Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

Smau Milano 2018 - Intelligenza artificiale applicata al diritto e alla giustizia

110 views

Published on

SMAU Milano 2018 - workshop

Published in: Law
  • DOWNLOAD THIS BOOKS INTO AVAILABLE FORMAT (Unlimited) ......................................................................................................................... ......................................................................................................................... Download Full PDF EBOOK here { https://tinyurl.com/yyxo9sk7 } ......................................................................................................................... Download Full EPUB Ebook here { https://tinyurl.com/yyxo9sk7 } ......................................................................................................................... ACCESS WEBSITE for All Ebooks ......................................................................................................................... Download Full PDF EBOOK here { https://tinyurl.com/yyxo9sk7 } ......................................................................................................................... Download EPUB Ebook here { https://tinyurl.com/yyxo9sk7 } ......................................................................................................................... Download doc Ebook here { https://tinyurl.com/yyxo9sk7 } ......................................................................................................................... ......................................................................................................................... ......................................................................................................................... .............. Browse by Genre Available eBooks ......................................................................................................................... Art, Biography, Business, Chick Lit, Children's, Christian, Classics, Comics, Contemporary, Cookbooks, Crime, Ebooks, Fantasy, Fiction, Graphic Novels, Historical Fiction, History, Horror, Humor And Comedy, Manga, Memoir, Music, Mystery, Non Fiction, Paranormal, Philosophy, Poetry, Psychology, Religion, Romance, Science, Science Fiction, Self Help, Suspense, Spirituality, Sports, Thriller, Travel, Young Adult,
       Reply 
    Are you sure you want to  Yes  No
    Your message goes here
  • DOWNLOAD THIS BOOKS INTO AVAILABLE FORMAT (Unlimited) ......................................................................................................................... ......................................................................................................................... Download Full PDF EBOOK here { https://tinyurl.com/y6a5rkg5 } ......................................................................................................................... Download Full EPUB Ebook here { https://tinyurl.com/y6a5rkg5 } ......................................................................................................................... ACCESS WEBSITE for All Ebooks }} ......................................................................................................................... Download Full PDF EBOOK here { https://tinyurl.com/y6a5rkg5 } ......................................................................................................................... Download EPUB Ebook here { https://tinyurl.com/y6a5rkg5 } ......................................................................................................................... Download doc Ebook here { https://tinyurl.com/y6a5rkg5 } ......................................................................................................................... ......................................................................................................................... ......................................................................................................................... .............. Browse by Genre Available eBooks ......................................................................................................................... Art, Biography, Business, Chick Lit, Children's, Christian, Classics, Comics, Contemporary, Cookbooks, Crime, Ebooks, Fantasy, Fiction, Graphic Novels, Historical Fiction, History, Horror, Humor And Comedy, Manga, Memoir, Music, Mystery, Non Fiction, Paranormal, Philosophy, Poetry, Psychology, Religion, Romance, Science, Science Fiction, Self Help, Suspense, Spirituality, Sports, Thriller, Travel, Young Adult,
       Reply 
    Are you sure you want to  Yes  No
    Your message goes here
  • Be the first to like this

Smau Milano 2018 - Intelligenza artificiale applicata al diritto e alla giustizia

  1. 1. Intelligenza Artificiale applicata al diritto e alla giustizia
  2. 2. DirICTo è un network che raggruppa esperti e studiosi di tutta l’Italia, in materia di Diritto dell’Informatica e dell’Informatica Giuridica con il fine di sviluppare attività di studio, ricerca e approfondimento nell'ambito delle tematiche di interesse comune per il mondo giuridico e informatico http://www.diricto.it
