legal analytics

Giustizia predittiva, ecco i tre pilastri per capire gli impatti della tecnologia sul diritto

Le tecnologie digitali impattano sul rapporto tra diritto e sistema democratico, in particolare riguardo alla possibilità di decisioni libere e informate: in questo contesto è utile approfondire tre aspetti legati tra di loro come predizione giuridica, accesso ai dati e libertà dei giudici

Pubblicato il 01 Mar 2021

Amedeo Santosuosso

IUSS Pavia e Dipartimento giurisprudenza UNIPV

legal-technology

Predizione giuridica, accesso ai dati e libertà del giudicare sono tre facce del rapporto tra diritto e sistema democratico nell’era delle tecnologie digitali. Sono necessari dati giudiziari ampi e di buona qualità (come sentenze, atti degli avvocati e atti processuali) per sviluppare la predizione giuridica quantitativa, che altro non è che lo studio del diritto con le modalità tecniche oggi possibili.

È necessaria una conoscenza appropriata dell’esperienza giuridica perché vi siano decisioni libere, cioè consapevoli e informate. Qui di seguito approfondiamo perché questi tre aspetti devono essere affrontati in connessione uno con l’altro.

Predizione giuridica quantitativa, come funziona

In un recente volume pubblicato presso MIT Press, due studiosi italiani della memoria, Tommaso Vecchi e Daniele Gatti, sostengono che la capacità di conservare informazioni (quello che comunemente è inteso come memoria del passato) è una proprietà collegata al futuro, tanto da potersi dire che “il vero scopo della memoria è fare predizioni”. Secondo autorevoli studi in materia “il sistema cognitivo anticipa continuamente e attivamente ciò che sta per accadere sulla base della memoria”. Insomma, l’informazione sul passato è intrecciata con i processi predittivi, che siano umani o strettamente biologici o ambientali.

Il sistema cognitivo mette in pratica i risultati dell’elaborazione delle relazioni causali, e dei rapporti tra eventi, basati sull’apprendimento precedente, cioè sulla memoria. Tale apprendimento può avvenire estraendo regolarità statistiche (costruendo sequenze o modelli di eventi) o facendo un uso più o meno esplicito della legge di inferenza e dell’analogia tra gli eventi; questi modelli consentono, quindi, di fare delle previsioni.

Se questo è quello che accade nella nostra attività mentale in generale, qualcosa del tutto simile accade nella mente del giurista dell’accademia o del pratico del diritto, giudice o avvocato. Lo studio dei testi di dottrina o delle raccolte cartacee di giurisprudenza è il modo in cui sono state fatte le predizioni giuridiche dopo l’invenzione della stampa a caratteri mobili, usando carta, penna, annotazioni personali, memoria di studio e di esperienze pratiche.

Oggi, quella stessa attività la si può fare con gli strumenti di Legal Analytics (LA), un ambiente tecnico nel quale confluiscono diverse discipline, come Data Science, Intelligenza artificiale (AI), Machine Learning (ML), Natural Language Processing (NLP) e statistica. L’obiettivo della LA è di estrarre e rappresentare conoscenza giuridica, rinvenire correlazioni implicite e individuare tendenze ed effettuare previsioni relative alle decisioni, giudiziarie o anche circa la possibilità che un disegno di legge diventi legge realmente o circa le decisioni della PA o di soggetti privati.

Polizia e giustizia predittive: cosa sono e come vengono applicate in Italia

Gli obiettivi

La differenza rispetto al passato sta nelle tecniche usate, che ora consentono di raggiungere i medesimi risultati in un tempo nettamente inferiore (fattore tempo) e di far emergere connessioni o correlazioni non visibili anche a un occhio esperto e che, una volta emerse, si offrono alla riflessione giuridica (estrazione di conoscenza).

L’obiettivo rimane largamente simile a quello del passato: rivolgersi alla memoria pregressa per formulare predizioni. Con un’interessante differenza metodologica (che riguarda non solo il diritto ma tutto il mondo della ricerca scientifica): mentre nell’impostazione usata tradizionalmente in approcci sperimentali o quasi-sperimentali si andava dalla costruzione di un modello verso (forward) i dati osservabili, dove si cercavano conferme o smentite, nell’apprendimento automatico si usano, invece, i dati osservabili per costruire il modello (inverse)[1]. In altri termini, il rapporto ipotesi-test, alla base del metodo scientifico moderno, è invertito ed è l’analisi con tecnologie machine learning di un appropriato insieme di dati a far emergere un possibile modello da poi testare.

