Umelá inteligencia v práve

Dočasná verzia

Niektoré spôsoby myslenia sa javia natoľko komplikované, že nepočítame v dohľadnej budúcnosti s prenechaním ich výkonu na stroje. Považujeme ich za výlučnú doménu človeka. Na to sa sústredí aj príprava na povolanie v populácii. Ľudia sú vzdelávaní tak, aby tieto spôsoby myslenia ovládali a boli schopní ich správne uplatňovať. To tvorí základ odbornosti v mnohých odvetviach,  napríklad aj v práve. Práve právnik je schopný usporiadať informácie spôsobom, ktorý mu umožní prijať právne správny záver. Vieme si predstaviť robota – softvér, ktorý by robil dopredu stanovené úlohy. Nevieme si však predstaviť softvér, ktorý by „rozmýšľal“ ako právnik.

Taký program by musel rozumieť významu reči, potom by musel príslušný text vedieť preložiť do právneho jazyka, vybrať tie správne právne relevantné kritériá, a to ešte nehovoríme o zložitých prípadoch, kedy treba zapojiť aj úplne iné typy informácií a myslenia. Niektoré spôsoby uvažovania sa nám jednoducho zdajú príliš komplikované na to, aby to mohol nejaký robot zvládnuť.

Takisto sme si ešte donedávna nevedeli predstaviť, že by mohol existovať program prekladajúci reč. Pravidlá jazyka sú totiž natoľko zložité, že sa nám zdalo nemožné postihnúť všetky jemné odchýlky reči. Naša predstava je totiž v zajatí predsudkov o tom, ako by mal tento program pracovať. Predsudky sa týkajú aj spôsobu procesu ľudského myslenia, ktoré sa počítačom snažíme simulovať. Snažíme sa vytvoriť logickú štruktúru a previesť pojmy na matematické výrazy.  Pojmy však nemajú charakter matematických hodnôt. Sú otvorené a neurčité. Urobiť tvrdú hranicu a zreteľne oddeliť množiny od seba sa nedá, respektíve sa dá takým spôsobom, ktorý vedie k neefektívnym až k smiešnym výsledkom (napríklad v prípade doslovných prekladov). Pritom v realite života je všetko usporiadané veľmi podobným spôsobom – a to graduálne tak ako farby, tóny.  Naša predstava toho, že musíme dopredu naprogramovať správanie systému a presne zadať všetky kritériá, ktoré by mal použiť, nás dovedie k záveru, že precízne prekladajúci softvér je nereálny. Nehovoriac o tom, že napríklad robot, ktorý by viedol bežnú komunikáciu s človekom, alebo mal sa rozhodnúť ako človek sa javí ako čistá utópia.

Keď sa opýtate človeka, či čmáranica, ktorú  nakreslilo dieťa je motýľ, dokáže veľmi správne odpovedať bez toho, aby to podrobil skúmaniu, alebo akémukoľvek meraniu. Takisto určiť, či je niečo bledé, nie je pre človeka zložitá úloha. Pre počítač by to však mohli byť veľmi náročné úlohy, pokiaľ si predstavujeme, že tieto kategórie musíme dopredu definovať. Človek nepotrebuje výslovne vyjadrené definície, totiž prirodzene zovšeobecňuje, priemeruje, a využíva svoje doterajšie poznatky a skúsenosti. Človek prirodzene vie, čo budú ďalší ľudia považovať za prvok kategórie.

Vidíme, že medzi tým, ako rozmýšľa človek, a ako by podľa istej predstavy mal pracovať počítačový program, je veľký rozdiel. Nedostatkom ľudského myslenia je jeho relatívna nepresnosť a nedostatkom počítačového modelu je nemožnosť vytvoriť dopredu všeobecne platný vzorec, pod ktorý by sa dal podradiť akýkoľvek prípad. V prípadoch myslenia, kde vyžadujeme presnosť, by sa mohlo javiť vždy lepšie ísť cestou všeobecných absolútne platných dopredu definovaných modelov. Skutočný pokrok sa však dosiahol, až keď sa objavili spôsoby charakterovo bližšie k skutočnému ľudskému mysleniu[1].

Dnes človek v bežnom živote využíva na spotrebiteľskej úrovni umelú inteligenciu v mnohých oblastiach. Vzniká veľká priepasť medzi technologickým pokrokom a jeho využívaním v hospodársky relevantných ľudských činnostiach. To, že napríklad celá administrácia štátu nebude v blízkom období do istej mieri vykonávaná umelou inteligenciou a automatizovaná, je veľmi nepravdepodobné. Takisto je veľmi nepravdepodobné, že budú existovať oblasti, kde táto zmenený spôsob fungovania nedorazí.

Musíme rozlišovať čiastočné procesy a komlexnejšiu robotizáciu právneho myslenia. V čiastkových oblastiach sa umelá inteligencia využíva už v súčasnosti. Predstava komplexnejšieho zachytenia právneho myslenia však ostáva stále výzvou.

Existuje viacero možností ako by sa to mohlo urobiť. Nie je však podstatné koľko prostriedkov umelej inteligencie existuje ani o to, aby sme riešenia podsunuli pod existujúci prostriedok umelej inteligencie. Môžeme kreovať aj nové postupy, špecificky skonštruované pre túto oblasť ľudskej činnosti.

Oveľa potrebnejšie sa javí popísať právo (čo je to právo)  a hlavne definovať na základe akého chápania a nazerania by mohlo byť automatizovateľné. Vieme, že právo je systém so špecifickými pravidlami, že prijatie právneho riešenia vyžaduje uplatnenie iných princípov ako pri bežnej úvahe. Pokiaľ však nevieme ako presne sa líši, a čo je podstata práva, nemôžeme si ani predstaviť, ako by sme ho robotizovali. Preto sa budeme zaoberať podstatou a charakterom práva a právneho myslenia.

Na základe toho sa k umelej inteligencii v práve a o spôsobe jej uplatnenia sa môžu relevantne vyjadriť najmä odborníci z oblasti teórie práva, ktorí skúmajú podstatu práva.K tomuto musí pristúpiť samotná znalosť umelej inteligencie ako takej, to znamená poznatky z oblasti informatiky. Tiež je dôležité uplatniť poznatky z logiky, poznatky o ľudskom uvažovaní, spôsobe myslenia a rozhodovania. Najvýznamnejšia je však časť úvahy z oblasti teórie práva.

Táto práca je tiež silne ovplyvnená manažérskym hľadiskom – zameraním sa na realizáciu projektu.

Širšia vízia tejto práce je: automatizácia právneho myslenia – ako strategická vízia pre podnikateľské subjekty, pre Slovenskú republiku a pre EÚ. Zahŕňa návrh možných riešení informatizácie právneho myslenia, využitie súčasných poznatkov o ľudskom myslení, logike, jazyku, spoločnosti, povahe práva a jeho charakteristických čŕt, a to v spojení so súčasnými technologickými možnosťami a znalosťami najmä v oblasti práce s dátami a strojového učenia, a ekonomickými znalosťami v oblasti strategického myslenia a strategického riadenia; čím dochádza k prepojeniu multidisciplinárnych vedomostí z oblasti spoločenských, prírodných a technických vied.

Posilnenie našich výsledkov v oblasti výskumu a inovácií je jediným spôsobom, ako môže Európa podporovať trvalo udržateľný rast a odolávať tlaku globalizácie. Je potrebné zabezpečiť, aby Európa vyrábala vedu svetovej úrovne, odstraňovala prekážky brániace inovácii a uľahčovala spoluprácu verejného a súkromného sektora pri poskytovaní inovácií.

Hlavným cieľom tejto práce je priniesť zdôvodnenie na predpoklad, že právo je robotizovateľné, ako aj načrtnúť spôsob, ako by sa to mohlo udiať.

Okrem toho, že zodpovieme otázku, či je robotizácia práva možná, a akými spôsobmi by sa mohla uskutočniť, budeme sa pýtať aj otázky:

Potrebujeme systém, ktorý existuje len pre systém? Nie je načase zmeniť celý spôsob uvažovania o právnom systéme a prispôsobiť ho existujúcim technológiám?

Prečo vôbec by malo byť niečo také ako právo automatizované? Existuje nejaký relevantný dôvod, prečo to nerobiť po starom?

Ako sme uviedli, táto práca je prácou z oblasti teórie práva a nie z informatiky, aj keď sa snaží priniesť aj základné poznatky z tejto oblasti. Preto začneme načrtnutím toho,  čo je umelá inteligencia a aké sú súčasné prostriedky a produkty využívané v skúmanej oblasti.

[1] Toto sa môže javiť ako kontroverzný názor. Prečo nové postupy považujeme za charakterovo bližšie k ľudskému mysleniu vysvetľujeme napríklad v časti Možné spôsoby robotizácie práva.

1.  Umelá inteligencia.

 

Počiatky umelej inteligencie sú najčastejšie pripisované počiatkom filozofického uvažovania nad tým, či môže stroj myslieť alebo správať sa podobne ako človek. To je najmä počiatok debaty o pojme umelej inteligencie. Čo sa týka samotných algoritmov, tak vývoj v tomto smere začal v 50tych rokoch minulého storočia. Množstvo v súčasnosti využívaných algoritmov vzniklo už v 80tych rokoch minulého storočia, čo môže byť prekvapivá informácia pre bežného používateľa. Nejde preto o vyslovene novú oblasť skúmania, aj keď stav využívania umelej inteligencie v súčasnosti je samozrejme neporovnateľný s 80tymi rokmi. Doteraz však určite nikto neprišiel na to, ako dostatočne uspokojivo simulovať ľudské myslenie alebo ako robotizovať právne myslenie ako celok.

Medzi rôznymi autormi sa vedú diskusie o pojme umelej inteligencie, o tom, čo si pod ňou môžeme predstaviť. My budeme chápať umelú inteligenciu ako prostriedok náhrady ľudského myslenia a na to, aby sme nejaký program považovali za umelú inteligenciu, budeme vyžadovať istú mieru samostatnosti pri vykonávaní procesov. Umelá inteligencia vytvára závery a riešenia na základe vstupných informácii ale aj nových poznatkov, ktoré sú odvodené, spôsobmi, ktoré neboli dopredu presne nastavené. Budeme však za ňu považovať aj čiastkové zautomatizované procesy vrátane tých, ktoré sú plne dopredu stanovené, pokiaľ z hľadiska celku vedú ku komplexnejšej náhrade právneho myslenia.

Poznáme termíny ako silná a slabá umelá inteligencia, ale v skutočnosti si môžeme zaviesť aj vlastné termíny a vlastné členenia. V tomto dokumente bude najmä používané členenie na umelú inteligenciu v nejakej konkrétnej oblasti a na umelú inteligenciu, ktorá by obsiahla právo ako celok. Aký je najvýznamnejší rozdiel a význam takéhoto členenia? Je ťažké odlíšiť akékoľvek informácie od právne relevantných informácii. Ak sa umelá inteligencia využíva v nejakej konkrétnej oblasti, ktorá s právom súvisí len okrajovo, nemôžeme hovoriť o robotizácii právneho myslenia ako takom. Akákoľvek informácia môže byť právne relevantná, preto napríklad zisťovanie informácii v rámci procesu previerky podniku môžeme tiež považovať za uplatňovanie umelej inteligencie v práve. To sa veľmi líši od robotizácie práva ako systému. Ak hovoríme o zachytení práva ako celku, niekedy používame výraz komplexné zachytenie práva. Tu tiež treba odlíšiť tento pohľad a úplné definitívne vyriešenie modelu právneho myslenia ako absolútne platného vzorca.

Poznáme mnoho prostriedkov umelej inteligencie. Jedným z nich je strojové učenie.

1.1. Strojové učenie (machine learning).

Primárnym cieľom strojového učenia je umožniť počítačom učiť sa automaticky bez zásahu človeka.

Pri strojovom učení rozoznávame fázy:

1. Príprava údajov (označené alebo neoznačené)
2. Vytváranie modelu strojového učenia
3. Predpovedanie nových dát

Strojové učenie je teda podmnožinou umelej inteligencie. Umožňuje programu naučiť sa z doterajších skúseností a tieto poznatky zahrnúť do nových riešení situácie. Poznáme 4 typy algoritmov strojového učenia (ML):

1.1.1. Supervidované ML algoritmy

Algoritmy strojového učenia sú vytvárané na súboroch údajov, ktoré sú dopredu správne označené. Fáza učenia prebieha na súbore tréningových dát, ktoré majú vstupy aj výstupy. Cieľom je predpovedať cieľové označenie nových pozorovaní, ako napríklad klasifikovať e-mail, či je to „spam“ alebo nie. Ďalším príkladom by mohla byť situácia, ak sa algoritmus učí priradiť označenie k typom webových stránok na základe označení, ktoré zadali ľudia počas tréningového procesu. Toto učenie sa nazýva aj učenie s učiteľom a zjednodušene to znamená, že v trénovacej fáze sú poskytnuté počítaču „správne odpovede“ a na základe toho sa potom pristupuje k novej úlohe. Supervidované učenie sa využíva najčastejšie. Supervidované algoritmy sa delia na klasifikáciu, ktorá slúži na predpovedanie triedy, ktorej je dátový údaj súčasťou (diskrétna hodnota) a regresiu, ktorá slúži na predpovedanie kontinuálnych hodnôt.

Klasifikačným problémom je predpokladanie kategórie. (ako pravdivý / falošný alebo slnečný / zamračený / daždivý deň). Existujú 2 typy klasifikácií: binárna klasifikácia – ak existujú presne 2 hodnoty: True / False, A / B, … a klasifikácia viacerých tried – ak existuje viac ako dve triedy na predikciu. Príklady klasifikácie: sú bankové transakcie sú „podvodné“ alebo „povolené“ (podvodné / povolené), predpovedať pohlavie osoby podľa rukopisu (muž / žena), predpovedať, či sa cena akcií spoločnosti zvýši (áno / nie), hádať obsah obrazu (osoba / zviera / vozidlo). V prípade práva je možné zisťovať, či nejaký záver je právne správny alebo nie .[2] Medzi klasifikačné algoritmy patria rozhodovacie stromy (základný strom rozhodovania, náhodný les, XGBoost, GBM, Naive Bayes, SVM (Vector Support Machine), Logistická regresia, KNN (K najbližší susedia), Neurónové siete (NN) / Deep Neural Networks (DNN).

Regresným problémom je predpokladanie kontinuálnej hodnoty, počtu (ako vek, plat, váha). Regresia je využiteľná, keď odpoveď na otázku predstavuje množstvo. Ako príklad môžeme uviesť  predpovedanie cenového vývoja na základe ceny nehnuteľností, predpovedanie veku osoby, predpovedanie mzdy, predpovedanie presnej ceny akcií. V práve je možné regresiu využiť napríklad na predikciu výšky odškodnenia.

Medzi regresné algoritmy patrí lineárna regresia, rozhodovacie stromy (regresné stromy), základný strom rozhodovania, náhodný les, XGBoost, GBM, SVR (podpora vektorovej regresie), Neurónové siete (NN) / Deep Neural Networks (DNN). Lineárna regresia je najobľúbenejší príklad regresného algoritmu. Ide o univerzálnu metódu, ktorá je často podhodnotená kvôli svojej relatívnej jednoduchosti. Niektoré algoritmy majú vo svojom názve slovo „regresia“ (lineárna regresia, logistická regresia), čo môže spôsobiť zmätok, pretože lineárna regresia je regresný algoritmus ale napríklad logistická regresia je algoritmus klasifikácie.

1.1.2. Nesupervidované ML algoritmy

Nesupervidované algoritmy strojového učenia sú vytvárané na súboroch údajov, ktoré neobsahujú označenia. Príkladom môže byť rozdelenie kupujúcich do skupín s podobným správaním, kedy sa algoritmus zameriava na prirodzené podobnosti tak, aby ich sám umiestnil do skupín.

1.1.3. Polosupervidované ML algoritmy

Predstavujú kombinovanie dvoch predchádzajúcich modelov, pretože používajú označené i neznačené údaje na trénovanie. Pri rozdelení kupujúcich do skupín s podobným správaním označené údaje slúžia na identifikáciu konkrétnych skupín typov v údajoch. Algoritmus je potom trénovaný na neoznačených údajoch a môže dokonca identifikovať nové typy, ktoré neboli špecifikované na existujúcich štítkoch.

1.1.4. Učenie formou odmeňovania:

Reinforcement je metóda učenia, ktorá komunikuje s prostredím – robí kroky a zistí chyby[3] alebo udelí odmeny. Táto metóda umožňuje strojom automaticky určiť ideálne správanie v konkrétnom kontexte, a to pokusom a omylom – s cieľom maximalizovať jeho výkon. Cieľom je naučiť sa najoptimálnejšie správanie. Ako príklad môžeme uviesť šach, riadenie autonómnych vozidiel, hranie každej hry bez určenia jej pravidiel.

Výkonnosť modelu je možné hodnotiť pomocou tréningového setu / skúšobného setu. Tréningový set je súčasťou súboru údajov používaných na učenie, model vychádza z týchto údajov a snaží sa zovšeobecniť. Testovací súbor je súčasťou súboru údajov použitých na testovanie, na hodnotenie výkonu modelu. Buď sa tréningový set/testovací súbor použije tak, že sa stratia nejaké údaje, ktoré nemožno použiť na učenie, alebo sa použije krížová validácia. Krížová validácia je zlatým štandardom. Týmto spôsobom môžeme využiť všetky údaje a stále mať aj testovací súbor. Krížová validácia je technika na vyhodnotenie výkonu modelu rozdelením pôvodných údajov do viacerých skupín tréningových setov/ testov. Existujú 3 typy krížovej validácie: krížová validácia typu K-fold, stratifikovaná krížová validácia K-fold, LOOCV.

Medzi ďalšiu najznámejšiu podskupinu umelej inteligencie patria neurónové siete.

1.2. Neurónové siete

Umelé neurónové siete sú počítačové systémy, ktoré sú inšpirované, ale nie identické s biologickými neurálnymi sieťami. Takéto systémy sa „učia“ vykonávať úlohy zvažovaním príkladov, spravidla bez naprogramovania pravidiel špecifických pre danú úlohu. Napríklad pri rozpoznávaní obrázkov sa môžu naučiť identifikovať obrázky, ktoré obsahujú mačky, analyzovaním vzorových obrázkov, ktoré boli manuálne označené ako „mačka“ alebo „žiadna mačka“, a pomocou výsledkov identifikovali mačky v iných obrázkoch. Robia to bez predchádzajúcich vedomostí mačiek, napríklad, že majú kožušinu, chvosty, fúzy a mačacie tváre. Namiesto toho automaticky generujú identifikačné charakteristiky z príkladov, ktoré spracúvajú.

