WikiDer > HYPO CBR

HYPO CBR

HYPO это компьютерная программа, которая моделирует рассуждения с помощью случаев и гипотетические в юридической сфере. Это первый в своем роде и самый сложный из юридических аргументов на основе конкретных случаев, который был разработан Эшли для его доктора философии. диссертация в 1987 г. на Массачусетский университет в Амхерсте под наблюдением Rissland. Дизайн HYPO представляет собой гибридный Метод обобщения / сравнительной оценки подходит для области со слабой аналитической теорией и применяется к задачам, которые редко включают только один правильный ответ.[1] Домен охватывает США Коммерческая тайна закон, и по существу является "общее право"домен. Поскольку Англо-американский закон действует в соответствии с доктриной прецедент, окончательный способ интерпретации проблем основан на необходимости и на основе конкретного случая.[2] Таким образом, HYPO не использовала анализ Статут, как того требует ПРОЛОГ программа. Риссланд и Эшли (1987) предполагали, что HYPO использует ключевые задачи, выполняемые юристами при анализе прецедентное право для приоритета для генерации аргументов для судебное преследование или защита.[3]

HYPO был успешным примером общей категории юридических экспертные системы (LES), это применимо искусственный интеллект (A.I.) техники в области юридической аргументации в патентный закон, реализуя аргументация по делу (CBR), в отличие от систем, основанных на правилах, таких как МИЦИН, или системы смешанной парадигмы, объединяющие CBR с основанными на правилах или моделями рассуждениями, такими как IKBALS II. Обоснование судебного дела по существу основано на ранее пытался кейсов, сравнивая контекстную информацию в текущем входном кейсе с кейсами, ранее опробованными и введенными в систему.[4] Как отмечают Эшли и Риссланд (1988), CBR используется для «… сбора опыта в областях, где правила нечетко определены, неполны или непоследовательны».[5]

Проект HYPO призван моделировать создание гипотетических гипотез в праве, где ни один случай не соответствует достаточно хорошо. HYPO использует гипотезы для множества задач, необходимых для хорошей интерпретации: «переопределить старые ситуации с точки зрения новых измерений, создать новые стандартные случаи, когда подходящего не существует, исследовать и проверить пределы концепции, переориентировать случай, исключив некоторые проблемы и организовав или сгруппировав дела ".[6] Гипотетические предположения могут включать факты, подтверждающие две противоречивые аргументы. Таким образом, он выдвигает аргументы противоположных точек зрения о том, кто должен выиграть спор, и отвечает на них. Использование HYPO эвристика например, сделать аргумент более слабым или сильным, сделать его крайним, разрешить "близкий промах", отключив" почти совпадение "для генерации гипотетических гипотез в контексте аргумента с помощью размерный механизм.[7] Размеры имеют диапазон значений, в соответствии с которым поддерживающая сила может смещаться с одной стороны на другую.[8] Что дифференцированный эта экспертная система от других была средством не только возвращать первичный ответ к наилучшему, но также и возвращать ответы, близкие к наилучшему.

Составные части

Юридические знания в HYPO содержатся в базе данных кейсов (CKB) и библиотеке измерений. CKB содержит базу известных кейсов HYPO, которые представляют собой хорошо структурированные объекты и подобъекты, как реальные, так и гипотетические в области права коммерческой тайны. Каждый случай представлен как иерархический набор рамок, прорези которых являются важными гранями корпуса (например, Истец, ответчик, секретное знание, данные работодателя / сотрудника).[7]:62В системе Эшли HYPO использовалась база данных из тридцати случаев в области индексированный по тринадцати измерениям. Ключевым механизмом в HYPO является измерение, то есть механизм, позволяющий поиск от CKB для представления юридических дел. Измерения Эшли состоят из (i) предпосылок, которые представляют собой набор фактических предикаты это должно быть выполнено для применения данного измерения (ii) фокальные прорези, которые соответствуют одному или двум предварительным условиям измерения, обозначенным как указывающие на силу корпуса по этому измерению, и (iii) информация о диапазоне, которая сообщает, как изменение фокального слота значение влияет на силу дела партии в данном измерении.[4]:34–35 Размеры акцентируют внимание на важных аспектах дел. В сфере HYPO присвоение В отношении коммерческих секретов измерение, называемое «секреты, раскрытые добровольно», отражает идею о том, что чем больше истец раскрывает свою предполагаемую тайну, тем менее убедительными являются его аргументы о том, что ответчик несет ответственность за раскрытие секрета.[9]

HYPO, как и любая другая система CBR, также имеет следующие компоненты:

  • Сходство / релевантность метрики: то есть стандарты, по которым можно оценивать близость дел, судить об их значимости для настоящего дела и выбирать дела, «наиболее подходящие».
  • Теория полупорядка домена приложения: то есть иерархии и таксономии знаний, особенно в отношении домена приложения.
  • Возможности аргументации на основе прецедентов: то есть способности генерировать и оценивать аргументы на основе прецедентов.
  • Знание для генерации гипотетических предположений: то есть способность генерировать гипотетические случаи для работы с различными обстоятельствами, например, проверка обоснованности интерпретации или аргумента путем предоставления Gedanken эксперименты типа тест-кейсов или заливка слабого CKB.[2]:49–50

Функциональность

Метод HYPO по созданию аргумента и обоснования решения или позиции состоит из нескольких этапов. HYPO начинает свою обработку с текущей ситуации с фактами («cfs»), которая является прямым вводом пользователем в структуру представления HYPO. Как только пользователь вводит дело, HYPO начинает юридический анализ. CFC анализируется на наличие соответствующих факторов. На основе этих факторов HYPO выбирает релевантные случаи и создает запись анализа случая, в которой записываются, какие параметры применимы к cfc, а какие почти применимы (то есть «почти не соответствуют»). Объединенный список применимых и близких к неудачам измерений называется D-списком. На этом этапе модуль сбора фактов может запросить у пользователя дополнительную информацию, чтобы сделать юридический вывод. Как только все факты находятся в модуле case-positioner, он использует запись анализа случая для создания претензии. решетка. Это метод, который упорядочивает релевантные извлеченные кейсы с точки зрения cfc и позволяет HYPO легко определять наиболее актуальные кейсы (mopc) и до минимально точных кейсов.[7]:62 Аргументы HYPO трехкомпонентны, что приводит к построению каркаса аргумента: она делает акцент на одной стороне, проводит аналогию между проблемой и прецедентом, отвечает аргументом в пользу стороны оппонента, пытаясь дифференцировать упомянутый случай и ссылаясь на другие случаи как контраргументы. Затем он делает финал опровержение, пытаясь дифференцировать контраргументы.[10] Решетка претензий также позволяет модулю генератора HYPO выдавать юридические гипотезы. Используя эвристику на основе измерений, генератор HYPO выполняет эвристический поиск пространства всех возможных случаев. Наконец, модуль Explanation расширяет структуру аргумента и обеспечивает объяснение и обоснование различных линий анализа и случаев, обнаруженных HYPO.[7]:62

Интеллектуальная система юридического обучения

Правовые экспертные системы специально разработаны для преподавания в области права и полезны для педагогический целей. Работа Эшли в основном была направлена ​​на создание инструментов, помогающих студентам понять юридическую аргументацию.[11] Объяснение и аргумент - это основы метода case, используемого во многих профессиональные школы в США, впервые представленный Декан из Гарвардская школа права, Христофор Колумб Лэнгделл в 1870 году. case метод фокусируется на внимательном чтении случаев и принципов; вовлекает студентов в Сократический диалог и активно использует гипотезы («hypos»).[4]:40–41 Таким образом, CATO (Aleven 1997)[12] был исследовательский проект для устройства и тестирования интеллектуального, основанного на кейсе руководство программа для обучения студентов-юристов аргументированию судебных дел, реализующая программу HYPO.[13]В рамках системы репетиторов Эшли и Алевен (1991) [14] предложил использовать понимание юридических аргументов против стандартной методологии обучения на основе конкретных случаев. Что выделяет эту систему обучения, так это дополнительные уровни абстракция участвует в его результатах.[3] В системе представлены упражнения, включающие в себя факты проблемы и набор онлайн дела и инструкции, по которым следует вести юридический спор по проблеме или ответить на него. У ученика / пользователя будет набор инструментов для анализа проблемы и выработки ответа, сравнивая его с другими случаями. Вместо того, чтобы просто генерировать прецедентные случаи, система фактически функционирует таким образом, чтобы интерпретировать ответы студентов, сравнивая их со списком возможностей и отвечая на записи студентов, например, цитируя контрпримеры и предоставляя Обратная связь о действиях учащегося по решению проблем с объяснением правильности или дополнительными подсказками относительно того, что может быть неправильным при оценке способности учащегося выполнять юридические аргументы и аргументацию, примеры и последующие задания с использованием модели HYPO структуры на основе случаев.[15]

Потомство HYPO

Качество результатов HYPO говорит само за себя, поскольку ряд последовательных систем юридической аргументации либо непосредственно основаны на механизмах HYPO, как в случае Ковальски (1991),[16] TAX-HYPO, прецедентная система, работающая в установленной законом области Закон о налоге (Rissland and Skalak 1989), CABARET, смешанная парадигма случаев и система правил для области законодательства о подоходном налоге (Skalak and Rissland 1992), CATO, IBP, разработанная для аргументации, чтобы делать прогнозы, основанные на концепциях аргументации (Brüninghaus and Ashley 2003 ) или их создатели, по крайней мере, отдают дань уважения HYPO в своих обсуждениях (Хендерсон и Бенч-Капон 2001[17]).

