Il corso mira a fornire agli studenti una conoscenza sistematica dell’intelligenza artificiale, dei suoi profili applicativi giuridicamente rilevanti e della sua regolazione, quale segmento conclusivo del percorso formativo progressivo dedicato al rapporto tra macchine intelligenti e diritto. L’insegnamento intende sviluppare la capacità di comprendere la logica dei processi di apprendimento automatico e di decisione algoritmica autonoma, favorendo l’acquisizione di competenze teoriche, tecniche e giuridiche necessarie per valutare le implicazioni dell’AI nei diversi ambiti dell’esperienza giuridica contemporanea. Il corso affronta le nozioni essenziali della teoria dell’intelligenza artificiale, linguaggi naturali e linguaggi formali, nonché i fondamenti logici degli algoritmi e del machine learning e la ricaduta concreta dell’etica dell’AI. Il corso introduce inoltre il quadro nazionale, europeo e internazionale della regolazione dell’intelligenza artificiale, con particolare riferimento alla strategia europea, all’AI Act, alla legge italiana sull’AI e alle principali esperienze multilaterali e comparate.

Attraverso un approccio empirico e laboratoriale, fondato sull’analisi di casi pratici, applicazioni concrete, scenari regolatori e problemi giuridici emergenti, una parte specifica del percorso è dedicata all’approfondimento delle implicazioni dell’AI nei diversi settori del diritto. L’obiettivo è formare giuristi capaci di interpretare criticamente e applicare operativamente le categorie del diritto ai fenomeni dell’intelligenza artificiale, comprendendo tanto i presupposti tecnici dei sistemi autonomi quanto le esigenze di regolazione, tutela e responsabilità poste dall’uso delle macchine intelligenti nella società digitale.

1. Introduzione e teoria dell’Intelligenza Artificiale • definizioni essenziali • cognitivismo (AI forte, A. Turing) e comportamentismo (AI debole, J. Searle) • linguaggi naturali e linguaggi formali 2. Algoritmi e machine learning (gli studenti devono riuscire ad apprendere la logica dei processi di apprendimento e decisione autonomi) • apprendimento supervisionato e non supervisionato • AI generativa • algoritmi predittivi • bias e allucinazioni • reti neurali 3. Razionalità e decisioni algoritmiche • trasparenza come “spiegabilità” • correttezza • qualità • responsabilità • antropocentrismo 4. Diritto e regolazione dell’AI • strategia europea ed AI Act • Legge italiana sull’AI • principali posizioni internazionali multilaterali (ONU, OECD) e comparate (USA, Cina) (a scelta a seconda delle preferenze dei docenti, purché l’approccio sia empirico e laboratoriale: dal caso pratico specifico al tema/principio) • diritto penale (responsabilità penale, polizia e giustizia predittive) • diritto civile (soggettività giuridica, responsabilità civile “da algoritmo”) • guida autonoma • proprietà intellettuale ed AI generativa • diritto del lavoro • marketing • democrazia algoritmica ed elezioni • AI e legislazione • amministrazione algoritmica • sistemi d’armi autonomi

Il materiale didattico è costituito dal contenuto delle lezioni impartite dal docente, relative dispense e altri materiali condivisi su MyLuiss. Letture consigliate (obbligatorie per gli studenti non frequentanti): G. Corasaniti Datascience e diritto, certezze artificiali e benefici del dubbio ,Giappichelli 2022 , G Corasaniti Sicurezza informatica e intelligenza artificiale Rischio e resilienza nello spazio giuridico europeo Giappichelli 2025 ; Corasaniti G. Cyberetica Luiss University press 2026

Apprendimento: lezioni frontali 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 Produzione: saggi, relazioni, presentazioni

Il voto finale, espresso in 30/trentesimi e rilevante per la media generale deriverà dalla valutazione delle seguenti voci per la rispettiva quota percentuale: 75% valutazione dei lavori intercorso (prova intermedia per studenti frequentanti e test finale e colloquio per non frequentanti ) 10% partecipazione attiva in aula 15% esame finale (scritto o orale)

Voto di esame conseguito proposta di un argomento sperimentale o originale