In sintesi, si può dire che quanto migliore sarà il livello di analisi dei dati del passato, tanto maggiore sarà l’accuratezza della predizione di decisioni future, sapendo però che vi è un limite connaturato a qualsiasi predizione quantitativa, costituito dal fatto di basarsi sul presupposto implicito che le condizioni di partenza siano stabili (isomorfismo), mentre ciò non accade nella realtà e, meno che mai, nel diritto.

Lo scenario secondo tre studi

Tutto ciò si potrebbe fare e lo si è cominciato a fare a un primo livello sperimentale nell’ultima decade (se si escludono alcuni sporadici tentativi del passato). Mi riferisco agli studi di Nikos Aletras e altri sulle decisioni della Corte Europea dei Diritti dell’uomo[2], a quello di Daniel Katz e altri sulle decisioni della Corte Suprema degli USA[3] e a quello di Nay sui disegni di legge presentati negli USA e alla previsione della loro trasformazione in leggi approvate dal potere legislativo[4].

Questi tre studi adottano tecniche diverse (analisi testuale quello sulla CEDU, analisi extratestuale quello sulla Corte USA, mentre l’ultimo adotta un criterio misto che combina i due precedenti) e si basano su insiemi di dati (dataset) di diversa natura e raccolti con modalità diverse, tanto da potersi dire che difficilmente essi costituiscano un vero e proprio stato dell’arte.

Giustizia predittiva in Italia

In Italia, limitandosi alle sole realtà in cui si fa uso di tecniche di machine learning, si ha notizia di uno studio in corso presso la Scuola Superiore Sant’Anna di Pisa, in collaborazione con i Tribunali di Genova e di Pisa, avente come oggetto la giurisprudenza in materia di alimenti per la separazione e di alimenti per il divorzio in Italia e di uno studio condotto dall’Università di Bologna e dall’Università di Pavia all’interno del progetto PRIN “LAILA”, avente ad oggetto l’analisi (e relativa predizione) delle decisioni in materia di proprietà intellettuale. È possibile che altro sia in movimento e mi scuso con chi non si vedesse citato. Ma per procedere su questa strada è necessaria la disponibilità ampia dei dati.

Le tecnologie di machine learning devono essere applicate a insiemi di dati (dataset) che devono essere appropriati, per quantità e qualità, come si diceva sopra. La Cina, tanto per fare un esempio, rende milioni di dati liberamente accessibili via web al sito, che, affermano con vanto, “è diventato il più grande database di sentenze del mondo”, dal quale si può arrivare ad accedere a China Judgments Online, dove “chiunque può leggere quasi tutti i documenti delle sentenze pronunciate dai tribunali cinesi dal 2013”. Ora, senza voler competere con questo grande Paese asiatico per quantità di dati e per qualità democratica, in Italia vi è certamente una gran quantità di dati disponibili. Per avere idea della dimensione basti pensare alla storia dell’informatica giuridica in Italia (di cui il lavoro del Centro Elaborazione Dati -CED- della Cassazione è chiaro esempio) e all’accumulo quotidiano delle decisioni e degli atti di parte che il processo civile telematico (PCT) produce, e altro ancora. A dispetto di ciò, però, non abbiamo niente di paragonabile al libero accesso che il governo cinese consente.

Il framework giuridico di riferimento

Eppure, nel quadro giuridico internazionale, europeo e italiano vi è più di un fondamento giuridico della libertà di accesso alle decisioni. In un interessante contributo, al quale rinvio per il dettaglio, Enrico Consolandi[5] ricorda come l’art. 6 CEDU, quando stabilisce che “la sentenza deve essere resa pubblicamente”, pone una regola che è rivolta sia alla tutela delle parti di quel processo, sia a garantire l’interesse generale alla correttezza della giurisdizione e alla conoscibilità dell’ordinamento: una sentenza resa pubblicamente è una decisione presa in modo legale in nome dell’intera comunità. Non va infatti dimenticato che la giurisdizione è attività pubblica ed è sotto il controllo dell’opinione pubblica.

