HYPO CBR

HYPO är ett datorprogram som modellerar resonemang med fall och hypoteser inom den juridiska domänen. Det är det första i sitt slag och det mest sofistikerade av de fallbaserade juridiska resonemang, som designades av Ashley för hans doktorsavhandling 1987 vid University of Massachusetts Amherst under överinseende av Rissland. HYPO:s design representerar en hybrid generalisering/jämförande utvärderingsmetod lämplig för en domän med svag analytisk teori och gäller uppgifter som sällan involverar bara ett rätt svar. Domänen täcker amerikansk om affärshemligheter och är i huvudsak en " common law "-domän. Eftersom den angloamerikanska lagen drivs under prejudikatläran , är det definitiva sättet att tolka problem av nödvändighet och fallbaserat. HYPO involverade således inte analysen av en stadga , vilket krävs av PROLOG -programmet . Rissland och Ashley (1987) föreställde sig att HYPO skulle använda de nyckeluppgifter som utförs av advokater när de analyserar rättspraxis för företräde för att generera argument för åklagaren eller försvaret .

HYPO var ett framgångsrikt exempel på en allmän kategori av juridiska expertsystem (LES), den tillämpade tekniker för artificiell intelligens (AI) på området för juridiska resonemang inom patentlagstiftningen, och implementerade ett fallbaserat resonemangssystem (CBR), i motsats till regeln. baserade system som MYCIN eller blandade paradigmsystem som integrerar CBR med regelbaserade eller modellbaserade resonemang som IKBALS II. Ett rättsfallsbaserat resonemang resonerar i huvudsak från tidigare prövade fall, jämför den kontextuella informationen i det aktuella ingångsärendet med den för fall som tidigare prövats och lagts in i systemet. Som noterats av Ashley och Rissland (1988) används CBR för att "... fånga expertis inom domäner där reglerna är dåligt definierade, ofullständiga eller inkonsekventa".

HYPO-projektet syftade till att modellera skapandet av hypotetik i juridik, där inget fall matchar tillräckligt bra. HYPO använder hypotetik för en mängd olika uppgifter som är nödvändiga för en god tolkning: "att omdefiniera gamla situationer i termer av nya dimensioner, att skapa nya standardfall när ett lämpligt sådant inte existerar, att utforska och testa gränserna för ett koncept, att omfokusera ett ärende genom att utesluta vissa frågor och att organisera eller gruppera ärenden”. Hypotetik kan innehålla fakta som stödjer två motstridiga resonemang. Så den gör och svarar på argument från konkurrerande synpunkter om vem som ska vinna tvisten. HYPO använder heuristik som att göra ett fall svagare eller starkare, göra ett fall extremt, möjliggöra en " nära-miss ", inaktivera en "nära-träff" för att generera hypotetik i sammanhanget av ett argument genom att använda dimensionsmekanismen. Dimensioner har en rad värden, längs vilka den stödjande styrkan som kan skifta från den ena sidan till den andra. Det som skilde det här expertsystemet från andra var dess möjlighet att inte bara returnera ett primärt till bästa fallet-svar utan också att returnera nästan bäst lämpade svar.

Komponenter

Juridisk kunskap i HYPO finns i: case-knowledge-basen (CKB) och dimensionsbiblioteket. CKB innehåller HYPO:s bas av kända fall som är mycket strukturerade objekt och delobjekt både verkliga och hypotetiska inom området för affärshemlighetslagstiftning. Varje fall representeras som en hierarkisk uppsättning ramar vars luckor är viktiga aspekter av ärendet (t.ex. kärande , svarande , hemlig kunskap , arbetsgivare/anställda data). Ashleys HYPO-system använde en databas med trettio fall i området indexerade med tretton dimensioner. En nyckelmekanism i HYPO är en dimension, dvs en mekanism för att tillåta hämtning från CKB, för att representera rättsfall. Ashleys dimensioner är sammansatta av (i) förutsättningar, som är en uppsättning faktapredikat som måste uppfyllas för att dimensionen ska tillämpas (ii) focal slots, som tillgodoser en eller två av dimensionens förutsättningar som anges som indikativa för fallets styrka längs den dimensionen och (iii) räckviddsinformationen, som berättar hur en förändring i focal slot-värdet påverkar styrkan i en parts fall längs en given dimension. Dimensioner fokuserar uppmärksamheten på viktiga aspekter av ärenden. Inom HYPO:s domän för förskingring av företagshemligheter fångar dimensionen som kallas "frivilligt avslöjade hemligheter" tanken att ju fler avslöjanden käranden har gjort om sin förmodade hemlighet, desto mindre övertygande är hans/hennes argument att svaranden är ansvarig för att låta hemlighet.

