Hvorfor trænede den næste generation af advokater i big data

Kunstig intelligens transformerer den traditionelle levering af juridiske tjenester.

Generelt set, sættet af værktøjer, der bredt kaldes "juridiske analyser", lover at gøre to ting:øge effektiviteten af ​​opgaver, der engang krævede betydelig tid og menneskelig indsats, og miner masser af data for at opdage ny indsigt, som tidligere var utilgængelig.

Som juridiske lærde, vi er begejstrede for løftet om at anvende disse værktøjer på juridiske forskningsspørgsmål. I Georgia State, vi bygger tværfaglige forskerhold med jurister og dataforskere, der arbejder side om side. Eleverne er også involveret så vi kan uddanne den næste generation af advokater til at udnytte disse værktøjer i deres egen praksis.

Transformering af juridiske opgaver

Antag, at en virksomhed ønsker at forudsige, hvilke medarbejderklager der fører til retssager. Historisk set, virksomheden kan udpege et team af analytikere og advokater til at gennemsøge klageregistre, personalesager og retsdokumenter, søger efter et eller andet mønster, der kan signalere en retssagsrisiko. Denne omhyggelige proces kan tage måneder og kræve en hær af mennesker til at behandle tusindvis af sider med tekst.

At behandle denne opgave i stedet som et datavidenskabsproblem forbedrer hastigheden og effektiviteten dramatisk. En algoritme kunne udtrække nøgletekst i bulk og samle den til analyse. Menneskelig tid og opmærksomhed vil så kun blive trænet på den relevante information. Den arbejdskrævende eftersøgningsproces ville blive elimineret.

Den nye generation af analyseværktøjer kan mere end blot at reducere arbejdstimer. Teknikker som maskinlæring – en form for kunstig intelligens, hvor computere rekursivt kan lære af et sæt eksempler uden at være eksplicit programmeret til at gøre det – kan muliggøre opdagelsen af ​​nye mønstre, der er uden for rækkevidde af manuel analyse. For eksempel, i scenariet ovenfor, en algoritme kan muligvis forudsige, om en given medarbejderklage vil resultere i en retssag.

I vores laboratorium, vi tester anvendelsen af ​​analyseværktøjer til en bred vifte af juridiske spørgsmål. Vi analyserede alle ansættelsessager i den amerikanske distriktsdomstol i det nordlige Georgia for at forstå, hvilke sager der vinder og taber og for at identificere sagstræk som dommere, advokater og forslag, der kan påvirke en sags endelige udfald.

For eksempel, vi fandt det, når et forslag af landsretsformanden blev henvist til en domsmandsdommer med henblik på en foreløbig rapport og indstilling, dommerens anbefaling var den stærkeste forudsigelse for dommerens endelige afgørelse. Det rejser interessante spørgsmål, som vi undersøger nærmere, om beslutningstageres roller i løsning af juridiske tvister.

Udnyttelse af big data

Juridisk analyse har fanget fantasien hos både advokater og forskere. I en nylig konkurrence i Storbritannien, 100 advokater fra de bedste London-firmaer blev stillet op imod et kunstig intelligensværktøj til at forudsige udfaldet af hundredvis af simple økonomiske tvister. Robotten vandt med stor margin, forudsige 86,6 procent af tilfældene korrekt, mens menneskene korrekt forudsagde kun 66,3 pct. Værktøjet "lærte" noget om de stridigheder, som menneskene manglede, at slå advokater ved deres eget forudsigelsesspil.

Selvfølgelig, ikke alle juridiske problemer reduceres pænt til et sæt variabler, og menneskelig adfærd følger ikke altid sporbare mønstre. Forudsigelsesværktøjer fungerer mindre godt, når det relevante datasæt er lille, eller når teksten, der er genstand for analyse, er så varieret og idiosynkratisk, at mønstre er svære at opdage.

Fremskridt kan også bringe fare. Historiske data om tidligere begivenheder indeholder ofte bias og unøjagtigheder, hvilket betyder, at selv den mest sofistikerede computerkode, når de bliver fodret med affald, kan kun producere affald til gengæld. Kaution-indstillingsalgoritmer, for eksempel, er blevet kritiseret for at opretholde racemæssig skævhed i strafferetsplejen.

Hvis advokater uddelegerer for meget af vores beslutninger til algoritmer, så er vi bestemt til at gentage vores historiske mønstre og fejltagelser. For eksempel, algoritmer til forudsigelse af retssager, der er trænet i sager fra pensionerede dommere eller forældet retspraksis, kan gå glip af nye udviklinger og anbefale en unødvendigt konservativ fremgangsmåde.

Til sidst, en robotadvokat er en dårlig erstatning for en menneskelig advokat. Menneskelig dømmekraft vil forblive en afgørende ingrediens i advokatpraksis. Det, der vil ændre sig, er, når det bruges til at øge intelligens hentet fra andre systemer.

Hvad nye advokater skal vide

Hvis lovens praksis ændres, så betyder det, at dele af juridisk uddannelse skal ændres, også.

Nogle fremtidige advokater vil uddanne sig som computerprogrammører, i stand til at skrive den kode, der ligger til grund for juridiske analyseværktøjer. Andre vil blive vidende forbrugere af resultaterne fra disse værktøjer, i stand til kritisk at vurdere output. Vores institution er ved at udvikle en dobbelt grad i analyse og jura, samt koncentrationer inden for J.D. og LL.M. programmer.

Vi mener, at alle juraskoler bør kæmpe med, hvordan man uddanner nutidens studerende til en fremtidig praksis. Uanset hvor transformerende, til sidst, juridisk analyse er et værktøj. Morgendagens advokater burde være parate til at udnytte dens fordele, samtidig med at man forstår, hvor disse fordele ender og menneskelig dømmekraft begynder.

Denne artikel er genudgivet fra The Conversation under en Creative Commons-licens. Læs den originale artikel.