E03: Che cosa sono il deep learning e le reti neurali?

L’apprendimento profondo (o "deep learning"), e le reti neurali (che ne sono alla base), possono essere considerate come una forma avanzata di apprendimento per le macchine, ispirata al funzionamento del cervello umano. 

Per spiegare questo concetto a un giurista, proviamo a intraprendere un “viaggio di confronto” tra il funzionamento della mente umana e l’architettura alla base dell’apprendimento profondo.

Immaginiamo, per un momento, il cervello umano come una vasta rete di neuroni interconnessi. Quando incontriamo qualcosa di nuovo - un nuovo testo di legge, un’argomentazione che ci affascina o un’opera d’arte che ci suggestiona - questi neuroni comunicano tra loro, trasmettendo segnali e attivando modelli che ci aiutano a capire, interpretare e, in definitiva, "dare un senso" a ciò che percepiamo. L’apprendimento profondo cerca di replicare questo processo nelle macchine, creando “neuroni” artificiali che si collegano in una rete per elaborare le informazioni.

Una rete neurale, nella sua essenza, è quindi un sistema interconnesso di neuroni artificiali, organizzati in strati. 

Ogni strato, in particolare, è progettato per estrarre caratteristiche o modelli specifici dai dati che gli vengono forniti.

Ad esempio: se si dovesse addestrare una rete neurale a riconoscere dei documenti giuridici, il primo livello potrebbe concentrarsi sull’identificazione di singole lettere o caratteri. Il livello successivo li raggrupperebbe in parole, e i livelli successivi inizierebbero a comprendere frasi, clausole contrattuali e, infine, la struttura intera del documento stesso. Questa progressione rispecchia il modo in cui un giurista potrebbe iniziare a riconoscere/analizzare il testo di una legge e, poi, passare a coglierne le implicazioni di dettaglio e le applicazioni più ampie.

L’apprendimento profondo si distingue dalle forme più semplici di apprendimento automatico (che abbiamo visto nell’episodio precedente) per la sua profondità, da cui il nome. 

Mentre l’apprendimento automatico tradizionale si basa sull’intervento umano per definire le caratteristiche o le regole su cui l'IA si deve "concentrare", l’apprendimento profondo automatizza questo processo. A tal fine, costruisce strati su strati di "comprensione", passando gradualmente da semplici osservazioni a intuizioni che possono essere molto complesse. È come se uno studente di giurisprudenza iniziasse apprendendo le definizioni giuridiche di base, progredisse nella sua capacità di analisi dei casi e, infine, arrivasse a padroneggiare le teorie e questioni giuridiche più complesse.

Ciò che rende le reti neurali così potenti è la loro capacità di apprendere e operare senza particolari difficoltà, e in qualsiasi ambito ("generali"), da enormi quantità di dati. Sono particolarmente abili, ad esempio, nel riconoscere modelli (come "pattern", o modelli comportamentali ricorrenti), che potrebbero sfuggire anche all’osservatore umano più meticoloso. Ad esempio: una rete neurale addestrata su migliaia di decisioni giudiziarie risalenti potrebbe identificare sottili correlazioni tra determinate argomentazioni legali e gli esiti dei casi, fornendo intuizioni che potrebbero essere preziose, in futuro, per gli operatori del diritto.

Al centro di questo processo c’è l’idea di pesi e di pregiudizi. Si pensi a una rete neurale come a un’aula di tribunale, dove ogni neurone si trova ad agire come un giudice, un avvocato o un pubblico ministero che deve esaminare le prove. Il peso delle prove - ossia l’importanza attribuita a determinate caratteristiche dei dati - determina l’influenza che queste avranno sulla decisione finale. Attraverso l’addestramento, la rete "regola" e bilancia questi pesi, affinando la sua comprensione, e la sua azione, proprio come un giudice affina il suo ragionamento con l’esperienza.

L’apprendimento profondo eccelle, si diceva poco sopra, nei compiti che coinvolgono grandi quantità di dati non strutturati, come immagini, testi o dialoghi, commenti e conversazioni. Per esempio: in ambito legale, questo sistema potrebbe analizzare un enorme numero di contratti, anche diversi tra loro, per evidenziare ambiguità o incongruenze.

Tuttavia, questo "potere" che stiamo descrivendo non è privo di difetti, e può manifestare, nella sua applicazione pratica, diversi limiti. Le reti neurali operano molto spesso come scatole nere; in altre parole, anche se possono produrre risultati straordinariamente accurati, il ragionamento alla base delle loro decisioni è spesso opaco, sollevando questioni significative (sia etiche, sia giuridiche, sia in punto di responsabilità...) sulla trasparenza e sulla tracciabilità del loro operato, soprattutto in campi come quello giuridico dove simili aspetti sono fondamentali. A tal fine, dedicherò un post specifico a questa idea della "black box".

Cercando di semplificare ancora un po' (comprendo che questo tema possa essere ostico per i non-tecnici...), per illustrare la relazione tra reti neurali e apprendimento profondo, si potrebbe considerare la seguente analogia. L’apprendimento profondo lo potremmo considerare come "la disciplina", ossia l’ampio campo di studio di come le macchine possano apprendere modelli complessi. Le reti neurali, invece, le possiamo considerare come i suoi strumenti, ossia le strutture attraverso le quali avviene questo apprendimento. Insieme, penso sia chiaro, rappresentano un profondo passo in avanti nella scienza dell'intelligenza artificiale, consentendo alle macchine di svolgere compiti che un tempo si pensava fossero dominio esclusivo dell’intelletto umano.

Per un giurista, anche non esperto, la comprensione dell’apprendimento profondo e delle reti neurali implica la conoscenza (seppur sommaria) non solo delle loro basi tecniche, ma anche delle loro implicazioni sociali, etiche e giuridiche più ampie. Questi sistemi possono mettere in discussione le nostre idee, e nozioni, di "pensare", di "agire", di "responsabilità", di "correttezza", di "trasparenza" e, persino, di "giustizia". Le loro decisioni - sebbene spesso siano a dir poco accurate - non sono guidate da valori umani o da ragionamenti basati sull'etica, pur rappresentando strumenti con uno straordinario potenziale.