人工知能は法曹界に「参入」しつつあり、弁護士や裁判官に取って代わることになるのでしょうか？

2023年8月24日、科学普及中国星空フォーラムは「汎用人工知能の軌道はどこにあるのか？」をテーマに、人工知能研究分野の専門家4名を招き、理論的パラダイム、目標、実装方法、応用などに焦点を当て、将来の汎用人工知能技術が人類社会全体にどのような影響を与えるかについて話し合いました。

湖北省景卓法律事務所の弁護士であり、漢口学院文学法学院の教師でもある沈建明氏は、「人工知能による法的推論システムの限界と展望」について講演した。

以下は沈建明氏のスピーチからの抜粋です。

2022年12月9日、最高人民法院は「人工知能の司法応用の標準化と強化に関する意見」を発表し、2025年までに我が国は基本的に比較的完備した司法人工知能応用システムを構築すべきであると提案した。 2023年までに、規範的指導と応用実証効果を備えた司法人工知能応用理論システムを構築する。

2016年以来、最高人民法院と最高人民検察院は「スマート裁判所」と「スマート検察業務」に関する一連の計画意見を発表し、各級人民法院はこれに応えてきた。 2016年、杭州裁判所はオンライン裁判所の構築に重点を置いた「法小涛」システムを立ち上げた。北京の裁判所は相次いで瑞裁判官インテリジェント分析システムを導入し、上海の裁判所は206インテリジェント刑事事件支援システムを構築した。このシステムは、裁判事務の手続面におけるインテリジェンス化を実現するだけでなく、裁判活動にも大きく貢献します。

ギャラリー内の画像は著作権で保護されています。転載して使用すると著作権侵害の恐れがあります。

法律の人工知能は、中国の法曹界の政策や技術によって推進されているだけでなく、世界各国も独自の裁判サービスシステムに取り組んでいます。

最も典型的な例は、米国の裁判所がCOMPASS刑事裁判量刑システムを採用していることです。これは主にビッグデータ操作を使用して、刑事事件文書の要素に注釈を付け、量刑プロセスを分析し、判決文書を標準化します。文書から関連する要素を抽出し、一般要素、文章要素などに分割します。例えば強盗の場合、最終的には強盗が複数回行われたかどうか、武器を使用して強盗が行われたかどうか、強盗の金額などの要素があります。これらに異なる重みを割り当てることにより、裁判官は包括的な量刑参考意見によってサポートを受けることができます。

裁判官を支援する法律関連の人工知能システムが数多く存在する中、私たちは 2 つの問題について考える必要があります。

質問 1 : 人工知能システムは裁判官や弁護士のような役割を果たすことができますか?人工知能システムは司法裁判を実施できますか?

質問 2 : 人工知能システムは法的推論を実行できますか?

特にテクノロジーが急速に進歩している今、この問題に対応するには「冷静な思考」が必要です。まず、現在主流の人工知能がどのようにして法的推論を実現しているかを理解する必要があります。法的な問題にはどのように対応しますか?

1950 年代以降、人工知能は急速な発展傾向を示し、象徴主義とコネクショニズムに代表される 2 つの異なる人工知能研究の道が生まれ、どちらの道も満足のいく成果を達成しました。

1. 象徴性

象徴主義の基本的な前提は、人間の心理的能力は本質的に物理的な象徴システムであり、人間の脳は物理的な象徴システムに似ているということです。問題を解決するには、与えられた問題のすべての可能性の中から適切な方法を探して見つけることです。つまり、人間が解決策を見つけるプロセス、つまり認知と計算をコンピュータの記号演算によって実現するのです。

初期の法的人工知能は、記号の論理的経路に基づいて構築されました。人工知能の学者たちは、人工知能システムがすべての法的規則と法的推論のルールを理解している限り、法的推論の自動化は達成できると考えています。これは人工知能科学者だけが追求しているものではなく、多くの法学者も同様の願望を表明している。

ドイツの思想家マックス・ウェーバーはかつて、理想的な司法モデルを自動販売機に例えました。つまり、事件の事実が一方の端に入力され、もう一方の端で事前に決められた法的​​規範に基づいて司法判断が下されるというものです。