  3. 3. ICT for Law and Forensics è il laboratorio di Informatica Forense del Dipartimento di Ingegneria Elettrica e Elettronica dell’Università di Cagliari Aree di interesse: e-commerce e contrattazione telematica, la tutela giuridica dei domain names, privacy e protezione dei dati personali nel mondo ICT, Cyber Crimes, IT Security & Digital Forensics http://ict4forensics.diee.unica.it
  4. 4. 4 Edoardo E. Artese avvocato del foro di Milano Esperto in IT e diritto commerciale (con specifica conoscenza dei mercati Asiatici) Membro Inter-Pacific Bar Asssociation Membro di DirICTo www.ac-legal.eu @ edoardo.artese@ac-legal-eu www.ithai.eu www.diricto.it
  5. 5. 5 Alberto Sarullo Design Group Italia Tecnologia, user experience, servizi PisteCiclabili.com Timbuktu Labs linkedin.com/in/albertosarullo
  6. 6. 1. Evoluzione A.I. 1. Epoca pre computer 2. Connessionismo 3. Sistemi esperti 2. Machine learning 3. Mondo legale e A.I. che aiuta 4. A.I. che decide 5. A.I. che uccide e discrimina Parleremo di Intelligenza Artificiale 6
  7. 7. Epoca pre computer 7
  8. 8. 8 Pre computer
  9. 9. 9 Il paradigma dell'apprendista stregone (Antonio Caselli, Intelligenza artificiale, protezione dei dati personali e regolazione di Giuseppe D'Acquisto, Maurizio Naldi, Raffaele Bifulco, Oreste Pollicino, Bassani Marco) Pre computer
  10. 10. 10 Il Golem Pre computer
  11. 11. 11 Pinocchio Pre computer
  12. 12. Connessionismo 12
  13. 13. Intelligenza Artificiale Contesto storico ○ Connessionismo: tentativo di comprendere come il cervello umano lavora a livello neurale e come le persone imparano e ricordano. ○ 1936 – Macchina di Turing ○ 1943 - Ogni neurone nel cervello è un semplice processore digitale: il cervello non è altro che una forma di computer (McCulloch, Pitts) ○ “What we thought we were doing was treating the braing as a Turing machine” (McCulloch) 13
  14. 14. Intelligenza Artificiale 1956: Conferenza di Darthmouth 14 “ogni aspetto dell’apprendimento o una qualsiasi altra caratteristica dell’intelligenza possono essere descritte così precisamente da poter costruire una macchina che le simuli” http://www-formal.stanford.edu/jmc/history/dartmouth.pdf https://web.archive.org/web/20150112124045/http://www.dif.unige.it/epi/hp/frixione/dartmouth_proposal_ital.pdf
  15. 15. Connessionismo Scopo Lo scopo ultimo dell’Intelligenza Artificiale era (ed è) creare una Intelligenza Artificiale Generale che si comporti come una intelligenza umana, dotata di: ○ Ragionamento logico ○ Comprensione del linguaggio ○ Percezione dell’ambiente esterno ○ Capacità di movimento ed esplorazione ○ Intelligenza emotiva ○ Ragionamento morale 15
  16. 16. Connessionismo Ottimismo nel mondo della ricerca • 1965, H.A.Simon “machines will be capable, within twenty years, of doing any work a man can do.” • 1967, Marvin Minsky: "Within a generation ... the problem of creating 'artificial intelligence' will substantially be solved.” • 1970, Marvin Minsky: "In from three to eight years we will have a machine with the general intelligence of an average human being. 16
  17. 17. Connessionismo Contesto economico: • 1963: MIT riceve $2.2 M dalla appena creata Advanced Research Projects Agency (ARPA). Accordi simili con Newell, Carnaige Mellon University e Stanfodr AI project • 1964-70: ARPA continua a finanziare MIT con 3M / anno • 1967: Waseda University, inizia il programma WABOT completando nel 1972 WABOT-1, il primo robot humanoide 17
  18. 18. 19 Isaac Asimov e le tre leggi della robotica 1. Un robot non può recar danno a un essere umano né può permettere che, a causa del proprio mancato intervento, un essere umano riceva danno. 2. Un robot deve obbedire agli ordini impartiti dagli esseri umani, purché tali ordini non contravvengano alla Prima Legge. 3. Un robot deve proteggere la propria esistenza, purché questa autodifesa non contrasti con la Prima o con la Seconda Legge. Connessionismo
  19. 19. 20 Connessionismo HAL 9000, protagonista un computer 2001 Odissea nello spazio Philip K Dick Solaris
  20. 20. Connessionismo Limiti e disillusione Potenza di calcolo ○ Linguaggio naturale: lavori di Ross Quillian dimostrati su un vocabolario di 20 parole (la memoria non consentiva di più) ○ Motion detection in tempo reale, richiede un computer di 10K-1M MIPS. Nel 1976 il più potente computer aveva 80-130 MIPS di potenza (Cray-1, 8M $) Esplosione combinatoria ○ Complessità esponenziale di molti problemi, non affrontabile con le risorse a disposizione Conoscenze e ragionamento comuni ○ Nel 1970 non esistevano computer/database con le consocenze di un bambino di 5 anni. 21
  21. 21. Connessionismo 22 Markov ModelsConnectionism 1960’s 1970’s1960 1973: DARPA, NRC, GB tagliano i finanziamenti 1950 1980 Winter is coming
  22. 22. Sistemi esperti 23
  23. 23. Sistemi esperti 24 1980: sistemi esperti Sistema esperto: programma che risponde a domande o risolve problemi legati ad dominio specifico di conoscenza, usando regole logiche derivate dalle conoscenze di esperti.
