La inteligencia artificial y el derecho ( IA y derecho ) es un subcampo de la inteligencia artificial (IA), que se ocupa principalmente de las aplicaciones de la IA a problemas de informática jurídica y la investigación original sobre estos problemas. Otra dirección es la transferencia de herramientas y métodos desarrollados en el contexto de la resolución de problemas legales al campo de la inteligencia artificial en general. Por ejemplo, las teorías de la decisión jurídica, especialmente los modelos de razonamiento , han contribuido al desarrollo de la representación y el razonamiento del conocimiento ; los modelos de organización social basados en normas contribuyeron al desarrollo de sistemas de agentes múltiples ; el razonamiento dentro del marco del trabajo de oficina contribuyó al desarrollo de la base de evidencia ; La necesidad de almacenar y recuperar grandes volúmenes de datos textuales ha hecho contribuciones significativas a la recuperación de información conceptual y bases de datos inteligentes.
Aunque Loevinger, [1] Allen [2] y Mel [3] anticiparon una serie de ideas que serían importantes para la IA y la ciencia jurídica, generalmente se considera que la primera propuesta seria para aplicar técnicas de IA al derecho es la de Buchanan y Headrick. . [4] Los primeros trabajos de este período incluyen el influyente proyecto TAXMAN de Thorne McCarthy [5] en los EE . UU . y el proyecto LEGOL de Ronald Stamper [6] en el Reino Unido . El primero se ocupó del modelado de mayorías y minorías en un caso de derecho fiscal de EE. UU. ( Eisner v. Macomber , mientras que el segundo intentó presentar un modelo formal de las normas y reglamentos que rigen una organización. La investigación histórica a principios de la década de 1980 incluye el trabajo de Carol Hafner sobre búsqueda conceptual, [7] el trabajo de Anne Gardner sobre derecho contractual, [8] el trabajo de Rissland sobre hipótesis legales , [9] y el trabajo del Imperial College London sobre la ejecución de legislación formal. [diez]
Entre las primeras reuniones de investigadores: una reunión única en Swansea , [11] una serie de conferencias organizadas por IDG en Florencia [12] , seminarios organizados por Charles Walter en la Universidad de Houston en 1984 y 1985. [13] La Conferencia Internacional sobre IA y Derecho (ICAIL) se estableció en 1987 y tiene lugar cada dos años. [14] Esta conferencia comenzó a ser percibida como la principal plataforma de publicación y desarrollo de ideas para la interacción de la IA y el derecho [15] , lo que llevó a la creación de la Asociación Internacional para la Inteligencia Artificial y el Derecho (IAAIL), para organizar y convocar posteriores ICAIL. Esto, a su vez, condujo a la fundación de Artificial Intelligence and Law Journal , cuyo primer número se publicó en 1992. [16] En Europa, las conferencias anuales JURIX (organizadas por la Fundación Jurix para los Sistemas Basados en el Conocimiento Jurídico) se llevan a cabo desde 1988. Con la intención inicial de reunir a investigadores holandeses ( de habla holandesa y flamenca ), JURIX se convirtió rápidamente en una conferencia internacional, principalmente europea, y desde 2002 se ha celebrado regularmente en países de habla holandesa. [17] Desde 2007, los seminarios JURISIN se llevan a cabo en Japón bajo los auspicios de la Asociación Japonesa de Inteligencia Artificial. [Dieciocho]
Hoy, la dirección de "IA y derecho" cubre una amplia gama de temas, [19] que incluyen:
Se han utilizado modelos formales de textos legales y razonamiento legal en IA y derecho para aclarar dificultades a fin de brindar una visión más clara y proporcionar un marco para la implementación. Se han utilizado varios formalismos, incluidos los cálculos proposicionales y de predicados; lógicas deónticas , temporales (temporales) y no monótonas ; y diagramas de transición de estado. Prakken y Sartor [21] brindan una descripción general detallada y autorizada del uso de la lógica y el razonamiento en IA y derecho y brindan un excelente conjunto de referencias.
Un papel importante de los modelos formales es eliminar ambigüedades. De hecho, la legislación está plagada de ambigüedades: debido a que está escrita en lenguaje natural, no hay paréntesis, por lo que el alcance de relaciones como "y" y "o" puede no ser claro (los redactores legales no siguen las convenciones matemáticas en A este respecto). "Si" también puede estar abierto a múltiples interpretaciones, y el asesor legal nunca escribe "si y solo si", aunque "si" a menudo significa exactamente eso. Layman Allen ha defendido el uso de la lógica proposicional para resolver tales ambigüedades sintácticas en una serie de artículos, quizás el primero en sugerir el uso de la lógica para modelar leyes en IA y derecho [2] .