Neurónová sieť je založená na súbore spojených jednotiek alebo uzlov nazývaných umelé neuróny. Každé spojenie, rovnako ako synapsie v biologickom mozgu, prenášajú signály do iných neurónov. Neuróny sú agregované do vrstiev. Rôzne vrstvy môžu na svojich vstupoch vykonávať rôzne transformácie. Signály sa pohybujú od prvej vrstvy (vstupnej vrstvy) až po poslednú vrstvu (výstupná vrstva), po viacnásobnom prechode vrstvami.

Existuje mnoho ďalším spôsobov a prostriedkov umelej inteligencie.

Už z tohto jednoduchého opisu dvoch najznámejších spôsobov umelej inteligencie nám je zrejmé, že pokiaľ zadaním vstupov a príslušných výstupov si vedia súčasné programy identifikovať vzor (pattern), na základe ktorého funguje zadaný systém, a tento vzor sa vie prispôsobovať každému novému vstupu a modifikovať sa ním,  tak na vytvorenie systému práva (minimálne v teoretickej rovine) by sme nemuseli zložito definovať a programovať zložky a princípy systému, ale jednoducho by malo postačovať zadať vstupy a výstupy a vzor – samotná podstata právneho systému – by sa mohla vygenerovať sama. Tento algoritmus práva by sa bol dokonca schopný aj sám obmieňať a inovovať až do bodu, kedy by neboli právne rozhodnutia vytvárané človekom, ale plne a výlučne týmto vzniknutým systémom. Vtedy by už každý nový vstup a výstup bol len potvrdením tohto vzoru. To by predstavovalo nejaký jednotný meta – algoritmus práva. Podľa nášho názoru by sa však nemalo všetko snaženie zamerať na absolútne platný model práva, ak je reálne dosiahnuteľný, tak v skutočnosti predstavuje model všeobecne platnej spravodlivosti.[4]  Ak sa takto zameriame, neúplné modely  budú pre nás predstavovať neúspešné pokusy. Pritom v reálnom svete môže akékoľvek čiastkové riešenie predstavovať významný prínos v oblasti nahradzovania ľudskej práce strojom.

V ďalšej časti sa pozrieme na rôzne ďalšie možné cesty k robotizácii práva, ktoré by nám mohli vyplynúť z jeho podstaty.

Ešte predtým uvedieme súčasné už existujúce produkty využívajúce umelú inteligenciu v práve.

[2] Toto predstavuje veľmi jednoduchý spôsob robotizácie práva – a to predkladanie výrokov, ktoré by boli s istou pravdepodobnosťou označované ako právne správne alebo nesprávne.

[3] Zdroje chyby v modeli môžu byť systémová chyba, chyba odchýlky a neredukovateľná chyba. Systémová chyba je spôsobená príliš zjednodušenými predpokladmi alebo obmedzeniami v algoritmu. Vysoká chyba znamená, že v našom algoritme učenia chýbajú dôležité trendy medzi črtami. Chyba odchýlky, ktorá odkazuje na chybu v dôsledku príliš komplexného prispôsobovania údajov. Vedie k strate schopnosti generalizácie.

[4] Vychádzame z toho, že existuje objektívna pravda, čiže minimálne v teoretickej rovine by sme mali predpokladať, že takýto model predstavuje konečný ideálny stav. Uvedená snaha predstavuje snahu o dokonalosť.  V skutočnosti všetky problematiky končia pri tejto otázke, a aby táto práca nebola ďalšou nikdy nekončiacou debatou, ktorá môže bežnému pozorovateľovi pripadať zbytočná a samoúčelná, cieľ práce zameriavame úzko na hľadisko uskutočniteľnej a efektívnej robotizácie práva (hľadisko, ktoré podporuje úspešné manažovanie vytýčeného projektu). To znamená, že pokiaľ bude možná ľahká robotizácia práva na základe chápania práva ako faktických udalostí, čiže na základe množiny toho, čo právo momentálne je, tak prijímame tento spôsob vedúci k istej miere robotizácie s tým, že upozorníme na riziká z toho vyplývajúce, a prípadne navrhneme korekcie. Samozrejme, že ignorovanie objektívneho princípu sa prejaví vo výsledku, ale v istých úrovniach sa ešte výrazne neprejavia chyby tohto prístupu. Realizácia nejakej veci (v konkrétnych nedokonalých podmienkach) je opustenie snahy o absolútnu dokonalosť. Realizácia vtedy znamená, že máme dôvod dosť silný na to, aby sme sa vzdali potenciálnej dokonalosti. Tento dôvod musí byť schopný ospravedlniť a prebiť nedokonalosti zrealizovanej veci. Neklesneme len preto, že sme schopní akceptovať iba čiastočnú robotizáciu, pretože máme vyšší cieľ a zmysel. Aj pre túto prácu platí, že byť dôvodom sám o sebe je príliš ťažké bremeno, ale môže byť nositeľ myšlienky.

1.3. Súčasné produkty a spôsoby využitia umelej inteligencie v práve

 

V súčasnosti sa umelá inteligencia využíva najmä v jednotlivých oblastiach práva. V oblasti due diligence (hĺbková previerka podniku v súvislosti s potenciálnou obchodnou transakciou akou môže byť napríklad kúpa akcií podniku, kúpa a následný prevod obchodného podielu alebo poskytnutie úveru zo strany banky) sa vykonávajú hĺbkové analýzy pomocou nástrojov umelej inteligencie, napríklad automatická kontrola zmlúv. Do tejto kategórie môžeme zaradiť softvér: Kira Systems,  LEVERTON, eBrevia^[5], COIN^[6], Fathom Contextual Interpretation Engine, LawGeex^[7], Analytics Analytics, ROSS Intelligence, CARA, Loom, Judicata, Everlaw, DISCO, Katalyst,  Exterro WhatSun^[8], Brainspace Discovery, M&A Due Diligence Robot,  LitIQ, LegalSifter, Seal. V oblasti predikčnej technológie sú to napríklad Intraspexion, Ravel Law,  Platforma Legal Analytics pre platformu Lex Machina, Premonition. V oblasti právnej analýzy softvér Legal Analytics spoločnosti Lex Machina. Pre oblasť automatizácie dokumentov je softvér PerfectNDA. V oblasti duševného vlastníctva existujú platformy Clearance Trademark Clearance, Cloudové štúdio ANAQUA Studio,  SmartShell^[9] . V oblasti elektronickej fakturácie poznáme Brightflag^[10] Smokeball. ^[11]

Čo všetko súčasné programy dokážu?

Napríklad pri kontrole dokumentov program poskytuje návrhy na úpravy pomocou kombinácie strojového učenia, textovej analýzy, štatistických kritérií a právnych znalostí. Softvér je schopný zmeniť právny obsah na numerickú formu a takto nastoľovať problémy týkajúce sa dokumentu. Poskytuje návrhy na zlepšenie dodržiavania zmluvy, hodnotí najlepšie postupy a rizikové faktory. Vyhľadáva vysokorizikové dokumenty a zobrazuje ich podľa úrovne rizika. V prípade dokumentu zvýrazňuje rizikové výrazy identifikované pomocou algoritmu. Niektoré programy vytvárajú zmluvné dokumenty tak, že generujú vopred vyplnenú šablónu na základe odpovedí používateľa na otázky programu. V oblasti súdnych sporov uľahčuje softvér právnu analýzu tým, že prehľadáva informácie v prirodzenom jazyku a zisťuje odporúčané čítanie, súvisiace judikatúry a sekundárne zdroje. Právnici môžu klásť otázky v bežnom jazyku a softvér bude odpovedať s odkazmi a citáciami. Programy ďalej vedia predpovedať argumenty protichodných konkurentov tým, že nájdu stanoviská, ktoré právnici predtým používali. Programy sú schopné ďalej predpovedať úspech právnika pomocou analýzy jeho miery výhry, trvania a typu prípadu a jeho spárovania so sudcom, a mnohé ďalšie.

5] Spoločnosť na stránke tvrdí, že dokáže analyzovať viac ako 50 dokumentov za menej ako minútu, o 10 percent presnejšie ako procesom manuálneho preskúmania. Spoločnosť Baker McKenzie uviedla softvér na trh v 11 kanceláriách v Ázii, Európe a Severnej Amerike v auguste 2017.

[6] Extrahuje 150 atribútov z 12 000 komerčných úverových zmlúv a zmlúv za pár sekúnd. To zodpovedá 36 000 hodinám práce právnych zástupcov jej právnikov a správcov úverov podľa spoločnosti. COIN sa vyvinul po tom, čo si banka všimla ročný priemer 12 000 nových veľkoobchodných zmlúv s očividnými chybami.

[7] Spoločnosť tvrdí, že právnické firmy môžu pomocou svojho nástroja znížiť náklady o 90 percent a skrátiť dobu na preskúmanie zmluvy a schválenie o 80 percent.

[8] Podľa jedného z klientov sa im podarilo znížiť počet pracovníkov zo 100 právnikov na 5. Podľa advokátskej kancelárie bol softvér schopný vykonávať úlohy právnikov s 95 percentnou úsporou nákladov. Spoločnosť má medzi svojimi zákazníkmi AOL, Microsoft a Target.

[9] TurboPatent tvrdí, že útvary boli o 500 až 800% produktívnejšie vo svojich úlohách, keď používali SmartShell.

[10] Spoločnosť tvrdí, že jej priemerný klient pomocou funkcie asistovaného preskúmania platformy znižuje administratívne náklady spojené so správou platieb o 8 až 12 percent.

[11] Spracované podľa https://emerj.com/ai-sector-overviews/ai-in-law-legal-practice-current-applications/

 

2.  Robotizácia právneho myslenia.

 

Ten, kto vidí budúcnosť, môže cestovať v čase. Stačí vstúpiť do priestoru odvetvia, ktoré je na pokraji zmeny, ale ešte o tom nevie. Je to ako vrátiť sa do minulosti v jej plnej autenticite.

 

Sme svedkami revolúcie, ktorú prinieslo neustále zdokonaľovanie technológií. Môžeme predpokladať, že vývoj sa v najbližších desaťročiach bude pohybovať práve týmto smerom. Pozorujeme robotizáciu v stále širších oblastiach ľudských činností.  V prvom rade ide o činnosti, ktoré sú ľahko definovateľné a štruktúrované. Počítač je na rozdiel od človeka až dokonalo spoľahlivý, má pre človeka nedosiahnuteľnú kapacitu pamäte a dokonalé procesy. Jeho práca je zároveň lacnejšia a rýchlejšia.

Právne myslenie je však vo svojej podstate mechanické, a už v súčasnej dobe je predstaviteľná, a na základe existujúcich technológií realizovateľná, jeho čiastočná algoritmizácia.

Myšlienka využitia umelej inteligencie v práve vychádza z teoretickej otázky „čo je to právo?“. Zodpovedaním toho, čo je právo a aké sú jeho základné charakteristiky a účel, môžeme dospieť k spôsobu a rozsahu využitia umelej inteligencie v práve.

Teória práva obsahuje množstvo vysvetlení fenoménu  práva.

Dominantný smer v súčasnom právnom myslení je pozitivistická teória, ktorá veľmi zjednodušene predpokladá, že právo je len to, čo stanovuje zákon.^[12] Nepatria do neho žiadne hodnotiace kritériá. To by pri istom pohľade mohlo zjednodušiť jeho robotizáciu. Zároveň však veľké množstvo pozitivistických teórií definuje právo ako neúplné a vyžadujúce  interpretáciu alebo iný spôsob vypĺňania medzier v práve.^[13] Ani takéto chápanie práva nie je v rozpore s využitím umelej inteligencie, najmä pokiaľ je z teórie zrejmé z čoho by sa malo čerpať pri interpretácii či vypĺňaní medzier v práve. Ani opačné chápanie práva ako spravodlivosti nemusí znamenať nemožnosť zachytiť a automatizovať časť právneho myslenia. Dokonca objektívne princípy spravodlivosti môžu uľahčiť robotizáciu právneho myslenia. Je však pravda, že zavádzanie programu pre etické rozhodovanie stroja je zložitejšie ako naprogramovať vzťahy vyplývajúce z písaného zákona.^[14]  Najjednoduchší spôsob chápania práva, ktorý v maximálnej miere zjednodušuje využitie umelej inteligencie je jeho chápanie ako faktu. Pri dostatočnom množstve faktov (big data) strojové učenie vygeneruje vzor, podľa ktorej sa riadi do budúcnosti.

Aj myšlienky predstaviteľov nonpozitivizmu môžeme zaradiť medzi inšpiratívne pre danú víziu. Dworkin[15] napríklad vo svojej teórii stanovuje predpoklad jedinej správnej odpovede.^[16] Ďalšou inšpiráciou je  postava sudcu Herkula, ktorú Dworkin načrtol už v diele Keď sa práva berú vážne a precizoval v diele Ríša práva[17]. Sudca Herkules sa v odbornej literatúre nestretáva vždy s veľkým pochopením. S pohľadom upretým na súčasnosť a minulosť je tento výplod fantázie autora bez funkcie a zmyslu. Inak úsmevná postava dokonalého Hercula, ktorý má prístup ku všetkým dátam o práve, a disponuje dokonalými procesmi rozhodovania, môže byť však v súčasnej dobe chápaná ako predobraz uplatnenia umelej inteligencie v práve.^[18]

Právo je možné chápať rôznymi spôsobmi, pričom spôsob chápania práva bude ovplyvňovať spôsob a možnú mieru jeho robotizácie. Spomenuli sme pozitivistické a nonpozitivistické teórie. Medzi ďalšie významné protikladné typy chápania práva môžeme zaradiť:

• Sudca ako stroj – právo je racionálne, úplné, konzistentné, právo sa aplikuje mechanicky
• Právo závislé od interpretácie, od podmienok, od záujmov

Ďalšie delenie na účely našej práce, ktoré sa čiastočne prekrýva s predchádzajúcim vymedzením, je preto kognitivistické alebo decizionistické chápanie práva. Kognitivistická koncepcia je založená na tom, že v práve je možné nájsť správnu odpoveď na právnu otázku, kým decizionistická koncepcia práva sa spája s termínmi ako sudcovské vypĺňanie medzier v práve, úloha interpreta pri posudzovaní významu jazyka a podobne, čo znamená, že odpoveď na to, čo je právo, je ovplyvnená tým, kto o tom rozhoduje. Preferencia istého chápania práva mení pri uplatnení umelej inteligencie prístup k riešenej otázke, napríklad akým spôsobom sa budú získavať vstupné dáta. Pre každé z rôznych chápaní práva vystupujú iné spôsoby a problémy pri jeho robotizácii.^[19]

Odhliadnuc od rôznych teórii práva, najväčšími prekážkami v uplatnení umelej inteligencie v práve sa javí (jednotlivé kategórie môžu logicky vylučovať iné zo zoznamu, pre rôzne spôsoby chápania práva to môže byť iná prekážka):

• Neúplnosť práva
• Interpretačný charakter práva, ktorý závisí od subjektu, ktorý ho interpretuje
• Neurčitosť právnych pojmov
• Nemožnosť presného popísania procesu právneho myslenia
• Veľké množstvo vstupov do rozhodovania, ktoré sú tiež samotné predmetom rozhodnutia o tom, či ide o právne relevantné skutočnosti alebo nie, a nutnosť ich aktívneho vyhľadávania

Na základe vyššie uvedeného môžeme konštatovať, že v súvislosti s problematikou existujú samostatné otázky týkajúce sa:

• Spôsobu robotizácie
• Spôsobu uchopenia práva, ktoré ideme robotizovať
• Možností, ktoré poskytujú súčasné technológie

Z tohto logicky vyplýva, že existujú rôzne alternatívne možnosti prístupu k robotizácii.

Medzi základné charakteristiky práva patrí práve jeho konzistentnosť, systematickosť, pevne stanovený mechanizmus právneho myslenia. Je zostavené tak, aby rovnaké vstupy dali vždy rovnaký výsledok. Právny systém sa pokúša stanoviť pojmy podobne pevne ako matematické modely podradzujú vysokú komplexitu pod pevne stanovené pojmy – čísla, čo je samozrejme v obidvoch prípadoch plne nerealizovateľné.

Pokiaľ ide o technické bariéry, tie sa neustále zužujú vďaka veľkému pokroku v procesoch strojového učeni , ktoré umožňujú, aby automatizácia v čoraz väčšej miere prenikala aj do nerutinných pracovných miest, a to ako manuálnych tak aj abstraktných. Strojové učenie umožňuje, aby boli počítače schopné stále vo väčšej miere vykonávať aj kognitívne a nerutinné úlohy. Táto technológia dáva počítačom schopnosť učiť sa bez toho, aby boli na to explicitne naprogramované. Príkladom sú autonómne vozidlá alebo počítače rozpoznávajúce reč, vzory, analyzujúce právne dokumenty. Podľa niektorých autorov jediné činnosti, ktoré v blízkej budúcnosti nebude možné nahradiť strojmi, sú úlohy, ktoré vyžadujú kreatívne schopnosti, intuíciu a sociálnu interakciu.^[20]

Podľa nášho názoru je to, čo by sme mohli zahrnúť pod chápanie práva ako spravodlivosti, ťažšie nahraditeľné, resp. je vhodnejšie na to, aby sa stalo kľúčovou agendou právnika v budúcnosti, kým formalistické, mechanické myslenie by malo byť ponechané na stroje.

Počítače sú už v dnešnej dobe využívané v oblastiach právnych a finančných služieb[21]. V predchádzajúcej časti sme už uvádzali súčasné produkty využívajúce umelú inteligenciu v práve. Videli sme ako sofistikovanejšie algoritmy postupne preberajú úlohy vykonávané právnikmi. Právne firmy využívajú najmä programy, ktoré dokážu skenovať tisíce právnych spisov a precedensov.^[22] Markoff uvádza príklad systému spoločnosti Symantec Clearwell, ktorá používa jazykovú analýzu na identifikáciu pojmov v dokumentoch, môže prezentovať výsledky graficky a dokázala analyzovať a zotriediť viac ako 570 000 dokumentov za dva dni.^[23]

V nedávnej štúdii spoločnosť LawGeex, ktorá je  technický start – up v práve, skupina skúsených právnikov  testovala svoje zručnosti a vedomosti v porovnaní s algoritmom AI (umelá inteligencia – ďalej len „AI“). Úlohou bolo preskúmať riziká obsiahnuté v piatich dohodách o nediskriminácii. AI sa zhodovala s najlepšími právnikmi v presnosti – obe dosiahli 94%. Celkove dosiahli právnici v priemere 85%, pričom najhorší výsledok bol  67%. Pokiaľ ide o rýchlosť, AI ďaleko prekonala ľudskú myseľ, pričom len za 26 sekúnd preskúmala všetkých päť dokumentov v porovnaní s priemernou rýchlosťou právnikov, ktorá bola 92 minút. Najrýchlejší právnik dokončil prehliadku dokumentu za 51 minút – viac ako 100 krát pomalšie ako AI – zatiaľ čo najpomalší dosiahol 156 minút. AI v tomto experimente jasne prekonala ľudí. Poradenstvo McKinsey odhaduje, že 23% právnej práce môže byť automatizované.