  24. 24. Sistemi esperti 25 Contesto economico ○ 1980, USA: successo per il sistema esperto XCON realizzato presso Carneige Mellon University per la Digital Equipment Corporation (2500 regole): risparmio > 25M $/anno ○ 1981, Japan: 850M $ per Fifth generation computer project, per creare macchine che possano conversare, tradurre, interpretare immagini, ragionare come esseri umani
  25. 25. Sistemi esperti 26 Risposta USA/GB agli investimenti giapponesi 1983-1987: UK 350M ₤ per progetto Alvey. Ambit: AI, NLP, UI. 1983-1993: DARPA 1000M $ per Strategic Computing Initiative, ispirato dal programma giapponese
  26. 26. Sistemi esperti 27 Investimenti privati USA: consorzio di aziende americane fonda la Microelectronics and Computer Technology Corporation (or "MCC") per finanziare grandi progetti in ambito AI e IT Molte corporations sviluppano sistemi esperti e divisioni/d dipartimenti dedicati 1985: la spesa in AI supera il miliardo di dollari.
  27. 27. 28 Sistemi esperti Previsione della realtà
  28. 28. 29 Cinema e letteratura Blade Runner Terminator Robocop
  29. 29. Sistemi esperti 30 Expectation vs reality ○ XCON: troppo costoso da mantenere e aggiornare, non può imparare, commette grotteschi errori con input non usuali, ed è soggetto a problemi.. ○ 1991: nessuno degli obiettivi del Fifth Generation Project giapponese è stato raggiunto: aspettativa eccessiva rispetto a ciò che era fattibile ○ I sistemi esperti si rivelano utili solo in contesti molto specifici
  30. 30. Intelligenza Artificiale 31 A.I – secondo inverno Expert Systems 1980’s Deep LeMarkov ModelsConnectionism 2012 AI Hype Cycles and AI Winters 1960’s … 1970’s Connessionismo Sistemi esperti Expert Systems 1980’s Deep Learning ? Markov Modelsctionism 2012 AI Hype Cycles and AI Winters 1960’s … 1970’s DARPA: “AI was not the next wave" 19801960 2000 2010
  31. 31. Intelligenza Artificiale 32 1997: IBM Deep Blue beat Garry Kasparov Event broadcast live over the internet and received over 74 M hits.
