Právní (právní) expertní systém je doménově specifický expertní systém , který využívá umělou inteligenci k napodobování práce právního experta z hlediska rozhodování. [1] :172 Právní expertní systémy využívají základny pravidel a znalostní báze a inferenční motor ke shromažďování, abstrahování a odvozování odborných znalostí o konkrétních předmětech v právní oblasti.
Bylo navrženo, že systémy právních expertů mohou pomoci orientovat se v rychle rostoucím toku právních informací a rozhodnutí, který zesílil od konce 60. let. [2] Mnoho z raných právních expertních systémů bylo vytvořeno v 70. letech [1] :179 a 80. letech. [3] :928
Zpočátku byli právníci identifikováni jako primární cíloví uživatelé právních expertních systémů. [4] :3 Potenciální motivace pro používání takových systémů:
Některé z raných vývojů se také zaměřily na vytvoření automatizovaných soudců. [6] : 386
V poslední době práce na systémech právních expertů rozpoznaly potenciální výhody pro neprávníky jako nový způsob přístupu k právním znalostem. [4] :4
Právní expertní systémy mohou také podporovat administrativní procesy, usnadňovat rozhodování, automatizovat analýzu založenou na pravidlech [7] a komunikovat přímo se spotřebitelskými občany [8] .
Expertní systémy založené na pravidlech spoléhají na modely deduktivního uvažování , které používají pravidla „když A, pak B“. Informace v systému jsou prezentovány formou deduktivních pravidel v rámci znalostní báze [9] .
Modely uvažování založené na případech, které ukládají a fungují na příkladech nebo případech, jsou schopny emulovat myšlenkový proces pomocí analogií , což se dobře hodí pro oblast práva [9] . Tento model se efektivně opírá o známé zkušenosti s řešením podobných problémů. [10] :5
Neuronová síť se opírá o počítačový model, který napodobuje strukturu lidského mozku a funguje velmi podobným způsobem jako předchozí model [9] . Neuronová síť je schopna rozpoznat a klasifikovat zákonitosti v oblasti právních znalostí a vypořádat se s nepřesnými vstupy. [11] :18
Modely fuzzy logiky se pokoušejí vytvořit „fuzzy“ koncepty nebo objekty, které pak mohou být převedeny na kvantitativní termíny nebo pravidla, která jsou indexována a získávána systémem [11] :18–19 . V právní oblasti lze fuzzy logiku použít v modelech založených na pravidlech a modelech uvažování na základě případů.
Zatímco někteří architekti právních expertních systémů zvolili velmi praktický přístup a aplikovali vědecké způsoby uvažování v rámci daného souboru pravidel či precedentů, jiní zvolili širší filozofický přístup inspirovaný právním uvažováním pocházejícím od zavedených právních teoretiků [1] :183 .
Některé právní expertní systémy se snaží dosáhnout určitého právního závěru, zatímco jiné jsou navrženy tak, aby předpovídaly ten či onen výsledek. Prediktivní systémy předpovídají soudní rozhodnutí, hodnotu případu nebo výsledek soudního řízení [3] :932 .
Mnoho forem právních expertních systémů je široce používáno a přijímáno jak právní veřejností, tak spotřebiteli právních služeb [12] [13] .
Inherentní složitost práva jako disciplíny vytváří bezprostřední potíže pro znalostní inženýry zapojené do právních expertních systémů. Právní problémy často zahrnují vzájemně související skutečnosti a problémy, což dále zvyšuje složitost [14] [13] .
Skutečná nejistota může také nastat, když existují kontroverzní verze reprezentací faktů, které musí být zadány do expertního systému, aby se zahájil proces uvažování [5] :4 .
Omezení většiny počítačových metod řešení problémů brání úspěchu mnoha expertních systémů v právní oblasti. Expertní systémy se obvykle opírají o modely deduktivního uvažování, které mají potíže při přiřazování vah určitým právním principům nebo důležitosti precedentů, které mohou, ale nemusí ovlivnit rozhodnutí v daném případě nebo kontextu [9] .