Umelá inteligencia je globálny trh, ktorý rastie exponenciálne. Hodnota globálneho podnikania odvodená z AI sa odhaduje na 1,2 bilióna dolárov v roku 2018 a na 3,9 bilióna dolárov v roku 2022.^[24]

Zastávame názor, že právne myslenie je vo vysokej miere spôsobilé na automatizáciu. Algoritmizácia právneho myslenia je strategickou víziou budúcnosti tohto odvetvia a pozmení nielen jeho štruktúru, požadované znalosti a zručnosti právnikov, ale pravdepodobne prispeje ku jeho globalizácii. Práve robotizácia je spôsobilá odstrániť bariéru rôznych „právnych jazykov“ a prispieť ku chápaniu práva ako všeobecného fenoménu principiálne podobného obsahom bez ohľadu na odlišnosti v obale a forme.

[12]  Najvýznamnejší predstaviteľmi právneho pozitivizmu sú napríklad Jeremy Bentham, John Austin, Hans Kelsen, H.L.A. Hart. Je pravda, že súčasný pozitivizmus je najmä o deskriptívnom prístupe a najvýznamnejší predstaviteľ H.L.A. Hart považuje za právo to, čo ním fakticky uznajú odborné právne autority. Fakticita však vždy znamená existenciu dát. V prípade odklonu od konzistentného rozhodovania je narušená schopnosť predikcie, ale to sú jedinečné prípady, a najmä v rámci teórie právneho pozitivizmu pôjde vždy len o sporadické prípady. Zástancovia právneho pozitivizmu sa stále budú snažiť podradiť právo pod merateľné, kvantifikovateľné a verifikovateľné pravidlá.

[13] Hart napríklad poukazuje na neurčitosť obsahu výrazov prirodzeného jazyka. Jeho známy príklad o vozidlách, ktoré nemôžu vstúpiť do parku, naznačuje problém neurčitosti práva. Hart, H.L.A.: The Concept of Law, Oxford: Clarendon Press, 1961.Podľa Hollandera vyplýva neúplnosť práva z nemožnosti apriórne postihnúť rozmanitosť a vývoj vecí a vzťahov. Ďalšia príčina neúplnosti vyplýva z povahy komunikačného prostriedku a všeobecnosti normy. Posledná príčina plynie z rozdielu v hľadiskách systematizácie práva a štruktúrovaním právnych predpisov na jednej strane a štruktúrou právnej normy na druhej strane. Hollander, P.: Filosofie práva. vyd. Plzeň: Aleš Čeněk, 2012.421 s. ISBN 978-80-7380-366-7, str. 276

[14] V súčasnosti sa etickým rozhodovaním zaoberajú vedci napríklad v súvislosti s autonómnymi vozidlami. Na etické naprogramovanie stroja je podľa nášho názoru nutné pripustiť existenciu jednej objektívnej morálky. V súčasnosti sa tento názor spochybňuje, z čoho vyplýva náročnosť určenia na základe akých kritérií by rozhodovanie malo prebiehať.

[15]   Dworkin, R.: Taking Rights Seriously. Cambridge, Massachusetts: Harvard University Press, 1977,1978. 371 s.,    v českom preklade Dworkin, R.: Když se práva berou vážně. Praha: Oikoymenh, 2001. 455 s. V rozpätí rokov 1963 – 1977 Dworkin publikoval sériu článkov, ktoré boli zozbierané do knihy Keď sa práva berú vážne (1977). Najprv sa venuje kritike „vládnucej“ teórie práva – pozitivizmu a utilitarizmu z dôvodu, že tieto teórie neumožňujú jednotlivcom mať voči štátu aj iné práva ako tie, ktoré sú výslovne zakotvené v súbore jasne stanovených pravidiel. Ponúka vlastnú teóriu, ktorá ospravedlňuje rozhodnutia súdov ohľadom ľudských práv a umožňuje priznať jednotlivcovi aj iné práva ako tie, ktoré boli vytvorené explicitnými politickými rozhodnutiami alebo explicitnou spoločenskou praxou. Rozhodnutia opiera o princípy – štandardy, ktoré sa majú dodržiavať, pretože to požaduje morálka. Reaguje tak na aktuálne problémy a diskusie, ktoré rezonovali v americkej spoločnosti v sedemdesiatych rokoch – napríklad otázku rasovej segregácie, odmietnutie vojenskej služby vo vojne vo Vietname a iné.

[16]  Dworkin, R.: Law’s Empire. Oxford: Hart publishing, 1998. 470 s. v slovenskom preklade Dworkin, R.: Ríša práva. Bratislava: Kalligram, 2014. 536.

[17] Dworkin, R.: Law’s Empire. Oxford: Hart publishing, 1998. 470 s. v slovenskom preklade Dworkin, R.: Ríša práva. Bratislava: Kalligram, 2014. 536. V Ríši práva Dworkin sumarizuje svoju teóriu. Kniha si kladie za cieľ pochopiť rozdielne pohľady na to, čo tvorí základ práva a následne vybudovať a obhajovať teóriu o „pravých základoch práva“. Podľa Dworkina sa právo identifikuje interpretačným prístupom, nie jazykovými kritériami. V tvorivom interpretačnom procese sa do práva dostávajú nielen minulé rozhodnutia ale aj hodnoty spoločnosti, princípy, záujmy a ciele, ktorým prax slúži. V zmysle jeho interpretačnej teórie celý proces smeruje k právu ako morálne koherentnému celku. Takýmto interpretačným prístupom sa postupne vytvárajú na seba nadväzujúce reťazce príbehu práva, ktorý sa vyvíja v čase k lepšej budúcnosti zohľadňujúc v správnej miere minulosť.

[18] Dworkin, R.: Taking Rights Seriously. Cambridge, Massachusetts: Harvard University Press, 1977,1978. 371 s.,    v českom preklade Dworkin, R.: Když se práva berou vážně. Praha: Oikoymenh, 2001. 455 s. , Dworkin, R.: Law’s Empire. Oxford: Hart publishing, 1998. 470 s. v slovenskom preklade Dworkin, R.: Ríša práva. Bratislava: Kalligram, 2014. 536.

[19] Vzhľadom k nespočetnému množstvu rôznych pohľadov na právo a teórií v ďalšom texte už nebudeme argumentačne zdôvodňovať, prečo práve uvedené chápanie práva považujeme za správne a najvhodnejšie na účely tejto práce. Náš uhol pohľadu vychádza z otázky: je právo robotizovateľné a akým spôsobom? Napríklad v ďalšom texte uvádzame, že medzi základné charakteristiky práva patrí  jeho konzistentnosť, systematickosť, pevne stanovený mechanizmus právneho myslenia. Toto je samozrejme možné spochybniť rôznymi teóriami. Niektorí autori môžu namietať, že proces myslenia nie je pevne stanovený, že logika uplatňovaná pri právnom myslení sa značne líši od formálnej logiky, a podobne. Uvedené berieme ako pravidlo, od ktorého sa odrážame pri postupe robotizácie a ďalšie prístupy vyplývajúce zo spochybnenia tohto pravidla prichádzajú do úvahy až vtedy, ak výsledky uplatnenia algoritmu nebudú dostatočné. Rozhodujúci je výsledok, nie proces akým sa k nemu dopracujeme. Snažíme sa definovať spôsob chápania práva, ktorý by umožnil jeho robotizáciu a identifikovať a eliminovať problémy, ktoré by ju sťažili alebo úplne znemožnili.

[20]   Martinák, D. Povolanie robot ,komentár 01/2017, Inštitút vzdelávacej politiky Ministerstvo školstva, vedy, výskumu a športu SR, február 2017

[21] Pre akademicky opísaný príklad využitia strojového učenia vo finančnej oblasti (oceňovanie aktív)napríklad: Gu, Shihao and Kelly, Bryan T. and Xiu, Dacheng, Empirical Asset Pricing via Machine Learning (September 13, 2019). Chicago Booth Research Paper No. 18-04; 31st Australasian Finance and Banking Conference 2018; Yale ICF Working Paper No. 2018-09. Available at SSRN: https://ssrn.com/abstract=3159577 or http://dx.doi.org/10.2139/ssrn.3159577

[22]  Frey, C. – Osborne, M.: The Future of Employment: How Susceptible are Jobs to Computerization?, University of Oxford, September 17, 2013, str.17

[23] Markoff, J. (2011 March 4). Armies of expensive lawyers replaced by cheaper software. The New York Times.

[24] https://www.weforum.org/agenda/2018/11/this-ai-outperformed-20-corporate-lawyers-at-legal-work/

 

2.1. Science + business = innovation

Spojenie vedy a podnikania vytvára inovácie. Inovácie sú jednou z možností ako vstúpiť na globálne trhy.

Táto problematika nám ukazuje prechod od teoretického vedeckého bádania, „čo je právo“, ku konkrétnym užitočným inováciám v práve. Na základe teórie takto môžeme dospieť k zlepšeniam v reálnom svete a realizovať ich. Ak je tento proces prepojený s obchodom, vzniká produkt, transferuje teóriu do praxe, zlepšuje stav podniku, prostredia, aj celej spoločnosti. Pozorujeme fázy:

1.teoretická idea

2.aplikácia abstraktnej myšlienky do konkrétnej situácie v priestore a čase a v realite dynamického sveta

1. a maiori ad minus – definovanie konkrétneho produktu, ktorý vyplýva z konkretizovanej širšej idei
2. praktická realizácia umiestnením produktu na trh.

Abstraktná myšlienka pritom vzniká zovšeobecňovaním pozorovaného v praktickom svete alebo formou intuície a kreatívneho myslenia alebo formou abstraktného vyvodzovania – vytvárania záverov z pravdivých premís. Ak vzniká z empirického pozorovania reality, pozorujeme kruh pretvárania a zlepšovania praktického sveta prostredníctvom človeka.

Inováciou, konkrétnym produktom, je v našom prípade softvér – právny robot. Na tomto produkte môžeme demonštrovať teóriu hodnotovo orientovanej stratégie[25] . Na základe bežnej teórie manažmentu by sme mali postupovať nasledujúcim spôsobom – nájdenie zákazníka, zistenie jeho potrieb a vytvorenie produktu.

Bežný spôsob kombinujeme o spôsobom, ktorý prináša teória hodnotovo orientovanej stratégie.

To znamená proces prebiehal nasledovne:

Definovali sme si hodnotovú víziu a tou je nahradenie mechanického myslenia počítačom tak, aby človek mohol vykonávať zložitejšie myšlienkové činnosti, bol ušetrený čas a náklady. Zbavenie sa nezmyselných duplicitných úkonov v činností a myslení a využitie nových poznatkov a technológií, výdobytkov 4. priemyselnej revolúcie pre všetkých.

Na základe tejto vízie bola položená otázka: čo je možné a správne v konkrétnom kontexte urobiť?

Produkt vychádza z vízie a až následne je podrobený bežnému postupu v podnikaní.

Potrebám a preferenciám užívateľov sa prispôsobuje skôr forma, ktorá môže byť rôzna. Obsahom je myšlienka robotizovaného právneho myslenia, za ktorou stojí hodnotová vízia – oslobodenie človeka od mechanického myslenia a zlepšenie jeho životných podmienok.

Myšlienka predchádzala samotný produkt a bola vytvorená na základe smerovaniu k dobru pre človeka. Neriadila sa ani existujúcimi potrebami, ani existujúcou paradigmou. Vznikla na základe otázky: Ako je možné zabezpečiť v tejto oblasti dobro pre človeka v čo najširšom meradle?

Prípadný úspech takéhoto produktu by bol tiež overením tézy o úspešnosti hodnotovo orientovanej stratégie. Na to však budeme musieť ešte počkať.

Čo sa týka samotných inovácií a ich potreby, budúcnosť právneho odvetvia je významne ovplyvnená vývojom na celom svete. Aj keď sa lokálne odvetvie uzavrelo vo svojej bubline, vždy je to len otázka času, kedy bude musieť začať reagovať na okolité prostredie. Právne odvetvie je na pokraji digitálnej disrupcie. Trendy, ktoré prebiehajú vo svete významne zasahujú aj do oblasti podnikania v práve a sú spôsobilé podstatne zmeniť jeho charakter, aj napriek tomu, že si to mnohí zúčastnení neuvedomujú.

[25] Hodnotovo orientovaná vízia a stratégia, www.helenabaldovska.sk

 

2.2.  Možné spôsoby robotizácie práva

Prvá a najzákladnejšia otázka znie: je vôbec právo spôsobilé na robotizáciu, akým spôsobom a v akom rozsahu?

Výsledná robotizácia práva je prienikom medzi tým, čo je právo a ako prebieha právne myslenie a technologickými možnosťami súčasnosti.

Otázka, či je možné plne popísať, formalizovať právne myslenie sa v minulosti javila ako kľúčová – ak nie, nebolo možné pomýšľať na automatizáciu právneho myslenia. Tieto závery však obsahovali jednu chybu. Vždy počítali s tým, či je absolútne možné postihnúť celé právne myslenie komplexne bez akejkoľvek výnimky, to znamená úplne ho definovať a opísať. Táto otázka sa začala podobať teoretickej otázke o tom, či je možno úplne definovať pojem práva. Celá argumentácia sa v tomto zamotáva a točí v kruhu, pretože podať úplnú definíciu nejakého pojmu je nemožné. Pojmy sú otvorené, ich štruktúru môžeme vyjadriť kruhom, kde v strede sú jednoznačné prípady a ďalej od stredu okrajové prípady.

Ak by sme pri robotizácii postupovali iba prostredníctvom dopredu definovaných pojmov, ľahko by sme sa mohli dostať do tejto neriešiteľnej situácie. Žiaden jazyk skladajúci sa zo slov nie je schopný podať komplexný obraz reality.

Dnes už toto nie je kľúčová otázka z dôvodu, že sa začalo k problému pristupovať iným spôsobom a nie preto, že by niekto konečne komplexne opísal právne myslenie pomocou nejakého všeobecne platného modelu a tým ho formalizoval do dokonalosti.

Tento zmenený prístup má oproti pôvodnému  holistický, dynamický aspekt a zameranie sa na výstupy namiesto na procesy myslenia, a na štatistiku namiesto klasickej logiky. Umelá inteligencia zasiahla aj oblasť interpreta, alebo oblasť vyšších a nižších premís, ktoré rozhodovali o právnom závere. Dovtedy uzavreté myslenie len priestore jednej vedy, vyriešil holistický prístup a snaha o úplné a bezchybné definovanie a redukovanie na jeden princíp – vyriešilo akceptovaním čiastkových riešení a dynamiky. Prierezový prístup začal rúcať tradične vytvorené vedné odbory a klasifikácie, ktoré bránili v rozvoji.

Mohli by sme to nazvať aj nový prístup, ktorý umožnil využívanie počítačov a umelej inteligencie v širokých oblastiach ľudskej činnosti. Tento prístup prekročil paradigmu, umožnil doteraz nebývalý rozvoj. Sprevádza ho rozpad pôvodného systému, pretože mení štruktúru sociálnej reality.

Pojem práva nebolo možné teoreticky opísať z dôvodu, že je zasadené v celkovej sociálnej realite a odtrhnúť ho od nej nie je možné.  Preto ani jeho robotizácia nemôže prebiehať oddelene a preto robotizácia práva prichádza s masívnym uplatňovaním umelej inteligencie do iných oblastí ľudskej činnosti.

Zmenený prístup sa prejavuje aj ako zmena z pokusov o zachytenie procesu právneho myslenia – transformačného procesu a jeho dôsledné uchopenie na sústredenie sa len na výsledok – výstup transformačného procesu. Spolu s pokrokom v analýze veľkých dát tento prístup môže začať prinášať výsledky.

V najskoršej ére výskumu Al – od 50. do 80. rokov 20. storočia sa vedci zamerali na pokus o replikáciu kognitívnych procesov u ľudí pomocou počítača. Vedci začali dosahovať skutočné úspechy až keď sa vzdali tejto predstavy. Začali dosahovať úspech automatizáciou zložitých úloh zameraním sa na produkovanie výstupov, ktoré ľudia považujú za presné, primerané, a užitočné, a tieto výsledky sú považované za „inteligentné“, aj keď nie sú dosahované umelými modelmi ľudských kognitívnych procesov. Avšak tu je veľmi dôležité, ako budeme chápať inteligenciu u ľudí a ich kognitívne procesy, a tým či budeme považovať súčasné úspechy za vzdanie sa idei priblíženia sa ľudským kognitívnym procesom alebo skôr za ich modifikáciu. My sme sa v úvode dotkli otázky ľudského myslenia. Nemyslíme si, že súčasné uchopenie problematiky nemá nič spoločné s procesmi myslenia človeka, práve že sa približuje bežnému spôsobu ľudskej práce s pojmami, ľudskej úvahe a rozhodovaniu. Samozrejme, človek nemá k dispozícii toľko informácii a nevie ich spracovávať s takou rýchlosťou a presnosťou, a to je práve výhoda počítača. Náš názor je, že tento spôsob je bližší spontánnemu ľudskému mysleniu ako nejaké rekonštrukcie operácií s výrokmi. Chápanie kontextu je samotná operácia, ktorá má veľa spoločných prvkov so štatistikou a prácou s veľkými dátami. Človek pracuje so svojimi doterajšími skúsenosťami a informáciami a prirodzene vytvára v súvislosti s pojmami a kategóriami niečo ako Gaussovu krivku rozloženia. Problémom predchádzajúceho prístupu preto nebolo mapovanie kognitívnych procesov, ale skôr nepochopenie podstaty ľudského jazyka a prepojenia pojmov a reálneho sveta.

Ale nejde len o problém jazyka. Ak prevedieme experiment so súborom 10 ľudí, z ktorého 9 sú podpriemerne vysoký a jeden je priemerne vysoký, tak toho jedného vníma bežný pozorovateľ ako vysokého, kým v skupine 9 nadpriemerne vysokých ľudí ho vníma ako nízkeho. Táto taktika sa bežne manipulatívne využíva, a prečo asi? Pretože človek takto v skutočnosti vníma realitu.

Podľa nášho názoru ľudská inteligencia, ľudské myslenie spočíva skôr v prispôsobovaní sa dynamickej realite, ako v presných logických operáciách. Bežný odborný spôsob prístupu k veciam v svojej podstate z tohto hľadiska nie je „ľudsky“ inteligentný. Musíme si zodpovedať otázku, či chceme simulovať myslenie človeka alebo chceme vytvárať dokonalejšie myslenie, na dosiahnutie ktorého musí aj človek pracovať a učiť sa ho vykonávať, pretože spontánne myslenie človeka sa líši od precízneho racionálneho uvažovania[26].

