CICERO LawPack

CICERO LawPack is al meer dan 30 jaar gespecialiseerd in software voor advocaten, onder meer door een zeer persoonlijke aanpak en de voortdurende verbeteringen en de ontwikkeling van nieuwe toepassingen die uw werk gemakkelijker en efficiënter maken.

De eerste juridische toepassingen van Artificiële Intelligentie (AI) verschenen al enkele decennia geleden, maar zijn nooit echt van de grond gekomen. Daar is in de laatste jaren verandering in gekomen. Veel van de recente vooruitgang is te danken aan de evoluties in Machine-Leren (Machine Learning, ML), Diep-Leren (Deep Learning, DL) en Juridische Analytics (Legal Analytics, LA). Omdat juristen doorgaans niet vertrouwd zijn met deze termen, zullen we in dit artikel eerst de verschillende concepten toelichten. Daarna geven we een aantal voorbeelden van bestaande applicaties. We eindigen met een aantal algemene overwegingen.

Laten we beginnen met de drie termen Artificiële Intelligentie, Machine-Leren en Diep-Leren, en hoe die zich tot elkaar verhouden. Het eerste wat je moet weten is dat Artificiële Intelligentie de breedste term is. Machine-Leren is een onderdeel van Artificiële Intelligentie, en Diep-Leren is op zijn beurt een onderdeel van Machine-Leren.

De Techopedia definieert Artificiële Intelligentie als "een gebied van de informatica dat de nadruk legt op het creëren van intelligente machines die werken en reageren als mensen. Sommige van de activiteiten waarvoor computers met kunstmatige intelligentie zijn ontworpen zijn o.a.: Spraakherkenning, Leren, Planning, Probleemoplossing." Voorbeelden van juridische AI-applicaties die niet gebaseerd zijn op machine-leren zijn bijvoorbeeld expertsystemen, beslissingstabellen, bepaalde vormen van procesautomatisering (die zich richten op repetitieve taken), evenals eenvoudige juridische chatbots die zich richten op één of meer specifieke taken, enz.

Machine Learning is een tak van AI. Het is gebaseerd op het idee dat systemen kunnen leren van gegevens, patronen kunnen identificeren en beslissingen kunnen nemen met minimale menselijke tussenkomst. Het is een methode van data-analyse die het bouwen van analytische modellen automatiseert. Hiervoor maakt het gebruik van statistische technieken die computersystemen de mogelijkheid geven om te "leren" uit de gegevens, zonder dat het systeem daartoe expliciet geprogrammeerd wordt. Dat leren kan bijvoorbeeld bestaan uit het geleidelijk verbeteren van de prestaties bij het uitvoeren van een specifieke taak.

In een artikel van TechRepublic legt Hope Reese uit dat Deep Learning (DL) "sommige ML-technieken hanteert om problemen in de praktijk op te lossen door gebruik te maken van neurale netwerken die menselijke besluitvorming simuleren. Diep-leren kan duur zijn en vereist enorme datasets om zichzelf te trainen. Dat komt omdat er enorm veel parameters zijn die moeten worden begrepen door een leeralgoritme. Dit kan initieel veel valse positieven produceren".

Zowel machine-leren als diep-leren maken gebruik van leerprocessen. Die leerprocessen kunnen gesuperviseerd, semi-gesuperviseerd, of niet gesuperviseerd zijn.

Wanneer machine-leren toegepast wordt op juridische gegevens, wordt vaak de term Legal Analytics gebruikt. Het is "het toepassen van data-analysemethoden en -technologieën binnen het rechtsgebied teneinde de efficiëntie te verbeteren, inzicht te krijgen en meer waarde te realiseren uit beschikbare gegevens" (TechTarget).

Laten we even kijken naar enkele juridische toepassingen van machine-leren. De toepassingen die beschikbaar zijn, zijn niet alleen voor advocaten, maar ook bijvoorbeeld voor rechtbanken, politiediensten en andere rechtshandhavingsinstanties.

In een eerder artikel hebben we al gesproken over juridisch onderzoek, eDiscovery en triagediensten. Juridische databanken maken steeds vaker gebruik van AI om u de relevante wetten, reglementeringen, jurisprudentie, etc. voor te schotelen. Er zijn eDiscovery diensten voor advocaten en voor rechtshandhavingsinstanties die zich richten op het vinden van relevant digitaal bewijsmateriaal. Beide maken doorgaans gebruik van triagediensten of -algoritmes om de resultaten in volgorde van relevantie te rangschikken.

Legal Analytics wordt ook gebruikt voor "due diligence", i.e. de vereiste professionele nauwgezetheid die van juristen verwacht wordt, waarbij het systeem intelligente checklists kan aanmaken en gebruiken. Legal Analytics wordt ook gebruikt voor het nazien van documenten en contracten. In sommige gevallen kan het systeem zelfs nog een stap verder gaan en helpen bij het aanmaken van documenten en contracten (Intelligent Document Assembly). Enkele meer geavanceerde voorbeelden van procesautomatisering, bijvoorbeeld voor echtscheidingszaken waarbij de hele procedure grotendeels geautomatiseerd is, zijn ook gebaseerd op ML-algoritmen.

