Obiettivi formativi
Il corso mira a fornire agli studenti una conoscenza sistematica dell’intelligenza artificiale, dei suoi profili applicativi giuridicamente rilevanti e della sua regolazione e a sviluppare la capacità di comprendere la logica dei processi di apprendimento automatico e delle decisioni algoritmiche autonome, con attenzione sia gli aspetti tecnici che alle implicazioni culturali e istituzionali.
A questo scopo, 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.
Correlativamente, viene sviluppato un metodo che affina la comprensione degli strumenti logici e metodologici dei quali si serve il giurista ─ sia nella interpretazione delle norme che nella ricostruzione dei fatti ─ per confrontarli con le logiche della IA così da comprendere i vantaggi e i rischi dell’utilizzo della IA.
Attraverso un approccio empirico e laboratoriale, fondato sull’analisi di casi pratici, applicazioni concrete, scenari regolatori e problemi giuridici emergenti.
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.
Prerequisiti
È utile una familiarità di base con logica e ragionamento astratto.
Risultati di apprendimento attesi
Conoscenza e capacità di comprensione: acquisire una conoscenza sistematica dell’intelligenza artificiale, dei suoi fondamenti tecnici e delle sue principali implicazioni giuridiche, sociali ed economiche.
Conoscenza e capacità di comprensione applicate: applicare le conoscenze acquisite all’analisi di casi pratici e applicazioni dell’AI nei diversi settori del diritto, individuando questioni giuridiche e possibili soluzioni regolatorie.
Autonomia di giudizio: raccogliere e interpretare informazioni, dati e fonti rilevanti, valutando criticamente l’impatto dei sistemi di AI su diritti, responsabilità, istituzioni e mercati.
Abilità comunicative: comunicare problemi e soluzioni relativi all’intelligenza artificiale e alla sua regolazione, utilizzando un linguaggio tecnico-giuridico adeguato.
Capacità di apprendere: sviluppare le competenze necessarie per proseguire autonomamente lo studio del rapporto tra macchine intelligenti e diritto e aggiornarsi rispetto all’evoluzione tecnologica e normativa.
Contenuti Del Corso
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 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. Razionalità giuridica e intelligenza artificiale.
Forme della conoscenza giuridica e limiti della AI applicata al diritto.
• principi attuali della regolamentazione nazionale e comunitaria
5. Diritto e regolazione dell’AI
• strategia europea ed AI Act
• legge italiana sull’AI.
• Principali posizioni internazionali multilaterali (ONU, OECD) e comparate (USA, Cina).
6. Con l'approccio empirico e basato su laboratorio, passando dal caso pratico specifico alla questione o principio più ampio, saranno esaminati questioni inerenti alle seguenti possibili aree:
• Diritto civile (soggettività giuridica, responsabilità civile “da algoritmo”).
• Diritto penale (responsabilità penale, polizia e giustizia predittive).
• Guida autonoma.
• Proprietà intellettuale ed AI generativa.
• Diritto del Lavoro.
• Darketing.
• Democrazia algoritmica ed elezioni
• AI e legislazione.
Amministrazione algoritmica
• Sistemi d’armi autonomi
Testi Di Riferimento
Giuseppe D’Acquisto: Intelligenza Artificiale – Elementi, (Giappichelli)
Giuseppe D’Acquisto: Decisioni Algoritmiche: equità, casualità, trasparenza, (Giappichelli)
AA.VV. (a cura di G. Buonomo - G. Ciacci - A. Costanzo), Macchine Intelligenti e Diritto, Giappichelli, 2025)
Lettura consigliata (obbligatoria per gli studenti non frequentanti!): D. Andler, Il duplice enigma. Intelligenza artificiale e intelligenza umana, Einaudi, 2023.
Metodologie Didattiche
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
Una parte specifica del percorso è dedicata all’approfondimento delle implicazioni dell’AI nei diversi settori del diritto con esercitazioni vertenti su analisi di casi pratici e decisioni giurisprudenziali relativi ad argomenti trattati a lezione.
Modalità di verifica dell'apprendimento
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: la partecipazione deve essere garantita con almeno un voto sulla parte giuridica e uno sulla parte tecnologica
10% partecipazione attiva in aula
15% esame finale (scritto o orale)
Criteri per l’assegnazione dell’elaborato finale
Le prove scritte intermedie possono riguardare:
1.- temi di intelligenza artificiale con particolare riferimento agli aspetti computazionali, algoritmici o applicativi. È richiesta una capacità di analisi critica dei modelli e dei loro limiti;
2.-il rapporto fra la logica giuridica e le logiche della intelligenza artificiale. Si richiede la capacità di analizzare criticamente i problemi posti dai casi concreti.
