Правовая экспертная система
Правова́я экспе́ртная систе́ма (англ. legal expert system) — это специализированная экспертная система, использующая методы искусственного интеллекта для имитации способности принятия решений человеком-экспертом в области права[1].
Правовые экспертные системы используют базу правил или базу знаний и движок для накопления, хранения и генерирования экспертных знаний по отдельным правовым вопросам.
Назначение
Считается, что правовые экспертные системы могут помочь справиться с быстрым ростом объёма правовой информации и судебных решений, процесс ускорившийся с конца 1960-х годов[2]. Многие ранние правовые экспертные системы были разработаны в 1970-х[1] и 1980-х годах[3].
Изначально основными целевыми пользователями правовых экспертных систем рассматривались юристы[4]. Возможные мотивации для такой разработки включали:
- более быструю выдачу юридических консультаций;
- сокращение времени на выполнение повторяющихся трудоёмких задач;
- возможность управления знаниями, не зависящую от персонала;
- снижение издержек и трудозатрат, увеличение прибыльности юридических фирм;
- снижение стоимости услуг для клиентов[5].
Некоторые из первых разработчиков стремились создавать автоматические судейские системы[6].
Одним из первых примеров применения ИИ в юридической области стало формализованное кодирование Закона о британском гражданстве в Имперском колледже под руководством Марека Сергота и Роберта Ковальски. Лэнс Эллиот писал: «Закон о британском гражданстве был принят в 1981 году и вскоре после этого использован как демонстрация эффективности внедрения методов искусственного интеллекта для формализации недавно принятых законодательных актов»[7].
Классическая статья авторов «The British Nationality Act as a Logic Program», опубликованная в 1986 году в журнале Communications of the ACM, стала одной из первых и самых цитируемых работ в области вычислительного права[8].
В 2021 году первая премия CodeX Prize была присуждена Роберту Ковальски, Фарибе Садри и Мареку Серготу за новаторскую работу по применению логического программирования к формализации и анализу British Nationality Act[9].
В дальнейшем применение правовых экспертных систем было распространено и на неюристов для повышения доступности юридических знаний[4].
Правовые экспертные системы также применяются для поддержки административных процессов, ускорения принятия решений, автоматизации анализа по установленным правилам[10] и обмена информацией с пользователями-гражданами[11].
Виды
Архитектурные разновидности
Правила-ориентированные экспертные системы используют модель дедуктивного вывода, основанную на логике «Если A, то B». В таких системах информация представляется в виде правил внутри базы знаний[12].
Кейс-базированные модели, основанные на примерах из практики, призваны эмулировать аналоговое рассуждение, хорошо подходящее юридической сфере[12]. Эта модель использует известные решения и результаты для схожих проблем[13].
Нейронная сеть использует компьютерную модель, имитирующую структуру мозга человека, и похожа на кейс-базированную модель[12]. Такая система способна распознавать и классифицировать шаблоны в правовых знаниях и работать с неточными вводными данными[14].
Модели на основе нечёткой логики создают т. н. «размытые» понятия или объекты, которые могут быть переведены в количественные правила для индексирования и поиска[14]. В юридических задачах нечёткая логика позволяет расширить дедуктивные и кейс-базированные методы[15].
Теоретические различия
Некоторые проектировщики правовых экспертных систем придерживаются практического подхода и используют научные методы вывода в рамках заданных правил или кейсов, другие строят системы на более широких философских основах, вдохновлённых юриспруденцией и её теориями[1].
Функциональные различия
Часть систем нацелена на получение конкретного юридического заключения, а другие — на прогнозирование исходов. Примером прогностической системы служит та, которая предсказывает решение суда, потенциальную стоимость дела или итог спора[3].
Восприятие
Многие формы правовых экспертных систем получили широкое признание среди юристов и пользователей юридических услуг[16].
Проблемы и ограничения
Проблемы предметной области
Внутренняя сложность права как дисциплины создаёт существенные трудности для разработчиков правовых экспертных систем и инженеров знаний. Юридические вопросы часто включают сложные взаимосвязанные факты и проблемы[5][6].
Неопределённость фактических обстоятельств часто усиливается тем, что система должна работать с противоречивыми описаниями фактов[5].
Компьютерное решение задач
Большинство компьютерных методов решения правовых задач основано на дедукции, но такие модели плохо справляются с учётом степени значимости определённых норм или прецедентов, которые могут (или не могут) повлиять на исход конкретного дела[12].
Представление правовых знаний
Формализация и структурное представление юридической экспертизы в среде экспертных систем затруднительно. Проблемы включают:
- Открытость текстуры: право редко применяется абсолютно точно к конкретным фактам, а результаты — не всегда однозначны. Законы могут толковаться по-разному в зависимости от языка, судебных прецедентов или субъективного понимания справедливости судьи[5];
- Балансировка причин: многие юридические споры подразумевают наличие ценных, но сложно формализуемых аргументов. Например, конституционные дела часто предполагают баланс между интересами государства и правами личности[17];
- Неопределённость юридического вывода: в процессе судебных разбирательств часто имеют место две сильные, противоположные позиции по одному и тому же вопросу. Ответ в таком случае может зависеть, например, от числа судей в апелляционной инстанции, поддержавших тот или иной аргумент[6].
