Filologia Quantistica Forense: un paradigma interdisciplinare per la tutela dell’autenticità testuale
Abstract
La filologia è l’arma primaria per contrastare la falsificazione dei testi – dolosa o colposa – mentre la linguistica forense fornisce protocolli misurabili per l’attribuzione d’autore e l’individuazione di manipolazioni. Questo articolo propone la Filologia Quantistica Forense (FQF) come quadro unificato che integra stilometria classica, Quantum Natural Language Processing (QNLP) e Large Language Models (LLM). Il testo è modellato come sistema in sovrapposizione di stati (varianti) con correlazioni non-locali (entanglement) fra testimoni e porzioni testuali. Presentiamo:
- fondamenti teorici con formalismi espliciti
- una pipeline operativa replicabile
- esempi numerici e casi di studio (medioevo e forense contemporaneo)
- metriche di valutazione, limiti ed implicazioni etiche
L’obiettivo è offrire a filologi e periti strumenti condivisi, trasparenti e riproducibili.
1. Introduzione
La critica del testo, dalla tradizione lachmanniana alla mouvance di Zumthor1, ha perseguito l’autenticità contro errore e frode. La linguistica forense ha consolidato metodologie per attribuire testi, rilevare plagi e descrivere manipolazioni con valore indiziario2. Raramente, tuttavia, questi ambiti hanno dialogato in modo sistematico. La FQF nasce per colmare tale distanza: porta in filologia standard probatori (tracciabilità, calibrazione probabilistica, visualizzazioni) e, in forense, introduce una prospettiva storico-critica capace di modellare tradizioni complesse (contaminazioni, varianti adiafore, non-località).
Contributi principali:
- Formalizzazione del testo come funzione d’onda filologica che assegna probabilità a varianti concorrenti
- Definizione operativa di non-località testuale tramite misure di correlazione fra varianti in testimoni distanti
- Integrazione a tre livelli (stilometria-QNLP-LLM) con fusione bayesiana/softmax e protocolli di validazione
- Due studi di caso con dati numerici esemplificativi e linee guida per relazioni tecniche e perizie
2. Stato dell’arte e motivazioni
Filologia storica. Il metodo lachmanniano ricostruisce lo stemma codicum tramite errori significativi3; Bédier ne ha criticato l’eccesso di biforcazioni4, mentre Zumthor ha introdotto la dinamica della mouvance. I modelli restano spesso localisti, concentrati su legami genetici diretti, meno efficaci nel trattare convergenze indipendenti.
Filologia computazionale. Tecniche di distanza testuale, clustering e reti hanno migliorato la misurazione, ma faticano a esprimere correlazioni “a distanza” senza contatto genealogico.
Linguistica forense. Stilometria moderna (funzioni di parole, n-grammi, punteggiatura, sintassi) e metodi recenti basati su embedding consentono attribuzioni anche su testi brevi5–7; permangono sfide: mascheramento stilistico, dominio e spiegabilità.
Motivazione FQF. Offrire un linguaggio matematico condiviso, unendo:
(a) il rigore storico-critico della filologia
(b) la misurabilità forense
(c) modelli capaci di catturare sovrapposizioni e correlazioni non-locali
3. Fondamenti teorici
3.1 Doppia genitorialità
Rappresentiamo l’opera come combinazione di Autore e Contesto:
– Autore: vettore di scelte stilistiche (lessico, morfosintassi, punteggiatura, figure)
– Contesto: norme linguistiche, scuola scriptoria/editoriale, genere, pubblico, epoca
3.2 Funzione d’onda filologica
Una variante in un locus variazionale è un autostato misurabile; la funzione d’onda del testo in quel locus è:
ψ = Σ ci |variantei⟩
Il collasso avviene quando il copista/editore seleziona una variante osservabile. Il valore ci incorpora condizioni storiche, geografiche e scolastiche.
3.3 Non-località testuale ed entanglement
Due varianti va e vb sono entangled se la scelta di va co-determina la probabilità di vb oltre il caso. Operativamente, su un set di testimoni T, calcoliamo la mutual information fra vettori binari di scelta e testiamo l’eccesso rispetto a permutazioni casuali (p-value). In alternativa, misuriamo la correlazione canonica fra blocchi di varianti (sottosistemi) o l’entropia della matrice di densità ridotta.
Nota epistemologica. In questa sede di certo non si sostiene che i testi obbediscano alla fisica quantistica; si utilizzano, però, formalismi isomorfi per modellare incertezze e correlazioni che i modelli classici faticano a rappresentare8.