Смотрите также

Рекомендации

  1. ^ Эшли, К.Д., Рассуждение с помощью случаев и гипотетических предположений в HYPO, (1991), Международный журнал Man-Machine St. 34 (6), стр. 753-796.
  2. ^ а б Рисланд, Э. и Скалак, Д. Б., Основанное на прецедентах рассуждение в области, управляемой правилами, (1989) В материалах пятой конференции IEEE по приложениям искусственного интеллекта 1989, Институт инженеров по электротехнике и электронике, Inc.
  3. ^ а б Дельгадо П. Исследование аргументации по делу в применении к правовой сфере
  4. ^ а б c Воссос, Г., Железников, Дж., Диллон, Т., Воссос, В., Пример интеграции аргументации, основанной на судебных прецедентах, с объектно-ориентированными системами, основанными на правилах: IKBALS II, (1991) В материалах третьей международной конференции по искусственному интеллекту и праву, 31–41, Оксфорд, Англия
  5. ^ Колоднер, Дж. Л., Введение в рассуждение на основе прецедентов, (1992), Обзор искусственного интеллекта 6, стр. 3-34. О’Лири, Д.Э. Верификация и валидация систем, основанных на конкретных случаях, (1993), Экспертные системы с приложениями 6, стр. 57-66
  6. ^ Эшли, К. и Rissland E.L., Практический подход к моделированию правовой экспертизы, (1988), IEEE Expert 3, стр. 70-77.
  7. ^ а б c d Рисланд, Э. и Эшли, K.D., Система судебных дел для закона о коммерческой тайне, (1987) In Proceedings 1987 ACM International Conference on Artificial Intelligence and Law
  8. ^ Зенг, Ю., Ван, Р., Железников, Дж., Кемп, Э., Модель представления знаний для интеллектуального поиска судебных дел, (2007), Международный журнал права и информационных технологий 15 (3), стр. 299-319
  9. ^ Rissland, E.L., A.I. и подобие, (2006), IEEE Intelligent Systems, 21 (3), стр. 39-49.
  10. ^ Поппл, Дж. (1996). Прагматическая юридическая экспертная система (PDF). Серия «Прикладная философия права». Дартмут (Ашгейт). С. 42–43. ISBN 978-1-85521-739-3. В архиве (PDF) из оригинала 25 сентября 2006 г.. Получено 7 августа 2014. Альтернативный URL Имеется в наличии в Открытая библиотека. Также имеется в наличии в Google Книги.
  11. ^ Зелезников Дж. И Хантер Д., Обоснование непрерывного развития правовых экспертных систем, (1992), 3, J.L. & Inf. Sci. 94
  12. ^ Алевен, В., и Эшли, К.Д., 1997, Оценка среды обучения для навыков аргументации на основе конкретных случаев, в материалах Шестой Международной конференции по искусственному интеллекту и праву, Мельбурн, ACM Press, Нью-Йорк. стр 170-179
  13. ^ Эшли, К. и Алевен В., На пути к интеллектуальной системе обучения для обучения студентов-юристов спорить с делами, (1991) в материалах третьей международной конференции по искусственному интеллекту и праву, 42-52, Оксфорд, Англия.
  14. ^ Эшли-Алевен-1991
  15. ^ Эшли, К.Д., Рассмотрение дел и его значение для правовых экспертных систем, (1992), Искусственный интеллект и право 1, стр. 113-208
  16. ^ Ковальски, А., Прецедентное обоснование и подход с использованием глубокой структуры к представлению знаний, (1991) Труды 3-й международной конференции по искусственному интеллекту и праву, 21-30.
  17. ^ Хендерсон, Дж. И Бенч-Капон, Т., Динамические аргументы в области прецедентного права, (2001) Труды 8-й международной конференции по искусственному интеллекту и праву, 60-69.

дальнейшее чтение

внешняя ссылка

  • Алевен, В., [1], (2003) Искусственный интеллект 50, 183-237
  • Отчет Abel Hinkf6230 Cbr, [2], Отчет Hypo Km Health Informatics
  • Эшли, К.Д., [3], Моделирование юридических аргументов: рассуждение с помощью случаев и гипотетических, MIT Press, Кембридж, 1987. На основе докторской диссертации Эшли, технический отчет COINS № 88-01.