Un’analisi OSCE del 2008 sull’accesso alle decisioni giudiziarie afferma che “il principale fine del diritto a un giudizio pubblico è di assicurare che l’amministrazione della giustizia sia accessibile e aperta alla valutazione pubblica. Perciò il diritto ad avere un giudizio che si svolga pubblicamente può essere rivendicato da chiunque, incluse persone che non sono parti del processo” [6]. Inoltre, passando a una questione di dettaglio, ma assai significativa, la necessità di avere una banca dati delle decisioni, che sia completa e accessibile, è diventata una stretta necessità da quando i giudici possono motivare le sentenze “anche con riferimento a precedenti conformi” (art. 118 disp. att. c.p.c.).

Ora, o il precedente è conoscibile dalle parti in giudizio, e allora potrà dirsi garantita la condizione di parità tra le parti (art. 111, comma 2 Cost.), oppure la non piena e paritaria accessibilità ai precedenti porta a decisioni potenzialmente prese in violazione di quella garanzia costituzionale di parità e, alla fine, a una violazione del diritto di difesa (art. 24 Cost.), specie se il giudice fa riferimento a un precedente non versato in giudizio.

Gli aspetti privacy

E la privacy? Non è questa la sede per affrontare i dettagli del problema (per il quale rinvio ancora all’articolo di Consolandi), si può solo dire che il vecchio codice privacy (l’art. 52 d.lgs. n. 196/2003, non modificato dal successivo regolamento) dava facoltà alla parte che ritenga di avere “motivi legittimi” di chiedere tempestivamente (e cioè prima del deposito della decisione che definisce il grado di giudizio) che sia apposta “sull’originale della sentenza o del provvedimento, un’annotazione volta a precludere, in caso di riproduzione della sentenza o provvedimento in qualsiasi forma, per finalità di informazione giuridica su riviste giuridiche, supporti elettronici o mediante reti di comunicazione elettronica, l’indicazione delle generalità e di altri dati identificativi del medesimo interessato riportati sulla sentenza o provvedimento”.

Leggendo la norma in controluce (e in linea con il comma 7, secondo il quale “fuori dei casi indicati nel presente articolo è ammessa la diffusione in ogni forma del contenuto anche integrale di sentenze e di altri provvedimenti giurisdizionali”) si può affermare che, quando il diretto interessato non esercita quella facoltà, si espanda l’interesse generale di rilievo costituzionale alla piena conoscibilità delle decisioni giudiziarie. Il controllo sulla circolazione dei dati e delle notizie personali costituisce l’ambito della privacy o riservatezza delle persone fisiche. Lo stesso ordine di idee, però, se applicato a istituzioni deputate allo svolgimento di un’attività essenzialmente di pubblico interesse, cambia di segno, perché la privacy delle istituzioni pubbliche è il “segreto” e l’arbitrio del segreto.

Dunque, ferma restando la facoltà prevista dal nostro ordinamento che una parte chieda tempestivamente l’anonimizzazione (che potrebbe risolversi in una pseudonimizzazione, magari più coerente con le finalità del trattamento), la regola generale non può che essere quella della piena conoscibilità delle decisioni giudiziarie. E oggi la pubblicazione e la conoscenza dell’intero patrimonio delle decisioni adottate ben può considerarsi qualcosa che si realizza attraverso la processabilità e l’utilizzabilità con tecniche di machine learning di tutto il patrimonio delle decisioni pubbliche.

La libertà del giudice

La libertà dei giudici è, innanzitutto libertà dalle pressioni che il sistema politico o istituzionale possa esercitare nei loro confronti. Ma, inutile dire, non è libertà di decidere indipendentemente dal diritto o di non rispondere alle questioni proposte in giudizio dalle parti. La questione in qualche modo nuova che si pone si può così formulare: se oggi la conoscenza del diritto passa attraverso sistemi di analisi quantitativa dei precedenti, quali sono i rischi che la libertà dei giudici sia compromessa, nel senso di essere condizionata?

Un problema sul quale vi è grande sensibilità è quello della profilazione dei giudici e anche di interi uffici. Se il problema è reale, il rischio è a mio avviso attenuabile con relativa facilità, con alcuni interventi regolatori, come linee guida, alcuni espliciti divieti, accorgimenti tecnici e altro. Detto questo non credo sia giusto alimentare la falsa idea che l’orientamento culturale di un giudice o di un ufficio debbano essere al riparo dalla pubblica conoscibilità. Una sorta di pretesa di opacità del giudicante non mi pare che sia conforme ai principi costituzionali e di civiltà della funzione giurisdizionale e, alla fine, che sia realisticamente esigibile, visto che (esclusi atteggiamenti intimidatori o diffamatori) è scrupolo professionale di un avvocato, prima di proporre una lite, informarsi sugli orientamenti esistenti in una determinata sede e parlarne con il cliente.

