Ρομπότ ή άνθρωπος δικαστής;;

Δευτέρα 03/02/2023    06 : 51 : 13
ρομποτ
65 / 100

Το δίλημμα της νέας εποχής της «Τεχνητής Δικαιοσύνης»

του Γιώργου Καζολέα, Δικηγόρου

Η εισαγωγή και χρήση της Τεχνητής Νοημοσύνης (Τ.Ν.) στα δικαστικά συστήματα (“artificial justice”) επιδιώκει να βελτιώσει την αποτελεσματικότητα και την ποιότητα της απονομής δικαιοσύνης και καθώς η συγκεκριμένη τεχνολογία εξελίσσεται ώστε πλέον να αυξάνεται ο αριθμός των ανθρώπινων λειτουργιών και εργασιών που να μπορούν να αντικατασταθούν με επιτυχία από τα συστήματα Τεχνητής Νοημοσύνης, η συζήτηση εντείνεται ακόμα και για πλήρη αντικατάσταση του ανθρώπου δικαστή από τα συστήματα αυτά σε ορισμένες ιδίως κατηγορίες δικαστικών υποθέσεων.

Στη Νέα Ζηλανδία έχει ήδη αναπτυχθεί ένα σύστημα διαχείρισης και κρίσης αξιώσεων με βάση το προφίλ των αιτούντων και την αξιολόγηση των δεδομένων στο πλαίσιο του κρατικού συστήματος αποζημίωσης ατυχημάτων της χώρας (Accident Compensation Corporation)[1].

Στην Αυστρία ήδη χρησιμοποιούνται συστήματα Τ.Ν. σε επιμέρους εργασίες του δικαστικού συστήματος, όπως ανάλυση, ταξινόμηση και εξαγωγή μεταδεδομένων για αλληλογραφία, προσδιορισμός περιγραφής και ταξινόμησης σαρωμένων εγγράφων και ανωνυμοποίηση δικαστικών εγγράφων.[2]

Στο Μεξικό, η τεχνητή νοημοσύνη υποστηρίζει ήδη τη λήψη απλούστερων διοικητικών αποφάσεων. Για παράδειγμα, το σύστημα Mexican Expertius «συμβουλεύει» επί του παρόντος τους δικαστές και τους υπαλλήλους για τον προσδιορισμό του εάν ο αιτών είναι ή όχι επιλέξιμος για τη χορήγηση σύνταξης[3].

Και σε άλλες έννομες τάξεις ήδη γίνεται χρήση παρόμοιων συστημάτων, όπου εισάγονται και καταγράφονται δεδομένα που μπορεί να αντιστοιχούν σε εκατομμύρια σελίδες εγγράφων, αξιολογούνται αυτοματοποιημένα και οδηγούν σε επίλυση της διαφοράς χωρίς ανθρώπινη παρέμβαση.

Η επεξεργασία δικαστικών αποφάσεων μέσω τεχνητής νοημοσύνης, ιδίως σε αστικές, εμπορικές και διοικητικές υποθέσεις, μπορεί να συμβάλει στη βελτίωση της προβλεψιμότητας της εφαρμογής του νόμου και στη διαμόρφωση σταθερής νομολογίας. Σε ποινικές υποθέσεις έχουν εκφρασθεί επιφυλάξεις, προκειμένου να αποφευχθούν οι διακρίσεις που βασίζονται σε ευαίσθητα δεδομένα, σύμφωνα με τις εγγυήσεις για δίκαιη δίκη[4].

Το ερώτημα ωστόσο πόσο αποτελεσματική, ως προς την ποιότητα του παραγόμενου δικαιοδοτικού έργου, μπορεί να είναι η αντικατάσταση ή ακόμα και υποβοήθηση του ανθρώπου- δικαστή από τον δικαστή «ρομπότ» της Τεχνητής Νοημοσύνης, παραμένει.

Ουσιαστικά, το σύστημα Τ.Ν. θέτει έναν αριθμό ερωτήσεων ή χρησιμοποιεί υπάρχοντα δεδομένα σχετικά με τα εμπλεκόμενα μέρη και θέτει ερωτήσεις σχετικά με τη διαφωνία για να καταστεί δυνατή η δημιουργία μιας ακριβούς περιγραφής της διαφοράς. Στη συνέχεια, ο υπολογιστής σχηματίζει ένα συμπέρασμα εφαρμόζοντας το νόμο στην περιγραφή της διαφοράς. Αυτό το επιτυγχάνει εφαρμόζοντας κανόνες για συγκεκριμένα σύνολα γεγονότων. Αυτή η διαδικασία μπορεί να επιτρέψει τη διατύπωση ενδεικτικών ή και τελικών αποφάσεων.

Σημειώνεται ότι ένα τέτοιο σύστημα «Τεχνητής Δικαιοσύνης» είναι σε θέση να ενημερώνεται συνεχώς τόσο ως προς τις τεχνολογικές του προδιαγραφές όσο και ως προς την εισροή εισερχόμενων πληροφοριών και δεδομένων, έτσι ώστε η αποδοτικότητά του να βελτιώνεται[5].