A fines de la década de 1970 y durante la década de 1980, una parte importante del campo de la IA y el derecho fue el desarrollo de modelos ejecutables de legislación. La idea que surgió mientras trabajaba en LEGOL [6] de Ronald Stamper fue presentar la legislación usando un lenguaje formal y usar esa formalización (generalmente con algún tipo de interfaz de usuario de recopilación de hechos basada en casos) como base para los sistemas de asesoramiento de expertos. Esta dirección se ha vuelto popular, principalmente utilizando un subconjunto de cláusulas de Horn en el cálculo de predicados de primer orden. En particular, Sergot et al presentaron la Ley de nacionalidad británica de 1981 de esta forma [10] , lo que contribuyó en gran medida a la popularización del enfoque. Sin embargo, como mostraron estudios posteriores, esta ley era atípicamente conveniente para aplicar este enfoque: era nueva y, por lo tanto, no se modificó, era relativamente simple, casi todos los conceptos en ella no eran técnicos. Los intentos de formalizar otros materiales legislativos, como las "Asignaciones Complementarias" [22] , han demostrado que los documentos más grandes y complejos (que contienen muchas referencias cruzadas, excepciones, contrafactuales y presunciones legales) utilizan conceptos altamente especializados (como las condiciones de contribución ) y que han sufrido muchas correcciones, forman modelos finales mucho menos satisfactorios. Se han tomado algunas medidas para mejorar los resultados en términos de desarrollo de software, en particular para abordar problemas como referencias cruzadas, verificación y enmiendas. Para solucionar el primer problema se propuso el uso de representaciones jerárquicas [23] , para las dos últimas la denominada representación isomorfa [24] . En la década de 1990, esta área de investigación fue absorbida gradualmente por el desarrollo de formalizaciones de conceptualizaciones de dominio (las llamadas ontologías ), que ganaron popularidad en el campo de la IA después del trabajo de Tom Gruber [25] . Entre los primeros ejemplos en IA y derecho se encuentran la ontología funcional de Valente [26] y las ontologías marco de Visser y Van Kralingen [27] . Desde entonces, las ontologías jurídicas se han convertido en el tema de seminarios regulares en conferencias sobre IA y derecho, y hay muchos ejemplos de esto, que van desde el nivel más general y las ontologías básicas [28] hasta modelos extremadamente especializados de actos legislativos específicos.
Dado que el derecho incluye muchas normas, no es de extrañar que la lógica deóntica fuera considerada como una base formal para los modelos de legislación . Sin embargo, estos intentos no han sido ampliamente adoptados, quizás porque los sistemas expertos deben hacer cumplir las normas, mientras que la lógica deóntica tiene un interés real solo cuando se vuelve necesario tener en cuenta las violaciones de las normas [29] . En la práctica legal, las obligaciones directas [30] , según las cuales la obligación se relaciona con otra persona nombrada, son de particular interés, ya que las violaciones de tales obligaciones a menudo se convierten en causa de procedimientos judiciales. También hay algunos trabajos interesantes que combinan la lógica deóntica y la lógica de la acción para estudiar proposiciones normativas [31] .
En el contexto de los sistemas multiagente , las normas se han modelado utilizando diagramas de transición de estado. A menudo, especialmente en el contexto de las e-instituciones [32] , las normas descritas anteriormente están reguladas (es decir, no pueden ser violadas), pero en otros sistemas también se manejan las violaciones, dando un reflejo más exacto de las normas reales. Para un buen ejemplo de este enfoque, véase Modgil y otros [33] .
La ley incide muchas veces en el aspecto temporal, tanto en relación con el contenido, por ejemplo, determinados períodos y períodos, como en relación consigo misma, el momento en que la ley entra en vigor. Se han hecho algunos intentos de modelar estos aspectos en términos de lógica temporal , utilizando tanto formalismos computacionales como el lenguaje lógico Event Calculus [34] y lógicas temporales como la lógica temporal admisible [35] .
Cualquier consideración del uso de la lógica para la ley modelo debe tener en cuenta que la ley es inherentemente no monótona, como lo demuestra el derecho de apelación consagrado en todos los sistemas legales y situaciones donde la interpretación de la ley cambia con el tiempo [36] [37] [38] . Además, en la formulación de las excepciones legislativas, así como en la aplicación de la ley, abundan los precedentes rechazados o aprobados. En la programación lógica, las excepciones de error se usan a menudo para manejar la no monotonicidad [39] , pero también se pueden usar lógicas no monotónicas específicas como la lógica válida [40] . Sin embargo, con el desarrollo del razonamiento abstracto, estos problemas se resolvieron a través de la teoría de la argumentación en lugar de a través de la lógica no monotónica [41] .