ギャラリー内の画像は著作権で保護されています。転載して使用すると著作権侵害の恐れがあります。

多くの法律専門家は、法律は科学であり、科学的手法に基づくいくつかの基本原則と概念から正しい法的規則と結論を導き出せると信じています。

しかし、象徴主義の道の下では、合法的な人工知能の進歩は非常に遅いものでした。

法令の判例検索データベースは存在するものの、真の法的推論は不可能であり、ましてや司法判断を下すことは不可能である。

したがって、この技術の実験結果は、法分野における記号人工知能システムの部分的な失敗も証明しています。その理由は、人工知能の科学者が法制度そのものの複雑さと開放性を過小評価しているからだ。

アメリカの有名な最高裁判所判事ホームズ氏はかつてこう言いました。「法律の命は論理ではなく経験にある。」

法的規則の適用には、法的論理に準拠した推論だけでなく、規則の背後にある社会的経験も必要です。これらの規則の適用は、裁判官の背景知識にも大きく依存します。裁判官は、規則に含まれる法的感情、道徳的方針など、多くの要素を考慮する必要があります。したがって、コンピュータで具体化された言語を通じて構築されたルールシステムでは、異なるルール間のこれら 2 つの論理関係を構築することが難しく、異なるルール間の意味と含意を完全に表現することはさらに困難です。まさにこのような意味は含意に富み、コンピュータ言語で実現するのが難しいため、象徴主義は徐々にコネクショニズムに置き換えられていきます。

2. コネクショニズム

コネクショニズムは、これ自体が認知科学の運動から生まれたものだと考えています。人工ニューラルネットワークを通じて知的活動を説明します。ニューラル ネットワークは、ニューロンと、異なるニューロンを接続する重みで構成されます。重みはニューロン間の接続強度を模倣します。ニューラルネットワークの活動をシミュレートすることで、人間の認知プロセスを実現できます。

コネクショニスト人工知能システムの最も一般的な応用分野は、音声認識、画像認識などであり、よく話題になるディープラーニングや最近人気のChatGPTもコネクショニストモデルの具体的な表現です。

ギャラリー内の画像は著作権で保護されています。転載して使用すると著作権侵害の恐れがあります。

このアルゴリズムは、分類を通じてさまざまなパターンの構造的な違いを識別し、特定の重みを使用してパターンのルールを発見し、機械が物事を学習できるようにします。コネクショニズムは、象徴主義自体の完全な形式化の問題を克服しているため、実際にはより広範囲に応用できます。

米国の COMPASS システムなど、上記に挙げた司法人工知能の多くは、コネクショニスト モデルに基づいて開発されました。コネクショニスト人工法の人工知能は、法的文書の生成や司法判断の支援において大きな意義を持っています。

3. 人工知能は裁判官や弁護士に取って代わるでしょうか?

では、このタイプの人工知能は、裁判官や弁護士などのように意思決定を行う能力があるのでしょうか?司法判断は可能でしょうか？司法判断で示された推論は法的な意味で使用できるでしょうか? 4つの側面から回答します。

最初の問題は、主流の人工知能のデータベースに反映されています。主流の人工知能の学習はデータの供給に依存しており、このデータは単に現実世界の乱雑なデータではありません。ビッグデータを有用なデータにするためには、そのデータを識別する必要があります。識別を通じて、データは人工知能システムによって認識できるようにアルゴリズム構造の要件を満たす必要があります。

データ認識のプロセスは、元のデータに含まれる意味を切り出すプロセスです。切り取った後のデータは、特定の人工知能システムの要件を満たすことしかできません。このプロセスは複雑かつ多様であり、一部のシステムでは切断プロセスを実行するのが困難です。

現実のデータの複雑さと乱雑さは、主流の人工知能が目標を達成する上で最大の障害となっている。

ギャラリー内の画像は著作権で保護されています。転載して使用すると著作権侵害の恐れがあります。

問題の2番目の側面は言語に反映されています。人間の日常言語自体が構造化されており、言語表現には固有の文法構造があり、法律はこの言語規則に基づいています。法律言語には独自の構造的特徴があるため、形式的には、主流の人工知能はデータ識別を通じてのみ規則を識別し、規則自体の構造的特徴は無視します。法律規則をその内容に基づいてデジタル的に特定することは、法律言語自体の特性を無視することになります。

法律言語の特徴はオープン性です。人工知能に必要なデータは、システム自体の要件を満たす必要があります。これには、現実世界からのサンプルを調整する必要があります。このプロセスでは意味と含意が失われますが、これは克服できない問題です。