Ďalším problémom bolo, že vedci sa pokúšali o niečo ako replikáciu ľudského hlbokého pochopenia významu veci, čo okrem toho, že je nezrealizovateľné, je aj neužitočné a nepodstatné[27].

Dobrým príkladom  je jazykový preklad. Ľudskí prekladatelia cudzích jazykov majú znalosť jazykov a abstraktné porozumenie pojmov. Počiatočné projekty Al sa snažili replikovať v počítačoch rôzne jazykové pravidlá, o ktorých sa predpokladá, že používa ľudský mozog. Avšak tieto pravidlá prekladu jazykov priniesli zlé výsledky. Najnovšie výskumné projekty zaujali odlišný prístup – využívajú štatistické strojové učenie a prístup k veľkému množstvu údajov. Tým sa dajú dosiahnuť prekvapivo dobré výsledky bez toho, aby skúšali replikovať známe lingvistické procesy .[28]  Podľa nášho názoru nejde vo svojej podstate o odklon od ľudských kognitívnych procesov, pretože napríklad prístup k údajom a postupné učenie typu pokus-omyl v skutočnosti kopíruje spôsob, ako sa učí jazyk malé dieťa.

Právna teória obsahuje mnoho rôznych spôsobov chápania práva, ktoré je možné využiť ako návody na zavádzanie umelej inteligencie do práva.

Táto práca stojí na zásade nevylučovania žiadneho z možných spôsobov robotizácie, ale na pokuse o ich združenie a využívanie synergických efektov.

V počiatkoch snáh o zavádzanie umelej inteligencie do práva sa autori inšpirovali logikou.

[26] Ale napríklad právo ako aj iné systémy sa vyslovene vyznačujú týmto racionálnym uvažovaním, jeho pojmy a logické postupy nie sú voľné v porovnaní napríklad s bežnou rečou. Pri práve by sme preto nesimulovali bežné ľudské myslenie ale pevne stanovený systém. Presne toto by počítač dokázal, tak prečo to nefunguje? Pretože spontánne ľudské myslenie, ľudská realita a pojmy bežného jazyka sú v prieniku s týmto systémom, ktorý samozrejme ako každý iný umelo vytvorený systém jednoducho nedokáže postihnúť celú realitu.  

[27] Mnohí definovali problém pri prekladoch ako skutočnosť, že počítač nemá ľudské chápanie významu. Ale prečo by sme vôbec mali očakávať, že stroj bude mať ľudské chápanie? Ak používam vysávač, tak od neho neočakávam hlboké ľudské pochopenie významu vysávania a ľudskú empatiu, ale to, že bude vykonávať svoju prácu.

[28] „Prekladač Google“, napríklad, funguje čiastočne tým, že využíva obrovské množstvo dokumentov, ktoré odborníci predtým preložili z jedného jazyka do druhého. Spojené národy (OSN) napríklad v priebehu rokov zamestnávala profesionálnych prekladateľov za účelom prekladu miliónov dokumentov OSN do viacerých jazykov, a táto skupina preložených dokumentov je k dispozícii v elektronickej podobe. Na základe použitia štatistických korelácií a obrovského množstva starostlivo preložených údajov, sú automatizované algoritmy schopné vytvoriť sofistikované štatistické modely o pravdepodobnom význame frázy a dokážu vytvoriť automatické preklady, ktoré sú celkom dobré. Príklad prekladu ilustruje širšiu stratégiu, ktorá sa zakladá na použití strojového učenia na analýzu existujúcich údajov s cieľom extrahovať jemné, ale užitočné vzory, ktoré možno použiť na automatizáciu určitých zložitých úloh. Takáto detekcia vzoru pre veľké množstvo údajov sa môže použiť na vytvorenie komplexných počítačových modelov. Harry Surden, ‘Machine Learning and Law’, Washington Law Review 89, no. 1 (March 2014): 87–115

2.2.1. Logická formalizácia

Logické vyplývanie umožňuje dospieť k pravdivému poznatku na základe vyplývania z pravdivých východísk bez konfrontácie so skutočnosťou. Preto existuje predstava, ktorá by umožňovala automatizáciu myslenia na základe vstupných výrokov, ktoré by neskôr pomocou pravidiel logiky prijímala právne závery.

Možnosťou prepísať právny poriadok ako systém výrokov, z ktorých by sa potom mohli odvodzovať logické závery – právne závery, sa zaoberalo v teórii množstvo autorov.

Prvým problém je pravdivosť normatívnych tvrdení. Ak aj toto vyriešime, objavujú sa nové problémy. Aplikácia práva podľa niektorých autorov tkvie v príprave nižšej a vyššej premisy^[29] nie v samotnom následnom sylogizme. Príprava vyššej premisy je výsledkom interpretácie práva. Príprava nižšej premisy je výsledkom dokazovania a platí len v zmysle aproximatívnom a nie absolútnom.

Ambíciou novej vlny logicizmu^[30] je pripraviť teoretický základ rozvoja umelej inteligencie v práve. Možnosti logiky vymaniť sa z doterajších obmedzení formuluje nový logicizmus prostredníctvom kritiky 3 téz, ktoré považuje za paradigmy minulej doby.^[31] Jadro snaženia novej vlny je myšlienka logickej analýzy nonmonotonického myslenia, čo znamená odvodenie záverov, ktoré by mohli byť neplatné dodatočnou informáciou.[32]

Na základe teoretických východísk novej vlny logicizmu bola prevedená analýza súdneho rozhodnutia.^[33] Najväčším problémom bola existencia zamlčaných premís, ktoré sa javia ako kľúčové. Formalizovali teda celý proces myslenia pomocou výrokovej logiky, ale bez zachytenia ostatného systému a princípov z nich vyplývajúcich.

Dnes už vieme, že nič z týchto postupov nemusíme robiť. Neuveriteľný rozmach strojového učenia,  práca s veľkými dátami nám ukazuje omnoho ľahší smer. Aj napriek tomu sa v tejto práci prihovárame k začatiu prác každým jedným smerom, a to súbežne. Výsledkom nie je dokonalé obsiahnutie celého predmetu, ale postupné rozširovanie. Všetky už uskutočnené pokusy o logickú formalizáciu je potrebné zahrnúť do tohto procesu.

Opačným prístupom ako zachytenie práva ako súbor výrokov a logických pravidiel je zachytávanie právnej reality ako súboru faktov.

[29] Hollander, P.: Filosofie práva. vyd. Plzeň: Aleš Čeněk, 2012, str. 279

[30] Hollander, P.: Filosofie práva. vyd. Plzeň: Aleš Čeněk, 2012, str. 320

[31] Prvá je téza, podľa ktorej je právo späté so spracovaním zrušiteľných (anulovateľných) informácií, pričom logické pravidlá nemajú pripúšťať výnimku. Podľa ďalšej tézy je v práve príliš veľa priestoru pre nesúlad, kým logická analýza vyžaduje konzistenciu. Za tretiu tézu sa považuje naivný deduktivizmus, keď väčšina vzorov právneho myslenia nie je deduktívnych, ale analogických alebo induktívnych. K téze, podľa ktorej formalizovať znamená definovať s úplnosťou, je podľa Prakkena jednoduché ukázať, že logická formalizácia môže nechať pojmy čiastočne alebo úplne nedefinované. Prakken, H. Logical Tools for Modelling Legal Argument, pozn. 624, str. 16 In:  Hollander, P.: Filosofie práva. vyd. Plzeň: Aleš Čeněk, 2012, str. 321

[32] Pokiaľ závery závisia od nezdaru odvodenia ďalších záverov, stávajú sa neplatnými, kedykoľvek nová informácia umožňuje odvodiť tieto nové závery. Totiž použitie kolíznych pravidiel zavádza nonmonotonicitu – vo veci napríklad lex superior  a lex specialis platnosť záveru odvodeného z nižšieho alebo všeobecnejšieho pravidla závisí od nezdaru odvodiť záver opačný z vyššieho alebo špecifickejšieho pravidla….aby sme zhrnuli, nonmonotonické usudzovanie sa od štandardného uvažovania líši vo dvoch dôležitých ohľadoch: závery môžu byť učinené neplatné pridaním dodatočnej informácie, a pre každý krok pri odvodzovaní by mal byť zvažovaný úplný obsah dostupnej informácie. Hollander, P.: Filosofie práva. vyd. Plzeň: Aleš Čeněk, 2012, str. 321

[33] Hollander, P.: Filosofie práva. vyd. Plzeň: Aleš Čeněk, 2012, str.323 a nasl.

 

2.2.2. Právo ako sociálny fakt.

Právo je to, čo je skutočne právom, faktom v nejakej sociálnej realite. Právo je to, čo označia sudcovia alebo odborníci ako právo. Niektoré teórie dokonca považujú právo len za predikciu toho, čo potom neskôr určia samotní sudcovia ako právo.^[34] Z tohto vyplýva najjednoduchší spôsob využitia umelej inteligencie.  Čím vyšší počet vstupov, čiže skutočných faktov o práve, o tom, čo bolo označené ako právo, tým väčšia presnosť správneho záveru.

Právnici majú často pocit, že v právnych prípadoch ide o veľmi zložité vzťahy, ktoré je potrebné vyabstrahovať a zložito posudzovať. Čo je v istom zmysle pravdou, ale nie úplnou. Pravda je však taká (a tu sa opierame aj o neskôr uvedenú zásadu), že podstata rozhodnutia nemá byť prioritne súlad s právnym systémom ale jednak spravodlivé rozhodnutie, adekvátne situácii a zvyčajne konzistentné s doterajším stavom. A ľudské situácie sa veľmi od seba nelíšia. Ak si niekto zlomí nohu na chodníku, pretože tam bol ľad, výsledok sám o sebe sa nemôže veľmi líšiť vo svojej podstate v žiadnom právnom systéme. Výsledok je väčšinou ten, že niekto je za to zodpovedný a má platiť odškodnenie. Ak by sme mali dostatočný počet rozhodnutých prípadov a výsledok by sme hľadali len cez obyčajný prehliadač, aj v takom prípade je veľmi pravdepodobné, že by sme vo väčšine prípadov trafili výsledok. Je to tak preto, že možností výstupov nie sú tak široké, ako si človek predstavuje. V skutočnosti sa dejú vždy veľmi podobné prípady, tie sa nestále v rôznych variáciách opakujú a možnosti ako skončia, sú tiež len obmedzené. Ak prihliadneme na to, že právne rozhodovanie aj tak v mnohých prípadoch je skôr analógiou ako logickým vyvodzovaním, pravdepodobnosť, že počítač s dostatočným množstvom údajov a informácii správne odhadne právny záver je veľmi vysoký. Pritom je potrebné myslieť aj na ďalšiu zásadu – preklad vstupov do bežného jazyka a výstupy v bežnom jazyku. Právny jazyk slúži na to, aby sa jednak presne zachytila realita a rozhodlo sa rovnako v rovnakých prípadoch a jednak slúži ako stavebná jednotka efektívneho zjednodušeného systému.

Zároveň je našim hlavným cieľom oslobodenie človeka od mechanického myslenia. Čiže nie je vylúčené, že budú existovať ťažšie prípady, v ktorým nebude zastúpený mechanický prvok natoľko, aby mohol byť automatizovaný. Tých ľahších je však neporovnateľne viac, a na zabezpečenie cieľa nášho snaženia nie je nevyhnutné postihnúť všetky možné prípady.

A to sme ešte nezarátali možnosť zapojenia aj iného rozhodovania, ako len odborníkov. Bežné rozhodovania v etických otázkach by mohli obohatiť dáta a tým by sa do práva zahrnul aj širší počet ľudí, ktorí o tom, čo je právo rozhodujú.

Tu sa dostávame k problému toho, že právo ako sociálny fakt je v rozpore s iným nazeraním na právo. V prípade používania strojového učenia a štatistiky existuje riziko, že tento pohľad na právo úplne prevládne.

V skutočnosti všetky súčasné postupy založené na štatistike pracujú s právom ako faktom. Robia predikcie z minulých rozhodnutí alebo konaní, teda takých aké sa skutočne stali spôsobom, ktorý bol skutočne vykonaný. Taktiež pri využívaní práce odborníkov, ktorí školia algoritmus, ide o právne názory týchto ľudí v konkrétnom čase. Tým by sme mohli dospieť aj k tomu, že právo je len súhrnom skutočných konaní a názorov relevantných osôb. Toto popiera prirodzenoprávny pohľad na právo, ktorý vždy predpokladá, že existujú nejaké nemenné premenné, ktoré bude potrebné zohľadniť. Bude nevyhnutné pri konštruovaní rozhodnutí na základe právneho myslenia pomocou strojového učenia a štatistických metód zahrnúť aj tieto prirodzenoprávne prvky. Chápanie práva ako sociálneho faktu je vhodné na robotizáciu práva ale s tým, že nebude ponechané len na tieto výsledky.

Stanovili sme si úlohu robotizovať právo a tento spôsob môže byť najúspešnejší. Vzhľadom na to, že nie sme blízko k robotizácii práva ako celku a skôr ide o nejaké základné úrovne, a tiež na to, že väčšina postupov počíta aj s človekom, ktorý bude vykonávať záverečnú kontrolu a schvaľovanie,  sa nám to nejaví momentálne ako najnaliehavejší problém.

Tiež aj pri tomto prístupe môžu do procesu vstupovať aj iné prvky. Takéto rozhodovanie sa veľmi nelíši od rozhodovania sudcu Herkula, ktorý disponoval všetkými informáciami. Paradoxom je že takto do práva zahŕňame aj to, čo by právo malo byť, takže sme sa vzdialili od výlučne deskriptívneho spôsobu, ktorým sme začínali.

Máme za to, že aj v uplatňovaní analógie je počítač omnoho rýchlejší a presnejší ako človek. Mohli by sme dospieť k tomu, že počítač by týmto mohol byť aj spravodlivejší v závislosti od všetkých zahrnutých údajov.

 

Tento spôsob je v súčasnosti najjednoduchšie previesť. Jeho nevýhody sú: – vstupné údaje, ktoré musia byť neustále dopĺňané a aktualizované, to znamená, že je potrebná jednak úplná digitalizácia ako aj zapojenie čo najväčšieho počtu subjektov, je potrebné zabezpečiť spätnú väzbu, na základe ktorej sa stroj bude učiť. Najväčším problémom je nedostatok dát.

Tento prístup je najvhodnejšie realizovať prostredníctvom veľkého a relatívne uzavretého spoločenstva ľudí. Zároveň je však potrebné sa zaoberať rozšírenými možnosťami zberu relevantných dát.

V nasledujúcej časti prejdeme k ďalšiemu jednoduchému čiastkovému riešeniu, ktoré nadväzuje na digitalizáciu a informatizáciu údajov.

[34] Napríklad Americký právny realizmus sa orientoval na to, ako súdy skutočne rozhodujú, bez ohľadu na to, ako by mali rozhodovať z hľadiska platného práva. Realisti namietali voči formalizmu, že je potrebné skúmať ako sudcovia skutočne rozhodli prípady, pričom rozhodovanie prebieha nie na základe zákona, ale na základe toho, čo sami považujú za spravodlivé. Právne pravidlá sú až následnou racionalizáciou rozhodnutia. Leiter, Brian, American Legal Realism. U of Texas Law, Public Law Research Paper No. 42. Available at SSRN: https://ssrn.com/abstract=339562 or http://dx.doi.org/10.2139/ssrn.339562, str. 1. Jarome Frank tvrdí, že právo nepozostáva z pravidiel pre rozhodovanie súdov, ale zo samotných súdnych rozhodnutí. JEROME FRANK, LAW AND THE MODERN MIND 128 (1930), str. 125 In: LEGAL REALISM AS THEORY OF LAW MICHAEL STEVEN GREEN, William and Mary Law Review VOLUME 46 NO. 6, 2005, str. 1928. Preto pokiaľ súd nerozhodne o určitom prípade, tak pre tento prípad právo neexistuje a jediné, čo je možné za právo považovať, sú názory právnikov a odhad toho, ako súd rozhodne. 

 

2.2.3. Zdola nahor

Robotizácia právneho myslenia môže prebiehať rôznymi spôsobmi. V prvom kroku je potrebné zautomatizovať všetky mechanické úkony pomocou informačných technológií.

Začať treba jednoduchšími čiastkovým realizovateľným a definovateľným cieľmi  v rámci širšej vízie robotizácie právneho myslenia, a to napríklad vývojom informačného systému, ktorý by na základe vstupných údajov zaradil prípad pod príslušnú legislatívu, alebo na základe vstupných údajov by ponúkol návrh zmluvy alebo podania na príslušný orgán štátnej správy, alebo softvér pre riešenie najjednoduchších právnych prípadov. Určite je potrebné zahrnúť aj aktuálnu tému už existujúcich informačných systémov, napríklad elektronická komunikácia advokáta a súdu, s tým, že je potrebné odhaliť a definovať chyby systému a v navrhnúť vhodné riešenie. To je vhodné prepojiť aj s automatizovaným účtovným systémom, ktorý funguje na rovnakom princípe, ale je jednoduchšie realizovateľný, kvôli jednoduchosti a jasnosti pravidiel, ktorými sa riadi.

V prílohe k tejto práci sa nachádza časť projektu na konkrétny nápad týkajúci sa nahradenia práce kvalifikovanej pracovnej sily počítačom.[35] Jedná sa o veľmi malý a zjednodušený krok v rámci prvotného náčrtu robotizácie právneho myslenia, skôr reflektujúci informatizáciu právnej oblasti a verejnej správy. Manažuje proces, ktorého výsledkom by malo byť zavedenie softvéru importujúceho údaje z registra do typizovanej predpripravenej zmluvy. Vybrali sme si kataster nehnuteľností, ale princíp je v zásade uplatniteľný aj na údaje z iných registrov. Našim cieľom je šetrenie pracovnej sily od duplikovaných úkonov a nahradzovanie mechanických úkonov počítačmi.  Opierame sa aj o zásady[36], ktoré je nevyhnutné prijať na uskutočnenie celospoločenských cieľov, a to:

1. ak sú dostupné elektronické údaje, tak by mali byť importovateľné,
2. raz zadané údaje elektronickou formou by nemali byť znova zadávané a kontrolované človekom (takáto úspora pracovnej sily sa prejaví až vo veľkých objemoch a v prierezovom a celospoločenskom uplatňovaní)
3. kvalifikovaná pracovná sila by mala byť oslobodená od rutinných administratívnych činností.

