💻 computer science

Freeing the Law with LOCUS: A Local Ordinance Corpus for the United States

Questo articolo introduce LOCUS, un corpus completo e leggibile dalle macchine di quasi tutte le ordinanze municipali e di contea statunitensi pubblicamente disponibili, derivato tramite OCR da fonti frammentate, accompagnato da strati di accesso armonizzati e modelli di IA specializzati per consentire la ricerca legale e l'analisi su larga scala delle leggi locali.

Autori originali: Denis Peskoff, Joe Barrow, Christopher Vu, Diag Davenport

Pubblicato 2026-06-19

📖 5 min di lettura🧠 Approfondimento

CC BY 4.0

Autori originali: Denis Peskoff, Joe Barrow, Christopher Vu, Diag Davenport

Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

Immagina la legge come una biblioteca massiccia e multistrato. Per anni, l'IA legale (programmi informatici che comprendono il diritto) è stata molto brava a leggere i "libri grandi" sugli scaffali superiori: leggi federali, statuti statali e casi giudiziari. Queste sono le regole che si applicano a tutti nel paese o in un intero stato.

Ma c'è un intero livello del seminterrato della biblioteca che è rimasto chiuso e pieno di polvere: le leggi locali. Queste sono le regole che la tua città o la tua contea crea riguardo a cose come la zonizzazione (dove puoi costruire una casa), i livelli di rumore, le licenze commerciali e il controllo degli animali.

Il documento presenta LOCUS (Local Ordinance Corpus for the United States), che è essenzialmente un enorme progetto per sbloccare quel seminterrato, pulire i libri e metterli su uno scaffale digitale dove i computer possano finalmente leggerli.

Ecco una ripartizione di ciò che hanno fatto, utilizzando analogie semplici:

1. Il Probleo: Una biblioteca senza catalogo

Prima di LOCUS, trovare le leggi locali era come cercare una ricetta specifica in una biblioteca dove ogni città aveva il proprio libro di cucina, ma:

I libri erano in lingue diverse (formati).
Alcuni erano scritti a mano, altri a macchina, e alcuni erano solo fotocopie di fotocopie (PDF scansionati).
Non c'era un elenco maestro che dicesse quale città avesse quale libro.
Non potevi semplicemente chiedere a un bibliotecario (un motore di ricerca) "tutte le regole sul parcheggio in America" perché i libri erano sparsi in migliaia di diversi siti web progettati per la navigazione umana e non per la scansione dei computer.

2. La Soluzione: Il progetto "LOCUS"

Gli autori hanno costruito una gigantesca pipeline per risolvere il problema. Immaginatelo come una squadra di robot con occhi e cervelli super potenziati:

I Collezionisti: Hanno inviato robot a visitare migliaia di siti web di città e contee per scaricare i libri di legge.
I Traduttori (OCR): Poiché molte leggi erano solo immagini di testo (PDF scansionati), hanno usato un'IA speciale (chiamata LightOnOCR) per "leggere" le immagini e trasformarle in testo digitale, come convertire una lettera scritta a mano in un documento Word.
Gli Organizzatori: Hanno pulito il testo, rimuovendo numeri di pagina ed intestazioni, e hanno frammentato i libri massicci in singole "leggi" (come separare una singola ricetta da un intero libro di cucina).
Gli Etichettatori: Hanno usato l'IA per taggare ogni singola legge con etichette come "Questo riguarda gli edifici", "Questo riguarda il business" o "Questo riguarda il rumore".

3. Il Risultato: Una mappa "Armonizzata per Contea"

Il prodotto finale è un dataset che copre 9.239 città e contee. Tuttavia, per renderlo utile alla ricerca, hanno creato una versione semplificata chiamata "Livello di Accesso Armonizzato per Contea".

L'analogia: Immaginate di voler studiare il meteo in tutti gli Stati Uniti. Non avete bisogno di un rapporto separato per ogni singola strada; avete bisogno di un rapporto affidabile per ogni contea.

Per ogni contea degli Stati Uniti, LOCUS sceglie il "libro di leggi" locale più grande disponibile (o il libro della propria contea o il libro della città più grande all'interno di quella contea).
Questo non significa che risolva ogni questione legale (come "Posso costruire un capanno in questo specifico giardino?), ma fornisce ai ricercatori una base solida e confrontabile per studiare le leggi locali in tutto il paese.