HYPO, som alla andra CBR-system har också följande komponenter:

Likhets-/relevansmått : det vill säga standarder för att utvärdera ärendenas närhet, bedöma deras relevans för det aktuella fallet och välja "mest aktuella" fall.
Halvordningsteori för applikationsdomänen: det vill säga hierarkier och kunskapstaxonomier, särskilt när det gäller applikationsdomänen.
Prejudikatbaserad argumentationsförmåga: det vill säga förmåga att generera och utvärdera prejudikatbaserade argument.
Kunskap för att generera hypotetiska teorier: det vill säga förmågan att generera hypotetiska fall för att hantera olika omständigheter, som att testa giltigheten av en tolkning eller argument genom att tillhandahålla gedanken experiment som testfall eller att fylla i en svag CKB.

Funktionalitet

HYPO:s metod att skapa ett argument och motivera en lösning eller ståndpunkt har flera steg. HYPO börjar sin bearbetning med den aktuella faktasituationen ("cfs") som är direkt input av användaren i HYPO:s representationsramverk. När användaren har skrivit in ärendet påbörjar HYPO sin juridiska analys. CFC analyseras för relevanta faktorer. Baserat på dessa faktorer väljer HYPO ut de relevanta fallen och producerar en fallanalyspost som registrerar vilka dimensioner som gäller för cfc och vilka som nästan gäller (dvs. är "nära missar"). Den kombinerade listan över tillämpliga och nästan missade dimensioner kallas D-listan. Vid denna tidpunkt kan den faktainsamlade modulen begära ytterligare information från användaren för att dra en juridisk slutsats. När alla fakta finns i ärendeplaceringsmodulen använder den fallanalysposten för att skapa anspråksnätverket . Detta är en teknik som organiserar de relevanta inhämtade fallen ur cfc:s synvinkel och gör det enkelt för HYPO att fastställa de mest aktuella fallen (mopc) och minst aktuella fall. HYPO:s argument är 3-lagers, vilket leder till konstruktionen av skelettet av ett argument: det gör en poäng för en sida, drar analogin mellan problemet och prejudikatet, svarar med ett argument för motståndarens sida, strävar efter att särskilja det citerade fallet och citerar andra fall som motargument . Sedan gör den ett sista motargument och försöker särskilja motargumenten. Anspråksnätverket gör det också möjligt för HYPO-generatormodulen att producera juridiskt hypotetiska. Med sin användning av dimensionsbaserad heuristik gör HYPO-generatorn en heuristisk sökning av utrymmet för alla möjliga fall. Slutligen expanderar modulen Förklaring till argumentskelettet och ger en förklaring och motivering till de olika analyslinjerna och fallen som hittats av HYPO.

