AI sau nu AI în avocatură?

alexandra.caras/ September 11, 2020/ Articole, Articolul saptamanii, Legal Technology

Articol semnat de Adrian Măntoiu, CEO Wolters Kluwer România

Unul dintre cele mai recente proiecte pe care le-a gestionat Adrian este legat de dezvoltarea și aplicarea mecanismelor de inteligență artificială asupra jurisprudenței românești, pentru a determina automat tendințele care duc la un anumit verdict. Acest proiect a avut ca rezultat primul produs AI disponibil pe piața românească, Sintact Analytics.

Aceasta este una dintre întrebările pe care și le pune avocatul contemporan pus față în față cu Inteligența Artificială (AI).

Zilele trecute, colegii mi-au transmis faptul că AI-ul nostru din Sintact Analytics a citit 60.000 de hotărâri judecătorești în fiecare zi în ultima perioadă. Eu am citit 5. Ai-ul este în mod cert mai rapid.

Dar, cum vede” AI-ul o hotărâre judecătorească? Simplu – ca în imaginea de mai jos.

Ce înțelege din ea? Cum mă ajută pe mine? Cum ar trebui să interacționez cu AI-ul?

Este evident că sunt multe întrebări fiind un domeniu nou pentru profesioniștii din domeniul juridic. Dacă nu știm ce este și cum funcționează Inteligența Artificială (AI), vom vedea mereu în ea ceva necunoscut, gata să facă totul precum în povestirile pline de savoare ale lui Karel Čapek sau Isaac Asimov.

O definiție populară a termenului Inteligență Artificială ar putea fi mașini sau algoritmi ce imită funcțiile cognitive ale oamenilor sau animalelor, precum învățatul sau rezolvarea problemelor.

Pentru rigurozitate, trebuie să cunoaștem și definiția propusă de Comisia Europeană: Inteligența Artificială se referă la sisteme ce arată comportament inteligent prin analiza mediului și realizarea de acțiuni – cu un grad de autonomie – pentru a atinge anumite scopuri.

Sistemele AI pot fi pur software, acționând în lumea virtuală (ex. asistenți virtuali, software pentru analiza imaginilor, motoare de căutare, sisteme de recunoaștere vocală și facială) sau AI-ul poate fi integrat în dispozitive hardware (ex: roboți avansați, mașini autonome, drone sau aplicații IoT (Internet of Things))” [1]

Pentru a nu blama apriori AI-ul trebuie să ne amintim că toate invențiile omului au cel puțin o parte benefică și una mai puțin dorită. Să luăm ca exemplu automobilele – după apariția lor, am avut și primele accidente de mașină, necesitatea reglementării circulației, primele curse ilegale de automobile sau poluarea mediului de către motoarele cu ardere internă. Cu fiecare etapă a dezvoltării acestora, omenirea a reușit să le facă mai sigure, mai puțin poluante, mai confortabile și în tot acest timp au rezolvat problema deplasării din punctul A în punctul B, fiind un motor evident al dezvoltării economiei globale.

Să ne întoarcem însă la subiectul nostru – AI-ul. În primul rând, pentru a controla ceva, trebuie să știm ce este și cum funcționează.

Termenul de Inteligență Artificială este un concept de marketing. Chiar și matematicienii care au propus denumirea (mai puțin ancorați în realitate și mai mult îndrăgostiți de domeniul lor de cercetare, în opinia unora)  și-au dat seama că au nevoie de un nume atractiv pentru a-i impresiona pe investitori.

Astfel, în 1956 a apărut această denumire a domeniului ce includea la acel moment diferite ramuri – computerele, procesarea limbajului natural (NLP), rețele neuronale, teoria calculului, abstractizarea și creativitatea.

În momentul de față au fost adăugate câteva ramuri noi – deep learning, învățarea supervizată, modelarea informației. Aceste concepte noi și puterea de calcul crescută au relansat încrederea în reușita acestor eforturi de cercetare și au adus AI-ul pe culmile de glorie din prezent.

Practic, dacă avem un telefon smart, dacă am folosit un motor de căutare sau dacă am condus o mașină cu sistem de menținere a benzii și recunoaștere a semnelor de circulație, atunci viețile noastre au fost deja influențate în mod pozitiv de AI.

Sumele investite în dezvoltarea AI au fost uriașe și matematicienii au fost suficient de bine pregătiți pentru a arăta cât de complexe pot fi unele funcții cu care lucrează. Consultanții și avocații nu sunt singurii care pot transforma ceva simplu în ceva super complicat.