È, piuttosto, utile focalizzare una questione diversa, che può incidere grandemente sulla qualità delle decisioni. L’introduzione di supporti decisionali basati su elaborazioni quantitative (data-driven) quali cambiamenti induce nel lavoro dei giudici (come di qualsiasi decisore), e quali cambiamenti ciò produce nella logica della decisione e della motivazione? E, poi, come possono coesistere la natura intrinseca degli schemi emergenti dall’analisi giuridica (e, in alcuni casi, la loro limitata spiegabilità) e il diritto alla spiegazione delle decisioni pubbliche, che disposizioni costituzionali fondamentali riconoscono?

Sono questioni complesse che possono essere affrontate solo con la diffusione della conoscenza di queste tecniche tra i giudici e lo sviluppo di una cultura aperta e critica al tempo stesso. In altra sede ho espresso la mia opinione sull’eccesso di preoccupazione che vi è a proposito delle scatole nere (black boxes) nei processi decisionali e individuato alcune soluzioni[7].

Perché tenere alta l’attenzione critica

Ma, accanto alla crescita culturale dei giudici, vi è da chiedersi in quale modo si possa contrastare lo sviluppo di forme di passivizzazione conformistica verso le proposte delle macchine e se qualche dispositivo tecnico possa aiutare a tenere sveglia l’attenzione critica. Si pensi a cosa potrà accadere quando i giudici italiani verranno forniti di sistemi di costruzione documentale (document builder) che possono essere interrogati attraverso una maschera nella quale il giudice inserisce i dati essenziali del caso da decidere (materia, domande delle parti, riferimenti normativi essenziali, epoca dei fatti, e altro) e ricevere come risposta una “proposta” di possibile percorso decisionale, i cui passaggi sono corredati da riferimenti giurisprudenziali e normativi. Un giudice pressato da un ruolo pesante e di fronte a casi seriali potrebbe essere tentato di adagiarsi acriticamente su quella “proposta”.

Qui può essere di aiuto il sistema di prediction poisoning che Stefano Quintarelli ha proposto di utilizzare per le decisioni mediche[8] e che, mi pare, possa essere utile anche nel contesto della decisione giudiziaria. Quintarelli parte dal presupposto che quello medico-macchina è un “sistema a due opinioni” in cui l’opinione della macchina tenderebbe a prevalere. Fa, quindi, l’ipotesi che la macchina faccia la previsione sbagliata e che il medico, pur intimamente non concordando, si conformi alla previsione della macchina, provocando o contribuendo a provocare un danno al paziente.

Per tenere desta l’attenzione critica del medico, la macchina potrebbe alterare consapevolmente alcune delle previsioni (tenendone traccia) e informare il medico che alcune delle previsioni che gli vengono comunicate (senza dire quali) sono in realtà l’opposto di ciò che la macchina ha realmente elaborato. Queste previsioni sono poisoned (avvelenate). La macchina fa una previsione, ma al medico può essere comunicata una predizione poisoned, mentre quella autentica della macchina viene chiamata “sincera”. Le situazioni che si possono creare sono le seguenti:

  • la predizione della macchina è “sincera” e quella del medico è concordante. In questo caso la diagnosi è confermata.
  • La predizione della macchina è “sincera” e quella del medico è discordante. Il caso è evidenziato e viene richiesta una seconda opinione.
  • La predizione della macchina è poisoned e quella del medico è discordante. In questo caso la diagnosi del medico è confermata.
  • La predizione della macchina è poisoned e quella del medico è concordante. Il caso è evidenziato dal sistema e viene avviata la procedura di richiesta di una seconda opinione.

La “seconda opinione”, secondo Quintarelli, potrebbe essere fornita da un medico o potrebbe essere una seconda macchina, non poisoned, con diverso algoritmo e diverso addestramento. In sintesi, quando le opinioni del sistema binario (macchina-umano) sono in disaccordo, deve essere generata una terza opinione per risolvere la controversia. Questo è un semplice esempio di come il concetto di redress by design potrebbe essere implementato tramite il prediction poisoning.

Conclusione

A me sembra un’idea di potenziale grande interesse anche per l’ambito giudiziario, sulla quale vale la pena di riflettere. Qualcuno potrà dire che è un sistema troppo oneroso (avere un sistema doppio), ma il preservare la capacità critica dell’umano mi pare avere un’importanza superiore.