  32. 32. Machine Learning 33
  33. 33. Machine Learning 34 4 abilitatori della rinascita della IA The confluence of 4 key factors is behind this new AI Renaissan More Data 60 years of Research / Mature Algorithms More Computing Power Open Source Frameworks/Libraries DSSTNE PaddlePaddle 60 anni di ricerca + algoritmi robusti Enorme potenza di calcolo Framework e librerie open More Computing Power 14 More Data 60 years of Research / Mature Algorithms More Computing Power Open Source Frameworks/Libraries DSSTNE PaddlePaddle Enorme quantità di dati (IoT) 4 key factors is behind this new AI Renaissance More Data ch / Mature ms ng Power Open Source
  34. 34. Machine Learning 35 Machine learning Il Machine Learning: tecnica che permettere ai computer di eseguire task cognitivi senza essere programmati esplicitamente Computer Science Symbolic AI (Expert Systems) Probabilistic AI (Search & Optimization) Machine Learning … Mathematical foundations Algorithm & data structures Artificial Intelligence Communication & Security Database … ML algorithms
  35. 35. Intelligenza Artificiale 36 Dalla ricerca al mercato di massaTraditional AI techniques Machine Learning Data Logic Output Ø Static – hard-coded set of steps and scenarios Ø Rule Based – expert knowledge Ø No generalization – handling special cases difficult Ø Dynamic – evolves with data, finds new patterns Ø Data driven– discovers knowledge Ø Generalization – adapts to new situations and special cases Data Output Logic Traditional AI techniques Machine Learning Data Logic Output Ø Static – hard-coded set of steps and scenarios Ø Rule Based – expert knowledge Ø No generalization – handling special cases difficult Ø Dynamic – evolves with data, finds new patterns Ø Data driven– discovers knowledge Ø Generalization – adapts to new situations and special cases Data Output Logic • Statico: scenari codificati • Basato su regole: richiede conoscenza esperta • Non generale: difficile trattare casi specifici • Dinamico: evolve con i dati • Conoscenza ”esperienziale” basata sui dati • Generalizzato: si adatta a nuove situazioni e casi speciali Programmazione tradizionale vs Machine Learning
  36. 36. Intelligenza Artificiale 37 Dalla ricerca al mercato di massa Machine Learning: Training
  37. 37. Machine LearningArtificial e 38 Machine learning Utile per risolvere 2 tipologie di problemi che le tecniche tradizionali di AI non risolvono: ○ Task non descrivibili da esseri umani ○ Problemi multidimensionali complessi che non possono essere risolti per ragionamento numerico 11 arning is parti er AI techniques fail ? ? ? ? ? ? s programmers can’t describe Complex multidimensional problems t can’t be solved by numerical reasoning Machine Learning is particularly good at solving 2 types of pro where other AI techniques fail ? ? ? ? ? ? Tasks programmers can’t describe Complex multidimensional problems that can’t be solved by numerical reasoning chine Learning is particularly good at solving 2 types of problemsere other AI techniques fail ? ? ? ? Tasks programmers can’t describe Complex multidimensional problems thatcan’t be solved by numerical reasoning
  38. 38. Intelligenza Artificiale 39 Contesto economico: finanziamenti e startup
  39. 39. Machine Learning 40 Exit: shopping di startup IA da parte dei big
  40. 40. Intelligenza Artificiale 41 4 abilitatori della rinascita della IA http://cdn.aiindex.org/2017-report.pdf Machine learning vs umani
  41. 41. Intelligenza Artificiale 42 2016 – Google Research: diagnosi retinopatia meglio di un dottore umano retinopathy as human doctors (Dec 2016) – soon in production! Source: http://jamanetwork.com/journals/jama/article-abstract/2588763
  42. 42. Machine Learning 43 2011: IBM Watson beat 2 humans in Jeopardy https://www.youtube.com/watch?v=WFR3lOm_xhE
  43. 43. Intelligenza Artificiale 44 Gioco del Go: 3 possibili approcci ○ Simbolico: siedo con miglior giocatore di Go al mondo e trasferisco la sua conoscenza in un programma ○ Matematico/statistico: simulo tutte le possibili mosse, i risultati di ogni step e scelgo la mossa che mi avvicina di più alla vittoria ○ Machine Learning: faccio vedere ad un programma milioni di partire (reali o simulate), facendolo apprendere dall’esperienza elling at playing the game of Go Mathematical/Statistical AI Machine Learning approach “Let’s simulate all thedifferent possiblemoves and theassociated outcomes at each single step and go with the most likely towin” “Let’s show millions of examples of real life and simulated games (won and lost) to the program, and let it learn from experience”
