A Path Towards Legal Autonomy: An interoperable and explainable approach to extracting, transforming, loading and computing legal information using large language models, expert systems and Bayesian networks

要約

法的自律性、つまり人工知能エージェントの合法的な活動は、2 つの方法のいずれかで実現できます。
これは、開発者、デプロイ担当者、ユーザーなどの AI アクターやデータなどの AI リソースに制約を課すことによって、または AI エージェントが環境に与える影響の範囲と範囲に制約を課すことによって実現できます。
後者のアプローチには、AI 駆動デバイスに関する既存のルールを、それらのデバイスを制御する AI エージェントのソフトウェアにエンコードすることが含まれます (たとえば、運用ゾーンの制限に関するルールを自律型ドローン デバイスのエージェント ソフトウェアにエンコードする)。
このようなアプローチを有効にするには、説明可能かつ法的に相互運用可能であり、AI エージェントが法律について推論できるようにする法的情報を抽出、読み込み、変換、計算する方法が必要であるため、これは課題です。
この論文では、大規模言語モデル (LLM)、法的意思決定パスとして知られる専門法的システム、およびベイジアン ネットワークを使用したこのような方法の原理証明を概略的に示します。
次に、提案された方法がカリフォルニア車両法などの自動運転車に関する既存の規制にどのように適用できるかを示します。

要約(オリジナル)

Legal autonomy – the lawful activity of artificial intelligence agents – can be achieved in one of two ways. It can be achieved either by imposing constraints on AI actors such as developers, deployers and users, and on AI resources such as data, or by imposing constraints on the range and scope of the impact that AI agents can have on the environment. The latter approach involves encoding extant rules concerning AI driven devices into the software of AI agents controlling those devices (e.g., encoding rules about limitations on zones of operations into the agent software of an autonomous drone device). This is a challenge since the effectivity of such an approach requires a method of extracting, loading, transforming and computing legal information that would be both explainable and legally interoperable, and that would enable AI agents to reason about the law. In this paper, we sketch a proof of principle for such a method using large language models (LLMs), expert legal systems known as legal decision paths, and Bayesian networks. We then show how the proposed method could be applied to extant regulation in matters of autonomous cars, such as the California Vehicle Code.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google