L'intelligenza artificiale nei sistemi giudiziari

1. Tipologie

La legal AI, ossia l’intelligenza artificiale (IA) applicata al settore giurisdizionale, consiste in un sistema digitale che acquisisce e rielabora ingenti moli di dati e informazioni al fine di identificare la soluzione ottimale della questione posta. È possibile distinguere due tipologie di IA in ambito giuridico: un modello c.d. forte e un modello c.d. debole. Il primo emula in modo sconfinato le capacità cognitive dell’uomo e attua l’automazione dell'intero processo decisionale, sostituendosi ai tradizionali attori della giurisdizione; il secondo è un modello collaborativo che si basa sulla complementarità tra uomo e macchina e consente all’umano di mantenere il controllo sull’algoritmo. Pertanto, nell’IA debole il responso dell’algoritmo costituisce un mero supporto alla decisione del giudice.

Secondo la celebre Carta etica europea sull’utilizzo dell’intelligenza artificiale nei sistemi giudiziari e negli ambiti connessi, è necessario verificare la coerenza logica dell’esito dell’algoritmo in un processo d’integrazione fra le misurazioni quantitative da esso offerte e il percorso cognitivo e decisorio del giudice, nel rispetto dei valori e dei principi fondamentali dell’ordinamento. Tale imprescindibile integrazione rende evidente come in Europa risulti sinora ammissibile soltanto il modello debole di IA.

2. Principali applicazioni

L’intelligenza artificiale si presta ad avere molteplici applicazioni nel campo della giustizia. Innanzitutto, si stanno diffondendo sempre più i sistemi di polizia predittiva, i quali sono in grado di prevedere il momento e il luogo in cui potrebbero essere commessi certi reati oppure chi potrebbe commetterli. Le predizioni sono originate dall’elaborazione di grandi quantità di dati riguardanti, in particolare, i reati già commessi, le attività delle persone sospettate, l’origine etnica e il livello di scolarizzazione dei soggetti, i luoghi a maggior tasso di criminalità e persino le condizioni atmosferiche maggiormente correlate alla commissione di reati.

L’IA viene inoltre utilizzata nell’ambito degli automated decision systems: si tratta di algoritmi diretti a prevenire o comporre liti e risolvere controversie. Questi nuovi metodi alternativi di risoluzione delle controversie garantiscono un significativo risparmio di tempi e costi rispetto ai sistemi tradizionali e spesso vengono offerti solamente online.

L’IA può essere impiegata anche come mezzo di ricerca della prova nella fase delle indagini preliminari, al fine di acquisire tracce, cose e notizie idonee ad assumere rilevanza probatoria. Ne sono esempi i sistemi di riconoscimento facciale automatico, i quali possono essere utilizzati per identificare, a partire da immagini e video, i soggetti coinvolti in un determinato reato. È poi stato prospettato l’uso dell’intelligenza artificiale come mezzo di valutazione dell’affidabilità degli elementi probatori nel processo. Ad esempio, il riconoscimento facciale automatico consentirebbe di analizzare la comunicazione non verbale nel corso delle dichiarazioni dell’imputato e dei testimoni al fine di verificarne l’attendibilità.

Infine, l’IA trova applicazione nel campo della giustizia predittiva. Tale espressione fa riferimento a qualsiasi decisione giudiziale, parziale o totale, presa da un algoritmo in grado di apprendere dall’esperienza.

3. Lo stato dell’arte in Italia e nel resto d’Europa

Vi sono attualmente diversi progetti volti a introdurre l’IA nella giustizia italiana. È il caso della Scuola Superiore Sant’Anna di Pisa, che ha ideato una piattaforma di giustizia predittiva in grado di valutare i possibili esiti di un procedimento penale. Ciò è possibile grazie all’analisi, compiuta da algoritmi di apprendimento automatico, di big data concernenti pronunce giurisprudenziali. Parimenti si è mossa la Corte d’appello di Brescia progettando uno strumento di giustizia predittiva che si prefigge di comunicare agli operatori del diritto la durata prevista di un procedimento e gli orientamenti esistenti nei tribunali della città. Infine, in materia tributaria rileva Prodigit, un progetto sperimentale avviato dal Consiglio di presidenza della giustizia tributaria allo scopo di creare un sistema di IA in grado di predire, a partire dall’analisi di atti normativi, sentenze e contributi dottrinali, la possibile decisione dei giudici in relazione a una specifica questione. Ciò permetterà dunque al contribuente di valutare l’opportunità di presentare ricorso o meno.

Quanto alle attività di polizia predittiva, alcune questure italiane stanno utilizzando software quali Key Crime e XLaw per prevenire la consumazione di reati tramite azioni di pattugliamento mirate. Nell’ambito della pubblica sicurezza, la Polizia di Stato fa uso, già da alcuni anni, del SARI (acronimo di «Sistema Automatico di Riconoscimento Immagini»). Tale sistema, mediante un sofisticato algoritmo, associa all'immagine di un individuo sconosciuto le generalità di chi sia già presente nelle banche dati della polizia, con una percentuale di affidabilità molto elevata.

Anche nel resto d’Europa non manca l’implementazione dell’IA nel campo della giustizia. In Francia, ad esempio, sono divenuti popolari i sistemi Predictice e Case Law Analytics. Il primo è volto a predire i potenziali esiti delle controversie, mentre il secondo permette di stimare l’ammontare dei danni a cui si potrebbe essere condannati.

Vi sono poi i Paesi Bassi, in cui l’applicativo Rechtwijzer viene impiegato come metodo alternativo di risoluzione delle controversie in maniera interamente telematica. Esso ha un ampio raggio d’intervento e copre le controversie in materia di diritti di proprietà, lavoro, divorzio e servizi alla persona, nonché le controversie condominiali.

Considerevole è anche l’esperienza della polizia britannica, la quale si avvale della tecnologia HART (acronimo di «Harm Assessment Risk Tool») per determinare il rischio di recidiva del reo nei due anni successivi alla commissione dell’illecito. Tale sistema combina tra loro diverse informazioni riguardanti gli imputati, come genere, età, domicilio e storia criminale. Le previsioni si sono rivelate corrette in una percentuale di casi compresa tra l’88% e il 98%.