L’intelligenza artificiale sta modificando profondamente il rapporto tra immagine, documento ed evidenza forense. Per chi opera negli accertamenti tecnico-scientifici, conoscerne il funzionamento non significa soltanto saper utilizzare nuovi strumenti di analisi, ma soprattutto essere in grado di riconoscere quando l’IA possa aver generato, modificato o ricostruito informazioni che non appartenevano originariamente al reperto esaminato. È una problematica che interessa direttamente l’attività del Dott. Francesco Abate, la cui specializzazione comprende l’esame forense della scrittura, la microscopia ottica applicata ai documenti, l’analisi di documenti cartacei, digitali e digitalizzati, nonché il settore specialistico dell’antropometria forense, dell’analisi e del miglioramento dell’intelligibilità di immagini e video, nell’ambito di accertamenti comparativi e identificativi o finalizzati alla ricostruzione della materialità dei fatti. Il falso in scrittura, il falso documentale e l’IA come strumento possibile fonte di alterazione. Nella criminalistica l’IA presenta una duplice dimensione. Può costituire uno strumento di supporto all’esperto, facilitando l’elaborazione di grandi quantità di dati, la ricerca di correlazioni, la classificazione, il rilevamento di anomalie e determinate attività di elaborazione delle immagini. Ma può essere anche lo strumento attraverso il quale un documento, un’immagine o un video vengono generati, modificati o ricostruiti, introducendo artefatti capaci di compromettere l’interpretazione dell’evidenza. Un documento interamente prodotto attraverso un modello generativo costituisce un caso di generazione sintetica del contenuto. Quando, invece, l’IA interviene su un documento già esistente sostituendone, modificandone o ricostruendone alcune parti, è più appropriato parlare, a seconda dell’operazione eseguita, di generative editing, generative replacement o inpainting. La distinzione assume particolare importanza nell’accertamento forense, poiché un documento interamente generato e un documento autentico successivamente manipolato pongono problematiche investigative differenti. Le metodologie di analisi sono pertanto oggetto di costante aggiornamento e verifica sperimentale, anche rispetto a problematiche particolarmente complesse quali l’esame di fotocopie, scansioni e successive riproduzioni digitali. Sebbene l’esame di una copia, e ancor più di un’immagine JPEG successivamente incorporata in un PDF, non consenta di per sé di accertare una falsificazione, l’analisi strumentale e sperimentale può, in determinate condizioni, evidenziare differenze nelle caratteristiche di rappresentazione digitale.

Immagini e volti: migliorare non significa inventare

La questione diventa ancora più delicata nell’antropometria forense e nell’analisi di immagini e video.
Occorre distinguere il semplice enhancement, finalizzato a migliorare la rappresentazione e la percepibilità dell’informazione disponibile, dai processi di generative restoration o reconstruction, nei quali il modello può ricostruire informazioni degradate o mancanti sulla base di regolarità apprese e di ciò che, in termini probabilistici, risulta plausibile. Se, ad esempio, un volto scarsamente definito viene sottoposto a un processo di ricostruzione generativa e il sistema restituisce con maggiore definizione la forma di un orecchio, del naso, degli occhi o della mandibola, il risultato apparentemente più nitido non dimostra che quelle caratteristiche somatiche fossero effettivamente rappresentate nell’informazione originariamente acquisita.
L’informazione visiva generata o ricostruita dal modello non può quindi essere automaticamente considerata come informazione proveniente dalla scena. Ciò assume particolare rilievo negli accertamenti identificativi e nella comparazione antropometrica e morfologica: una caratteristica somatica introdotta, completata o ricostruita artificialmente non può essere trattata come equivalente a una caratteristica effettivamente osservabile nella sorgente originaria.
Ne deriva la necessità di mantenere sempre distinguibile ciò che proviene dalla sorgente da ciò che deriva dall’elaborazione, affinché il miglioramento dell’immagine non si traduca nell’attribuzione di valore forense a informazioni che il sistema ha inferito o generato.