Pentru exemplificare, să luăm relația trivială:

1 = 1.

Desigur, ea poate fi redactată, pentru ușurința în scriere, ca

ln(e)= sin2(x) + cos2(x)

sau, pentru o mai bună înțelegere a acestei relații,

Putem continua în această direcție mult timp, dar scopul acestui text este de a ne face conștienți că matematica poate fi simplă și amuzantă dacă este prezentată adecvat.

Celor care nu cred că matematica este… o plăcere le recomand cu căldură cartea scrisă de dl. prof. Armand Martinov [2].

La nivel structural, un sistem AI poate fi reprezentat conform diagramei de mai jos:

Fig 1. Componentele unui sistem de Inteligență Artificială

Există 3 mari zone, definite în figura 1:


1. Intrările sau parametrii algoritmului

Orice informație care trebuie luată în calcul de către AI aparține acestei zone. Aici putem discuta de informații din mediul extern ce trebuie digitalizate (temperatura, presiunea, imaginea preluată de o cameră etc.) sau direct de informații digitale (textul unei legi sau al unei decizii judecătorești, textul unui e-mail sau evoluția vânzărilor dintr-o anumită regiune).

Totul este convertit într-o formă standardizată pentru a fi analizat de AI [3].

De exemplu, un “grădinar” AI ar trebui să primească informații despre umiditatea curentă a solului, nivelul de luminozitate (senzori externi) și prognoza nivelului de precipitații în următoarele zile (informații digitale), pentru a putea lua decizii corecte de menținere a unui mediu propice pentru o anumită cultură.

2. Zona de analiză / procesare

Este zona centrală – de obicei zona pe care cei mai mulți o percep ca fiind AI-ul. Aici se încadrează algoritmii specializați: rețele neuronale, Natural Language Processing (NLP), Deep learning, sisteme decizionale ș.a.

Practic, este zona care primește datele pentru procesare, analizează, structurează informația și ia o decizie.

Pentru fiecare tip de operație există algoritmi AI care au o rată mai mare de succes.

De exemplu, pentru recunoașterea imaginilor se folosesc rețele neurale convoluționale, iar pentru analiza textului combinații de NLP, sisteme de marcare (Named Entity Recognition) – rețele neurale pre-antrenate – BERT, GPT-3.

Finalitatea acestei zone este întotdeauna oferirea unui răspuns sau a unei decizii, cu un anumit grad de probabilitate. Evident, este de preferat ca acest grad să fie cât mai ridicat.

De exemplu, analiza unei imagini pentru a identifica existența în acestea a unei treceri de pietoni sau a unui semafor va produce un rezultat de tipul: “cu o probabilitate de 9X% această fotografie conține o trecere de pietoni”. Să nu uităm faptul că o înregistrare video este o secvență de fotografii, iar computerul nu se plictisește analizând această succesiune cadru cu cadru pentru a identifica momentul în care camera video filmează o trecere de pietoni.

3. Zona acțiunii/ interacțiunii

O analiză fără acțiune este precum un studiu de fezabilitate al unui drum fără contractul de realizare a acestuia. Evident, AI-ul nu procedează așa – pe baza analizei făcută în zona 2, AI-ul va interacționa cu mediul extern fie prin oferirea de informații, fie prin acționarea directă a unor motoare, fie prin înglobarea noului rezultat în analizele viitoare.

Folosind exemplele anterioare, un AI grădinar va deschide robinetele (electrovane în acest caz) pentru o perioadă adecvată de timp, în conformitate cu gradul de umiditate măsurat și prognoza meteo primită. Un AI care analizează imagini va marca în pozele primite zona în care a detectat treceri de pietoni.

Și totuși cum arată vizual o rețea neuronală?

Fig. 2. Rețea neuronală clasică (forward feeding)

Pentru ușurința modelării matematice, rețelele neuronale utilizate în prezent sunt organizate pornind de la nodurile de decizie (similari neuronilor) organizate în straturi decizionale și având legături (echivalentul sinapselor). În exemplul nostru avem un model care are doar legături de la un nivel inferior către nivelul imediat superior (forward feeding).

Evident, există multe alte modele de rețele neuronale ce au fost alese pentru a rezolva anumite probleme punctuale

Având în vedere faptul că puterea de calcul a crescut enorm în ultima perioadă, încă respectând legea lui Moore [4], rețelele neuronale din lumea reală au mii de straturi decizionale și sute de mii de noduri. Pentru comparație, GPT – 3 – una dintre cele mai performante rețele neuronale comerciale – oferită de OpenAI are +175 miliarde de parametrii (sinapse), în timp ce un creier uman are +100 trilioane de sinapse (de aproape 600 de ori mai mult).