Ett intelligent juridiskt handledningssystem

Juridiska expertsystem är särskilt utformade för att lära ut ett rättsområde och är användbara för pedagogiska ändamål. Ashleys arbete handlade främst om att bygga verktyg för att hjälpa elever att förstå juridiska resonemang. och argument är grunden för den casemetod som används i många professionella skolor i USA, som först introducerades av dekanus vid Harvard Law School, Christopher Columbus Langdell 1870. Casemetoden fokuserar på närläsning av fall och principer; den involverar eleverna i spetsig sokratisk dialog och använder starkt hypotetiska teorier (”hypos”). Således var CATO (Aleven 1997) ett forskningsprojekt för att skapa och testa ett intelligent, fallbaserat handledningsprogram för att lära juriststudenter hur man argumenterar med fall som implementerar HYPO-programmet. Inom tutorsystemet föreslog Ashley och Aleven (1991) att man skulle utnyttja en förståelse av juridiska resonemang mot den vanliga fallbaserade tutormetoden. Det som gör att detta handledningssystem sticker ut är de ytterligare abstraktionsnivåerna som är involverade i dess resultat. Systemet presenterar övningar, inklusive fakta om ett problem och en uppsättning online- ärenden och instruktioner för att göra, eller svara på, ett juridiskt argument om problemet. Eleven/användaren kommer att ha en uppsättning verktyg för att analysera problemet och skapa ett svar som jämför det med andra fall. Istället för att bara generera prejudikatfall, fungerar systemet faktiskt på ett sådant sätt att det tolkar elevernas svar, jämför dem mot en lista med möjligheter och svarar på elevinlägg, till exempel genom att citera motexempel, och ge feedback på en elevs problemlösningsaktiviteter med korrekthetsförklaringar eller ge ytterligare tips om vad som kan vara fel med att utvärdera en elevs förmåga att utföra juridiska resonemang och argumentation, exempel och uppföljningsuppgifter genom att använda HYPO:s modell för fallbaserad struktur.

HYPOs avkomma

Kvaliteten på HYPO:s resultat talar för sig själv, i det att ett antal efterföljande juridiska resonemangssystem antingen är direkt baserade på HYPO:s mekanismer som i fallet Kowalski (1991), TAX-HYPO, prejudikatfallsbaserat system som verkar inom den lagstadgade domänen av skatterätt (Rissland och Skalak 1989), CABARET, ett blandat paradigmfall och regelsystem för den inkomstskatterättsliga domänen, (Skalak och Rissland 1992), CATO, IBP, utvecklad för argumentation för att göra förutsägelser baserade på argumentationskoncept (Brüninghaus och Ashley 2003), eller deras skapare hyllar åtminstone HYPO i sina diskussioner (Henderson och Bench-Capon 2001).

Se även

Vidare läsning

Edelson, DC, Lära av fall och frågor: The Socratic case-based undervisningsarkitektur, (1996), J. Learning Science 5(4), 357-410
Gray, PN, artificiell juridisk intelligens, Dartmouth Publishing Company Ltd., Aldershot, England 1998
Popple, J. (1996). Ett pragmatiskt juridiskt expertsystem (PDF) . Applied Legal Philosophy Series. Dartmouth (Ashgate). ISBN 1-85521-739-2 . Arkiverad (PDF) från originalet den 25 september 2006 . Hämtad 7 augusti 2014 . Alt URL tillgänglig på Open Library . Finns även på Google Books .
Popple, J. (1993). SHYSTER: A Pragmatic Legal Expert System (PDF) (PhD-avhandling). Australian National University. ISBN 0-7315-1827-6 . Arkiverad (PDF) från originalet den 23 augusti 2006 . Hämtad 7 augusti 2014 . Alt URL tillgänglig på Open Library . Finns även på Google Books .
Rissland och Ashley, "A not on Dimensions and Factors", (2002), Artificiell intelligens och lag 10, 65-77
Rissland och Skalak, CABARET: Regeltolkning i en hybridarkitektur], (1991), Intern. J. Man-Machine Stud. 34(6), 839-887
Rissland, EL och Skalak, DB, Combining Case-Based and Rule-Based Reasoning: A Heuristic approach] (1989) In Proceedings IJCAI-89 Detroit: International Joint Conference on Artificial Intelligence
Smith, JC, Gelbart, D. och Graham, D., Building Expert System in Case-Based Law, (1992). Expertsystem med applikationer 4, 335-342
Susskind, RE, Expert Systems in Law: a Jurisprudential Inquiry, (OUP, Oxford, 1987)

externa länkar

Aleven, V., [1] , (2003) Artificial Intelligence 50, 183-237
Rapport Abel Hinkf6230 Cbr, [2] , Hypo Km Health Informatics Report
Ashley, KD, [3] , Modeling Legal Argument: Reasoning with cases and hypothetical, MIT Press, Cambridge, 1987. Baserat på Ashleys doktorsavhandling COINS teknisk rapport nr 88-01