Verità giudiziaria e intelligenza artificiale. Dalla prova baconiana alla meta-prova algoritmica

Questo saggio indaga il rapporto tra epistemologia giudiziaria e intelligenza artificiale, concentrandosi sulla quaestio facti e sulla trasformazione della prova legale nell’era digitale. A partire dall’opposizione tra probabilità bayesiana e plausibilità baconiana, valuta criticamente i limiti del formalismo statistico nel ragionamento giudiziario e il ruolo marginale della regola di Bayes nei contesti processuali. Lo studio esamina l’IA – in particolare il deep learning – come sistema inferenziale non narrativo e opaco, capace di classificare, correlare e prevedere, ma privo di spiegabilità in senso giuridico. Viene tracciata la frizione epistemica tra giudici umani e algoritmi, esplorando ipotesi relative a bias, ragionamento causale e accountability delle macchine. Particolare attenzione è riservata all’algoritmo come «prova della prova», alla sfida delle tracce digitali come evidenze e alla domanda di trasparenza, contestabilità e interpretabilità. Il lavoro si conclude proponendo un quadro di digisprudenza responsabile, capace di integrare la potenza inferenziale della macchina entro procedure giudiziarie epistemicamente solide.