Riešenie zdola nahor teda predstavuje spôsob, kedy ideme od digitalizácie a od najjednoduchších úkonov, ktoré môžeme už na existujúce procesy napojiť. Takto by sme malými krôčikmi mohli dôjsť až k úplnej robotizácii, pretože tento proces v skutočnosti vychádza z iných oblastí ľudských činností, ktoré sú upravené právnymi pravidlami. Existujúce softvéry sú založené na podobnom spôsobe. Súčasné existujúce softvéry prepájajú dáta z rôznych oblastí, rýchlo generujú rôzne potrebné informácie, obsahujú predikcie a analýzy, čiže nie sú prioritne zamerané na právne myslenie, ale na úkony s ktorými strávi právnik najviac času.

Tento spôsob súvisí s robotizáciou cez iné odvetvia.

[35] Podnikateľský subjekt, pre ktorý sme návrh pripravili je advokátska kancelária, resp. realitná kancelária. Z dôvodu efektivity vynaložených prostriedkov na realizáciu projektu sú zadávateľmi združenia týchto subjektov, resp. orgány, ktoré zastupujú ich záujmy. Ako bolo uvedené vyššie okrem záujmov podnikateľských subjektov (výsledkom ktorých by mala byť úspora práce a vyšší zisk) sa zároveň dotýkame celospoločenských cieľov ako je: informatizácia spoločnosti, nahradzovanie mechanickej rutinnej práce počítačmi, neplytvanie s ľudskou prácou (raz zadané údaje sa môžu ďalej využívať), portability údajov, a podobne. Naše riešenie vychádza z reálnej potreby trhu. Zároveň obsahuje celospoločenský záujem. Projekt, ktorý spracováva projekt pre podnikateľský subjekt sa vyznačuje zameraním na ciele podnikateľského subjektu, ktoré sú zvýšenie zisku. Projekt orientovaný na celospoločenské ciele má iný charakter. Tento projekt prepája uvedené roviny, ale prioritne je predkladaný ako návrh riešenia celospoločenských problémov. Potenciálne rozpory alebo nedoriešené otázky projektu sa týkajú disproporcie medzi uvedenými rovinami. Projekt vychádza zo skutočnej potreby, ktorú je možné uspokojivo riešiť len spoločne a organizovane s uplatnením širších strategických vízií.

[36] O tieto zásady sa opierame aj z pohľadu realizovateľnosti nášho projektu. Nadväzujeme na projekt informatizácie verejnej správy, a dotýkame sa aj problematiky aktuálneho nariadenia na ochranu osobných údajov. Zaoberáme sa údajmi ako zdrojmi, a ich manažmentom. Prostredníctvom návrhu modulov typizovaných zmlúv pre advokátske kancelárie prispievame k informatizácii právnej oblasti a k zjednodušovaniu práce, čím robíme malý krok zospodu aj k robotizácii samotného právneho myslenia. Zastávame názor, že tento cieľ je možné čiastkovo a v istej miere uskutočniť prostredníctvom postupnej informatizácie vždy širšieho okruhu problémov.

 

 

2.2.4. Robotizácia cez iné odvetvia.

Právo neexistuje osamotene v spoločenskej realite. Väčšinou upravuje postupy a pravidlá pre ľudské činnosti a podriaďuje sa ich skutočnému výkonu. Preto je možné robotizácia cez tieto činnosti, ktoré sa už automatizujú. Napríklad účtovníctvo, finančné analýzy, podnikateľské softvéry a podobne. Právo tam vystupuje ako jedno z pravidiel, ako limit alebo ako kritérium rozhodovania.

To, čo je momentálne zrealizované, sú práve rôzne čiastkové riešenia a riešenia z iných odvetví, ktoré sa dotýkajú práva okrajovo. Každý pokrok v oblasti umelej inteligencie predstavuje aj pokrok v oblasti robotizácie práva, pretože rieši rovnakú všeobecnú otázku – ako simulovať ľudské myslenie. Právne myslenie je jedným z typov myslenia a dokonca je vhodnejšie na robotizáciu ako bežné myslenie, takže pokrok v tejto oblasti by mohol prísť ešte skôr. Počítame tiež s tým, že v budúcnosti nebudú existovať hrubé hranice medzi využívaním umelej inteligencie v práve a v iných oblastiach, keďže právne pravidlá upravujú ľudské činnosti.

Na právo sa nemusíme pozerať z hľadiska kategorizácii, ktoré nám určuje súčasný systém a ako na celok, takto môžeme nájsť oblasti, ktoré sú ľahko robotizovateľné.

2.2.5. Postupy.

Tento spôsob sa zakladá na skutočnosti, že v rámci práva sú niektoré oblasti spôsobilejšie na automatizáciu. Okrem oblastí, ktoré sú takto robotizovateľné cez iné odvetvia alebo tie časti, kde už teraz existuje dostatočný súbor dát na strojové učenie, sú to procesy. V práve sú okrem hmotnej zložky zastúpená aj zložka procesná. Táto obsahuje množstvo predpisov, ktoré sa vzťahujú na lehoty, postupy orgánov a osôb.  Táto oblasť je automatizovateľná ľahko, pretože sa v ničom nelíši od automatizácie iných procesov.

2.2.6. Prepis zákonov

V kontinentálnom práve je možné zobrať všetky písané zákony a postupne ich prepísať do matematických vzťahov pomocou pojmov a vzťahov medzi nimi. Tento postup sa vyznačuje rovnakým nedostatkom ako akékoľvek iné prepisovanie práva pomocou výrokov a je nevyhnutné zabezpečiť preklad z právneho jazyka do bežného jazyka. Softvér môže fungovať tak, že pomocou doplňujúcich  otázok postupne adaptívne vylučuje iné možnosti.

Osobitná možnosť je prijímať zákony, ktoré by už boli predpripravené na počítačové využitie (computable legislation). Obdobný prípad sú tzv. data oriented zmluvy[37], computable contacts.

Mohlo by sa začať od nuly, počnúc konkrétnym dátumom by všetka legislatíva musela spĺňať podmienky na to, aby umožňovala robotizáciu. Takto by sa postupne budoval nový systém digitalizovaného práva prepojený s ďalšou štátnou administratívou. Nejde o to, aby sa tvorili zákony v právnom jazyku a tieto sa potom matematicky prepisovali. Podľa zmyslu, dôvodu novej legislatívy by sa urobili príslušné zmeny, a zadali informácie do novo vytváraného systému.

Prvý spomenutý spôsob je podobný spôsobu robotizácie cez právnu normu. V obidvoch prípadoch ide o podskupiny uplatňovania formálnej logiky.

[37] Ide o zmluvy uvedené v dátach namiesto bežného spôsobu písaného jazyka.  Surden, Harry, Computable Contracts (2012). UC Davis Law Review, Vol. 46, No. 629, 2012. Available at SSRN: https://ssrn.com/abstract=2216866 str.629

 

2.2.7. Cez právnu normu

Vďaka teórii práva máme zmapovanú štruktúru právnej normy. Vzťahy by sa dali vyjadriť aj postupne cez každú jednotlivú právnu normu.[38]

V tomto bode sa dostávame k problematike pojmov, tak ako v predchádzajúcom príklade. Ak je takéto jednoduché matematicky sformulovať všetky normy právneho poriadku, prečo to zatiaľ nikto neurobil? Okrem toho, že by išlo o náročný proces na čas a zdroje, odpoveď znie, že je takmer nemožné definitívne a uzavretým spôsobom definovať právne pojmy. Druhý problém je potreba prekladu z bežného do právneho jazyka. Tretím problémom je, že v istom bode právo prestáva byť také jednoznačné. V právnej teórii poznáme členenie na ľahké a ťažké prípady, alebo môžeme hovoriť o interpretácii práva, vyvažovaní princípov, alebo o tom, že právo nie vždy závisí len na pozitívnoprávnych úvahách.

Výhodou definovania právneho poriadku cez normy je to, že táto oblasť je významne preskúmaná. Námietka voči tomuto prístupu je taká, že zbytočne budeme robiť prácu, ktorú môže vykonať sám počítač.

[38] Príklad:

Predpokladajme právnu normu, podľa ktorej ak nie je doba plnenia dohodnutá, stanovená právnym predpisom alebo určená rozhodnutím, je dlžník povinný splatiť dlh prvý deň, od kedy bol na plnenie vyzvaný veriteľom.

Hypotéza tejto normy obsahuje tri časti:

„doba splnenia je dohodnutá“ označme symbolom „p“

„doba splnenia je stanovená právnym predpisom“ označme „q“

„doba splnenia je určená v rozhodnutí“ označme „r“

Formálne logický zápis celej hypotézy je potom nasledujúci: ~(p v q r), z ktorého potom môžeme odvodiť:

1: ~(p v q r),

2: (~p & ~ (q v r)). ~ (pvq) ↔ (~p&~q), p/p, q/qvr, 1., nahradenie definiens definiendom,

3: (~p & ~q &~ r). ~ (pvq) ↔ (~p&~q), p/p, q/r, 2., nahradenie definiens definiendom,

Jednoduchým postupom, aplikáciou druhého de Morganovho zákona sme odvodili konjunkciu ~p&~q&~r a tým aj kumulatívne formulovanú hypotézu.

Príkladom kumulatívnej hypotézy formulovanej v tvare implikácie môže byť nasledujúca právna norma: ak zákonní zástupcovia sú povinní tiež spravovať majetok tých, ktorých zastupujú a nejde o bežnú záležitosť, je k nakladaniu s majetkom potrebné schválenie súdu“. Hypotéza teda obsahuje tri časti:

„zákonní zástupcovia sú povinní tiež spravovať majetok tých ktorí zastupujú“ – označme „p“, „nejde o bežnú vec“ – označme „q“,

„zákonným zástupcom udelil súd príslušné súd príslušné schválenie“  označme „r“,

pričom dispozícia znie: „môžu nakladať s daným majetkom“ – označme „Ps“. Formálne logický zápis celej normy je potom nasledujúci: p→(q→(r→Ps)).

 Z toho môžeme odvodiť:

1: p→(q→(r→Ps)),

2: ~p v~q v~r v Ps.(p→q)↔(~pvq),p/r,q/Ps, p/q, q/~rvPs, p/p, q/~qv~rv~Ps,

1., nahradenie definiens definiendom,

~(p & q & r) v Ps. (~pv~q)↔ ~(p&q), p/p, p/p&q, q/r, 2., nahradenie definiens definiendom,

(p & q & r) → Ps. (~pvq)↔(p→q), p/p&q&r, q/Ps, 3., nahradenie definiens definiendom. :  Hollander, P.: Filosofie práva. vyd. Plzeň: Aleš Čeněk, 2012, str. 175 – 177

2.2.8. Rozbitie systémovej štruktúry.

Rozbíjania systémovej štruktúry sa môže udiať pomocou: rozbitia na normy, preskupenie na objekty a rozbitie na úkony.

Právny systém existuje v súčasnej podobe z rôznych dôvodov. Jedným z dôvodov je aj jeho zjednodušenie a umožnenie človeku, aby sa v zložitej realite orientoval, aj aby bol schopný si ju zapamätať. Samotnú matériu by sme mohli ľahko rozložiť na konkrétne pravidlá, ktoré platia v konkrétnej situácii. Takto boli zapísané prvotné zákony a  jednoduché právne poriadky. Neskôr sa k týmto pravidlám pridružili aj sekundárne pravidlá o tom, ako sa tento poriadok tvorí a mení. Tiež samotných pravidiel pribúdalo a bolo potrebné ich dať do prehľadnej štruktúry. Samozrejme ľudia po celý ten čas nemali k dispozícii žiaden spôsob ukladania informácii, ktorý by bolo možné prehľadávať a robiť s ním iné operácie, a ktorý by mal veľkú kapacitu. Teraz má človek k dispozícii neobmedzenú pamäť prostredníctvom počítača. Je stále efektívne mať štruktúrovaný systém, ktorý slúžil na zredukovanie a zovšeobecnenie reality?

Jedným zo spôsobov je preto zachytenie právneho poriadku prostredníctvom jednotlivých noriem, čím sa dá vyhnúť všetkým problémom vyplývajúcim zo štruktúry právneho poriadku.

Súbor jednotlivých noriem predstavuje dáta,  z ktorých je možné robiť jednoduchšie závery.

V prípade rozbíjania na úkony, ide o rozbíjanie abstraktnosti na konkrétnosť. Každé abstraktne vyjadrené má svoje konkrétne prevedenie, ktoré spočíva v bežných úkonoch. Bežné mechanické a opakujúce sa úkony je možné zachytiť. Rozbitím na úkony sa myslí také rozkladanie právnej reality, až dospejeme k ľahko automatizovateľným úkonom. Podobný prístup je zdola nahor.

2.2.9. Preskupenie na objekty alebo orientácia na objekty.

Keďže pravidlá sa vzťahujú na ľudí, a počítač nám dáva neobmedzený priestor na vytváranie nových pojmov bez potreby zovšeobecňovania, je možné sústrediť sa na objekty. Programovanie tiež najprv prebiehalo pomocou procedúr  potom sa zmenilo na objektové programovanie imitujúci reálny život. Objekt vystupuje ako platónska idea, tá sa potom konkretizuje. Objektové programovanie skôr pripomína pojmy, ale je možné z toho vyvodiť aj iný záver.

Právo je možné vytvárať vzhľadom na každého jednotlivého konkrétneho človeka, alebo na skupiny objektov. Rozdiel oproti terajšiemu stavu je ten, že nie je potrebné čo najviac zovšeobecňovať objekty, tak aby bolo právo prehľadnejšie. Bude potrebné zabezpečenie rovnakého prístupu pre všetkých pomocou kontroly. Právo sa vzťahuje na všeobecné subjekty práve preto, aby neumožňovalo sa správať k rôznym osobám inak.  Počítač umožňuje vyťahovať údaje na základe kritérií, čím je možná lepšia kontrola na základe rovnakých charakteristík.

2.2.10. Preklopenie systémovej štruktúry.

Štruktúra právneho systému nám veľa napovie o pravidlách právneho poriadku. Je to dlhoročná historická práca, celá história práva môže byť chápaná ako príprava na jeho robotizáciu. Je možné zobrať existujúcu štruktúru a princípy, na ktorých je právny poriadok vystavaný, a použiť na robotizáciu. Je to opak ignorovania súčasnej štruktúry alebo jej rozbíjania. Presne v tom spočívali prvé pokusy o formalizáciu, čiže nie je to veľmi úspešný spôsob, ale dajú sa využiť synergické efekty spolu s inými spôsobmi.

2.2.11. Pojmy, jazyk

Robotizovať možno aj cez pojmy. Pojmy právneho jazyka sú exaktnejšie a pevnejšie ako pojmy bežného jazyka.

Pri pojmoch je možné uplatňovať fuzzy logiku. Fuzzy logika narába s graduálnymi vlastnosťami, umožňuje triediť do skupín vlastnosti s nejasnými hranicami, ako je napríklad –  vysoký, bledý. Umožňuje tvoriť výroky, ktoré pracujú s takýmto typom vlastností. Pre uplatnenie umelej inteligencie je fuzzy logika nevyhnutným prostriedkom.

Tiež je možné využívať technológie, ktoré využívajú súčasné prekladače.

2.2.12. Odstránenie štruktúry práva a jazyka.

Ak je jazyk problém neúplnosti a neurčitosti, načo sa vôbec zaoberať jazykom? Roboty zlyhávajú v replikácii myslenia preto, že človek dorovnáva oklieštenosť komunikačného prostriedku inými spôsobmi. Načo sa snažiť, aby počítač replikoval stanovený systém, ak môže vyvodzovať priamo? Prvou možnosťou je odstránenie právneho jazyka. Ďalšou možnosťou je úplne odstránenie jazyka z práva. Právo vyťahovať zo skutočných situácii – od obrázkov, akcie a podobne.

2.2.13. Odstránenie právneho jazyka a nahradenie bežným.

Je možné právne vzťahy preložiť do bežného jazyka. Vzťahy je možné vyjadriť vyslovene exaktne matematicky, nemusíme sa trápiť nad zvyšovaním nezrozumiteľnosti. Proces, ktorý prebehne bude v počítači a výstupy sa vždy budú podávať v bežnom jazyku.

2.2.14. Rekonštrukcia myšlienky obsiahnutej v zákone.

Právo je možné robotizovať aj spôsobom, že si uvedomíme, že je to zápis myšlienok do právneho jazyka. Rekonštrukciou myšlienok obsiahnutých v zákone^[39] by sme mohli dospieť k inému typu informácii v bežnom jazyku, s ktorými by sa ľahšie pracovalo. Je možné využiť rôzne dôvodové správy, komentáre a podobne.

[39] F.C. von Savigny v 19. Stor. položil základy výkladu metodológie práva v kontinentálnej Európe v zmysle rekonštrukcie myšlienky obsiahnutej v zákone. Hollander, P.: Filosofie práva. vyd. Plzeň: Aleš Čeněk, 2012, str. 276

2.2.15 Sémantická sieť.

Pokiaľ by sme postupne zobrali pojmy v práve ( alebo pojmy v bežnom jazyku) a pomocou definovaných vzťahov ich pospájali, vznikne nám sieť týchto pojmov a vzťahov medzi nimi. Niečo podobné sme navrhovali už pri objektoch, ktoré však môžu byť chápané aj ako objekty fyzického sveta, tento spôsob však vzťahujeme vyslovene na jazyk – pojmy a vzťahy medzi nimi. Istú podobnosť by sme mohli vidieť aj pri v súčasnosti často používaných myšlienkových mapách.

Ak by sme mali vytvorenú takúto sieť, môžeme s ňou pracovať a vyvodzovať z nej závery. Takisto do nej môžeme priradzovať nové prvky. Opierame sa aj o predpoklad, že každá zo sietí je uceleným systémom, kde prvky nemôžu byť vzájomne v rozpore. Ďalším problémom by bolo, že nám môže vzniknúť prázdne miesto, čiže otázka sa bude týkať oblasti, kde nie je žiaden prvok, žiaden vzťah.  Základnou zásadou preto musí byť, že ak nie je odpoveď na otázku „áno“ alebo „nie“, tak prázdne miesto nepredstavuje odpoveď „nie“ ale „neviem“, a „neviem“ nemôže byť konečná odpoveď, čo znamená, že je nevyhnutné klásť dodatočné otázky alebo zisťovať dodatočné informácie.

Program by zo všetkých znalostí a informácií skúmal všetky alternatívy, ak je odpoveď na otázku „áno“ alebo „nie“, pokračuje k následku, ak je „neviem“, vygeneroval by túto otázku.

Predstavme si, že máme vytvorenú sémantickú sieť pre oblasť pracovnoprávnych vzťahov. Sieť sme vytvorili na základe Zákonníka práce pomocou pojmov, ktoré sú tam uvedené. Možno ju už máme doplnenú aj o niektoré pojmy bežného jazyka na základe predchádzajúcich prípadov. Ostáva otázka ako prepojiť konkrétny prípad s touto sieťou. Po prvé prípad bude definovaný v bežnom jazyku. Ak by sme aj odstránili túto prekážku, to znamená, že by sme vytvorili sieť z bežného jazyka, stále ostáva problém ako podradiť konkrétny prípad pod tieto pojmy.

