A AI pode substituir juízes e advogados?


25 out 2016

Um artigo publicado ontem (segunda-feira, 24 de outubro) abre uma nova perspectiva para a área jurídica.

Um novo método que usa a inteligência artificial (AI), desenvolvido por cientistas da computação da University College London (UCL) conseguiu prever as decisões judiciais do Tribunal Europeu dos Direitos Humanos (ECtHR), com uma precisão de 79%.

Essa é a primeira vez que um método prevê os resultados de um grande tribunal internacional, analisando automaticamente textos de casos utilizando um algoritmo de aprendizado de máquina.*

ai-juizes-e-advogados

E a AI pode substituir juízes e advogados?

Aqui está a resposta de Nikolaos Aletras, que conduziu o estudo na UCL Computer Science:

Nós não vemos a AI substituindo juízes ou advogados, mas acho que eles próprios irão considerá-la útil para que consigam identificar rapidamente padrões em casos que levam a certos resultados. Também pode ser uma ferramenta valiosa para dar destaque aos casos mais susceptíveis de serem violados.” Nikolaos Aletras

Ao desenvolver o método, a equipe que também conta com pesquisadores da Universidade de Sheffield e da Universidade da Pensilvânia descobriu que os julgamentos do ECtHR são altamente correlacionados a fatos não-legais (do mundo real), em vez de argumentos jurídicos legais, o que sugere que os juízes da Corte são “realistas” em vez de “formalistas”.

Para o desenvolvimento desse método, a equipe escolheu casos do ECtHR que estavam disponíveis para acesso ao público, explicou Vasileios Lampos, PhD e o co-autor do artigo.

ecthr

(crédito: European Court of Human Rights)

 

Eles identificaram conjuntos de dados (no idioma Inglês) para 584 casos relativos aos Artigos 3, 6 e 8** da Corte e aplicaram um algoritmo AI para encontrar padrões no texto. Para evitar viés e erros, selecionaram um número igual de casos que tinham sofrido violação ou não.

Previsões com base na análise do texto

A equipe viu que os fatores mais confiáveis para prever a decisão do tribunal foram a linguagem utilizada, bem como os tópicos e as circunstâncias mencionadas no texto (a seção “circunstâncias” inclui informações sobre o contexto factual do caso).

Ao combinar a informação extraída de “tópicos” abstratos que os casos cobriam e as “circunstâncias” através dos dados para todos os três artigos, eles conseguiram uma precisão de 79% nas previsões.

Lampos explicou que estudos anteriores previram resultados com base na natureza do crime, ou pela posição política de cada juiz, mas, que esta era a primeira vez que julgamentos poderiam ser previstos através da análise de texto preparado pela Corte.

Ele, Aletras e os demais, esperam que este tipo de ferramenta possa elevar a eficiência das demandas dos tribunais, para outro nível. Porém, para isso se tornar realidade eles sabem que será preciso testar o método com mais artigos e dados de casos apresentados ao tribunal.

 * “Nós definimos o problema da predição do caso da ECtHR como uma tarefa de classificação binária. Utilizamos recursos textuais, ou seja, N-gramas e tópicos, para treinar os classificadores do Support Vector Machine (SVM). Aplicamos uma função kernel que facilita a interpretação dos modelos de uma maneira simples.” – Autores do artigo publicado na PeerJ Computer Science.

** O Artigo 3 proíbe a tortura e tratamentos desumanos e degradantes (250 casos); O Artigo 6 protege o direito a um julgamento justo (80 casos); e o Artigo 8 prevê o direito ao respeito a uma “vida privada e familiar, ao domicílio e à correspondência” (254 casos).

Deixe seus comentários abaixo


Redação O Futuro das Coisas
Redação O Futuro das Coisas

O Futuro das Coisas é dedicado a trazer conteúdo exclusivo em inovação, tecnologia, educação e medicina numa linguagem divertida e acessível.

Comments

  1. andré kuedituka : novembro 10, 2016 at 8:58 pm

    Certamente, daqui para diante os juizes e advogados já não terão emprego, assim viverão como?

Deixe uma resposta

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *

Pin It on Pinterest

Share This