INTELLIGENZA ARTIFICIALE

Valerio Rughetti

Obiettivi formativi

Il laboratorio è il terzo insegnamento della complessiva struttura didattica di Informatica Giuridica del corso di laurea magistrale a ciclo unico in Giurisprudenza della LUISS, che si compone di cinque laboratori propedeutici ed un corso distribuiti sui primi tre anni. Tali insegnamenti costituiscono un percorso unitario e progressivo secondo un itinerario logico studiato al fine di implementare la sensibilità dello studente per la reciproca interazione fra l’informatica ed il diritto. L’intento è quello di formare un giurista realmente pronto ad affrontare le sfide legali della dimensione digitale, sempre più pervasiva e trasversale in ogni settore professionale, e delle applicazioni informatiche nell’ambito legale. A tal fine lo studente dovrà acquisire conoscenze anche puramente tecniche ed informatiche per comprendere a fondo i fenomeni tecnologici dei quali potrà essergli/le richiesto di valutare risvolti ed effetti giuridici. È questo un obiettivo strategico che il Dipartimento di Giurisprudenza si è prefisso, non potendosi contemplare la figura di un giurista che oggi non possieda piena dimestichezza anche degli strumenti digitali e non sappia analizzare l’impatto delle applicazioni tecnologiche più dirompenti sulla società, sul diritto, sui mercati e sulle istituzioni a livello globale. L’innovazione travolgente ed incentivata dalle politiche pubbliche nazionali ed europee esige figure professionali versatili, capaci di applicare le categorie tradizionali del diritto a fenomeni tecnologici inediti, o addirittura di costruirne di nuove meglio in grado di regolare il presente. Per far ciò si richiede una comprensione dell’architettura di base delle reti, nonché dei linguaggi della matematica e della logica degli algoritmi, per poterli quindi leggere nelle forme del diritto. Il Laboratorio di Intelligenza artificiale, nello specifico, intende fornire agli studenti le nozioni fondamentali di una disciplina che ha assunto assoluta centralità nel dibattito scientifico e giuridico. Per poter comprenderne appieno le implicazioni giuridiche però, gli studenti devono preliminarmente acquisire dimestichezza con il linguaggio e la logica degli algoritmi inferenziali probabilistici e statistici, nonché delle loro applicazioni pratiche. Inoltre, gli studenti affronteranno il tema dell’apprendimento automatico e della simulazione algoritmica delle reti neurali.

Prerequisiti

Linguaggio e Logica delle Macchine Laboratorio di informatica giuridica.

Risultati di apprendimento attesi

Conoscenza e capacità di comprensione: raggiungere la conoscenza di alcuni argomenti d'avanguardia nel campo di studio con il supporto didattico appropriato, comprensione generale della teoria degli algoritmi in informatica, della logica probabilistica e delle principali tipologie di algoritmo inferenziale. Conoscenza e comprensione applicate: comprensione dell’operatività dell’apprendimento automatico attraverso la simulazione di reti neurali. Autonomia di giudizio: raccogliere e interpretare informazioni e dati rilevanti. Abilità comunicative: comunicare informazioni, idee, problemi e soluzioni con il linguaggio tecnico specifico dell’intelligenza artificiale. Capacità di apprendere: aver sviluppato le competenze necessarie per intraprendere gli studi successivi con un elevato grado di autonomia.

Contenuti Del Corso

I. Introduzione all’intelligenza artificiale II. Algoritmi III. Machine learning

Testi Di Riferimento

Il materiale didattico è costituito dal contenuto delle lezioni impartite dal docente, relative dispense e altri materiali condivisi su Luiss Learn. Letture consigliate:

Metodologie Didattiche

Apprendimento: lezioni frontali, podcast e quiz online Pratica: ospiti esperti, studio di casi e simulazioni Indagine: analisi di idee e informazioni fra una gamma di materiali e risorse, utilizzando le banche dati giuridiche per raccogliere e analizzare dati e confrontare testi Collaborazione: lavori in piccoli gruppi, discussione dei risultati altrui e proposta di risultati comuni Discussione: seminari, discussioni di gruppo in classe, forum online e discussioni sincrone e asincrone Produzione: saggi, relazioni, presentazioni e blog

Modalità di verifica dell'apprendimento

Il voto finale, espresso in 30/trentesimi deriverà dalla valutazione delle seguenti voci per la rispettiva quota percentuale: 20% frequenza 10% partecipazione attiva in aula 50% valutazioni delle prove intermedie 20% esame finale (scritto e orale) N.B. Il voto conseguito all’esito dell’esame del presente Laboratorio parteciperà per 1/7 al voto finale che sarà attribuito all’esito dell’esame del corso di Macchine intelligenti e diritto (MID1) e che rientra regolarmente nella media curriculare dello studente.

Criteri per l’assegnazione dell’elaborato finale

.

Settimana 1

I. Introduzione all’intelligenza artificiale 1. Cognitivismo e comportamentismo (Turing v. Searle) 2. Definizioni essenziali

Settimana 2

II. Algoritmi 1. Inferenza logica

Settimana 3

II. Algoritmi 2. Inferenza probabilistica

Settimana 4

II. Algoritmi 3. Inferenza bayesiana

Settimana 5

II. Algoritmi 4. Operatività delle diverse tipologie di algoritmo 4.1. Algoritmi di ricerca

Settimana 6

II. Algoritmi 4.2. Algoritmi equitativi 4.3. Algoritmi predittivi

Settimana 7

III. Machine learning 1. Apprendimento supervisionato 2. Apprendimento non supervisionato

Settimana 8

III. Machine learning 3. Bias

Settimana 9

III. Machine learning 4. Reti neurali 4.1. Percettrone

Settimana 10

III. Machine learning 4.2. Regressioni lineari

Settimana 11

III. Machine learning 4.3. Deep learning

Settimana 12

III. Machine learning 4.4. Applicazione ai linguaggi naturali