Juridisk expertsystem

Ett juridiskt expertsystem är ett domänspecifikt expertsystem som använder artificiell intelligens för att efterlikna beslutsförmågan hos en mänsklig expert på juridikområdet. Juridiska expertsystem använder en regelbas eller kunskapsbas och en inferensmotor för att ackumulera, referera och producera expertkunskap om specifika ämnen inom den juridiska domänen.

Syfte

Det har föreslagits att juridiska expertsystem skulle kunna hjälpa till att hantera den snabba expansionen av juridisk information och beslut som började intensifieras i slutet av 1960-talet. Många av de första juridiska expertsystemen skapades på 1970- och 1980-talen.

Advokater identifierades ursprungligen som primära målanvändare av juridiska expertsystem. Potentiella motiv för detta arbete inkluderar:

  • snabbare leverans av juridisk rådgivning;
  • minskad tid i repetitiva, arbetsintensiva juridiska uppgifter;
  • utveckling av kunskapshanteringstekniker som inte var beroende av personal;
  • minskade omkostnader och arbetskostnader och högre lönsamhet för advokatbyråer; och
  • reducerade avgifter för kunder.

En del tidiga utvecklingsarbete var inriktat mot skapandet av automatiserade domare.

Senare arbete med juridiska expertsystem har identifierat potentiella fördelar för icke-jurister som ett sätt att öka tillgången till juridisk kunskap.

Juridiska expertsystem kan också stödja administrativa processer, underlätta beslutsprocesser, automatisera regelbaserade analyser och utbyta information direkt med medborgare-användare.

Typer

Arkitektoniska variationer

Regelbaserade expertsystem förlitar sig på en modell av deduktivt resonemang som använder "om A, då B"-regler. I ett regelbaserat juridiskt expertsystem representeras information i form av deduktiva regler inom kunskapsbasen.

Fallbaserade resonemangsmodeller , som lagrar och manipulerar exempel eller fall, har potentialen att efterlikna en analogisk resonemangsprocess som anses vara väl lämpad för den juridiska domänen. Denna modell bygger effektivt på kända erfarenheter från våra resultat för liknande problem.

Ett neuralt nät förlitar sig på en datormodell som efterliknar strukturen i en mänsklig hjärna och fungerar på ett mycket liknande sätt som den fallbaserade resonemangsmodellen. Denna expertsystemmodell är kapabel att känna igen och klassificera mönster inom området för juridisk kunskap och hantera oprecisa indata.

Luddiga logikmodeller försöker skapa "fuzzy" koncept eller objekt som sedan kan omvandlas till kvantitativa termer eller regler som indexeras och hämtas av systemet. Inom den juridiska domänen kan fuzzy logic användas för regelbaserade och fallbaserade resonemangsmodeller.

Teoretiska variationer

Medan vissa arkitekter för juridiska expertsystem har antagit ett mycket praktiskt tillvägagångssätt och använt sig av vetenskapliga sätt att resonera inom en given uppsättning regler eller fall, har andra valt ett bredare filosofiskt tillvägagångssätt inspirerat av rättsvetenskapliga resonemangssätt som härrör från etablerade juridiska teoretiker.

Funktionsvariationer

Vissa juridiska expertsystem syftar till att komma fram till en viss slutsats i lag, medan andra är utformade för att förutsäga ett visst resultat. Ett exempel på ett prediktivt system är ett som förutsäger utgången av rättsliga beslut, värdet av ett mål eller utgången av rättstvister.

Reception

Många former av juridiska expertsystem har blivit allmänt använda och accepterade av både rättssamfundet och användare av juridiska tjänster.

Utmaningar

Domänrelaterade problem

Den inneboende komplexiteten hos juridik som disciplin väcker omedelbara utmaningar för ingenjörer av juridisk expertis . Juridiska frågor involverar ofta inbördes relaterade fakta och frågor, vilket ytterligare förvärrar komplexiteten.

Saklig osäkerhet kan också uppstå när det finns omtvistade versioner av faktarepresentationer som måste läggas in i ett expertsystem för att påbörja resonemangsprocessen.

Datoriserad problemlösning

Begränsningarna hos de flesta datoriserade problemlösningstekniker hämmar framgången för många expertsystem inom det juridiska området. Expertsystem förlitar sig typiskt på deduktiva resonemangsmodeller som har svårt att efter tyngdgrader till vissa rättsprinciper eller betydelse för tidigare avgjorda ärenden som kan eller inte kan påverka ett beslut i ett omedelbart fall eller sammanhang.

Representation av juridisk kunskap

Expertjuridiska kunskaper kan vara svåra att representera eller formalisera inom strukturen av ett expertsystem. För kunskapsingenjörer inkluderar utmaningarna:

  • Öppen textur : Lag tillämpas sällan på ett exakt sätt på specifika fakta, och exakta resultat är sällan en säkerhet. Stadgar kan tolkas enligt olika språkliga tolkningar, beroende på prejudikatfall eller andra kontextuella faktorer inklusive en viss domares uppfattning om rättvisa.
  • Avvägningen av skäl: Många argument involverar överväganden eller skäl som inte lätt kan representeras på ett logiskt sätt. Till exempel sägs många konstitutionella juridiska frågor balansera självständigt väletablerade hänsyn till statliga intressen mot individuella rättigheter. En sådan avvägning kan bygga på utomrättsliga överväganden som skulle vara svåra att logiskt representera i ett expertsystem.
  • Obestämdhet av juridiska resonemang: På den kontradiktoriska arenan av lagen är det vanligt att ha två starka argument på en enda punkt. Att fastställa det "rätta" svaret kan bero på en majoritetsomröstning bland expertdomare, som i fallet med ett överklagande.