4. Metodologia FQF (pipeline replicabile)
4.1 Acquisizione e chain of custody
- Scansione ≥ 300 dpi; OCR con doppio passaggio; checksum e hash dei file
- Registro versioni; log di normalizzazioni; salvaguardia dei dati grezzi
4.2 Preprocessing
- Normalizzazione Unicode; gestione diacritici; espansione abbreviazioni (se previsto, con percentuale dichiarata)
- Tokenizzazione, lemmatizzazione, POS/NER; rimozione stop-words solo se motivata; mantenimento punteggiatura
4.3 Livello S – Stilometria
Feature principali: funzioni di parole; n-grammi di caratteri (3-5) e di parole (1-3); densità e sequenze di punteggiatura; lunghezza media di frase; profondità sintattica; TTR corretta (es. Maas/MTLD); misure di periodicità retorica.
Esempio S1 (toy numerico):
- Due testimoni, T₁ e T₂, 2.000 parole ciascuno. Frequenza di “che”/1.000 parole: T₁=48, T₂=31
- Densità “; ” per 1.000 segni: T₁=12, T₂=3
- Bigrammi di caratteri distintivi (log-odds): “re”=+2,1 in T₁; “io”=+1,8 in T₂. Interpretazione: segnali sistematici coerenti con mani diverse o scuole scriptoriae differenti
4.4 Livello Q – QNLP
Rappresentazione. Ogni variante è uno stato base in uno spazio di Hilbert H; un testimone è uno stato misto con matrice di densità ρ. La sovrapposizione tra testimoni è |⟨ψₐ|ψb⟩|², o, per stati misti, la fidelity F(ρₐ, ρb).
Esempio Q1 (sovrapposizione):
- Sottospazio di 20 varianti; vettori normalizzati ψₐ, ψb
- |⟨ψₐ|ψb⟩|² = 0,15 nelle sezioni liriche ⇒ bassa affinità stilistico-variantistica
Esempio Q2 (entanglement di varianti):
- Varianti lume/luce (v₁) e ver/vero (v₂) in 6 testimoni
- I(v₁;v₂) = 0,85 bit; p (permute) = 0,008 ⇒ correlazione non spiegabile dal caso
- Entropia ridotta S(ρv1) > S(ρv1v2) ⇒ chiaramente non separabile
4.5 Livello L – LLM
Uso. Embedding contestuali per coerenza semantica, registro, pragmatica; rilevamento anomalie locali (innesti, traduzioni mascherate)9.
Esempio L1 (innesto moderno):
- E-mail minatoria (350 parole). Il segmento P₃ presenta perlocuzioni giuridiche assenti altrove
- Coseno embedding P₁-P₂=0,89; P₂-P₃=0,54; P₃-P₄=0,57 ⇒ discontinuità locale
4.6 Fusione e decisione
Assegniamo pesi dinamici ws, wq, wl (vincolo: Σw = 1). Il punteggio aggregato è:
Score = ws × scs + wq × scq + wl × scl
Esempio F1 (attribuzione con 5 candidati):
- Score standardizzati: S = [1,7; 0,6; -0,2; -0,8; -1,3], Q = [1,2; 0,2; -0,1; -0,6; -0,7], L = [1,9; 0,1; -0,4; -0,5; -1,1]
- Pesi: ws=0,4; wq=0,4; wl=0,2
- Output softmax ≈ [0,88; 0,07; 0,02; 0,02; 0,01] ⇒ candidato 1 altamente prevalente
5. Casi di studio dettagliati
5.1 Tradizione medievale (ipotetica lauda monodica, secc. XIII-XIV)
Corpus. 7 testimoni (T₁-T₇), 1.500-2.500 parole; 120 loci variazionali; normalizzazione grafica <10% (dichiarata).
Procedura:
- Estrazione feature S
- Sottospazi variantistici Q per sezioni metroritmiche
- Embedding LLM per formule liriche
- Clustering gerarchico + rete di correlazioni non-locali
Risultati numerici:
- Sovrapposizione Q (mediana) fra T₁-T₃: 0,78; T₁-T₆: 0,39
- Entanglement varianti (pacchetto {lume, vero, pietate}): p<0,01
- Stilometria: densità “; ” T₂=11/1.000, T₅=2/1.000; TTR-MTLD: T₄=70, T₆=54
- Rete non-locale: due campi testuali (C₁, C₂) con legami trasversali selettivi fra sezioni liriche
Interpretazione. Lo stemma bifido non spiega i legami C₁↔C₂ nelle sezioni liriche: occorrono archi di lungo raggio (contatti indiretti, norme scolastiche condivise). La FQF integra l’albero con una rete di correlazioni misurate10.
5.2 Caso forense contemporaneo (ipotetico dossier anonimo)
Scenario. Dossier di 12 pagine contro un funzionario; quattro sospetti (A-D). Corpus comparativo bilanciato (genere/tema) di 10.000 parole per sospetto.
Feature principali osservate nel dossier. Triadi “in merito a”, “a livello di”, “di conseguenza”; incisi tra trattini -molto frequenti-; rari verbi pronominali; che polivalente (anche ridondante: “il fatto che che…”).