Время и экономическая целесообразность
Создание полноценной экспертной системы требует значительных затрат на архитектуру ПО, экспертные знания и инжиниринг знаний. Поэтому многие системы ограничивают свою область узкой предметной областью и юрисдикцией, что затрудняет обоснование их затрат с точки зрения выгоды[5].
Современные применения ИИ в праве включают анализ документов, где требуется высокая степень полноты и качества, например, при судебных разбирательствах и проведении дью-дилидженс[18]. Среди наиболее количественно оцениваемых преимуществ ИИ — экономия времени и средств, высвобождение ресурсов юристов и снижение стресса[18]. Это приводит к увеличению пропускной способности и потенциальному росту доходов юридических фирм[18]. Затраты на внедрение ИИ компенсируются экономией на рутинных операциях, часть стоимости может быть переложена на клиентов[18].
Ошибочность решений и выводов
Правовые экспертные системы могут приводить неспециалистов к некорректным или ошибочным результатам. Проблема усугубляется при высокой степени доверия к результатам таких систем[19].
Примеры
ASHSD-II — гибридная экспертная система, сочетающая правила- и кейс-базированные методы для решения споров на тему распределения имущества супругов по английскому праву[13].
CHIRON — гибридная система, поддерживающая налоговое планирование по законодательству США[20].
JUDGE — правила-ориентированная система для вынесения решений по делам об убийстве, нападении и непредумышленном убийстве в сфере уголовного права[21].
Legislate — платформа для управления контрактами на базе графа знаний, автоматически создающая одобренные юристами контракты[22].
The Latent Damage Project — правила-ориентированная система, определяющая сроки исковой давности по закону Latent Damage Act 1986 (Великобритания) для дел о деликтах, договорах и ответственности за продукцию[23].
Split-Up — системы, помогающая разделить имущество супругов согласно Закону о семейном праве Австралии (1975 год)[24].
SHYSTER — кейс-базированная система, способная работать и как гибридная, поддерживает несколько областей, включая австралийское авторское право, контрактное и административное право[21].
TAXMAN — правила-ориентированная система для классификации дел по корпоративной реорганизации в категориях законодательства[25].
Catala — французский предметно-ориентированный язык программирования, созданный для формально-верной (с применением формальные методы) интерпретации законодательства; поддерживается INRIA[26].
Дискуссии
В юридической и ИТ-литературе нет единого мнения о различии между правовой экспертной системой и системой знаний, иногда называемой интеллектуальной системой знаний. Если правовые экспертные системы стремятся к имитации человеческого эксперта, то системы знаний могут требовать постоянной поддержки эксперта-человека. Кроме того, истинные правовые экспертные системы, как правило, ограничиваются узким спектром вопросов, в отличие от более широких и универсальных систем знаний[5].
Появление правовых экспертных систем расценивается как потенциально подрывающее традиционный рынок индивидуальных юридических услуг, что воспринимается представителями профессии как угрозу устоявшемуся порядку[5].
Отмечается, что пренебрежение методологией юридического решения может привести к созданию экспертных систем, не отражающих реальную сложность принятия решений в праве[1]. Другие исследователи, напротив, полагают, что юридическое мышление иногда возможно и без глубокой теоретической базы, и это свойство должно быть свойственно экспертным системам[21].
Из-за присущей экспертным системам строгости и точности их работа может восприниматься как вызов традиционным, менее формализованным моделям юридического рассуждения[25]. Некоторые авторы считают, что суть юридической практики заключается не столько в анализе норм, сколько в предсказании вероятного решения судьи по конкретному делу[3].
Современные разработки
С 2013 года в развитии правовых экспертных систем наблюдается значительный прогресс. Профессор Танина Ростайн (юридический факультет Джорджтаунского университета) преподаёт курс по проектированию таких систем[27]. Открытые платформы, такие как Docassemble, и компании Neota Logic, Logic Programming Associates, Berkely Bridge, Oracle и Checkbox предлагают системы на базе искусственного интеллекта и машинного обучения[28][29].
No-Code-продукт
В последние годы мир правовых экспертных систем тесно пересёкся с развитием low-code/no-code-продуктов. В статье No Code and Lawyers в журнале NoCode Journal[30] рассматриваются инструменты Neota Logic, VisiRule, Berkeley Bridge, BRYTER, Josef, применяемые в правовой сфере для онлайн-консультирования, автоматизации юридических документов, драфтинга, экспертизы и бизнес-процессов.
Примечания
Ссылки
- CodeX Techindex — каталог Legal Tech от Стэнфордская школа права
- LawSites — список Legal Tech-стартапов