3 番目の質問は、法的推論のルールに関するものです。主流の人工知能が法的推論を実現するプロセスは、まず日常生活におけるさまざまな法的紛争を分類し、異なるタイプの紛争を区別し、次に特定の紛争に対する大量の司法判決を入力することで、人工知能システムがそのような紛争の一般的な判決結果を学習できるようにすることです。

このルールを学習する過程で、人工知能はさまざまな行動ルールが事件の結果に与える影響の度合いの特性値を取得します。この特性値は、数学的計算、特に確率計算を通じて、このタイプの規範が一般的な判断結果を導き出す確率を導き出すのに十分です。これは明らかに、法的推論の一般的な規則と矛盾しています。

法的推論は、計算や確率的マッチングではなく、事実とルールを一致させるプロセスです。人工知能の法的推論と法的ルールとの不一致に加えて、法的レベルでの推論ルールと推論プロセスにも大きな問題があります。

これらの問題は、人工知能が法的判断を下すプロセスに反映されています。人工知能が法的判断を下すプロセスは、数学的な方法で生成されます。事実上のプロセスであるため、当事者は法的結果を生み出すプロセスを直感的に判断することはできません。したがって、推論プロセス自体は公開されていないため、当然、行為者は人工知能によって生成された結果に疑念を抱くことになります。これをアルゴリズムの「ブラックボックス」と呼んでおり、法的手続きは公的法的推論の重要な役割を果たすことになります。

ギャラリー内の画像は著作権で保護されています。転載して使用すると著作権侵害の恐れがあります。

司法の公開は司法裁判の基本原則である。司法手続きでは、両当事者が証拠を通じて事実を説明し、法律を通じて根拠を解釈します。これは検察と弁護側の間の公正な争いです。当事者は公開手続きを通じて司法判断の過程を理解することができ、また司法手続きを通じて紛争を解決することができます。これは司法の公開の基本的な意味であり、法の支配の基本的な要件です。

「ブラックボックス」作戦の非公開性自体が、正義の基本原則と法の支配の基本精神に違反している。したがって、人工知能の法制度には、データ、言語、推論、手順において克服できない制限があるという問題があります。そのため、多くの人工知能科学者や法学者は、法的な人工知能は「ブラックボックス」を開き、アルゴリズムの透明性と説明可能性を高める必要があると考えていますが、「ブラックボックス」を開くことができるかどうかはまだ不明です。

主流の人工知能は、法的推論を達成する上で大きな問題を抱えています。その理由は、主流の人工知能の推論プロセス自体が数学的であり、計算されるのは動作と結果の適合性だからです。

主流の人工知能が行うことは、行動と結果を一致させることだけです。一定の確率基準を満たす場合、法的推論は完了したとみなします。したがって、主流の人工知能の本質的な計算は、具体的には確率計算です。そこで、次のような疑問が生じます。 「法則は計算可能か?」それとも法律は計算可能でしょうか?答えは明らかに否定的です。

ギャラリー内の画像は著作権で保護されています。転載して使用すると著作権侵害の恐れがあります。

主流の人工知能の実験結果から、その答えが分かります。法的推論は本質的に包括的です。前提には法的判断の結果は含まれません。また、事実レベルでの判断に基づき、規範的根拠を補足して法的判断の結論を導き出します。

しかし、主流の人工知能は、数学的なルールに基づいた演算結果をもとに計算を行うというのが基本です。主流の人工知能は、多くの事例からいくつかの数学的ルールを獲得しているだけであり、このデータルール自体は法的ルールに含まれています。したがって、主流の人工知能の判断は分析的なものになります。この法則は根本的に計算的なものではなく、法則の計算的性質は局所的な意味での認知レベルでのみ言及されます。法律の結果には価値判断と総合的な判断が必要です。

主流の人工知能の問題は、法的な推論や法的観点から見るとさらに致命的です。主な人工知能による法的推論は、法的推論の基本要件、法的判決の基本モデル、さらには法律の基本原則さえも根本的に否定しています。

では、法的推論とは何でしょうか?簡単に言えば、法的推論とは、既知の前提から未知の結果を導き出す方法です。法的推論とは、法律家が法律を適用する過程で、法的事実を決定し、法的規範を選択し、これに基づいて法的事実が属する体系の具体的な範囲を選択し、法律条項を引用して判決結果を得る思考活動である。