4. Dare alle leggi una "Personalità"

Una delle parti più interessanti del documento è che non si sono limitati a organizzare il testo; hanno dato alle leggi dei "punteggi" basati su quattro tratti specifici della personalità. Hanno addestrato l'IA per leggere una legge e indovinare come "si sente" su una scala:

Opacità (Confuso vs Chiaro): Questa legge è scritta in un inglese semplice o è un labirinto confuso di gergo?
Paternalismo (Proteggere Te vs Proteggere Altri): Questa legge sta cercando di impedirti di farti del male (come un coprifuoco per i ragazzi) o sta cercando di impedirti di fare del male agli altri (come un'ordinanza sul rumore)?
Discrezionalità dell'Esecuzione (Rigido vs Flessibile): Questa legge dà agli agenti di polizia molto spazio per decidere cosa fare, o è una regola rigida "sì/no"?
Salienza del Problema (Urgente vs Minore): Questa legge tratta l'argomento come una grande emergenza o come un piccolo fastidio?

Esempio: Una legge che dice "Nessuno sotto i 16 anni può andare a un festival senza un adulto" riceve un punteggio di Paternalismo alto (sta proteggendo il ragazzo) e un punteggio di Opacità basso (è molto chiara).

5. Perché questo è importante

Gli autori hanno scoperto che le leggi locali non sono solo un caos casuale. Hanno una struttura nascosta.

Le Città tendono a concentrarsi sui "disturbi" (rumore, animali, ordine pubblico).
Le Contee tendono a concentrarsi sulla "zonizzazione" (uso del suolo, permessi edilizi).
Diverse parti del paese hanno "gusti" diversi di leggi (ad esempio, le leggi della Florida tendono a essere molto confuse/opache, mentre quelle di altri stati sono più chiare).

In sintesi

Il documento sostiene che, "liberando" queste leggi locali dai loro formati polverosi e frammentati e trasformandole in un dataset pulito e ricercabile, hanno costruito l'infrastruttura per la prossima generazione di IA legale.

Non sostengono che l'IA possa ora agire come un giudice o fornire consulenza legale. Inveverso, stanno dicendo: "Abbiamo finalmente costruito la mappa e la biblioteca. Ora, i ricercatori possono iniziare a porre grandi domande su come funzionano le leggi locali, come differiscono in tutto il paese e come influenzano la vita quotidamenta delle persone".

Sintesi Tecnica: Liberare la Legge con LOCUS

Problematica
Il progresso nell'IA legale si è concentrato ampiamente su statuti federali, giurisprudenza e contratti, lasciando una parte critica del diritto americano ampiamente assente dai corpora leggibili dalle macchine: le ordinanze locali. Sebbene i codici locali governino domini quotidiani essenziali come la zonizzazione, l'edilizia, le licenze commerciali, la salute pubblica e il controllo degli animali, essi rimangono frammentati tra piattaforme di fornitori commerciali progettate per la consultazione umana piuttosto che per la ricerca massiva. Queste piattaforme mancano di un registro centrale, utilizzano strutture di navigazione incoerenti e spesso presentano i contenuti come PDF generati dinamicamente o documenti scansionati. Di conseguenza, non esiste un accesso sistematico su scala nazionale alla legge locale, il che ostacola il recupero, l'analisi comparativa delle politiche e lo sviluppo di benchmark di ragionamento legale che richiedano la navigazione tra livelli sovrapposti di giurisdizione (stato, contea e comune).

Metodologia
Gli autori introducono LOCUS (Local Ordinance Corpus for the United States), un corpus completo e uno strato di accesso armonizzato per contea. La pipeline di costruzione prevede quattro fasi primarie:

Raccolta dei Dati: Il team ha raccolto dati grezzi da 9.239 città e contee, per un totale di circa 7 milioni di pagine provenienti da oltre 9.000 PDF. Sono stati impiegati l'automazione del browser e logiche specifiche per ogni fornitore per estrarre i codici, affrontando sfide quali i limiti di assemblaggio dei PDF lato server, le collisioni di nomi di file, le misure anti-bot e le città consolidate multi-contea.
OCR e Pre-elaborazione: Per gestire la diversità dei layout documentali (scansionati, nati digitali, a colonna singola o doppia), la pipeline utilizza LightOnOCR-2-1B, un modello visione-linguaggio con 1 miliardo di parametri basato su Qwen-3. Questo modello converte le immagini delle pagine in Markdown. La successiva fase di post-elaborazione rimuove gli artefatti (intestazioni, piè di pagina), unisce i contenuti che attraversano i confini delle pagine e segmenta il testo in singole leggi basandosi sugli intestatori di sezione.
Annotazione e Classificazione:
- Filtraggio della Sostantività: Un approccio zero-shot utilizzando GPT-5.4-nano identifica e rimuove i contenuti strutturali (ad es. indici) per trattenere solo le leggi sostanziali.
- Classificazione: Tre classificatori (addestrati su ModernBERT-base) categorizzano le leggi per Funzione (Regole, Applicazione, Strutturale, Contesto, Processo), Argomento (Edilizia, Business, Zonizzazione, Disturbo, Altro), Argomento e Sostantività.
Scoring Dimensionale: Per analizzare le caratteristiche legali oltre la semplice categorizzazione, gli autori hanno addestrato modelli di regressione per assegnare punteggi alle ordinanze su quattro dimensioni continue: Discrezionalità di Applicazione, Opacità, Paternalismo e Salienza del Problema. Questi punteggi sono stati generati tramite un metodo di confronto a coppie "LLM-as-a-Judge" (200.000 confronti utilizzando GPT-5.4-nano) e calibrati utilizzando il sistema di rating bayesiano TrueSkill. I punteggi risultanti sono stati normalizzati in z-score per addestrare i finali regressori ModernBERT.
Strategia di Armonizzazione: Per creare uno strato di accesso utilizzabile, LOCUS adotta una semplificazione trasparente: per ciascuna delle 3.144 contee degli Stati Uniti, seleziona il codice locale più sostanziale (ovvero l'ordinanza della contea o il codice del comune più grande) in base alla lunghezza del documento. Questo copre 2.309 contee, rappresentando la maggior parte della popolazione statunitense.