  44. 44. Intelligenza Artificiale 45 Machine l being use • The searc • The spam • The recom • The face/ /fingerpr • The locat security s • The disea predictio • The weat • Filtro antispam • Motori di ricerca • Sistemi di raccomandazione • Riconoscimento testuale/facciale • Sicurezza basata sul contesto • Diagnosi e previsione di patologie • Previsioni del tempo Dalla ricerca al mercato di massa
  45. 45. Machine Learning 46 AI as Services Amazon AWS https://aws.amazon.com/machine-learning/ Microsoft Azure https://azure.microsoft.com/en-us/overview/ai-platform/ Google Cloud https://cloud.google.com/products/machine-learning/ IBM https://www.ibm.com/services/artificial-intelligence
  46. 46. Intelligenza Artificiale 47 Framework open source Framework Licenza Piattaforme supportate Interfaccia Caffe BSD license Linux, macOS, Windows Python, MATLAB, C++ Deeplearning4j Apache 2.0 Linux, macOS, Windows, Android Java, Scala, Clojure, Python(Keras), Kotlin Keras MIT license Linux, macOS, Windows Python, R Microsoft Cognitive Toolkit (CNTK) MIT license Windows, Linux Python (Keras), C++, Command line,BrainScript Apache MXNet Apache 2.0 Linux, macOS, Windows, AWS, Android, iOS C++, Python, Julia, Matlab, JavaScript, Go, R, Scala, Perl PyTorch BSD license Linux, macOS, Windows Python TensorFlow Apache 2.0 Linux, macOS, Windows, Android Python (Keras), C/C++, Java, Go, R, Julia Theano BSD license Linux, macOS, Windows Python (Keras) Torch BSD license Linux, macOS, Windows, Android, iOS Lua, LuaJIT, C, utility library for C++/OpenCL
  47. 47. Intelligenza Artificiale 48 GitHub, AI Software Libraries
  48. 48. Intelligenza Artificiale 49 Dalla ricerca al mercato di massa Tipologie apprendimento, tipologie variabili, famiglie di algoritmi, esempi applicazioni
  49. 49. Machine Learning 51Classificazione con k-Nearest Neightbor docker-compose up open http://localhost
  50. 50. Mondo legale: A.I. che aiuta 52
  51. 51. A.I. che aiuta 53 Mondo legale
  52. 52. Intelligenza Artificiale 54 A.I che assiste
  53. 53. Intelligenza Artificiale 55 A.I che assiste
  54. 54. Intelligenza Artificiale 56 A.I che assiste
  55. 55. A.I. che aiuta 57 A.I che assiste
  56. 56. A.I. che aiuta 58 A.I che assiste
  57. 57. AI che decide 59
  58. 58. A.I. che decide 60 A.I che decide
  59. 59. A.I. che decide 61 A.I che decide
  60. 60. A.I. che decide 62 A.I che decide
  61. 61. A.I. che decide 63 A.I che decide A.I. e previsioni casi Corte di Giustizie EU per i diritti umani The judicial decisions of the European Court of Human Rights (ECtHR) have been predicted to 79% accuracy using an artificial intelligence (AI) method developed by researchers at UCL, the University of Sheffield and the University of Pennsylvania.
  62. 62. A.I. che decide 64 A.I che decide Xiaofa Tribunale di Pechino (Corte del Popolo): - Consigli legali; - Terminologia - 40,000 risposte a casi in d.b.
  63. 63. A.I. che decide 65 A.I che decide The law tells us what we can do, but ethics tell us what we should do (UK cabinet office, Data Science Ethical Framework)
  64. 64. A.I. che uccide e discrimina 67
  65. 65. A.I. che uccide 68 AI che uccide e commette errori 7 maggio 2016: primo incidente mortale causato da auto a guida autonoma https://www.ntsb.gov/investigations/AccidentReports/Reports/HAR1702.pdf
  66. 66. 69 Machine Bias Software COMPAS usato in USA per valutare il rischio di recidiva dei detenuti sembra discriminare in base al colore della pelle https://www.cdcr.ca.gov/rehabilitation/docs/FS_COMPAS_Final_4-15-09.pdf https://www.propublica.org/article/machine-bias-risk-assessments-in-criminal-sentencing Machine Learning
  67. 67. 70 Machine Bias Risultato analisi: il software ha un forte pregiudizio razziale, perchè apprende da dati con pregiudizi Bandito in molti (non tutti) gli stati USA Machine Learning http://advances.sciencemag.org/content/4/1/eaao5580
  68. 68. 71 Amazon Amazon non offre consegna gratuita in giornata in zone a prevalenza nera Machine Learning https://www.bloomberg.com/graphics/2016-amazon-same-day/
  69. 69. Machine Learning 72 Classificazione Lupi vs Husky ○ Accuratezza persone: 70% ○ Deep learning: 98.5%. Come è possibile?
