محدود کردن واگرایی در احکام حقوقی به لطف هوش مصنوعی

  • 2021-01-11

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.

Pile de livres ouverts

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."

Rachel Bawden - Portrait

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.

Benoit Sagot - portrait

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.

ثبت دیدگاه

مجموع دیدگاهها : 0در انتظار بررسی : 0انتشار یافته : ۰
قوانین ارسال دیدگاه
  • دیدگاه های ارسال شده توسط شما، پس از تایید توسط تیم مدیریت در وب منتشر خواهد شد.
  • پیام هایی که حاوی تهمت یا افترا باشد منتشر نخواهد شد.
  • پیام هایی که به غیر از زبان فارسی یا غیر مرتبط باشد منتشر نخواهد شد.