La fel ca un copil, rețelele neuronale se bazează pe învățare. Este evident că responsabilitatea calității “învățăturilor” sunt în sarcina părinților și a educatorilor. Acest lucru nu ne ferește de situația în care copilul vine acasă știind o expresie mai puțin academică… În cazul AI-ului sarcina învățării este împărțită între programatori și specialiștii care pregătesc setul de exemple “Așa da”/ “Așa nu”.

Să luăm un exemplu simplificat – traversarea străzii. Dacă facem o paralelă între învățarea unui copil și a unei rețele neurale vom vedea similarități.

Părinte învățând copilul

Antrenarea unui AI

1.       Expun problema – trebuie să traversăm și solicit atenția, apoi împart pe etape

1.       Împart problema pe etape

2.       Caut cea mai apropiată trecere de pietoni

2.       Analiza imaginilor pentru identificarea unei treceri de pietoni și trainingul AI-ului (imaginile 1, 5 și 7 conțin treceri de pieton. Restul nu.)

3.       Mă uit la stânga și mă asigur că nu vin mașini

3.       Analiza imaginilor din stânga pentru identificarea vehiculelor și determinarea direcției și punctului de oprire a acestora

4.       Avansez până la mijlocul drumului

4.       Comandă de mișcare până la punctul de mijloc al drumului

5.       Mă uit la dreapta și mă asigur că nu vin mașini

5.       Analiza imaginilor din dreapta pentru identificarea vehiculelor și determinarea direcției și punctului de oprire a acestora

6.       Avansez până la trotuarul opus

6.       Comandă de mișcare până la trotuarul opus

Evident, exemplul de mai sus a fost foarte mult simplificat, pentru a ne ușura înțelegerea [5].

De fapt, ce ne dorim de la copilul nostru este să traverseze corect strada. În ce mod decide el că trebuie să stocheze și să analizeze informațiile pe care le-am oferit este mai puțin important pentru un părinte. Dacă am văzut că se descurcă singur în mai multe situații, căpătăm încredere în educația pe care am făcut-o și în capacitatea de reproducere și repetare a activității.

În mod similar, un AI, odată antrenat de oameni capabili și responsabili, va reproduce fără greșeli activitățile pentru care a fost instruit.

Evident, cu cât un sistem AI este antrenat mai bine, cu atât rata lui de succes în a identifica corect este mai mare. (NB – sistemele AI nu sunt infailibile. Totuși, rata lor de eroare poate fi mai mică decât cea a unei persoane).

Să luăm unul dintre AI-urile de la Apple, care identifică faptul că în pozele din telefoanele iPhone apar sau nu copaci.

Același algoritm a identificat un copac în poza de mai jos…

În concluzie, Apple, ar trebui să mai lucreze la antrenarea AI-ul respectiv, pentru a exclude această situație de rezultat fals pozitiv. Totuși, cel mai probabil este ca Apple să nu-și bată capul cu acest tip de problemă, având în vedere faptul că antrenarea AI-ul este unul dintre cei mai costisitori pași până la obținerea unui sistem funcțional.

Acum, având în vedere că am văzut ce este AI-ul și am căpătat încredere că poate recunoaște cu un grad mare de acuratețe treceri de pietoni, semne de circulație sau fețe de oameni, să-l vedem totuși cum se descurcă citind documente juridice complexe, cum ar fi deciziile judecătorești.

Să luăm un exemplu simplu: soluția unei decizii de recurs dintr-un proces civil.

AI-ul din Sintact Analytics a reținut” următoarele:

  • Decizie: Admite” + Referitor: recursul”
  • Consecințe: Casează” + Referitor: hotărârea”
  • Decizie: Trimite” + Referitor: rejudecare”

Aceste informații vor fi folosite pentru a vă prezenta un rezumat esențial astfel încât să parcurgeți rapid rezultatul deciziei curții și să decideți dacă această hotărâre este utilă pentru clientul dumneavoastră.

Rezumatul generat este: “Curtea admite recursul. Casează hotărârea și trimite spre rejudecare”

Practic, dintr-un dispozitiv ce are 87 de cuvinte, AI-ul a reușit să extragă doar 6 cuvinte care sunt relevante pentru a înțelege esența deciziei.