Predstavme si, že máme pracovnoprávny problém. Prvotné informácie, ktorými disponujeme sú, že problém sa týka osoby XY, a máme aj jej údaje.

V prvom kroku teda pomocou zadaných informácii v sieti zisťujeme, či nepatrí do niektorej z charakteristík ako mladiství, tehotná žena a podobne (pretože na tieto pojmy sa vzťahujú iné následky). Záverečná odpoveď nie je nikdy  „neviem“. Ak je odpoveď na tieto otázky „neviem“, tak je potrebné rozšírenie okruhu informácií.

V druhom kroku ako doplňujúcu informáciu napríklad zadáme, čoho sa problém týka. Predpokladajme, že zadáme niečo, čo už je pojmovo definované, napríklad pracovný čas. Alebo budeme riešiť otázku, či je pracovná zmluva navrhnutá alebo uzatvorená správne, a pozrieme sa na jeden z krokov, ktorý sa týka pracovného času.

O osobe máme informácie ako dátum narodenia, preto program vie zistiť, koľko má daná osoba rokov, čiže vie určiť, či spadá pod kategóriu mladistvý zamestnanec, a či je to osoba pod alebo nad 16 rokov. V našom prípade má osoba XY napríklad 17 rokov.

V sémantickej sieti máme uvedené informácie z tohto ustanovenia, ktoré si ľahko vieme predstaviť spracované do siete:

„Mladistvý zamestnanec mladší ako 16 rokov má pracovný čas najviac 30 hodín týždenne, aj keď pracuje pre viacerých zamestnávateľov. Mladistvý zamestnanec starší ako 16 rokov má pracovný čas najviac 37 a 1/2 hodiny týždenne, aj keď pracuje pre viacerých zamestnávateľov. Pracovný čas mladistvého zamestnanca nesmie v priebehu 24 hodín presiahnuť osem hodín.“

Ak by sme napríklad zadali pracovný čas, tak ako jednu z informácii nám vygeneruje, koľko presne môže táto osoba odpracovať. Ak by sme skenovali pracovnú zmluvu, tak program by musel definovať formuláciu alebo údaj, ktorý sa týka pracovného času (môžu tam byť napríklad formulácie ako pondelok a podobne, na základe, ktorých ho bude potrebné vypočítať) a tento údaj porovnať s predchádzajúcou informáciou. Program môže hľadať pracovný čas, čo je možné podradiť pod tento pojem, napríklad by mohol vyhľadať  všetky číselné údaje v zmluve na základe toho vytriedi, ktoré sa môžu týkať pracovného času, a podobne. Tu je možné prepojiť aj so strojovým učením alebo neurónovými sieťami, pretože na základe predchádzajúcich potvrdených prípadov – čo bol pracovný čas, môže prehľadávať konkrétnu zmluvu.

Otázka: „Aký môže mať pracovný čas osoba XY?“ môže byť predbežná otázka, na základe ktorej sa bude riešiť komplexnejší problém. Tieto predbežné otázky sa môžu aj samé vygenerovať zo siete, to znamená všetky možné otázky, ktoré sa môžu k danej osobe vzťahovať.

Vieme si predstaviť model, kde nebude potrebné zadávať nič navyše, len napríklad uviesť osobu, ktorej sa problém týka a naskenovať pracovnú zmluvu. Ale vieme si predstaviť aj program, ktorý bude postupne predkladať dodatočné otázky a tiež program, ktorý sám od seba bude vytvárať všetky asociácie  a dopredu predpokladať alebo vylučovať problémy, a upozorňovať na nich. Vybrali sme si pracovnoprávnu oblasť, pretože tá sa týka vždy nejakej konkrétnej osoby. Tu je prienik aj s predchádzajúcim prístupom, orientovať celý program na osoby, ktoré problém riešia, a nie na témy.

2.2.16. Právny záver ako proces postupných krokov

Podobný prístup je aj prístup pomocou procesu rozhodovania. Proces prijatia právneho záveru je možné rozkresliť aj do rozhodovacieho stromu (pozor – nejde o totožný pojem s prostriedkom umelej inteligencie). Ako príklad si uveďme nasledovnú situáciu.

Právna úprava kúpnej zmluvy v Občianskom zákonníku umožňuje kupujúcemu uplatniť si nárok zo zodpovednosti za skryté vady^[48].

Z právneho hľadiska je potrebné, aby vady naplnili tieto požiadavky:

• boli prítomné v čase kúpy
• neboli zjavné v čase kúpy (okrem prípadu, keď predávajúci výslovne vyhlási, že je vec bez vád)
• ide o nedostatočné vlastnosti nehnuteľnosti, ktoré sa obvykle požadujú alebo boli vymienené v kúpnej zmluve

Spôsob zvažovania o vadách demonštruje tento rozhodovací strom:

Obrázok:

 

Takýmto spôsobom by boli možné vytvoriť rozhodovacie stromy pre mnohé právne otázky. Ktorým smerom sa vybrať by bolo riešené buď na základe:

• kladenia dodatočných otázok
• tieto dodatočné informácie by sa získavali z počiatočnej informácie

Tu sa dostávame znova k problému prekladu z právneho jazyka do bežného jazyka.

Nie je problém vytvoriť systém, ktorý by predkladal dodatočné otázky. Tie by bolo potrebné ešte atomizovať, pre prípad, že by to bolo nezrozumiteľné, alebo by si používateľ nebol istý. Problém je vytvoriť rozhodovacie stromy pre celý právny systém.

Vždy je potrebné mať na pamäti prvú zásadu, že nevytvárame komplexný a bezchybný systém, pretože cesta k takémuto systému je práve prostredníctvom dlhodobého užívania nedokonalých programov.

2.2.17 Právo ako rozhodovanie

Iným riešením je pozerať sa na právne rozhodnutie ako na špecifické rozhodovanie so zahrnutím právneho kritériá. To platí najmä pre prípady v bežnom živote, kedy právo predstavuje iba mantinel toho, čo môže jednotlivec vykonať – koná totiž všetko, čo nie je právom zakázané. Na trhu sú už rôzne produkty, ktoré uľahčujú rozhodovanie, do týchto by bolo možné zahrnúť právne kritérium – ako mantinel konania.

Na právne rozhodovanie sa pozeráme aj v závislosti od subjektu, ktorý rozhodnutie prevádza. V prípade právnika – advokáta, ktorý neovplyvňuje obsah práva podstatným spôsobom, je rozhodovanie ovplyvnené touto skutočnosťou. V inej pozícii je sudca, ktorý samotný svojimi rozhodnutiami ovplyvňuje obsah práva. Mohli by sme nesúhlasiť s tým, že jedine právne autority a sudcovia vytvárajú obsah toho, čo je právo. Ich rozhodnutia a spôsob myslenia a vyvodzovania právnych záverov však sú pre právo nosné. ^[30]

Niektoré rozhodovacie procesy v práve prebiehajú na základe zvažovania rôznych kritérií. V teoretickej rovine môžeme tieto kritériá považovať za mimoprávne alebo za súčasť práva.

Právo je považované za neúplné, aj keď sa to rôzni v závislosti od teórií práva. Základnou otázkou rozhodovania ostáva, či sudcovia právo nachádzajú alebo vynachádzajú.

Proces právneho myslenia je teda veľkou mierou ovplyvnený tým, či výsledok mysliaceho procesu prinesenie záver, ktorý je skutočne akceptovaný ako právo. Preto na účely našej práce je irelevantný postup právneho myslenia, z ktorého vzíde výsledok, ktorý sa neukáže ako správny. Problém v právnom systéme je ten, že postup myslenia môže byť správny ale nemusí dospieť k správnemu výsledku. To sa môže týkať prípadov, kedy je právo neúplné, to znamená môže byť dotvorené, alebo prípadov, kedy bude zámerne zmenené doterajšie právo. Sudcovia a odborníci takto právo dotvárajú a menia.Tieto rozhodnutia sa potom uskutočňujú na základe rôznych kritérií, ktoré sa celkom nelíšia od bežného rozhodovania, či už efektívneho a racionálneho rozhodovania človeka v bežnom živote alebo manažérskeho rozhodovania.

A tu sme v priesečníku rôznych typov rozhodovania a myslenia.  Rozhodovanie v práve sa deje s prihliadnutím na isté ciele. Ako charakteristiky práva sme si uviedli vytvorenie poriadku, podriadenosť zmyslu (účelu), na naplnenie ktorého je tvorené, konzistentnosť. Ktorékoľvek z týchto kritérií by mohlo byť vodiacim kritériom pri prijatí právneho záveru. Stratégia pri prijatí právneho rozhodnutia by mohla byť zameraná na niektorú z týchto hodnôt. Takto sa právne rozhodovanie, právo a manažérske rozhodovanie vzájomne prelínajú. Najvhodnejším modelom by bolo prihliadanie ku kritériu spravodlivosti.

Platí, že rozhodnutia súdov, ktoré tvoria (interpretujú) právo by sa nemali riadiť inými kritériami ako hľadaním toho, čo je právo. Mnohé teórie však vysvetľujú, že tomu tak nie je. Právny pozitivizmus nevie doteraz podať uspokojivú definíciu práva práve z dôvodu, že v niektorých prípadoch právo čerpá z iných zdrojov, ktoré zase zásadne odmieta zahrnúť do pojmu práva.

V nasledujúcej časti uvedieme príklad analýzy súdneho rozhodovania, pokiaľ na neho pozeráme ako na rozhodovanie na základe viacerých, nielen právnych kritérií.

Analýza súdneho rozhodnutia ako multikriteriálneho rozhodovania.

Príbeh rozhodnutia.

Na Okresnom súde Košice II sa viedlo civilné sporové konanie o zaplatenie 55,07 eur titulom nároku žalobcu na zaplatenie ceny za poskytnutie telekomunikačných služieb. Žaloba bola na súde podaná 5. 11. 2013, pričom jedna z pohľadávok uplatnená v žalobnom návrhu sa stala splatnou dňa 02. 11. 2010. S poukazom na ustanovenie § 100 a § 101 Občianskeho zákonníka ide teda o premlčaný nárok.

Podľa § 5b Zákona č. 250/2007 Z. z. o ochrane spotrebiteľa (platný od 1. mája 2014): „Orgán rozhodujúci o nárokoch zo spotrebiteľskej zmluvy prihliada aj bez návrhu na nemožnosť uplatnenia práva, na oslabenie nároku predávajúceho voči spotrebiteľovi, vrátane jeho premlčania alebo na inú zákonnú prekážku alebo zákonný dôvod, ktoré bránia uplatniť alebo priznať plnenie predávajúceho voči spotrebiteľovi, aj keď by inak bolo potrebné, aby sa spotrebiteľ týchto skutočností dovolával.“

Okresný súd Košice II počas spomínaného súdneho konania dospel k záveru, že citované ustanovenie § 5b Zákona č. 250/2007 Z. z. o ochrane spotrebiteľa je v rozpore s ústavným právom účastníka konania na súdnu ochranu a podal na Ústavný súd návrh na začatie konania o nesúlade právnych predpisov s Ústavou SR podľa článku 125 ods. 1 Ústavy SR.

Zásadný rozpor citovaného ustanovenia s Ústavou SR bol podľa konajúceho súdu daný tou skutočnosťou, že aplikácia tohto zákonného ustanovenia jednostranne zvýhodňuje dlžníka – spotrebiteľa a to tým, že „nestranný“ súd (prípadne iný orgán) má povinnosť prihliadať na oslabenie nároku predávajúceho voči spotrebiteľovi, vrátane jeho premlčania alebo na inú zákonnú prekážku alebo zákonný dôvod, ktoré bránia uplatniť alebo priznať plnenie predávajúceho voči spotrebiteľovi.

Takáto ochrana jedného z účastníkov občianskeho súdneho konania je podľa názoru konajúceho súdu v rozpore s princípom nestrannosti súdu, a teda aj s princípom právneho štátu.

Ústavný súd Slovenskej republiky pod vedením predsedníčky Ivetty Macejkovej na verejnom zasadnutí pléna 7. februára 2018 rozhodol vo veci vedenej pod sp. zn. PL. ÚS 11/2016 o návrhu Okresného súdu Košice II o súlade § 5b zákona č. 250/2007 Z. z. o ochrane spotrebiteľa s čl. 1 ods. 1 a čl. 46 ods. 1 Ústavy Slovenskej republiky takto:

Ustanovenie § 5b zákona č. 250/2007 Z. z. o ochrane spotrebiteľa a o zmene zákona Slovenskej národnej rady č. 372/1990 Zb. o priestupkoch v znení neskorších predpisov nie je v súlade s čl. 46 ods. 1 v spojení s čl. 1 ods. 1 Ústavy Slovenskej republiky.

 Rozhodnutie Ústavného súdu ako multikriteriálne rozhodovanie.

Na riešenie podobných problémov sa zvykne pozerať výlučne ako na riešenie právnych otázok. Výsledkom je vznik pravidla špeciálneho charakteru – právneho pravidla, ktoré tvorí pre ostatné subjekty externé prostredie, alebo externý podnet na rozhodovanie. Pre subjekty v právnom odvetví však prestavuje aj niečo iné. Je to príkaz postupovať istým spôsobom obdobne ako to býva v prípade nadriadených a podriadených subjektov.

Toto rozhodnutie má dopad na právne odvetvie a následne na ostatné spoločenské oblasti.

Dané manažérske rozhodnutie (stanovené pravidlo) by sme mohli formulovať nasledovne: v prípade ak je žalovaný spotrebiteľ, a jeho nárok je premlčaný (uplynulo isté obdobie od toho, kedy je možné nárok súdne vymáhať), súd nebude brať toto uplynutie času do úvahy sám od seba, ale len v prípade, ak to namietne samotný spotrebiteľ. Pôjde o nový režim v situáciách, ak spotrebiteľ bude zaviazaný uhradiť pohľadávku, aj napriek tomu, že uplynul čas, kedy by už bola premlčaná. Na základe platnej legislatívy na túto skutočnosť museli súdy prihliadať ex offo.

Ústavný súd si musí byť vedomý, že obdobným rozhodnutím spustí v právnom odvetví konania ohľadne už premlčaných nárokov, ktoré sa doteraz rôznym spoločnostiam neoplatilo ani začínať. Do rozhodovania teda prichádzajú aj iné kritériá ako iba právne.

Ak je cieľ rozhodnutia chápaný širšie, ako len izolované rozhodnutie o právnej otázke, je nevyhnutné začleniť do rozhodovania dôsledky rozhodnutia, či už ekonomického alebo spoločenského charakteru.

Práve vzniknuté dôsledky sú kritériom, na základe ktorého je potrebné posudzovať voľbu alternatív riešenia.

Bližšie k právnemu kritériu.

Právne riešenie môže byť chápané ako právna analýza s jednoznačne danými kritériami súladu s právnym systémom. Z iného pohľadu je možné na právne riešenie pozerať ako na jednokriteriálne rozhodovanie.

My na problém pozeráme z iného uhla pohľadu a do výberu variantu riešenia vkladáme dôsledky rozhodnutia a ciele právnej úpravy. Právne riešenie je len jedným z kritérií.

Skúmanie samotnej právnej otázky nás tiež dovedie k tomu, že nejde o jednoznačnú vec. Sudcovia rozhodujú v istých mantineloch voľnej úvahy. Na pomoc si berú kritériá z iných oblastí.

Ide o situáciu, kde je ťažké priradiť k právnej stránke (či ústavnoprávnej) jednoznačné rozhodnutie pri výbere variantov. Pri vzájomnom posudzovaní práva slabšieho subjektu a práva podnikateľského subjektu sa môžeme dostať do nerozhodnej pozície. Ak posudzujeme iné právne otázky, napríklad vhodnosť špeciálnej úpravy premlčania (odhliadnuc od toho, že takáto úprava už bola posudzovaná pri prijímaní európskej legislatívy) tiež môžeme dospieť k nerozhodnému stanovisku.

V právnej teórii sa vedie spor, aký má charakter takéto čerpanie z iných oblastí, či ešte ide o právo, alebo už nie. Tento prístup posúva posúdenie právnej otázky do roviny politického či manažérskeho rozhodnutia.

Manažérske rozhodovanie bude prihliadať na dopady a tendencie, ktoré v odvetví rozhodnutie vyvolá.

Analýza  rozhodnutia

Rozhodovanie je potrebné vnímať ako proces. Pozostáva z viacerých fáz, ktoré sa pri rôznych autoroch líšia. Ich podstata však zostáva zachovaná. Podľa Druckera^[40]  má rozhodovanie tieto základné fázy:

1. Identifikácia problému
2. Analýza problému
3. Tvorba variantov
4. Voľba riešenia
5. Implementácia rozhodnutia

Proces rozhodovania vždy obsahuje fázu, ktorá sa týka skúmania prostredia a identifikácie problému, analytickú a diagnostickú fázu, fázu tvorby variantov riešenia, a fázu voľby riešenia. To, či rozhodovanie obsahuje aj implementáciu rozhodnutia a jeho kontrolu, závisí od toho, nakoľko autor vníma rozhodovanie ako myslenie prepojené s konaním.

Identifikácia problému.

Aj v skúmanom prípade Ústavného súdu dochádza najprv k identifikovaniu problému. Pod problémom, ktorý manažérske rozhodnutie rieši, môžeme chápať problém vyvolaný externým podnetom – podaním na Ústavný súd. Je to problém s vysokou naliehavosťou, pretože súd sa ním musí zaoberať a prijať riešenie.

Problém však môžeme vnímať aj širšie v rámci problematiky ochrany slabšieho subjektu, a vtedy by sa skôr definovaný problém javil len ako dôsledok neriešeného, alebo zle riešeného širšieho problému. Tieto aspekty pre účely našej analýzy zahrnieme do diagnostiky príčin problému.

Gore^[41] rozlišuje rekognoskáciu ako skúmanie prostredia a odhaľovanie problémov. Tento krok je v našom skúmanom prípade vynechaný, pretože ide o reakciu na vzniknutý problém, nie o aktívne hľadanie problému.

Podľa Goreho je proces rozhodovania zastrešený stanovovaním cieľov. Z toho vychádza potreba rozhodovania. Tá môže vychádzať z externých, či interných zmien. Stanovovanie cieľov je prvý, ale zároveň aj posledný proces, pretože ciele sa stanovujú aj na základe výstupov z rozhodovacieho procesu. V našom prípade sú ciele stanovované celkovým smerovaním a politikou v širšom zmysle slova.

