Personalizzare l'IA per il Diritto: Addestrare Modelli su Dataset Legali

L’intelligenza artificiale può essere adattata a compiti altamente specifici attraverso il fine-tuning di modelli pre-addestrati, trasformandoli in strumenti specializzati e utili alla società. In questo talk presenterò un progetto concreto basato su GPT-2, ottimizzato per comprendere e generare testi giuridici, con particolare attenzione all’interpretazione del Codice Civile e Penale italiano e alla generazione automatica di querele. Il progetto nasce per affrontare un problema reale: semplificare l’accesso al linguaggio giuridico per cittadini, studenti e operatori del settore, offrendo un supporto intelligente nella comprensione delle norme e nella redazione di documenti legali. L’uso dell’IA viene qui declinato in chiave responsabile ed etica, rispettando i limiti normativi e promuovendo la trasparenza nell’uso dei modelli linguistici. Durante l’intervento illustrerò il workflow completo, articolato in tre fasi: Preparazione del dataset: scraping e parsing dei testi normativi, pulizia e tokenizzazione con NLTK e Hugging Face Tokenizers. Fine-tuning del modello: adattamento con PyTorch, ottimizzazione di batch size, learning rate ed epoche, uso di early stopping e gradient accumulation. Interfaccia utente: una CLI o web app in Flask che permette di inserire un caso o una domanda legale e ottenere un’analisi contestuale o una bozza automatica di querela. Il talk si concentrerà anche su: Confronto tra Fine-Tuning e RAG (Retrieval-Augmented Generation) Scelte per l’implementazione in cloud Gestione etica del dataset, bias e limiti dell’IA nei contesti normativi Già presentato al DevFest Pisa 2025, il talk verrà proposto a Modena in una versione evoluta, arricchita da riflessioni su impatti sociali, sostenibilità tecnologica e possibili scenari futuri.