法的推論の一般的な形式は三段論法であり、つまり、大前提と小前提の充足に基づいて、対応する結論を推論することができます。法律規定は大前提であり、基本事実は小前提です。小前提が大前提の条件を満たす場合、故意の殺人に対する死刑などの法的結論を推論することができます。張三は故意に李斯を殺害したので、張三は死刑に処されるべきである。

三段論法の過程では、法的結論を証明するだけでなく、大前提と小前提も証明する必要があります。張三が故意の傷害の主体であること、張三に主観的な故意があること、張三が殺人を犯したこと、そして張三の行為が李思の死を引き起こしたことを証明する必要があります。このプロセスでは、法律の規定と基本事実を何度も検討し、適切な法律の規定と法律の規定に準拠する基本事実の両方を見つける必要があります。したがって、法的推論のプロセスは、事実と規範の間での注意の行き来であり、このプロセスはまず公開され、つまり、原告と被告の両方が証拠を使用して、対応する事実と法的規範の境界と範囲を見つけ、最後に裁判官が総合的に法的判断を下します。

第二に、法的推論は反論可能です。この反論可能性は主に法廷での議論に反映されます。法廷での議論では、原告と被告の双方が自らの見解の正当性を主張し、相手方の見解によって反駁されるというやり取りが行われます。このプロセスは典型的な法的推論プロセスです。

第二に、法的推論は破棄可能であり、つまり法的推論の結果は保証されておらず、絶対的な真実でもないことを意味します。法的推論の前提は、証拠が客観的な事実を反映し、証明と反証に証拠が使用されるというものです。したがって、法的推論が反証やその他の反対要素に遭遇すると、法的推論の結果は否定的なものになります。

したがって、法的推論は単なる形式的な論理的推論ではありません。法的推論にも独自の特徴が数多く含まれており、象徴主義やコネクショニズムなどの技術的な道筋に基づいています。この技術的な道筋は、特殊な人工知能の多くの応用において非常に幅広い展望を秘めており、司法の効率を大幅に向上させることができます。しかし、専用の人工知能は、法律適用の実践において多かれ少なかれ困難に直面しており、これらの困難のいくつかは理論的にも致命的であり、そのような問題を解決することは困難です。

汎用人工知能は私たちに何らかのインスピレーションを与えているようですが、法的汎用人工知能は法的推論を実現できるのでしょうか?汎用人工知能による法的推論システムは、裁判官や弁護士の役割を果たすことができるのでしょうか?

4. アプリケーション: NARS システム

王培教授が開発した非公理的システムは、NARS システムとも呼ばれます。 NARS システムは、主に非公理論理を使用して取引の形式を統一し、演繹、帰納、統合、修正などの論理ルールを通じて物事間の不確実な関係を処理するインテリジェントな推論システムです。

NARS システムの基本的な前提は、知能は十分な知識とリソースの条件下での適応能力として理解されるということです。知識とリソースが相対的に不足しているという仮定は、NARS システムの論理的前提です。この仮定に基づいて、NARS システムは有限性、実質的な開放性、適応性という特性を備えています。

ギャラリー内の画像は著作権で保護されています。転載して使用すると著作権侵害の恐れがあります。

有限性とは、NARS の計算能力と作業用ストレージ スペースが限られていることを意味します。

リアルタイムとは、知識の獲得や意思決定など、いつでも発生するさまざまなタスクをリアルタイムで処理する必要があることを意味します。

オープン性とは、システム言語でのみ表現できる新旧のルールのオープン性を指します。 NARS システム自体によって表される概念と知識は、他のいかなる制限もなく、経験と客観的な世界に開かれています。

適応とは、システムが経験から積極的に学習し、可能性のある環境やタスクの要件に適応するための知識を獲得できることを意味します。では、NARS システムは法的推論を実現できるのでしょうか?