Potreba rozhodovania v našom skúmanom prípade teda vyplýva z podnetu z externého prostredia. Aj napriek tomu nás prvá fáza rozhodovania zaviedla ku otázke, aký je skutočný problém na pozadí podaného návrhu. Zo všetkých dostupných informácii je to problém oslabovania veriteľa (pomocou legislatívy na ochranu spotrebiteľov) až natoľko, že sa stane slabšou stranou.

Diagnostika príčin problému.

Príčiny podania návrhu sú príčinami problému a vzniku potreby rozhodovania. Podanie návrhu môže riešiť:

• konkrétny individuálny problém, jeho nesúlad s právnym poriadkom, alebo nespravodlivosť – disharmónia medzi vzniknutým individuálnym prípadom a interným a externým prostredím
• všeobecný právny problém – úprava nie je v súlade s právnym systémom – disharmónia v rámci vnútorného prostredia, v tomto prípade osobitná úprava premlčania
• právnou úpravou dochádza k zvýšenej ochrane spotrebiteľa na úkor veriteľa, ktorý sa stáva slabšou stranou ( je narušené jeho právo na spravodlivý proces)
• v konkrétnom prípade je narušené právo osoby

 

Ak za problém považujeme podanie návrhu na Ústavný súd, ktorým sa súd musí zaoberať a pristúpiť k riešeniu, uvedené skutočnosti sú príčinou problému. To neplatí, ak by sme ako problém definovali skutočne vzniknutý spoločenský problém, napríklad že prijatá legislatíva v rámci snahy o ochranu slabšieho subjektu, vytvára z istej skupiny podnikateľov slabšie subjekty, a stavia ich do nevýhodného postavenia. Problém by mohol byť definovaný aj ako existencia rôznych podvodných konaní voči spotrebiteľom, a následné vymáhanie pohľadávok (napríklad podomový predaj hrncov, a podobne). V takýchto prípadoch by podanie návrhu na súd bol len posledný krok v celkovom procese. V každom prípade uvedené skutočnosti nie je možné opomenúť, pretože vzniknutý problém, ktorý je predmetom analýzy, vychádza z tohto stavu.

Tvorba variantov riešenia

Na základe možností rozhodovania orgánu stanovujeme 3 možné varianty riešenia:

1. Rozhodnúť, že súd má prihliadať na premlčanie ex offo (A)
2. Rozhodnúť, že súd nemá prihliadať na premlčanie ex offo (B)
3. Vyhnúť sa rozhodnutiu (C)

Alternatíva vyhnutiu sa rozhodnutiu napríklad z dôvodu, že je potrebné získať čas, je realizovateľná rôznymi spôsobmi, napríklad zamietnutím návrhu na základe procesných chýb a podobne.

Stanovenie kritérií a voľba riešenia

Jednokriteriálne rozhodovanie je založené na uplatňovaní jedného jediného kritéria. V manažérskom rozhodovaní sú takýmito kritériami spravidla ekonomické kritériá, napríklad zisku. Pre naše účely by sme zvažovanie právneho problému mohli označiť za jednokriteriálne rozhodovanie, ktorého jediným kritériom je súlad s právnym poriadkom. V takomto prípade by z troch načrtnutých variantov prichádzal do úvahy len dve varianty – navrhované riešenie je v súlade s právnym poriadkom alebo nie je. Pre prípad, kde je možné uplatniť sudcovskú úvahu, nebudeme aplikovať jednokriterálne rozhodovanie.

Viackriteriálne rozhodovanie sa uplatňuje napríklad vtedy, ak sa zvolí kombinácia kritérií ekonomických, sociálnych, ekologických, legislatívnych, a pod.

Pri voľbe najvhodnejšieho variantu môžeme uplatňovať princípy:

• Maximalizácie, pri ktorom sa snažíme zvoliť ten variant, ktorý najlepšie vyhovuje stanovenému kritériu alebo kritériám.
• Optimalizácie, pri ktorom sa snažíme zvoliť ten variant, ktorý najlepšie vyhovuje účelovej funkcii zostavenej zo stanovených kritérií, prípadne za daných obmedzujúcich alebo limitujúcich podmienok.
• Satisfakcie, pri ktorom sa snažíme nájsť prijateľné riešenie, a po nájdení variantu, ktorý vyhovuje zadaným kritériám, nehľadáme ďalšie riešenie.

Kritéria výberu variantu riešenia.

V rámci manažérskeho rozhodovania je možné zvoliť i kritériá, ktoré sú stanovované z rôznych pohľadov.

Vybrali sme kritériá:

1. Ochrana slabšieho subjektu
2.  Ochrana podnikateľského subjektu, ktorý sa stáva slabším subjektom
3. Zraniteľnosť – riziko – napríklad podávanie žalôb
4. Právna stránka
5. Ústavnoprávna stránka
6. Uskutočniteľnosť – zdroje
7. Úžitok

Obrázok:

 

 

 

Rozhodovanie na základe hodnotenia variantov pomocou diferencovaných váh zvolených kritérií.

 

Kritéria hodnotenia		váha	Variant A	Variant B	Variant C
1	ochrana slabšieho subjektu	0,25	3	1	2
2	ochrana podnikateľov, ktorí sa stávajú slabším subjektom	0,15	1	3	2
3	zraniteľnosť – riziko	0,3	2	3	1
4	právna stránka	0,1	3	2	1
5	ústavnoprávna stránka	0,1	3	2	1
6	uskutočniteľnosť – zdroje	0,05	1	2	3
7	úžitok	0,05	3	1	2
	Tabuľka súčinu pre jednotlivé kritériá a varianty:		0,75	0,25	0,5
			0,15	0,45	0,3
			0,6	0,9	0,3
			0,3	0,2	0,1
			0,3	0,2	0,1
			0,05	0,1	0,15
			0,15	0,05	0,1
	Spolu	1	2,3	2,15	1,55
	Variant A: prihliadať ex offo
	Variant B: neprihliadať ex offo
	Variant C: vyhnúť sa priamemu rozhodnutiu

Váhy kritérií sme určili na základe skúsenosti a úvahy. Ochrana slabšieho subjektu je významné kritérium, predstavuje cieľ právnej úpravy. Zároveň je dôležité aj právo podnikateľa, ktorý sa v niektorých prípadoch môže stať slabším subjektom. Riziko je dôležité kritérium. Zahŕňame tu dopady rozhodnutia na právne odvetvie, na spotrebiteľov, na podnikateľské prostredie. Rizikom sú najmä žaloby s už premlčanými nárokmi voči spotrebiteľom z pohľadávok vzniknutých podnikaním na hrane podnikateľskej etiky (rôzne typy podomového predaja ako predaj hrncov, poskytovanie pôžičiek, a podobne.) Menšia váha bola pridelená kritériám právnej stránky, ústavnoprávnej stránky, uskutočniteľnosti a úžitku.

Na základe hodnotenia variantov pomocou diferencovaných váh zvolených kritérií sme identifikovali ako najlepší variant – variant A.

Rozhodovacia matica

Rozhodovaciu maticu sme stanovili pre kritérium prijateľnosti – úžitku – tu sme zahrnuli zároveň obidve kritéria ochrany slabšej strany vrátane podnikateľského subjektu ako slabšej strany, a pre kritérium zraniteľnosti – rizika negatívnych dopadov rozhodnutia, ako je podávanie žalôb s už premlčanými nárokmi voči spotrebiteľom vo veciach na hranici podnikateľskej etiky.

 

Úžitok

Vysoký	Víťazná pozícia
stredný	A nízke riziko a stredný úžitok
nízky	C nízke riziko a nízky úžitok		B vysoké riziko negatívnych dopadov a nízky úžitok
	nízke	stredné	vysoké

Zraniteľnosť- riziko negatívnych dopadov rozhodnutia

 

Výber variantu sa bude prijímať na základe princípu optimalizácie. Na víťaznú pozíciu by bolo potrebné zabezpečiť, aby sa podnikateľ nestával slabším subjektom na základe nesprávne nastavenej legislatívy.

Z rozhodovacej matice sa ako najlepšie rozhodnutie ukazuje variant A, ktorý vykazuje nízke riziko a stredný úžitok.

Samotné riziko podávania žalôb by sme mohli bližšie preskúmať na základe pravdepodobností, s akými sa začnú podávať žaloby s premlčanými nárokmi. Tiež je možné preskúmať pravdepodobnosť, nakoľko sa budú žalované osoby v konkrétnych prípadoch brániť premlčaním, čo bude mať vplyv na výsledok týchto procesov.

Na základe tejto analýzy by sme navrhli prihliadnuť na dôsledky svojho rozhodnutia na odvetvie, ktoré svojimi rozhodnutiami vedie a organizuje. Toto rozhodnutie môže viesť k nárastu vymáhania premlčaných pohľadávok vo veciach nachádzajúcich sa na hrane etiky podnikania. Osoby sú podporované v podnikateľských aktivitách, keď sú na základe nich ekonomicky úspešné, to znamená, že sa im darí vytvárať zisk. Bohužiaľ v spoločnosti platí, že žiadne morálne apely na podnikateľské subjekty nie sú účinné, ani vytyčovanie etických hraníc. Tiež nie sú dostatočne účinné ani zákazy, pretože je tendencia ich obchádzať. Najúčinnejší sa javí stav, kedy osoba nemôže na eticky spornom konaní zarobiť.

Ak je na pozadí rozhodnutia riešený problém oslabovania veriteľa je otázne, či konkrétne táto úprava (osobitná úprava premlčania v zákone o ochrane spotrebiteľa) patrí medzi tie s najvýraznejším vplyvom na vyriešenie problému. Ak by bol problém definovaný takto, vychádza nám, že na jeho vyriešenie neboli použité najvhodnejšie prostriedky. Analýzou by sme zistili, že ochranu podnikateľských subjektov, ktoré sa stávajú v prípade pohľadu slabším subjektom, je vhodné chrániť inými prostriedkami, napríklad zmenou definície slabšieho subjektu.

Na súdne rozhodnutie sme sa pozreli ako na bežné alebo manažérske rozhodovanie. Naše riešenie sa líši od skutočne prijatého riešenia a je otázne, či by nebolo s ohľadom na celkový právny systém vhodnejšie. Tento spôsob rieši normatívnu otázku, ako by mali sudcovia rozhodovať. Pomocou analýzy odpovedá na otázku, či bolo prijaté rozhodnutie adekvátne a najlepšie z množiny variantov. Ak by sme na prijímanie súdnych rozhodnutí pozerali ako na bežné rozhodovanie so zahrnutým kritériom súladu s právom a kritériami ako spravodlivosť, konzistentnosť, a podobne, mohli by sme pristúpiť k čiastočnej robotizácii práva aj pomocou programov uľahčujúcich rozhodovanie. V predchádzajúcom texte sme sa snažili podať vysvetlenie na základe akého pohľadu by to bolo možné, ale samozrejme, že pre mnohých by takýto spôsob predstavoval jedno z kontroverznejších riešení.

[40] Drucker, P.: Making Decision. Nashville:South Western Publishing, 1966

[41] Gore, Ch., Murray, K., Richardson, B.: Strategic decision –making. London: Cassel, 1992

V tejto práci sa prioritne nezaoberáme vytvorením právneho robota – sudcu, práca je zameraná najmä na odvetvie podnikania v právnych službách. To neznamená, že robotizáciu by sme nemohli využiť v sudcovskom rozhodovaní. Napríklad vo futuristicom článku o sudcoch robotoch sa ako prednosť takéhoto robota uvádza efektívnosť, rýchlosť a objektívnosť https://www.elconfidencial.com/tecnologia/2015-07-10/si-la-justicia-es-ciega-ha-llegado-la-hora-de-los-jueces-robot_921576/ Sudcovské rozhodovanie sa nelíši od prijímania právneho záveru iným subjektom okrem toho, že zjednodušene: má iné účinky – účinky na celý právny systém, a že v prípade medzery v práve, alebo ťažkého prípadu sa musí prijať rozhodnutie a to zrejme musí čerpať aj z iných zdrojov. V prípade otázok týkajúcich sa ľudských dobier a objektívnych princípov, zástancovia právneho naturalizmu tvrdia, že aj tieto zdroje sú právo, pretože spadajú presne pod to, čo môžeme nazvať prirodzené právo. Niektorí zástancovi nonpozitivizmu ako Dworkin tvrdia, že právo, tak ako je, obsahuje všetky právne odpovede, takže nie je potrebné siahať do inom zdroji. Táto teoretická debata je zložitejšia a nie je v svojej pôvodnej forme podstatná pre účely tejto práce, pretože robotizácia má prebiehať a prebieha interdisciplinárne, nezáleží z akých zdrojov pochádzajú dáta. V druhom kroku sa však môžeme pýtať  – aké dáta by mali byť zahrnuté tak, aby sa dospelo k spravodlivému rozhodnutiu? Príspevok tejto debaty by mohol byť tiež v tom, že právny robot by prioritne prihliadal k zadaným objektívnym princípom, ktoré by predstavovali prirodzené právo.

2.2.18 Predikcia

Umelú inteligenciu by sme mohli označiť aj ako istú formu predikcie. Ak budeme za riešenie problému chápať prijatie rozhodnutia v istej veci, tak ide o spôsob predikcie najlepšieho možného alebo minimálne adekvátneho riešenia. Pri predikciách však ide najmä o predikovanie skutočného správania na základe minulosti. Predikcie sú bežne vykonávané pomocou štatistiky, s ktorou majú prostriedky umelej inteligencie, ako napríklad strojové učenie, veľké prekrytie.[42]

V predchádzajúcej časti sme spomenuli rozhodnutia súdu. Na rozhodovanie sudcu sa zameriava napríklad behaviorálna jurisprudencia, ktorá je založená na empirickom výskume. Tento smer sa rozvíjal začiatkom šesťdesiatych rokov 20.storočia a zameriaval sa predovšetkým na kvantitatívnu analýzu súdneho rozhodovania. Počiatky behaviorálneho skúmania v práve sú v USA spojené s prácou profesora politických vied Michigenskej univerzity Glendona Schuberta. Vo svojej knihe Kvantitatívna analýza súdneho správania (1949) sa snaží vyskúmať vplyv správania sudcov a ich osobných charakteristík na prijaté súdne rozhodnutia. Najradikálnejší predstavitelia behaviorálnej jurisprudencie sa dostali až k myšlienke kybernetických predvídaní súdnych rozhodnutí.

Mnohé súčasné postupy využitia AI v práve sú založené práve na predikovaní súdnych rozhodnutí.Napríklad model na predikciu správania sudcov Najvyššieho súdu v USA.[43] V oblasti predikčnej technológie v roku 2004 skupina profesorov z Washingtonskej univerzity testovala presnosť algoritmu pri predpovedaní rozhodnutí Najvyššieho súdu vo všetkých 628 sporných prípadoch v roku 2002. Výsledky svojich algoritmov porovnávali s výsledkami tímov expertov. Štatistický model vedcov sa ukázal byť lepším prediktorom, keď správne predpovedal 75 percent výsledkov v porovnaní s odbornou presnosťou 59 percent. Daniel Katz z Michiganskej štátnej univerzity a jeho dvaja kolegovia rozšírili pokrytie z rokov 1816 na 2015 a dosiahli v štúdii z roku 2017 70,2 percentnú presnosť výsledkov prípadov najvyššieho súdu. Podobne Nikolaos Aletras z University College London a jeho tím použili strojové učenie na analýzu prípadových textov Európskeho súdu pre ľudské práva a oznámili 79 percentnú presnosť ich predikcie výsledkov.[44]   Existujúce technológie sa zameriavajú najmä na angloamerický právny systém.

[42] Prediktívne modelovanie je bežne používanou štatistickou technikou na predpovedanie budúceho správania. Používa mnoho algoritmov strojového učenia. Bayesovský model je štatistický model, v ktorom používate pravdepodobnosť na vyjadrenie všetkej neistoty v rámci modelu, a to tak neistoty týkajúcej sa výstupu, ako aj neistoty týkajúcej sa vstupu (aka parametrov) do modelu. Autori Martin Neil, Norman Fenton, David Lagnado, Richard David Gill využili tento model na vytvorenie modelu právnej argumentácie: pozri 81.    NEIL, M., FENTON, N., LAGNADO, D. et al. Modelling competing legal arguments using Bayesian model comparison and averaging. In: Artificial Inteligence in Law (2019). Springer Netherlands, s. 1-28, dostupné online: https://doi.org/10.1007/s10506-019-09250-3.

[43] Katz, Daniel Martin and Bommarito, Michael James and Blackman, Josh, A General Approach for Predicting the Behavior of the Supreme Court of the United States (January 16, 2017). Available at SSRN: https://ssrn.com/abstract=2463244

[44]   https://emerj.com/ai-sector-overviews/ai-in-law-legal-practice-current-applications/

2.2.19  Dworkinová teória opisujúca sudcovské rozhodovanie ako podklad pre robotizáciu právneho myslenia.

 

Dworkinová téza o jedinej právnej odpovedi sa zakladá na tom, že ak nie je nejaká odpoveď pravdivá, tak je nepravdivá, to znamená, že vždy existuje správna odpoveď. Sporné právne vety existenciu nejakého zákonného práva alebo právneho vzťahu buď konštatujú alebo popierajú. Spor je práve o tom, či je toto konštatovanie alebo popieranie správne.

Ak máme odpoveď na otázku, či existuje právo, alebo právny vzťah, vieme z toho vyvodiť ďalšie závery.

Ak napríklad právo na náhradu škody neexistuje, veta, že žaloba sa má právo jej domôcť, je nepravdivá.

O právnej vete môžeme tvrdiť, že je pravdivá, ak s právnou teóriou, ktorá najlepšie ospravedlňuje ustálené právo ladí viac ako právna veta, ktorá je opakom.

Tento záver sa veľmi podobá na spôsob rozhodovania ako sme načrtli vyššie, kedy sme do teórie pridávali prvok, ktorý tam musel harmonicky zapadnúť. Samozrejme v jednej ustálenej teórii sa nemôžu vyskytovať konfliktné tvrdenia.

Na základe toho by sme sa pýtali: existuje nejaké právo? Existuje nejaký právny vzťah? Analógiou by sme dospeli k tomu, či je odpoveď bližšie k áno alebo nie, čo je binárna odpoveď. Odpoveď môže byť vždy len áno alebo nie, čo zjednodušuje situáciu. Počítač vie lepšie vyhodnotiť z dostupných informácii, či sa odpoveď prikláňa na jednu alebo druhú stranu pomocou použitia umelej inteligencie.

Na pravdivostnej hodnote právnych viet sa sudcovia často zhodnú, a ak sa nezhodnú, rozumejú argumentom svojich oponentov natoľko dobre, že sú schopní presne určiť mieru nezhody a tieto argumenty zhruba zoradiť podľa prijateľnosti.^[32]

Narozdiel od pojmov a kategórií, v práve by množiny prvkov, ktoré sú v súlade s právom a nie sú v súlade s právom, mali byť ostré. V skutočnosti potrebujeme nový prípad iba začleniť do jednej alebo druhej skupiny, pokiaľ sme schopní každý jeden prípad previesť na takúto otázku.

