دادگاه Cassation با توجه به احکام ، اعمال دقیق قانون را تضمین می کند. وکلای دادگاه از کارشناسان علمی در زمینه هوش مصنوعی خواستند تا مسئله حساس فقه واگرا را برطرف کنند. INRIA و آزمایشگاه IA ، وابسته به Etalab در اداره بین وزیر امور دیجیتال (DINUM) ، به نیروهای پیوستند تا این همکاری را ارائه دهند.
یک جسد با صدها هزار حکم برای تجزیه و تحلیل
آیا قانون به طور مساوی برای همه اعمال می شود؟چگونه دادگاه Cassation ، بالاترین صلاحیت در سیستم حقوقی فرانسه ، می تواند نظارت بر اعمال قانون توسط دادگاه های پایین را کنترل کند؟برای دادگاه Cassation ، شناسایی واگرایی در اعمال قانون یک کار هرکولایی است ، با توجه به اینکه انبوه داده ها با هر تصمیم قضایی در حال رشد هستند. در میان تصمیماتی که توسط شش اتاق آن اتخاذ شده است ، دادگاه کاسه باید تفسیرهای متناقض از همان موضوع یا قانون حقوقی را شناسایی کند. در حال حاضر ، این کار طولانی و خسته کننده توسط وکلای دادگاه به صورت دستی انجام می شود. فرایند پیچیده شناسایی واگرایی نیاز به تخصص محکم در تجزیه و تحلیل حقوقی و دانش کامل از قانون و صلاحیت دارد. تاکنون ، این کار منحصراً به تخصص انسانی متکی بود (علاوه بر تجزیه و تحلیل های دانشگاهی در مجلات حقوقی). تشخیص جامع واگرایی نیاز به مقایسه صدها هزار تصمیم دادگاه دارد ، یک کار غیرممکن بدون افزایش قابل توجه در منابع انسانی. در زمینه تحول دیجیتالی سازمان های اداری ، هوش مصنوعی راه حل هایی برای تسهیل چنین کارهایی ارائه می دهد.
احکام مرتبط و "واگرایی" ، آموزش هوش مصنوعی در ارتباط با کارشناسان
آزمایشگاه IA برای تسهیل کار نمایندگان خدمات عمومی ، موسسات عمومی را قادر می سازد تا با همکاری محققان INRIA ، امکانات ارائه شده توسط علوم دیجیتال را کشف کنند. Ioana Manolescu ، مدیر علمی آزمایشگاه IA ، کارشناسان علمی را با پروژه های انتخاب شده مطابقت می دهد. برای این پروژه خاص ، تیم Almanach ، Benoît Sagot و Rachel Bawden ، متخصصان پردازش زبان طبیعی (NLP) و Thibault Charmet ، مهندس ، این چالش را برطرف کردند. هدف آنها دو برابر بود: تهیه ابزاری برای کمک به وکلا در وظایف خود و امکان تشخیص افزایش واگرایی. برای این منظور ، آنها وظیفه اساسی شناسایی جفت اسناد مشابه (یا مرتبط) را برطرف کردند ، که می توانند واگرایی را نشان دهند. این سه گانه همچنین با کارشناسان حقوقی و دانشمندان داده های دادگاه کاسه همکاری نزدیک داشت. شناسایی تصمیمات حقوقی مشابه می تواند به صورت خودکار انجام شود ، هنگامی که می دانیم چگونه به طور خودکار درجه یا ارتباط دو حکم را اندازه گیری کنیم. برای انجام این کار ، محققان براساس خلاصه دادگاه ، ابزاری پیش بینی کننده برای تیتراژ ایجاد کردند (عنوان بندی وظیفه تعیین حکم با دنباله ای از برچسب ها ، معروف به "عناوین" است). آنها عناوین را به تصمیمات بدون عنوان نسبت دادند و با این فرضیه که این امر باعث می شود شناسایی احکام مرتبط با آن ، عناوین دیگری را برای همه تصمیمات ارائه دهد. برای تولید این عناوین به طور خودکار ، آنها پیش بینی عنوان را از خلاصه دادگاه به عنوان یک کار ترجمه ماشین مدل کردند.
به گفته راشل بایدن ، "اعتبارسنجی تطبیق فناوری ترجمه ماشین با سایر انواع داده ها و وظایف مربوط به الزامات دادگاه واقعاً جالب بود و پتانسیل پروژه های آینده را در زمینه های دیگر مانند مالی یا زیست پزشکی باز می کند."
راشل باودن از سال 2020 در تیم پروژه Almanach محقق در Inria بوده است. یک متخصص در NLP و به طور خاص ترجمه ماشین ، تحقیقات وی عمدتاً بر ادغام زمینه (زبانی و غیر زبانی) ، روش هایی برای زبان ها و سناریوهای کم منبع (یعنی ، که فقط مقادیر کمی از داده ها در دسترس هستند) متمرکز شده است. وادوی دارای صندلی تخته سنگ در انستیتوی پریری است.
سرانجام ، برای ارزیابی ارتباط روش آنها ، دانشمندان از کارشناسان دادگاه خواستند که همان کار را با الگوریتم پیش بینی شباهت خود انجام دهند. دانشمندان و وکلا برای اولین بار با هم کار کردند تا دستورالعمل هایی را برای سطح شباهت تهیه کنند. Benît Sagot توضیح می دهد: "کار در کنار کارشناسان Cassation Cassation نیاز به یک فرآیند سازگاری داشت تا به ما اجازه دهد یکدیگر را درک کنیم و یک زبان مشترک ایجاد کنیم."این آزمایشات نه تنها نشان داد که رویکرد خودکار نتایج مشابه قضاوت های متخصصان را به دست می آورد ، بلکه عناوین اضافی (به طور خودکار تولید شده) نیز این شباهت ها را تقویت می کند.
Benoît Sagot ، رئیس تیم پروژه Almanach از سال 2017 ، یک محقق ارشد INRIA در پردازش زبان طبیعی (NLP) و زبانشناسی محاسباتی است. وی چندین پروژه ملی و بین المللی را رهبری کرده و دارای صندلی در موسسه پریری است که به تحقیقات در زمینه هوش مصنوعی اختصاص داده شده است. او همچنین بنیانگذار دو استارتاپ است ، جایی که وی تخصص خود را در NLP و استخراج متن برای تجزیه و تحلیل خودکار نتایج بررسی کارمندان ارائه می دهد.
مدل های برش قابل انتقال به زمینه های دیگر برای تحول دیجیتالی دولت
نتایج حاصل از این همکاری ، راه را برای پیشرفت های بیشتر باز می کند. این تیم برای نهایی کردن مدل های نیمه اتوماتیک با هدف تسهیل پیش نویس عناوین توسط کارشناسان ، کار خود را با دادگاه Cassation دنبال می کنند. این مدل های نهایی در آینده نزدیک باید در جریان کار دادگاه ادغام شوند. در مورد آزمایشگاه IA ، تیم پروژه Almanach آماده تجدید تجربه با سایر نهادهای عمومی است. چندین زمینه با وظایف دشوار و تکراری ، مانند بایگانی یا جستجوهای اسناد رسمی ، می توانند از اتوماسیون بهره مند شوند. هدف چیست؟برای تشویق تحول دیجیتالی دولت و این امکان را برای شهروندان فراهم می کند که از خدمات با کیفیت بالا بهره مند شوند.