I temi specificamente attinenti agli aspetti computazionali e algoritmici sono sviluppati in coordinamento con il co-docente, così come la componente giuridica è sviluppata in coordinamento con il co-docente.
Settimana 1
Fondamenti dell'intelligenza artificiale. Rappresentazione della realtà, modelli computazionali e riduzione della complessità. Ragionamento deduttivo e induttivo.
Razionalità giuridica e razionalità artificiale. I diversi livelli della logica giuridica e la sua diversità dalle logiche dell'IA; forme della conoscenza giuridica e limiti dell'IA applicata al diritto; principi attuali della regolamentazione nazionale e comunitaria: carte etiche, soft law e norme giuridiche.
Settimana 2
Intelligenza artificiale knowledge-based. Agenti logici, knowledge base, logica proposizionale e inferenza.
Teoria dell'argomentazione e bi-logica. L'argomentazione giuridica: struttura formale e contenuti; scelta delle premesse e deduzione naturale; logiche algoritmiche: sistemi esperti vs. macchine intelligenti.
Settimana 3
Esercitazione su sistemi knowledge-based. Costruzione di knowledge base e simulazione di motore inferenziale. L'ingranaggio normativo (valori, principi e regole). Logica della somiglianza e ars distinguendi; interpretazione sistematica e plurisussunzione; metodologia dei metodi e metodologia dei risultati. Applicazioni pratiche dell'IA per l'interpretazione delle disposizioni legislative.
Settimana 4
Intelligenza artificiale probabilistica. Incertezza, probabilità e inferenza probabilistica.
Nomofilachia e IA. Funzione stabilizzante e funzione inferenziale dei precedenti; influenza della forma logica sul consolidarsi di un precedente; utilità e insidie dell'IA nel reperimento dei precedenti e nella prevedibilità delle decisioni giudiziarie.
Settimana 5
Esercitazione su ragionamento probabilistico e classificazione.
La ricostruzione dei fatti nei processi e l'utilizzo della IA. Le fallacie della logica deduttiva; le fallacie della logica induttiva.
Esercitazione sull’utilizzo del metodo delle inferenze da premesse incompatibili nell’ambito giuridico.
Settimana 6
Algoritmi di ricerca e problem solving. Spazi di stati, ricerca informata e non informata, euristiche, algoritmi adversarial.
Razionalismo dialettico e intelligenza artificiale nei processi. Le massime di esperienza e le fallacie della logica abduttiva nella valutazione degli indizi; utilizzo della conoscenza scientifica; probabilità e provabilità.
Esercitazione con l’esame di casi giurisprudenziali mediante strumenti di IA.
Settimana 7
Esercitazione su algoritmi di ricerca e modellazione dei problemi. Algoritmi DFS, BFS, A*, Dijkstra, Adversarial (Minimax).
Settimana 8
Machine learning. Apprendimento supervisionato, non supervisionato e per rinforzo. Reti neurali. Deep Learning. Applicazioni: diritto penale e prevenzione dei reati. Prevenzione dei reati e tutela dei diritti personali; giudizi prognostici nelle indagini preliminari; fallacie logiche e cybersecurity.
Settimana 9
Esercitazione su machine learning: dataset, training, test e overfitting. Applicazioni: IA e diritto pubblico. Democrazia algoritmica; amministrazione algoritmica; esame di casi pratici con gruppi di studio.
Settimana 10
Modelli linguistici e IA generativa. Transformer, embedding e Large Language Models.
Applicazioni: diritto civile e IA. Soggettività giuridica; proprietà intellettuale; IA e responsabilità civile: studio di casi pratici.
Settimana 11
Decisioni algoritmiche, bias e equità (fairness). Fonti di distorsione e criteri di equità.
Applicazioni: diritto e robotica. Armi autonome e diritto internazionale; veicoli automatizzati; responsabilità relative all'uso dell'IA. Esercitazione mediante l’analisi di casi pratici.
Settimana 12
Causalità, trasparenza e controllo dei sistemi di IA. Interpretabilità, supervisione e ragionamento controfattuale. Applicazioni: diritto societario, tributario e del lavoro. Studio di casi pratici, analisi di idee e informazioni.