以下では、法的推論の前提、概念的知識、法的推論のルールの3つの観点から説明します。

1 NARS: 法的推論の前提

NARS システムの理解は、その環境における過去の経験に基づいており、概念と知識を形成します。 NARS がこのようになっている理由は、形式論理の変換とアップグレードによるものです。 NARS システムが採用する実機能の形式は、物事の真正性と実現可能性の判断を証拠に委ね、その証拠は物事のシステムの過去の経験から得られ、システムの適応性の問題を解決します。これにより、NARS システムの完了が必ずしも保証されないという問題が生じます。法的な推論の前提と一致する一定の根拠は、経験または間接的に経験した証拠の中にのみ見出すことができます。

人間の認識力や理性には限界があるため、事実の発生の客観的な過程を完全に復元することは誰にもできず、第三者として証拠を通じて物事の発展過程を判断し、推測することしかできません。この推論プロセスが一定の基準を満たしている限り、それは真実、つまり法的に真実であるとみなされます。

法的推論は限定されたメカニズムに基づいており、事件の事実の理解が法律で要求される基準を満たしているときに意思決定推論が行われます。司法裁判の認定基準は、主に合理的な疑いの排除、高い蓋然性（一般化）、証拠の優越に基づいています。つまり、一連の証拠によって合理的な疑いが排除され、発生する確率が高い場合、事実の展開が真実であると確信できます。法的推論には、信憑性を達成することに加えて、法的推論の文脈的知識という他の要件もあります。

2 NARS:コンセプトの知識

弁護士が下す法的判断は特定の事実状況に基づいており、この特定の事実状況には多くの背景知識が含まれています。法的推論とは、主に法概念や法規則を通じて、本来の社会生活における具体的な状況を法制度に組み込むことです。たとえば、故意の過失は、ある主観的状態の帰納的要約であり、侮辱やわいせつ行為は、別の行動の抽象的な一般化です。法的推論の前提はこれらの概念や規則に基づいていますが、これらの概念や規則は単なる抽象的な用語や名詞ではなく、豊かな社会生活の背景を含んでいます。十分な社会的経験があって初めて、この法的概念の背後にある意味を理解することができます。法的証拠は、この法的概念の意味を証明し、裏付けるものです。

NARS システムの基本的な論理設定は、経験を組み込むことです。 NARS システムの形成期に、NARS は経験に基づいた一連のセマンティクスを形成しました。 NARS システムにおける各単語の意味と各文の真実性は、原則として、システムが獲得した経験によって決定されます。

NARS システムの知識は世界のモデルではなく、システムの経験の抽象的な要約です。この経験は、システムと環境の相互作用の効果的な記録です。これらの経験の断片を抽象化することで概念が形成され、NARS では用語として名前が付けられます。これらの用語は、概念システムの外部にあるものではなく、システム内の概念を指します。

しかし、そのような概念はある程度過去の経験と関連しています。この接続は概念間の概念ネットワークを構成し、知識のネットワークを形成します。 NARS の概念体系は、単に独自の経験と証拠を含み、事実との絶対的なつながりを維持する特定の用語ではありません。

したがって、NARS 推論プロセスはこの概念または用語に基づいています。 NARS による推論は、特殊な人工知能、特に記号人工知能の推論モードにおける形式化、記号化、空虚さを効果的に回避し、概念と実際のイベントとのつながりを確立します。

3 NARS:法的推論のルール

NARS システムの三段論法の推論形式には、主に演繹的推論、帰納的推論、帰属的推論が含まれます。帰属的推論と帰納的推論に基づいて、比較的推論と類推的推論が導き出されます。この種の推論は、単に言葉の概念に基づいているわけではありません。単語と概念の負荷により、多くの複雑な文や文章が形成されますが、この推論規則はこれにも適用されます。

法的推論の基礎は法的概念であり、法的概念と法的規則の間の論理的関係を探求することです。 NARS の推論はほぼ同じであるため、NARS 推論のルールは法的推論が可能です。

NARS システム自体がこのような非公理的な特徴を持っているため、NARS システムは、法的推論の機能を理論レベルで実現または部分的に実現することができます。 NARS システムが人工知能の法的推論を部分的に実現できるのは、おそらく、NARS 推論の人間の思考プロセスの規則性の要約と応答に基づいているのでしょう。では、人工知能は法的推論を実現できるのでしょうか?このレベルでは、汎用人工知能が私たちにもたらすインスピレーションについて考える必要があります。人工知能が法的推論を実現するには、人間の思考の基本的な特徴を再現することが基本的な要件であり、このプロセスは明らかに法的汎用人工知能にとってより大きな可能性を秘めています。

企画・制作

編集者: 金 宇芬 (インターン)