  70. 70. 73 Lupi vs Husky L’algoritmo classifica l’immagine come lupo …in base alla neve sullo sfondo “Why Should I Trust You? - https://arxiv.org/pdf/1602.04938.pdf Machine Learning
  71. 71. 74 Stiamo creando algoritmi che non comprendiamo Machine Learning https://www.theverge.com/2016/7/12/12158238/first-click-deep-learning-algorithmic-black-boxes
  72. 72. Machine Learning 75 Diritto di sapere GDPR – art 13,2,f, established a right for all individuals to obtain “meaningful information about the logic involved” when “automated (algorithmic) decision-making”, including profiling, takes place” I soggetti delle decisioni hanno il diritto di sapere il perché delle decisioni, ottenendo informazioni significative https://gdpr-info.eu/art-13-gdpr/
  73. 73. 76 Audit di algoritmi di machine learning Machine Learning Explaining the Predictions of Any Classifier: https://arxiv.org/pdf/1602.04938v1.pdf https://www.slideshare.net/TerryTaewoongUm/understanding-blackbox-predictions-via-influence-functions-2017
  74. 74. Machine Learning 77 Black Mirror vs Boston dynamics
  75. 75. Testiamoci 78
  76. 76. MIT MORAL MACHINE
  77. 77. MIT MORAL MACHINE
  78. 78. MIT MORAL MACHINE
  79. 79. MIT MORAL MACHINE
  80. 80. MIT MORAL MACHINE
  81. 81. Grazie! Ci sono domande? Alberto Sarullo • https://www.linkedin.com/in/albertosarullo • alberto.sarullo+smau-mi@gmail.com Edoardo Artese • https://www.linkedin.com/in/eartese • edoardo.artese@ac-legal.eu
  82. 82. Attribuzione - Non Commerciale Condividi allo stesso modo 4.0 (CC BY-NC-SA 4.0) Internazionale Tu sei libero di: Condividere - riprodurre, distribuire, comunicare al pubblico, esporre in pubblico, rappresentare, eseguire e recitare questo materiale con qualsiasi mezzo e formato; Modificare - remixare, trasformare il materiale e basarti su di esso per le tue opere; Il licenziante non può revocare questi diritti fintanto che tu rispetti i termini della licenza Alle seguenti condizioni: • Attribuzione. Devi riconoscere una menzione di paternità adeguata, fornire un link alla licenza e indicare se sono state effettuate delle modifiche. Puoi fare ciò in qualsiasi maniera ragionevole possibile, ma non con modalità tali da suggerire che il licenziante avalli te o il tuo utilizzo del materiale. • Non commerciale. Non puoi usare il materiale per fini commerciali. • Stessa Licenza. Se remixi, trasformi il materiale o ti basi su di esso, devi distribuire i tuoi contributi con la stessa licenza del materiale originario. • Divieto di restrizioni aggiuntive — Non puoi applicare termini legali o misure tecnologiche che impongano ad altri soggetti dei vincoli giuridici su quanto la licenza consente loro di fare. • Non sei tenuto a rispettare i termini della licenza per quelle componenti del materiale che siano in pubblico dominio o nei casi in cui il tuo utilizzo sia consentito da una eccezione o limitazione prevista dalla legge • Non sono fornite garanzie. La licenza può non conferirti tutte le autorizzazioni necessarie per l'utilizzo che ti prefiggi. Ad esempio, diritti di terzi come i diritti all'immagine, alla riservatezza e i diritti morali potrebbero restringere gli usi che ti prefiggi sul materiale.

×