Non so naturalmente se e come possa essere implementato per le decisioni giudiziarie, ma mi sembra un modo intelligente di trarre tutti i benefici possibili dalle macchine, facendo salvo quello che ci sta più a cuore.

Così si chiude il cerchio. La libertà del giudicante non è libertà contro le macchine, ma con le macchine usate in modo intelligente, così da trarre ogni beneficio utile, dalla estrazione della conoscenza che i grandi dati contengono fino ad attuare sistemi di decisione informati, veloci e critici.

Note

  1. A. Santosuosso, Intelligenza artificiale e diritto, Mondadori Università, 2020, p. 99.
  2. Nikolaos Aletras – Dimitrios Tsarapatsanis – Daniel Preoţiuc-Pietro – Vasileios Lampos, Predicting judicial decisions of the European Court of Human Rights: a Natural Language Processing perspective, in «PeerJ Computer Science», 2, 2016. Disponibile all’indirizzo https://doi.org/10.7717/peerj-cs.93.
  3. Daniel Martin Katz, Bommarito, Blackman, A general approach for predicting the behavior of the Supreme Court of the United States, in «PLoS ONE» 12(4), 2017, disponibile all’indirizzo: https://doi.org/10.1371/journal.pone.0174698.
  4. J.J. Nay, Predicting and understanding law-making with word vectors and an ensemble model, in «PLoS ONE» 12(5): e0176999. https://doi.org/10.1371/journal.pone.0176999.
  5. Enrico Consolandi, Conoscenza informatica della giurisprudenza e privacy, in Il libro dell’anno del diritto 2019 (2019)
  6. Access to Court Decisions, A legal Analysis of relevant international and national provisions, OSCE 2008, p. 3.
  7. A. Santosuosso, Intelligenza artificiale e diritto, Mondadori Università, 2020.
  8. S. Quintarelli, Il medico sarà succube dell’algoritmo? Le tecniche per ridurre il rischio, in Agenda Digitale, 18 dicembre 2019

Valuta la qualità di questo articolo

La tua opinione è importante per noi!

EU Stories - La coesione innova l'Italia

Tutti
Social
Iniziative
Video
Analisi
Iniziative
Al via il progetto COINS
Eventi
Un nuovo sguardo sulla politica di coesione dell'UE
Iniziative
Parte la campagna di comunicazione COINS
Interviste
Marco De Giorgi (PCM): “Come comunicare le politiche di coesione”
Analisi
La politica di coesione europea: motore della transizione digitale in Italia
Politiche UE
Il dibattito sul futuro della Politica di Coesione
Mobilità Sostenibile
L’impatto dei fondi di coesione sul territorio: un’esperienza di monitoraggio civico
Iniziative
Digital transformation, l’Emilia-Romagna rilancia sulle comunità tematiche
Politiche ue
Fondi Coesione 2021-27: la “capacitazione amministrativa” aiuta a spenderli bene
Finanziamenti
Da BEI e Banca Sella 200 milioni di euro per sostenere l’innovazione di PMI e Mid-cap italiane
Analisi
Politiche di coesione Ue, il bilancio: cosa ci dice la relazione 2024
Politiche UE
Innovazione locale con i fondi di coesione: progetti di successo in Italia
Iniziative
Al via il progetto COINS
Eventi
Un nuovo sguardo sulla politica di coesione dell'UE
Iniziative
Parte la campagna di comunicazione COINS
Interviste
Marco De Giorgi (PCM): “Come comunicare le politiche di coesione”
Analisi
La politica di coesione europea: motore della transizione digitale in Italia
Politiche UE
Il dibattito sul futuro della Politica di Coesione
Mobilità Sostenibile
L’impatto dei fondi di coesione sul territorio: un’esperienza di monitoraggio civico
Iniziative
Digital transformation, l’Emilia-Romagna rilancia sulle comunità tematiche
Politiche ue
Fondi Coesione 2021-27: la “capacitazione amministrativa” aiuta a spenderli bene
Finanziamenti
Da BEI e Banca Sella 200 milioni di euro per sostenere l’innovazione di PMI e Mid-cap italiane
Analisi
Politiche di coesione Ue, il bilancio: cosa ci dice la relazione 2024
Politiche UE
Innovazione locale con i fondi di coesione: progetti di successo in Italia

Articoli correlati