gli dobbiamo dare dei dati, ossia i training data. Poi ci sono i cd. input data che sono i dati veri e propri che sono i dati su cui l’algoritmo una volta implementato deve lavorare e sono di grande importanza perché sono i veri e propri dati-informazioni su cui vengono svolte le operazioni. Poi come una terza categoria ci sono i cd. feedback data che sono i dati che vengono man mano forniti all’algoritmo quando sta già lavorando ai fini del completamento di alcune operazioni o per una migliore implementazione dell’algoritmo, e quindi ai fini di ottenere un risultato sempre migliore. In questa lezione ci occupiamo semplicemente di tutte le tipologie di errori che possono derivare dal funzionamento di un software. Le tipologie di errori possono riguardare i dati perché i dati sono sbagliati, o perché sono condizionati da pregiudizi, o perché sono incompleti; le tipologie di errore possono riguardare il linguaggio di programmazione (li abbiamo già visti) e possono riguardare gli algoritmi e i software. A tal proposito occorre spiegare meglio la differenza tra algoritmo e software. L’algoritmo è la logica di funzionamento di un programma; il software è il codice genetico del programma che è scritto in un linguaggio di programmazione ed eseguibile da parte dell’elaboratore. Gli errori possono essere legati ai dati, al software, agli algoritmi e al linguaggio di programmazione e possono essere la combinazione di più errori. Molto spesso non è facile rendersi conto dell’errore e quando ci si rende conto dell’errore non è cosi facile poterlo attribuire a queste quattro componenti, forse l’errore più facilmente rilevabile è quello relativo ai dati perché all’interno di un programma possono essere immessi dei dati che risentono di una serie di pregiudizi, di preconcetti,
di prevalutazioni. Non si sta ricercando il dolo che sta dietro l’errore ma stiamo dicendo che ci possono essere degli errori non voluti e questi errori non voluti possono risentire della combinazione di questi quattro componenti. Abbiamo detto che gli errori più facilmente riscontrabili sono quelli relativi ai dati perché su quelli è più facile ragionare. Se invece dovessimo discutere del rapporto tra errori e linguaggio di programmazione, errori dell’algoritmo o errori relativi al codice genetico, al software, in questo caso è più difficile imputare gli errori. Facciamo un passo indietro e vediamo come nasce un algoritmo. La nascita dell’algoritmo è attribuibile essenzialmente al programmatore, certo il problema non è quasi mai posto dal programmatore ma è posto da un altro soggetto nell’interesse del quale il programmatore lavora e la soluzione risente anche delle modalità con le quali è stato impostato il problema, può darsi alle volte che un problema corretto sia stato male impostato dal programmatore, è difficile che succeda viceversa. Il tipo di algoritmo che oggi preoccupa di più è il cd. algoritmo machine learning cioè l’algoritmo che apprende, cioè l’algoritmo impara facendo dai dati che gli sono posti, dalle informazioni che man mano gli sono date, dalle sollecitazioni che di volta in volta gli sono poste e in qualche modo anche dalle risposte che di volta in volta egli dà. Anzi c’è una vera e propria scienza che studia come nascono gli algoritmi, quali sono i procedimenti logici che presiedono alla nascita degli algoritmi o se volete, qual è la logica del funzionamento dell’algoritmo. Normalmente si ha tutta una serie di casi, che sono contenuti nei dati iniziali, che sono regolati, disciplinati, che hanno già un trattamento, una conseguenza. Non stiamo parlando di diritto, ma stiamo parlando di qualsiasi funzionamento dell’algoritmo. Il lavoro del programmatore è quello di prevedere tutta una serie di casi ai quali quell’algoritmo potrebbe trovare applicazione, cioè il lavoro del programmatore è trovare tutte quelle ipotesi alle quali quei dati immessi potrebbero dare applicazione. I procedimenti scientifici attraverso i quali si deve arrivare a queste risposte, sono state distinti in 5 grandi categorie: da una parte ci sono i cd. simbolisti (stiamo parlando della modalità attraverso la quale nasce l’algoritmo) ritengono che occorre fornire al programma un minimo di conoscenza iniziali, le quali però consentono di identificare quelle conoscenze che sono ancora mancanti e ciò al fine di procedere al completamento della deduzione, che consente di generalizzare i dati a disposizione dei casi non ipotizzati. I simbolisti quindi ritengono di poter individuare i casi non regolati, non previsti, non ipotizzati, ai quali possono applicarsi le informazioni iniziali, attraverso un procedimento di deduzione inversa. Vi fornisco queste cinque modalità di capire il funzionamento dell’algoritmo per capire che sono gli procedimenti che presiedono alla formazione della scienza, cioè gli scienziati informatici sono scienziati tanto quanto lo sono gli scienziati fisici, certo la materia è diversa