Η επίκριση ή έστω διατύπωση προβληματισμού για το σύστημα Τ.Ν. στην απονομή δικαιοσύνης βασίζεται στους παράγοντες που επηρεάζουν τη λήψη δικαστικών αποφάσεων από τους ανθρώπους δικαστές. Έχει σημειωθεί ότι τέτοιοι παράγοντες περιλαμβάνουν την επαγωγή και τη διαίσθηση, καθώς και την ικανότητα αξιολόγησης του κοινωνικού αντίκτυπου των αποφάσεων.[6]

Επίσης παράγοντες, όπως η κοινωνική εμπειρία, τα χρηστά ήθη, η επιείκεια ή αυστηρότητα ανά περίπτωση δεν φαίνεται προς το παρόν να υπάρχει τρόπος να συνεκτιμώνται από το σύστημα Τ.Ν.

Ωστόσο ο υποβοηθητικός ρόλος του συστήματος μπορεί να είναι ανακουφιστικός για τους δικαστές και να τους αποτρέπει από πολύωρη και κοπιαστική πνευματική εργασία, μέσω της εφαρμογής ενός αρχικού σταδίου επεξεργασίας των δεδομένων της υπόθεσης και την εξαγωγή ενός πρώτου συμπεράσματος ως προς την έκβαση της δίκης. Για παράδειγμα στις αστικές και διοικητικές διαφορές, αυτό θα μπορούσε να είναι εφικτό με την παραγωγή ενός σχεδίου ή υποδείγματος απόφασης από το σύστημα Τ.Ν., το οποίο εν συνεχεία να επεξεργάζεται και να ολοκληρώνεται από τον άνθρωπο δικαστή.

Η τεχνητή Δικαιοσύνη είναι η επόμενη πίστα που θα κληθούν να αντιμετωπίσουν τα δικαστικά συστήματα αλλά και η επόμενη πρόκληση της εφαρμογής της Νομικής Επιστήμης. Παρά τις όποιες αδυναμίες και επιφυλάξεις, οι οποίες θα αντιμετωπισθούν και απαντηθούν με την συνεχή εξέλιξη των συστημάτων, η δικαιοδοτική λειτουργία μέσω Τεχνητής Νοημοσύνης θα απλοποιήσει και συντομεύσει τη νομική εργασία, παρέχοντας παράλληλα εγγυήσεις στην απονομή της δικαιοσύνης που λόγω της ατελούς ανθρώπινης φύσης δεν είναι πάντα δεδομένες, όπως η αμεροληψία , η ανεξαρτησία και η διαφάνεια.

[1] University of Otago, Artificial Intelligence and Law in New Zealand σε www.cs.otago.ac.nz/research/ai/AI-Law/index.html, 2021

[2] Mag. Georg Stawa , Federal Ministry of Constitutional Affairs, Reforms, Deregulation and Justice Wien, 22. Juni 2018

[3] D Carneiro, “Online dispute resolution: an artificial intelligence perspective” (2014) 41 Artificial Intelligence Review 211

[4] Ευρωπαϊκή Επιτροπή «European Ethical Charter on the Use of Artificial Intelligence in Judicial Systems and their environment» , 2018

[5] Άρθρο του T Sourdin «Judge v robot? Artificial intelligence and judicial decision-making»,(2018)41(4)UNSW Law Journal

[6] Αυστραλιανή Επιτροπή Νομικής Μεταρρύθμισης, «Τεχνολογία: τι σημαίνει για την επίλυση ομοσπονδιακών διαφορών», Νο 23 , 1998

div#stuning-header .dfd-stuning-header-bg-container {background-color: #5dacee;background-size: initial;background-position: top center;background-attachment: initial;background-repeat: initial;}#stuning-header div.page-title-inner {min-height: 450px;}#main-content .dfd-content-wrap {margin: 0px;} #main-content .dfd-content-wrap > article {padding: 0px;}@media only screen and (min-width: 1101px) {#layout.dfd-portfolio-loop > .row.full-width > .blog-section.no-sidebars,#layout.dfd-gallery-loop > .row.full-width > .blog-section.no-sidebars {padding: 0 0px;}#layout.dfd-portfolio-loop > .row.full-width > .blog-section.no-sidebars > #main-content > .dfd-content-wrap:first-child,#layout.dfd-gallery-loop > .row.full-width > .blog-section.no-sidebars > #main-content > .dfd-content-wrap:first-child {border-top: 0px solid transparent; border-bottom: 0px solid transparent;}#layout.dfd-portfolio-loop > .row.full-width #right-sidebar,#layout.dfd-gallery-loop > .row.full-width #right-sidebar {padding-top: 0px;padding-bottom: 0px;}#layout.dfd-portfolio-loop > .row.full-width > .blog-section.no-sidebars .sort-panel,#layout.dfd-gallery-loop > .row.full-width > .blog-section.no-sidebars .sort-panel {margin-left: -0px;margin-right: -0px;}}#layout .dfd-content-wrap.layout-side-image,#layout > .row.full-width .dfd-content-wrap.layout-side-image {margin-left: 0;margin-right: 0;}