Contributi Chiave

Corpus LOCUS-v1: Un rilascio contenente 2.211.516 chunk di testo derivati da quasi tutti i codici municipali e di contea pubblicamente disponibili, coprendo 9.239 giurisdizioni.
Strato di Accesso Armonizzato per Contea: Un substrato geografico riproducibile che copre le 2.309 contee più grandi, consentendo la ricerca e il confronto su scala nazionale.
Metadati Strutturati: Il corpus include etichette di funzione e argomento per ogni segmento, così come punteggi continui per opacità, paternalismo, discrezionalità di applicazione e salienza del problema.
Suite di Modelli: Una collezione di classificatori e valutatori basati su ModernBERT rilasciata insieme al dataset per facilitare l'analisi a valle della legge locale.
Pipeline di Elaborazione: Una metodologia aperta per convertire leggi locali frammentate e non leggibili dalle macchine in Markdown strutturato tramite OCR e annotazione basata su LLM.

Risultati e Analisi

Copertura: Il corpus grezzo abbraccia 9.239 città e contee. Lo strato armonizzato copre 2.309 contee, account per la maggior parte della popolazione degli Stati Uniti.
Distribuzione dei Contenuti: La maggior parte del corpus consiste in leggi sostanziali (Regole e Applicazione), che coprono principalmente edilizia, licenze commerciali, zonizzazione e disturbo.
Performance dei Modelli: Gli scorer addestrati su BERT hanno raggiunto un'alta correlazione con la verità di base (ground truth) di TrueSkill, con coefficienti di correlazione di Pearson compresi tra 0,82 e 0,94 attraverso le quattro dimensioni.
Risultanze Empiriche:
- Opacità vs. Paternalismo: Queste dimensioni sono solo debolmente correlate ( $r=0,11$ ), indicando che catturano caratteristiche legali distinte.
- Differenze Giurisdizionali: I codici delle contee contengono sostanzialmente più materiale di zonizzazione, mentre i codi comunali contengono più regolamentazione sui disturbi e sull'ordine pubblico.
- Variazione Regionale: Le leggi della Florida sono risultate significativamente più opache rispetto ad altri stati. Nel Nord-est, le contee appaiono meno orientate alla zonizzazione e più orientate all'applicazione rispetto alla media nazionale, riflettendo diverse storie istituzionali.
- Schemi Strutturali: I codici locali esibiscono un'architettura documentale ricorrente (ad es. disposizioni generali seguite da regolamentazione commerciale, poi zonizzazione), suggerendo che la posizione all'interno di un codice porti un peso semantico.

Significato e Rivendicazioni
Il saggio posiziona LOCUS non come una teoria finale dell'autorità legale locale, ma come infrastruttura per il recupero legale, l'estrazione normativa e l'analisi comparativa delle politiche. Gli autori sostengono che "liberare la legge" non è solo un problema di accesso, ma di rappresentazione. Rendendo la legge locale osservabile su scala nazionale, LOCUS trasforma un corpo frammentato di autorità pubblica in un oggetto strutturato per l'analisi computazionale.

Gli autori sottolineano che, sebbene lo strato armonizzato semplifichi la complessità giurisdizionale, esso fornisce un substrato necessario per futuri benchmark che testano la capacità di un sistema di ragionare su autorità sovrapposte (stato vs. locale, città vs. contea). Il dataset consente lo studio delle dimensioni legali (come opacità e paternalismo) a una scala precedentemente impossibile, spostando l'IA legale dal semplice recupero di testo verso il ragionamento richiesto per navigare la natura stratificata del diritto americano. L'articolo conclude che riconoscere le variazioni strutturali e funzionali nella legge locale è essenziale per costruire sistemi di IA legale affidabili.