e c’è di mezzo il pensiero computazionale ma i procedimenti di modellizzazione, di creazione dei modelli, ai fini di risolvere i problemi è la medesima. Ci sono poi i connessionisti, i quali ragionano come se l’organo dell’apprendimento fosse il cervello, e quindi cercano di far ragionare l’algoritmo come se fosse una rete neurali. Qui si aprirebbe, per chi è appassionato di questa materia, di tutto il funzionamento degli algoritmi nelle reti neurali, se volete le reti neurali sono un tipo di algoritmo che nasce in virtù di un pensiero connessionista. Vi sono poi i cd. evoluzionisti i quali ritengono che la forma di ogni apprendimento sia la selezione naturale e conseguentemente mettono in relazione i programmi del computer con il modo in cui la natura fa evolvere gli organismi. Secondo queste costruzioni l’algoritmo apprende come apprende un organismo naturale, come si evolve un organismo in biologia. Poi ci sono, e forse sono i più votati, i bayesiani , i quali ritengono che siccome il programma è l’incertezza assoluta occorre ridurre ogni margine di errore attraverso un’inferenza cd. probabilistica, essi applicano i dati conosciuti ai dati non conosciuti e quindi ai casi non regolati,
il fatto che la luce possa essere rappresentata ora da un modello che prende il nome di fotoni e ora sotto forma di onde elettromagnetiche. Ciò non interessa al procedere della scienza, la scienza ha essenzialmente l’obiettivo non tanto quello di comprendere la realtà nella sua essenza (il primo grande scienziato Galileo Galilei diceva che lo “scienziato non deve tentare la scienza”, ovvero lo scienziato non deve penetrare la sostanza delle cose, ma si deve occupare di descrivere la realtà, proporre delle leggi che siano in grado di prevedere come funziona la natura e attraverso queste leggi fare delle operazioni sulla natura). In questa sede ci interessa capire soprattutto che il procedimento delle scienze fisiche e il procedimento delle scienze informatiche è il medesimo pur nella diversità degli ambiti di ricerca e degli strumenti. Anche la scienza informatica si occupa di costruire delle teorie scientifiche che consentano di riprodurre più velocemente il procedimento dell’intelligenza umana al fine di fare delle operazioni. Quando si sente dire che c’è la difficoltà di governare l’intelligenza artificiale oppure quando si sente dire che ormai ci sono 5 piattaforme che governano il mondo, che sono Microsoft, Meta, Amazon, Google ed Apple, il problema di queste piattaforme è che all’interno di queste le regole non sono fissate dai destinatari ovvero dagli utenti, ma dalle piattaforme stessi e non sono ormai regole contrattuali ma possono essere definite dei veri e propri atti normativi. È un problema rilevante dal punto di vista della teoria delle fonti che 5-6 miliardi di utenti siano regolati da norme che essi non si sono dati. Questo è un unicum perché se voi pensate, è vero che lo stato moderno governa i propri cittadini ma è altrettanto vero che in qualche modo i cittadini partecipano alla formazione degli atti. Poi è vero che c’è tutto il problema della rappresentanza ma qui il problema della rappresentanza perché per esempio le regole di Google ma meglio ancora di Amazon e quindi di quelle piattaforme in generale, non possono dunque definirsi regole contrattuali, ma sono sicuramente quelle che utilizzando la grammatica della teoria delle fonti sono atti che hanno forza di norma, sono dunque atti normativi e la particolarità di questi atti normativi è che ci possono essere atti normativi che si impongono su utenti che non hanno mai in alcun modo partecipato alla formazione di questi atti normativi né non possono in alcun modo incidere, anzi la violazione di questi atti normativi è anche difficilmente sanzionabile proprio perché gli stessi codici di disciplina, lo stesso ricorso alla giurisdizione è altamente problematico proprio perché anche la giurisdizione stessa in qualche modo è predefinita da queste piattaforme. Vi dico tutto questo che perché quando noi ci poniamo il problema di dire tutto ciò, rischia di essere fuori dal controllo dell’uomo, non diciamo nulla di diverso da quello che diciamo quando diciamo che in alcuni ambiti alle scienze fisiche, si pensi alla bomba atomica, la scienza possa essere al di fuori del dominio dell’uomo. L’idea che la scienza fissi delle teorie per dominare il mondo, non è un’idea dell’intelligenza artificiale ma è un’idea della scienza, poi chi determina i fini della scienza o l’utilizzo della stessa è tutto un altro discorso. Qui se volete entriamo nel campo politico o in un campo filosofico in senso lato, ossia il problema dell’utilizzo della scienza, dell’etica dello scienziato. Però da questo punto di vista non c’è una grande novità, poiché non stiamo assistendo a una rivoluzione diversa da quella a cui abbiamo assistito dal momento in cui è nata e si è sviluppata la scienza moderna, cioè l’idea che il sapere scientifico sia un sapere convenzionale e operativo nel senso che consente di fare e riprodurre all’infinito una serie di operazioni in modo anche meccanico, non è nulla di nuovo per chi ha un po' di sensibilità con l’epistemologia, con la filosofia della scienza. Dove invece la scienza informatica si differenzia dalle altre scienze, qui il discorso si fa più complesso, sapete che c’è sempre stata una gran discussione nel mondo della filosofia della scienza, dell’epistemologia, circa la storia, la giurisprudenza, la psicologia, la sociologia sono scienze come lo sono la fisica la chimica, la biologia? O sono scienze di altro tipo ovvero