Precizia cu care AI-ul detectează cuvintele importante și extrage informația este uluitoare.

Să trecem la un caz mai complicat, de data aceasta din sfera penală.

Deși lucrurile sunt mai complicate, AI-ul extrage din nou fără greșeală informațiile esențiale

  • Decizie: Condamnă” + Referitor: închisoare” + perioadă 3 ani” + Reprezentând infracțiuni de complicitate la înșelăciune”
  • Decizie: Condamnă” + Referitor: închisoare” + perioadă 8 luni” + Reprezentând infracțiuni de complicitate la uz de fals”
  • Decizie: Contopește” + Referitor: închisoare” + perioadă 3 ani” + perioadă 8 luni” + in Pedeapsa cea mai grea” + perioada 3 ani” – fără spor de contopire
  • Decizie: Anulează suspendarea condiționată” + Referitor: executarea pedepsei”
  • Decizie: Sunt concurente” + Referitor: „infracțiuni”
  • Decizie: Descontopește” + Referitor: pedeapsa rezultată” + perioadă 3 ani” + in perioadă 3 ani” + perioadă 8 luni”
  • Decizie: Contopește” + Referitor: “închisoare” + perioadă 3 ani” + perioadă “8 luni” + + perioadă “3 ani” + in Pedeapsa cea mai grea” + perioada 3 ani” – fără spor de contopire
  • Bază legală: art 71 vechiul Cod Penal” + Decizie: Interzice” + Referitor: drepturile” + baza legală: art. 64 lit. a teza aII-a și lit. B vechiul Cod Penal”
  • Decizie: dispune suspendarea sub supraveghere” + Referitor: executarea pedepsei”
  • Decizie: Stabilește” + Referitor: termen de încercare” + perioadă 6 ani”
  • Decizie: Impune” + Referitor: măsuri de supraveghere”
  • Decizie: Să se prezinte” + Referitor: la serviciul de probațiune”
  • Decizie: Să anunțe” + Referitor: schimbare de domiciliu, reședință sau locuință și orice deplasare” + termen 8 zile”
  • Decizie: Să comunice” + Decizie: Să justifice” + Referitor: schimbare locului de muncă”
  • Decizie: Să comunice” + Referitor: informații”
  • Decizie: Impune” + Decizie: Să desfășoare” + Referitor: o activitate”
  • Decizie: să urmeze” + Referitor: un curs de învățământ ori de calificare”
  • Decizie: dispune suspendarea” + Referitor: executării pedepsei accesorii” + perioadă pe durata suspendării sub supraveghere a executării pedepsei”
  • Decizie: dispune virarea” + Sumă: 260 lei” + Referitor: onorariu cuvenit avocatului din oficiu”
  • Decizie: obligă la plata” + Sumă: 1,500 lei” + Referitor: cheltuieli judiciare”
  • Cale atat: Cu drept de apel” + Perioada: 10 zile”

Rezumatul realizat de AI al acestei soluții este următorul:

Condamnă la 3 ani închisoare pentru infracțiuni de complicitate la înșelăciune. Condamnă la 8 luni închisoare pentru infracțiuni de complicitate la uz de fals. Contopește închisoare de 3 ani cu închisoare de 8 luni în pedeapsa cea mai grea de 3 ani și adaugă 0 spor de contopire. Anulează suspendarea condiționată a executării pedepsei. Decide că infracțiunile sunt concurente. Contopește închisoare de 3 ani, cu închisoare de 8 luni și cu închisoare de 3 ani în pedeapsa cea mai grea de 3 ani și adaugă 0 spor de contopire. Interzice drepturile prevăzute la art. 64 lit. a teza a II-a și lit. B vechiul Cod Penal. Dispune suspendarea sub supraveghere pentru executarea pedepsei. Stabilește termen de încercare de 6 ani. Impune măsuri de supraveghere:

  • Să se prezinte la Serviciul de Probațiune
  • Să anunțe schimbarea de domiciliu, reședință sau locuință și orice deplasare – 8 zile
  • Să comunice și să justifice schimbarea locului de muncă
  • Să comunice informații

Impune să desfășoare o activitate. Să urmeze un curs de învățământ ori de calificare. Dispune suspendarea executării pedepsei accesorii pe durata suspendării sub supravegherea executării pedepsei. Dispune plata a 260 lei – onorariu avocat din oficiu. Obligă la plata a 1500 lei – cheltuieli judiciare. Cu drept de apel în 10 zile.