Een van de gebieden waar juridische analyse de krantenkoppen heeft gehaald is voorspellende analyse (predictive analysis): met behulp van statistische modellen maakt het systeem voorspellingen. Voorspellende analyse wordt niet alleen door advocaten gebruikt: ook hier zijn er toepassingen voor rechtbanken en voor rechtshandhaving. Er zijn bijvoorbeeld systemen voor:

  • Misdaadvoorspelling en -preventie die toekomstige misdaadplekken voorspellen;
  • Voorafgaande vrijlating op borg (= vóór een procedure ten gronde) en voorwaardelijke invrijheidstelling (=na een veroordeling en mits een deel van de straf uitgezeten is); en voor misdaadrecidivevoorspelling (waarbij het systeem de kans op recidive voorspelt);
  • Gerechtelijke analyse en procesanalyse voorspellen de kansen op succes in een rechtszaak, of welk resultaat men in bepaalde gevallen kan verwachten. Deze systemen kunnen bijvoorbeeld zelfs rekening houden met eerdere uitspraken van de betrokken rechter.

ML wordt ook met succes gebruikt bij het opsporen van criminaliteit. Er zijn AI-systemen die constant het beeldmateriaal van bewakingscamera’s analyseren, of die gebruik maken van een netwerk van microfoons om schoten te detecteren die worden afgevuurd. Onlangs was er in het nieuws een verhaal over hoe gezichtsherkenningssoftware werd gebruikt voor het scannen van mensen die een concert bijwoonden, wat tot een aantal arrestaties leidde.

Dit zijn slechts enkele voorbeelden. Een artikel dat onlangs is gepubliceerd in Tech Emergence ("AI in Law and Legal Practice – A Comprehensive View of 35 Current Applications") geeft een overzicht van 35 juridische ML-applicaties.

Er is de laatste jaren dus veel vooruitgang geboekt op het gebied van juridische analytics en juridisch machine-leren. Toch zijn er bepaalde problemen en beperkingen waarmee rekening moet worden gehouden als het gaat om juridische toepassingen. Een eerste kwestie heeft te maken met privacy en beroepsgeheim. Advocatenkantoren moeten ervoor zorgen dat ze in orde zijn met de wettelijke AVG-vereisten. Als ze hun cliëntgegevens willen gebruiken, zullen ze toestemming moeten krijgen van die cliënten en zullen ze de gegevens moeten anonimiseren. Een tweede probleem heeft te maken met onpartijdigheid: in een eerder artikel hebben we er bijvoorbeeld op gewezen hoe deze AI-systemen onze vooroordelen en partijdigheid overnemen. Een derde punt heeft te maken met transparantie: de meeste neurale netwerken presenteren een conclusie zonder uit te leggen hoe ze tot die conclusie gekomen zijn. In strafzaken vormt dit een schending van de rechten van de verdediging. Ook in civiele zaken moeten rechters hun beslissingen motiveren en volstaat het niet om louter te verwijzen naar de beslissing die een AI-systeem heeft genomen. Ten slotte is er ook een cognitief aspect m.b.t. het werk van advocaten, en op dit moment zijn de cognitieve capaciteiten van juridische ML-systemen (nog) zeer beperkt. Ze weten bijvoorbeeld niet hoe "gezond verstand" moet geëvalueerd worden, en evenmin slagen ze erin het na te bootsen.

Meer lezen van CICERO LawPack?

Bronnen:

· www.techopedia.com/definition/190/artificial-intelligence-ai

· en.wikipedia.org/wiki/Machine_learning

· www.sas.com/en_za/insights/analytics/machine-learning.html

· scholar.law.colorado.edu/articles/81/

· en.wikipedia.org/wiki/Deep_learning

· www.techrepublic.com/article/understanding-the-differences-between-ai-machine-learning-and-deep-learning/

· whatis.techtarget.com/definition/legal-analytics

· www.forbes.com/sites/bernardmarr/2018/05/23/how-ai-and-machine-learning-are-transforming-law-firms-and-the-legal-sector/#5db863fe32c3

· www.techemergence.com/ai-in-law-legal-practice-current-applications/

· www.legaltechnews.com/home/id=1202776290029/Machine-Learning-of-Tomorrow-4-Emerging-Legal-Tech-Arenas-for-AI (requires subscription)

· www.legaltechnews.com/id=1202798832642/Gavelytics-Localizes-Judicial-Analytics-for-California-Litigators (requires subscription)

· www.cellebrite.com/en/blog/cellebrite-advanced-ai-machine-learning-help-law-enforcement-accelerate-investigations/

www.techemergence.com/ai-crime-prevention-5-current-applications/

CICERO LawPack

CICERO LawPack is al meer dan 30 jaar gespecialiseerd in software voor advocaten, onder meer door een zeer persoonlijke aanpak en de voortdurende verbeteringen en de ontwikkeling van nieuwe toepassingen die uw werk gemakkelijker en efficiënter maken.

View all posts

Add comment

Het e-mailadres wordt niet gepubliceerd. Vereiste velden zijn gemarkeerd met *