Dall’output algoritmico alla valutazione forense

L’algoritmo può misurare, ricercare correlazioni, classificare, evidenziare pattern o segnalare anomalie; l’esperto formula il quesito, valuta la qualità e l’adeguatezza del dato, interpreta l’output, considera le possibili spiegazioni alternative e ne valuta il significato nel contesto dell’accertamento forense.
La distinzione è fondamentale. Un sistema può rilevare un’anomalia in un documento, individuare una correlazione o restituire un’immagine elaborata o ricostruita. Da ciò non consegue automaticamente che l’output costituisca evidenza di una determinata ipotesi, né che possieda il significato che la sua rappresentazione potrebbe apparentemente suggerire. Il risultato prodotto mediante sistemi di intelligenza artificiale deve pertanto essere sottoposto al medesimo vaglio critico richiesto per ogni altra risultanza tecnico-scientifica: occorre conoscerne, per quanto tecnicamente accessibile, origine, dati di ingresso, modalità di produzione, limiti, condizioni di applicabilità e riproducibilità, distinguendo il risultato prodotto dal sistema dal significato probatorio che può eventualmente essergli attribuito nel contesto dello specifico accertamento.
L’IA può quindi concorrere all’analisi, ma l’output algoritmico non coincide, di per sé, con la conclusione forense.

L’IA richiede più metodo, non meno competenza

L’introduzione dell’intelligenza artificiale nelle scienze forensi non determina il superamento dell’esperto. Al contrario, rende ancora più necessarie competenze specialistiche nella metodologia scientifica, nell’epistemologia giudiziaria, nel ragionamento probatorio e inferenziale, nella statistica e nella valutazione della forza delle evidenze. È una prospettiva approfondita dal Dott. Francesco Abate anche nell’ambito della convegnistica specialistica dedicata al rapporto tra intelligenza artificiale e prova scientifica nel processo penale, con particolare riferimento alle implicazioni dell’impiego dell’IA negli accertamenti tecnico-scientifici e nella valutazione della prova scientifica. Più sofisticato diventa lo strumento, maggiore deve essere la capacità dell’esperto di distinguere il dato osservato dal dato inferito, il segnale originario dall’artefatto, la correlazione dalla causalità e la plausibilità statistica dall’evidenza probatoria.

Il ritorno all’umanesimo

È all’interno di questa apparente contraddizione che si colloca il concetto che il Dott. Francesco Abate definisce “ritorno all’umanesimo”. L’espressione non indica una contrapposizione tra essere umano e tecnologia, né un ridimensionamento delle potenzialità dell’intelligenza artificiale.Muove, al contrario, proprio dal riconoscimento della crescente capacità dei sistemi artificiali di generare, modificare, ricostruire, classificare e correlare informazioni. Quanto più tali sistemi diventano sofisticati, tanto meno il loro risultato può essere recepito acriticamente come dato probatorio. Diventa necessario stabilire che cosa derivi effettivamente dall’evidenza originaria, che cosa sia stato elaborato, inferito o generato dal sistema, quali spiegazioni alternative siano compatibili con il risultato osservato e quale forza tale risultato possa assumere rispetto alle ipotesi considerate. Il progresso dell’intelligenza artificiale richiede pertanto un ricorso ancora più rigoroso al ragionamento probatorio e inferenziale, all’epistemologia giudiziaria, alla statistica e alla logica probabilistica. La crescente capacità della macchina di produrre risultati non diminuisce il ruolo dell’esperto, ma ne accresce la responsabilità metodologica: non è sufficiente ottenere un output, occorre comprenderne origine, affidabilità, limiti e significato nell’ambito dell’accertamento.
Il “ritorno all’umanesimo” consiste precisamente in questo: quanto maggiore diventa la capacità computazionale e generativa della macchina, tanto maggiore deve essere la capacità dell’essere umano di formulare correttamente le ipotesi, sottoporle a verifica, considerare spiegazioni alternative, distinguere correlazione e causalità e valutare l’incertezza e la forza delle evidenze.
L’intelligenza artificiale non conduce quindi a un impoverimento del ragionamento dell’esperto, ma rende necessario il suo contrario: un potenziamento della capacità critica umana applicata alla prova scientifica.