Analisi:
- S: restringe a B e D (coseno stile B=0,84; D=0,80; A=0,65; C=0,60)
- Q: sovrapposizione massima con B (Fidelity=0,73; D=0,58)
- L: discontinuità nei paragrafi 3-4 (embedding coseno con corpus B: 0,56 vs media 0,82) ⇒ possibile innesto
Fusione. Pesi ws=0,5; wq=0,3; wl=0,2. Probabilità: B=0,92±0,03; D=0,06; A,C<0,02. Segmenti 3-4 attribuiti con alta probabilità a fonte D (ipotesi di ghost-patching).
Valore probatorio. Risultato indiziario ma robusto: convergenza di tre moduli, tracciabilità, test di sensibilità alle normalizzazioni11.
6. Valutazione e protocolli
6.1 Metriche
Accuratezza; precision/recall/F1; AUC-ROC; Brier score per calibrazione; intervalli di confidenza bootstrap; curva DET per scenari forensi.
6.2 Benchmark interni (sintesi esemplificativa)
| Modulo | Accuratezza | FP | FN |
|---|---|---|---|
| Stilometria | 0,87 | 0,08 | 0,05 |
| QNLP | 0,90 | 0,06 | 0,04 |
| LLM | 0,94 | 0,03 | 0,03 |
| Fusione S+Q+L | 0,96 | 0,02 | 0,02 |
Nota: performance ridotte (-3-5%) su testi <500 parole o con forte domain shift; riportare sempre la % di normalizzazione.
6.3 Riproducibilità
- Seed fissati; versioni librerie; report automatici con parametri e grafici
- Script per data audit e checklist (vedi §9)
7. Discussione
Per la filologia. La FQF rende misurabili mouvance, contaminazione e campi testuali: integra lo stemma con una rete di legami non-locali.
Per la forense. Migliora robustezza su testi brevi/rumorosi e mappa innesti e riscritture come anomalie locali, spiegabili con feature-importance e grafi.
Spiegabilità. Ogni decisione è accompagnata da:
(i) feature-importance (Shapley/LIME)
(ii) visualizzazioni (heatmap, dendrogrammi, grafi)
(iii) protocolli ripetibili (seed, versioni, chain of custody)
8. Limiti, etica e legal
- Sensibilità a dominio e lunghezza; necessità di baseline per genere/epoca
- Rischio di re-identificazione: anonimizzazione corpus; minimizzazione dati
- Bias dei modelli: audit periodici, test adversariali, human-in-the-loop
- Catena di custodia digitale: hashing, log firmati, versioning; rispetto norme di prova digitale
9. Linee guida operative (checklist)
- Definire quesito e unità di analisi (loci variazionali, paragrafi, e-mail)
- Istituire chain of custody e dichiarare la percentuale di normalizzazione applicata
- Costruire corpus comparativo bilanciato per autore/tema/genere
- Eseguire tripla analisi S-Q-L e documentare parametri e seed
- Fondere risultati con pesi e riportare incertezza (IC 95%)
- Redigere relazione con limiti e alternative interpretative; allegare grafici e tabelle
10. Conclusioni
La FQF unisce la tradizione critico-storica della filologia alla forza probatoria della linguistica forense, offrendo un quadro matematico e computazionale in grado di modellare incertezza, sovrapposizione e correlazioni non-locali. Gli esempi e i casi proposti mostrano come dinamiche spesso intuite dal filologo diventino misurabili, visualizzabili e comunicabili a comunità accademiche e giudiziarie.
Note
- Zumthor, P., La présence de l’auteur dans le texte médiéval, 1994
- McMenamin (2002)
- Lachmann (1850)
- Bédier (1928)
- Stamatatos (2009)
- Koppel et al. (2009)
- Juola (2013)
- Coecke et al. (2010)
- Eder (2013)
- Coulthard & Johnson (2007)
Bibliografia
- Bédier, J. (1928). La tradition manuscrite du Lai de l’Ombre.
- Coecke, B., Sadrzadeh, M., & Clark, S. (2010). Mathematical Foundations for a Compositional Distributional Model of Meaning.
- Coulthard, M., & Johnson, A. (2007). An Introduction to Forensic Linguistics.
- Eder, M. (2013). Mind your corpus: systematic errors in authorship attribution.
- Juola, P. (2013). Stylometric analysis for authorship attribution.
- Koppel, M., Schler, J., & Argamon, S. (2009). Computational Methods in Authorship Attribution.
- Lachmann, K. (1850). Lucretius: De Rerum Natura Libri Sex.
- McMenamin, G. R. (2002). Forensic Linguistics: Advances in Forensic Stylistics.
- Stamatatos, E. (2009). A survey of modern authorship attribution methods.
OpenEdition suggests that you cite this post as follows:
Antonello Fabio Caterino (August 13, 2025). Filologia quantistica forense: un paradigma interdisciplinare per la tutela dell’autenticità testuale (di Antonello Fabio Caterino). Filologia Risorse informatiche. Retrieved February 13, 2026 from https://doi.org/10.58079/14hdo