sono “meno scienza” per usare un termine molto impreciso tant’è vero che usualmente si parla di scienza “hard” quando si parla della fisica mentre della sociologia come scienza “soft”. Qui il discorso si fa più complesso poiché alcuni ritengono che i procedimenti intellettuali dello storico che propone le teorie sono sostanzialmente i medesimi di quelli proposti dal fisico cioè la realtà viene raccontata attraverso dei modelli che mirano a spiegarla, a prevederla. È bene che sullo storico questa definizione può essere molto discutibile, tant’è vero che la storia non è in grado di prevedere che cosa accade e forse non è neanche compito della storia prevedere cosa accade. Qui in realtà entriamo in un ambito ancora più complesso, mentre quello su cui voglio porre l’attenzione è l’esperimento. Per esempio circa la scienza fisica si può dire se una teoria fisica è buona o cattiva attraverso l’esperimento, ovvero attraverso la verifica empirica di quello che la teoria, la legge fisica propone. Anche questo discorso non è così semplice perché oggi si suol dire che anche gli stessi esperimenti risentono degli obiettivi che si è fissato lo scienziato, quindi anche gli esperimenti in qualche modo sono condizionati dalla teoria; altri invece dicono che gli esperimenti sono così importanti che sono parte stessa della teoria, l’esperimento in qualche modo accresce la teoria, perché modificandola l’adegua. Oggi ragioniamo per grandissime categorie e ragionando così diciamo che “l’esperimento verifica”, in quanto all’esito dell’esperimento è possibile affermare se la teoria, la legge fisica, è buona o va ripensata, perché l’esperimento altro non è che la riproduzione in laboratorio di ciò che lo scienziato ha proposto nella propria teoria. Pensate alla caduta dei gravi di Galileo, quando Galileo determina il tempo con il quale un grave tocca terra l’esperimento non è altro che riprodurre tante volte questa situazione e vedere se la legge è effettivamente giusta, cioè se è vero e in che misura il tempo risente del peso del grave. Nelle scienze cd. Soft, l’esperimento non è così immediatamente comprensibile, quanto meno fino a Popper, il quale ci ha spiegato che l’esperimento è la confutazione della teoria. Non dobbiamo pensare che una teoria giuridica debba essere confutata attraverso un esperimento, i realisti dicevano che per confutare una teoria bisognava andare in tribunale e vedere se il giudice si comporta come lo scienziato ha previsto. Ma questa è l’idea della scienza del realismo giuridica. In realtà noi diciamo che anche una teoria giuridica ha bisogno di una confutazione, che altro non è che la ricerca degli argomenti attraverso i quali quella teoria giuridica è sostenuta e verificare se quegli argomenti, in virtù del principio di non contraddizione e del principio del terzo escluso, reggono alla confutazione. Quindi per stabilire se una teoria giuridica è buona occorre verificare se gli argomenti posti a fondamento della teoria stessa possano reggere ad una confutazione. Per confutare una teoria giuridica normalmente ci sono due modi: il primo è il cd. modo atagogico o confutazione per assurdo, ossia si porta all’estreme conseguenze una determinata teoria e si vedono se tutte le conseguenze che ne derivano sono sostenibili, al punto tale che in alcuni casi queste conseguenze vengono messe come premessa maggiore di un sillogismo per vedere se poi quel sillogismo porta a delle conseguenze vere perché tenete presente che in un sillogismo in cui le premesse sono false porta comunque ad una conclusione falsa e potrebbe essere un sillogismo corretto. Un altro modo per confutare una teoria è quello di verificare se tutti i casi che dovrebbero essere regolati dalla legge enunciata dalla teoria, reggono o se mettono in discussione la teoria e quindi se quella teoria non è più sostenibile, o se deve essere in qualche modo rivista, riaggiornata, ripensata. Da questo punto di vista le teorie giuridiche, della psicologia, della sociologia possono essere confutate ovvero si può verificare se reggono alla confutazione. La domanda che dobbiamo porci è la seguente: i risultati delle scienze informatiche sono verificabili? In linea di massima lo sono, ma i risultati delle scienze informatiche possono avere una serie di errori molto frequenti e