Odborné právní znalosti může být obtížné reprezentovat a formalizovat ve struktuře expertního systému. Pro znalostní inženýry tyto výzvy zahrnují:
Vybudování fungujícího expertního systému vyžaduje značné investice do softwarové architektury , odbornosti domény a znalostního inženýrství . Tváří v tvář těmto problémům mnoho systémových architektů omezuje pracovní prostor z hlediska předmětu a jurisdikce. Důsledkem tohoto přístupu je vytváření úzce zaměřených a geograficky omezených právních expertních systémů, které je obtížné zdůvodnit z hlediska nákladů a přínosů [5] :5 .
Právní expertní systémy mohou vést neodborníky k nesprávným nebo nepřesným výsledkům a rozhodnutím. Tento problém může být umocněn tím, že uživatelé mohou příliš spoléhat na správnost nebo platnost výsledků nebo rozhodnutí generovaných takovými systémy [16] .
ASHSD-II je hybridní právní expertní systém, který kombinuje model uvažování založený na pravidlech a případu ve sporech o majetek v manželství podle anglického práva [10] :49 .
CHIRON je hybridní právní expertní systém, který kombinuje modely uvažování založené na pravidlech a případu na podporu činností daňového plánování v souladu s daňovými zákony a zákony Spojených států [17] .
JUDGE je právní expertní systém založený na pravidlech, který pracuje s trestněprávními tresty za zločiny vraždy, ublížení na zdraví a zabití. [18] :51
Projekt Latent Damage Project je právní expertní systém založený na pravidlech, který se zabývá promlčením podle zákona o latentních škodách z roku 1986 (UK) v deliktním, smluvním a komoditním právu [19] .
Split Up je právní expertní systém založený na pravidlech, který pomáhá při rozdělení majetku v manželství podle australského zákona o rodině z roku 1975 [20] .
SHYSTER je expertní systém založený na případu, který může také fungovat jako hybrid díky své schopnosti komunikovat s modely založenými na pravidlech. Byl navržen tak, aby vyhovoval několika právním oblastem, včetně aspektů australského autorského práva, smluvního práva, osobního vlastnictví a správního práva [18] .
TAXMAN je systém založený na pravidlech, který je schopen prezentovat základní formu právního zdůvodnění, klasifikující případy podle konkrétní kategorie právních předpisů o reorganizaci společností. [21] :837
Neexistuje shoda v tom, co odlišuje právní expertní systém od znalostního systému (také nazývaného inteligentní znalostní systém). Zatímco systémy právních expertů jsou navrženy tak, aby fungovaly na úrovni lidského právního experta, systémy založené na znalostech mohou záviset na přímém zapojení lidského experta. Skutečné právní expertní systémy se obvykle zaměřují spíše na úzkou oblast znalostí než na širší a méně konkrétní oblast, jako je většina systémů založených na znalostech [5] :1 .
Právní expertní systémy představují potenciálně rušivou technologii pro tradiční poskytování právních služeb na míru. Praktikující právníci je tedy mohou považovat za hrozbu pro jejich podnikání [5] :2 .
Tvrdilo se, že nezohlednění různých teoretických přístupů k právnímu rozhodování povede k vytvoření expertních systémů, které neodrážejí skutečnou povahu rozhodování. :190 Mezitím někteří architekti právních systémů tvrdí, že vzhledem k tomu, že mnoho právníků má kvalifikované schopnosti právního uvažování bez pevného základu v právní teorii, totéž by mělo platit o systémech právních expertů [1] :190 Mezitím někteří architekti právních expertních systémů tvrdí, že protože mnoho právníků má zdatné právní uvažování bez solidního základu v právní teorii, totéž by mělo platit pro systémy právních expertů. [18] :str.6–7 .
Protože právní expertní systémy aplikují přesnost a vědeckou přísnost na akt přijímání právních rozhodnutí, lze je vnímat jako výzvu pro neuspořádanější a méně přesnou dynamiku tradičních právních norem právního uvažování [21] :839 . Někteří komentátoři také tvrdí, že skutečná povaha právní praxe nezávisí vždy na analýze právních norem či principů; místo toho jsou rozhodnutí založena na očekávání, že lidský soudce v konkrétním případě rozhodne [3] :930 .
Od roku 2013 došlo v oblasti právních znaleckých systémů k významným změnám. Profesorka Tanina Rostainová z právnické fakulty Georgetownské univerzity vyučuje kurz navrhování právních expertních systémů [22] . Společnosti jako Neota Logic začaly nabízet právní expertní systémy založené na umělé inteligenci a strojovém učení [23] .