Pentru fiecare element, AI-ul a remarcat și referințele legislative care pot fi conexate cu fiecare decizie în parte. Depinde de fiecare dintre noi dacă dorim să le investigăm sau să identificăm cazurile în care curtea a decis să suspende pedeapsa cu închisoarea cu executare și să o convertească în perioadă de supraveghere.

Dacă revenim la întrebarea inițială, să folosim sau nu AI-ul în avocatură, cred că trebuie să răspundem înainte altor întrebări:

  • Am la dispoziție o echipă de colegi stagiari care pot face cercetare juridică în locul meu?
  • Dacă am, reușesc să mă încadrez în termenele cerute de client?
  • Dacă mă încadrez, oferta mea este competitivă?

AI-ul este precum colegul care a citit toate manualele din scoarță în scoarță și poate răspunde oricărei întrebări legate de acestea. Important este să știi ce întrebări să-i pui. De aceea, este esențial să-l înțelegi.

Până în prezent avem peste 1 milion de dosare de instanță legate de recuperarea taxei de poluare pentru mașinile second hand.

Cu alte cuvinte, avocații, juriștii, judecătorii și grefierii au de redactat peste 1 milion de cereri de chemare în judecată, peste 1 milion de întâmpinări, citații și hotărâri judecătorești.

Sunt ferm convins că nimeni dintre cei care au făcut o facultate de drept, urmată poate de un master, și, în funcție de profesie, un examen la Barou sau la INM nu visează cu plăcere la redactarea unor documente în care au de schimbat doar tipul mașinii, valoarea taxei de poluare și beneficiarul, toate acestea repetate de 1 milion de ori…

Pentru cei care încă se sperie de AI, aș vrea să abordez și o întrebare mai incomodă: poate fi folosit AI-ul în scopuri mai puțin etice sau legale? Cu siguranță, da.

Ar trebui să ne oprim acum? Cu siguranță, nu!

Faptul ca un grup de persoane a ghidat 2 avioane pline cu sute de oameni către două clădiri de birouri omorând alte mii de oameni ar fi trebuit să oprească visul omului de a zbura? Cred că nu.

Poate AI-ul să ne ajute să rezolvăm problemele mai rapid? Cu siguranță, da!

Trebuie să reglementăm AI-ul? Absolut, DA!

Consider că dezvoltarea și utilizarea sistemelor AI este un pas necesar către o societate unde toate activitățile nedorite sunt realizate de roboți conduși de AI, iar oamenii își alocă timpul exclusiv pentru activitățile de cercetare și dezvoltare pe care și le doresc sau pentru orice activități care le aduc bucurie, stimă sau recunoaștere din partea semenilor. Desigur, încă avem voie să visăm…

Doriți să vorbim mai mult despre AI și Legal Tech? Oricând!

Cele mai importante 10 bănci din România au deja înglobat în serviciilor lor cel puțin un sistem AI pentru a fi mai eficiente. Top 10 firme de avocatură din lume folosesc deja sisteme AI pentru a oferi servicii excepționale clienților lor. Când o să vedem același lucru și la cele mai importante firme de avocatură din România?

[1] Comunicare din partea Comisiei Parlamentului European către Parlamentul European, Consiliul Europea, Comitetul Economic European și Comitetul Social și Comitetul Regiunilor pentru Inteligență Artificială pentru Europa, Brussels, 25.4.2018 COM(2018) 237 finală. 

[2] Matematica… o plăcere”, Prof. Armand Martinov, Editura Sigma, 2003

[3]  Standardizarea parametrilor de intrare este esențială pentru buna funcționare a algoritmilor de AI. Printre tehnicile folosite sunt vectorizarea, normalizarea, utilizarea conversiilor, filtrarea etc.

[4] În 1965, Gordon Moore a remarcat faptul că numărul de tranzistori dintr-o pastilă de circuit integrat se dublează la fiecare doi ani, prezicând păstrarea acestui trend pentru următorii 10 ani. Suntem cu 55 de ani mai târziu și AMD, cu tehnologia de 7nm a realizat încă un ciclu al acestei legi. Este adevărat că ne apropiem de limitele fizice ale atomilor și această lege ar putea fi modificată – intrăm în era computerelor cuantice.

[5] În practică, pentru fiecare pas din cele de mai sus, trebuie să folosim unul sau mai multe sisteme AI în paralel (identificare treceri de pietoni, identificare mașini, identificare sens de deplasare/ punct de oprire) pentru a obține un rezultat valid.

Share this Post