Tid och kostnadseffektivitet

Att skapa ett fungerande expertsystem kräver betydande investeringar i mjukvaruarkitektur , ämnesexpertis och kunskapsteknik . Inför dessa utmaningar begränsar många systemarkitekter domänen när det gäller ämne och jurisdiktion. Konsekvensen av detta tillvägagångssätt är skapandet av snävt fokuserade och geografiskt begränsade juridiska expertsystem som är svåra att motivera på kostnads-nyttobasis.

Aktuella tillämpningar av AI inom det juridiska området använder maskiner för att granska dokument, särskilt när en hög nivå av fullständighet och förtroende för kvaliteten på dokumentanalys är beroende av, till exempel vid rättstvister och där due diligence spelar en roll. Bland de numerärt mest kvantifierbara fördelarna med AI inom det juridiska området är tids- och pengarsparande effekt genom att befria advokater från att behöva spendera orimliga mängder av sin värdefulla tid på rutinuppgifter, vilket hjälper till att frigöra advokaters kreativa energi genom att minska stress. Detta ökar i sin tur minskningen av ärendebelastningen genom att uppnå bättre resultat på kortare tid, vilket frigör potentiella ytterligare intäkter per tidsenhet som spenderas på ett ärende. Kostnaden för att sätta upp och underhålla AI-system i lag kompenseras mer än väl av de uppnådda besparingarna genom ökad effektivitet; obalanserade kostnader kan tilldelas kunder.

Brist på korrekthet i resultat eller beslut

Juridiska expertsystem kan leda icke-experta användare till felaktiga eller felaktiga resultat och beslut. Detta problem kan förvärras av det faktum att användare kan förlita sig mycket på riktigheten eller tillförlitligheten av resultat eller beslut som genereras av dessa system.

Exempel

ASHSD-II är ett hybrid juridiskt expertsystem som blandar regelbaserade och fallbaserade resonemangsmodeller inom området äktenskapstvister enligt engelsk lag.

CHIRON är ett hybridsystem för juridiska experter som blandar regelbaserade och fallbaserade resonemangsmodeller för att stödja skatteplaneringsaktiviteter enligt USA:s skattelagar och koder.

JUDGE är ett regelbaserat juridiskt expertsystem som behandlar straffmätning inom det straffrättsliga området för brott som rör mord, misshandel och dråp.

Legislate är en kunskapsgrafdriven kontraktshanteringsplattform som tillämpar juridiska regler för att generera advokatgodkända kontrakt.

Latent Damage Project är ett regelbaserat juridiskt expertsystem som behandlar preskriptionstider enligt (Storbritannien) Latent Damage Act 1986 i förhållande till områdena skadeståndsrätt, avtal och produktansvar.

Split-Up är ett regelbaserat juridiskt expertsystem som hjälper till med delning av äktenskapliga tillgångar enligt ( Australien) Family Law Act (1975) .

SHYSTER är ett fallbaserat juridiskt expertsystem som även kan fungera som en hybrid genom sin förmåga att länka till regelbaserade modeller. Det designades för att rymma flera juridiska domäner, inklusive aspekter av australiensisk upphovsrättslagstiftning, avtalslagstiftning, personlig egendom och administrativ lag.

TAXMAN är ett regelbaserat system som skulle kunna utföra en grundläggande form av juridiska resonemang genom att klassificera ärenden under en viss kategori av lagregler på det rättsliga området om företagsrekonstruktion.

Kontroverser

Det kan råda brist på konsensus om vad som skiljer ett juridiskt expertsystem från ett kunskapsbaserat system (även kallat ett intelligent kunskapsbaserat system). Medan juridiska expertsystem anses fungera på nivån för en mänsklig juridisk expert, kan kunskapsbaserade system vara beroende av den pågående assistansen från en mänsklig expert. Verkliga juridiska expertsystem fokuserar vanligtvis på en smal sakkunskapsdomän i motsats till en bredare och mindre specifik domän som i fallet med de flesta kunskapsbaserade system.

Juridiska expertsystem representerar potentiellt störande teknologier för traditionell, skräddarsydd leverans av juridiska tjänster. Följaktligen kan etablerade rättstillämpare betrakta dem som ett hot mot historiska affärspraxis.

Argument har framförts att en underlåtenhet att ta hänsyn till olika teoretiska tillvägagångssätt för rättsligt beslutsfattande kommer att producera expertsystem som inte återspeglar beslutsfattandets sanna natur. Samtidigt hävdar vissa arkitekter för juridiska expertsystem att eftersom många advokater har skickliga juridiska resonemangsförmåga utan en solid grund i juridisk teori, borde detsamma gälla för juridiska expertsystem.

Eftersom juridiska expertsystem tillämpar precision och vetenskaplig rigor på handlingen av juridiskt beslutsfattande, kan de ses som en utmaning för den mer oorganiserade och mindre precisa dynamiken i traditionella rättsvetenskapliga sätt att resonera. Vissa kommentatorer hävdar också att den sanna naturen av juridisk praxis inte nödvändigtvis beror på analyser av juridiska regler eller principer; Besluten baseras istället på en förväntan om vad en mänsklig domare skulle besluta i ett visst fall.

Senaste utvecklingen

Sedan 2013 har det skett betydande utvecklingar inom juridiska expertsystem. Professor Tanina Rostain från Georgetown Law Center undervisar i en kurs i att utforma juridiska expertsystem. Plattformar med öppen källkod som Docassemble och företag som Neota Logic och Checkbox har börjat erbjuda artificiell intelligens och maskininlärning- baserade juridiska expertsystem.

Se även

externa länkar

Hämtad från " https://en.wikipedia.org/w/index.php?title=Legal_expert_system&oldid=1136369110 "