2.2.20   Právo ako hra s pravidlami

Z pohľadu jednotlivca by sa jeho situácia mohla javiť ako hra s právnymi pravidlami. Dokážeme vytvoriť počítačovú hru a vieme pre ňu definovať pravidlá. Digitálny svet, ktorý by sme pre jednotlivca vytvorili, by obsahoval reprezentáciu všetkých udalostí, vecí, ľudí ako symbolov a mal by svoje pravidlá. Mohol by byť prepojený s fyzickým svetom, napríklad aj pomocou skutočného pohybu človeka. Budúce rozhodnutia by prebiehali v simulovanej digitalizovanej realite. Hľadali by sme cestu ku konečnému stavu veľmi podobným spôsobom ako to teraz robí umelá inteligencia pri hraní hier.

2.2.21   Právo ako ideálny svet

Buď podáme deskripciu právneho systému tým, že nazbierame všetky fakty o práve a ich aplikácii v konkrétnom živote alebo sa zameriame na stav „ako by to malo byť“, to znamená, že budeme modelovať ideálny svet dodržiavania pravidiel. To znamená, že odhliadnuc od všetkých ostatných skutočností modelujeme svet , ktorý je z hľadiska práva ideálny. Neideme totiž vytvárať simuláciu skutočného myslenia a konania, ale chceme vytvoriť simuláciu toho správneho myslenia a konania. Čiže vytvárame dokonalý svet, presne taký, aký by mal byť. Z hľadiska jednotlivca určujeme jeho ideálne správanie, a podobne. V istom zmysle je to vlastne „preklad“ znenia zákonov do skutočného konania. Zostáva nám potom iba porovnať skutočný stav s modelovým a na základe tohto navrhnúť riešenie – cestu ako sa dostať do ideálneho stavu.

2.2.22  Právny problém ako cesta od počiatočného ku konečnému stavu

Ak by sme vedeli definovať súčasnú situáciu a stav, kde sa chceme dostať, tak by sme riešenie právneho problému mohli chápať ako možné alternatívy prechodu z jedného stavu do iného stavu. Popri tom by sme mali definované pravidlá, ktoré by nám vytvárali a obmedzovali možné cesty. Mohli by sme mať definované prostredie, napríklad vo forme sémantickej siete alebo rozhodovacích procesov alebo aj pomocou fyzických objektov alebo symbolov, v ktorom by sme sa pohybovali.Niekedy nie je definovaný konečný stav, alebo nevieme, aký je konečný stav. To tiež nebráni predstave súčasnej situácie ako stavu, a každých ďalších krokov ako nových stavov.

2.2.23  Právo ako uzavretý systém

Chápanie práva ako uzavretého systému nám umožňuje vyvodiť predpoklady, ktoré môžeme využiť pri rôznych spôsoboch robotizácie. Uzavretý systém totiž si totiž ako celok neodporuje. Prvky uzavretého systému niekde patria a uzavretý systém neobsahuje prázdne miesta prípadne sa vie, kde ich obsahuje a prečo. Pri pridávaní prvku do systému musí tento prvok zapadnúť, harmonizovať, mať svoje presné miesto. Uzavretý systém neobsahuje výroky, ktoré si protirečia. V uzavretom systéme je možné vyvodzovať nové pojmy a informácie. Spájanie a prepájanie prvkov systému sa deje v oblasti pojmov pomocou určených pravidiel a zásad logiky.

2.2.24  Právo ako ťažké a ľahké prípady

V teórii práva je známe delenie na ťažké a ľahké prípady. Prvá otázka preto znie: je možné automatizovať „ľahké“ prípady? Druhá otázka znie: je možné automatizovať „ťažké“ prípady? Robotizácia, ktorá by bola založená na tomto členení by spočívala v tom, že pre ľahké a ťažké prípady by sa používal odlišný postup.

Prípady bez jednoznačného riešenia sú kľúčom k tomu, čo v skutočnosti právo predstavuje, pretože to akým systém sa riešia vypovedá o celej podstate práva.

Na ťažké prípady sa môžeme pozerať tak, že v okamihu, v ktorom vznikli majú riešenie, a to sa musí objaviť, alebo nemajú riešenie, a to sa musí vytvoriť.

Pre automatizovanie práva je táto otázka do istej mieri irelevantná. Skôr je potrebné zistiť, ako sa na riešenie „príde“ alebo ako sa „skonštruuje“. Z iného uhla pohľadu to nie je irelevantná otázka, pretože ak sa právo, ktoré chýba konštruuje, tak nič nebráni umelej inteligencii, aby ho skonštruovala sama, a to bez toho, aby pri tom dodržiavala nejaké predpísané právne pravidlá. Prípadne sa tieto pravidlá môžu definovať na úplne inom základe. Takto by sme pre isté typy prípadov vytvárali pravidlá na konštruovanie rozhodnutí.

Pri odčlenení ľahkých a ťažkých prípadov tak, že v prípade ťažkých prípadov sa riešenie konštruuje, vyvstáva otázka, či sme použili správne kritériá na oddelenie ťažkých a ľahkých prípadov.

Toto členenie by sme preto mohli použiť aj na samotné uplatňovanie umelej inteligencie. Buď ju budeme vnímať tak, že nachádza riešenia alebo ich bude konštruovať.

2.2.25  Právo ako svet noriem a svet faktov

V teórii poznáme členenie práva svet noriem a svet faktov. Svet noriem predstavuje normativitu práva „ako by to malo byť“ a svet faktov „ako to je“. Už sme si všimli právo ako ideálny svet. Na účely tejto práce pozorujeme aj skutočnosť, že toto členenie reflektuje rozdiel medzi abstraktnými pravidlami a skutočným konaním. My sa budeme snažiť prepojiť svet faktov a svet noriem do dynamického systému.

Mohli by sme si vyčleniť aj iné aspekty – myslenie ako práca s abstraktnými pojmami a konanie v realite. Bežné myslenie a rozhodovanie prebieha spolu s konaním – to znamená testovaním záveru v skutočnej realite. V právnom myslení sa pohybujeme len v abstraktnej rovine.  Môžeme simulovať prepojenie myslenia a konania v digitalizovanej realite, ako sme uviedli vyššie.

Zo skutočnosti, že právo nie je len svet noriem ale aj faktov, nám môže vyplynúť ďalšie riešenie.  Pravidlá v programe nemusíme mať dopredu definované. V prvom kroku by nám stačilo pozorovať bežný život dostatočného počtu ľudí.

Jednotlivec koná nejakým spôsobom v mantineloch pravidiel.  Skutočnosti nie je podstatné, či ide o právne pravidlá, morálne pravidlá, zvyky. Z akejkoľvek ľudskej činnosti je možné abstrahovať pravidlá. Pokiaľ sa jednotlivec správa v súlade s pravidlami, tak jeho konanie nám samo o sebe hovorí o tom, čo je pravidlami dovolené, čo je pravidlami prikázané a zakázané. Už len z pozorovania života by bolo možné vyvodiť mnohé teórie o systéme pravidiel platnom v spoločnosti. Z istého uhla pohľadu je jedno, či ide o právne alebo iné pravidlá, tie by mohli byť triedené dodatočne.  Význam členenia by spočíval v tom, či ich musí osoba obligatórne dodržiavať alebo majú formu odporúčaní. Pritom platí, že sila právneho pravidla, ktoré je vynútiteľné môže byť niekedy z pohľadu jednotlivca totožná s dobrovoľným morálnym pravidlom. Jediné, čo ich odlišuje, je následok.

2.3. Záverečné poznámky týkajúce sa charakteru práva účelné pre zdôvodnenie návrhu jeho robotizácie

V prvom rade pozitívne právo – zákon nie je fyzikálny zákon. Jeho zmena je možná.

Rovnakej kritike ako kritike obsahu zákonov je možné podrobiť štruktúru právneho systému.

Pravidlá, ktoré tvoria právo, sú usporiadané v pyramíde. Jednak ide o pravidlá obsahové a potom o pravidlá, ktoré určujú, ako sa tieto tvoria. V rámci pyramídy platia princípy, ktoré umožňujú koexistenciu rôznych pravidiel, ako aj ich efektívne minimalistické usporiadanie.

Právo obsahuje všeobecné normy, pod ktoré sa podradzuje konkrétny prípad. Je právo súhrn konkrétnych rozhodnutí, alebo je to súhrn pravidiel? Obe prípady naraz, vzájomne koexistujú. Na jednej strane je tu všeobecný vzorec a tento sa aplikuje na konkrétnu situáciu.

Právne myslenie je proces, pri ktorom je vyvodzovaný záver z právne relevantných faktov. V prvom rade ide o selekciu faktov, ktoré sú právne relevantné. Na to, aby sme zistili, aké fakty sú právne relevantné, musí mať právnik znalosť celého právneho systému. Inak nevie, čo má hľadať. Aj na základe tejto skutočnosti stroskotávali snahy o zachytenie tohto myslenia. Riešením je iný spôsob nazerania na problém.

V procese právneho myslenia transformujeme vstupy istým presne určeným spôsobom na výstupy. Navrhujeme prístup, aby sme nepovažovali transformačný proces za dôležitý a zamerali sa len na vstupy a výstupy.

Môže vzniknúť námietka, že nezachovávame zásadu konzistencie. Tento transformačný proces má byť totiž zárukou konzistencie práva, ktorá prispieva k právnej istote, tvorí základnú povahu práva. Právne myslenie je zamerané na konzistentnosť. Toto je problémom pri porovnávaní práva a iných spôsobov rozhodovania. Lekár má pri svojej liečbe ako posledný cieľ vyliečenie pacienta, nie súlad s určenými postupmi, a presne tento prístup neplatí v práve. Právo má za cieľ súlad so systémom, aspoň pokiaľ je chápané pozitivisticky. Pritom zmysel konzistencie práva spočíva v tom, že pri rovnakých vstupoch dostaneme rovnaké výstupy. Práve umelá inteligencia dokáže porovnávať jednotlivé prípady tak, že dokáže nájsť vzorce a podobnosti, a možno dokonalejšiu skutočnú principiálnu konzistenciu. Naoko podobné situácie môžu mať rozličné závery a naoko odlišné prípady môžu byť v závere totožné.

Uviedli sme, že počas právneho myslenia dochádza k procesu transformácie vstupov na výstupy. Nakoľko je tento proces pevne daný a pre každého rovnaký, môže byť predmetom rozličných teórií. Právnici používajú ako metódu interpretáciu. Niektoré názory idú tak ďaleko, že tvrdia, že text nemá žiadny význam sám o sebe. Takto by sme sa na právo pozerali ako na nekončiace pole interpretačných možností. Bolo by závislé na samotnom subjekte, ktorý toto myslenie vykonáva. Prostriedkami na zdôvodnenie výkladu práva je potom argumentácia, ktorá môže byť akákoľvek. Takéto chápanie práva môže vyvolať pocit, že sa nachádzame v nekonečnom lese možností.

Z tohto hľadiska by sme mohli navrhnúť prístup k využitiu umelej inteligencie na základe rôznych interpretačných prístupov.

Závisí aj od toho kým je právo interpretované – každým užívateľom, právnikmi, súdom, pričom za „oficiálne“ interpretácie sa považujú súdne interpretácie, ale tiež nie všetky. Odborníci v oblasti práva publikujú rôzne komentáre – tieto môžu obsahovať rôzne interpretácie. Odborníci, sudca sa pohybujú v istých mantineloch, nemôžu podať interpretáciu, ktorá je zrejme nesprávna a nezlučiteľná so základnými princípmi práva a logiky. Nesprávnosť interpretácie môže byť závislá na ledva postihnuteľných nuansách – nájdená chyba vyvracia zlučiteľnosť so systémom – to znamená, že v takejto podobe nemôže byť právo v systéme, pretože tam „nesedí“, vzniká tam nejaký rozpor. Paradoxne je počítač v hľadaní takýchto typoch chýb lepší ako človek, a tiež vie dobre zachytiť subjektívne interpretácie a predpovedať nové.

Iný pohľad na právo môže byť, že nejde o žiadne interpretácie, ale právo je jednoznačné, to znamená nemení sa žiadnym subjektívnym vplyvom. Nemusíme sa však viac zaoberať interpretáciou právnických textov. Ako bude uvedené v zásadách, na ktorých stojí táto práca – právny systém jednak nepovažujeme za nemenný, v zmysle konštrukcie ani obsahu. Je možné navrhovať riešenia, ktoré plne obchádzajú právny jazyk a zameriavajú sa len na vstupy a výstupy do transformačnej skrinky práva.

Právny systém, tak ako je vytvorený, môže byť predmetom spochybňovania na základe jeho efektivity, účelnosti. Preto nie je našim cieľom vytvoriť program, ktorý by dokonalo zachytil právny systém. Vytvárame program, ktorý by nielen zachytil skutočné pravidlá opakujúce sa v realite, ktoré bude schopný konzistentne opakovať, ale ktorý by vytváral riešenia na základe účelu s podporou historického rozhodovania v minulosti.  Takýto počítačový systém teda skôr zachytí princípy (morálne) pretrvávajúce v spoločnosti, ako aj rôzne vzorce správania, ako slovné vyjadrenie právneho systému v právnom jazyku. Štruktúru právneho systému môžeme považovať za účelovo vytvorenú. Pri istom objeme pravidiel si ich už nie je možné pamätať jednotlivo bez usporiadania. Tento problém však počítač nemá – má pamäť, v ktorej môže byť zaznamenané každé atomizované pravidlo jednotlivo. Okrem tohto prístupu navrhujeme ako dôležitý podporný zdroj zahrnúť aj doterajšie postupy, ktoré sa snažia zachytiť proces myslenia alebo právny systém.

2.4.   Príklad uplatnenia umelej inteligencie s numerickým výstupom.

Ako jednoduchý príklad uplatnenia umelej inteligencie s numerickým výstupom uvedieme prípad odškodnenia za bolesť a spoločenské postavenie v prípade škody na zdraví. Výstupom je suma odškodnenia priznaná súdom. Ako vstupy môžu byť použité škody na zdraví zo zodpovednosti za prevádzku motorového vozidla, ale aj iné škody na zdraví, keďže sa snažíme nájsť algoritmus, ktorý by zodpovedal vzťahu poškodeniu zdravia, vstupných podmienok a výslednej sumy.

Ak by sme si za cieľ dali konzistentnosť v sudcovskom rozhodovaní, použili by sme iba výsledky súdnych rozhodnutí. Dáta však v prípade potreby môžeme rozšíriť. Ak nám ide o to, aby sme vytvorili napríklad spravodlivý model odškodnenia, kde samozrejme zahrnieme aj historické rozhodnutia ako jedno z kritérií, je možné ako vstupy zahrnúť mnohé ďalšie informácie. Okrem záverov mimosúdnych dohôd môžeme zahrnúť aj dáta z iných právnych poriadkov, iných súdnych konaní, ktoré predpripravíme napríklad na základe porovnania cien, kurzov v dvoch krajinách. Postupujeme podľa zásady, že nás nezaujíma právny jazyk, alebo samotný transformačný proces, ale výsledok v reálnom svete. Medzi právnymi poriadkami bude rozdiel v procese ako sa rozhodnutie prijíma, ale v skutočnosti škoda a následné odškodnenie nebudú až také rozdiely. Riadime sa zásadou unifikácie – právne poriadky sú rôzne ale problémy ľudí a riešenia v reálnom živote bývajú veľmi podobné. Historické dáta bude tiež potrebné upraviť podľa spotrebného koša, inflácie, kurzu meny a podobne.  Je možné zahrnúť aj dáta ako názory širšej verejnosti, dotazníky a podobne. Riadime sa zásadou, že prioritou je adekvátny výsledok a nie súlad s právnym poriadkom. Týmto prístupom odstraňujeme prekážku v podobe nedostatku dát na tréning.

Vstupné informácie budú napríklad vek, pohlavie, bodové hodnotenie škody na zdraví a podobne. Výstupný údaj je údaj o sume odškodnenia.

Na tento prípad by sme mohli použiť napríklad rozhodovací strom alebo neurónové siete. V prípade rozhodovacieho stromu, počítač vytvára postupne rozhodovací strom ako v prípade bežného uvažovania. Pri neurónových sieťach je postup zložitejší. Okrem bežnej regresie sa postup uvažovania prispôsobuje skutočnému fungovaniu neurónovej siete. Jednotlivé neuróny na skrytých úrovniach dávajú posielajú signály ostatným neurónom. Uplatňuje sa tzv. spätná distribúcia chýb.

Po natrénovaní a získaní algoritmu sa prevedie test správnosti napríklad pomocou údajov odložených na tento účel[47] (bližšie o možnostiach testovania v texte vyššie).

Výsledný algoritmus je pripravený na rozhodnutie o novom prípade. Strojové učenie však nekončí. Každým novým prípadom získava informácie a môže meniť kritériá a ich váhy.

2.5.  Prečo robotizovať právo?

Jedna z dôležitých otázok sa týka dôvodov pre zavádzanie umelej inteligencie do práva. Táto časť stručne uvedie výhody a nevýhody robotizácie práva a zdôvodni jej nevyhnutnosť.

Nevyhnutnosť vyplýva najmä zo súčasnej reality. Je možné zdôvodniť ekonomicky a tiež s ohľadom na dobro človeka.

Ekonomické zdôvodnenie s ohľadom na konkurenčnú stratégiu sa opiera najmä o skutočnosti:

1. V súčasnosti dochádza k rozvoju technológií, ktoré zasahujú do všetkých oblastí.
2. Neexistuje bariéra, ktorá by bránila vstupu týchto technológií do oblasti práva.
3. Na globálnej úrovni dochádza k vyvíjaniu umelej inteligencie, ktorá by nahrádzala právnikov.
4. Na základe toho je možné vysloviť predpoklad, že odvetvie prechádza digitálnou disrupciou s tým, že to ešte nie je zrejmé vo všetkých oblastiach.
5. Neexistuje neprekonateľná bariéra, ktorá by vyčleňovala lokálne právo z globálneho priestoru.
6. Najlepšou stratégiou je na takéto zmeny reagovať.
7. Zmena so sebou prináša zmeny v pozíciách v konkurenčnom boji, zmeny podielu prístupu k zdrojom.
8. Využívanie technológií môže priniesť konkurenčnú výhodu.

Ďalšie ekonomické zdôvodnenie výhod robotizácie sa opiera o to, že pri využívaní umelej inteligencie v práve dochádza k úspore nákladov, zvyšovaniu objemu vykonanej práce, znižovaniu práce s nižšou kvalifikáciou.

Z hľadiska spoločnosti dochádza k zmene v štruktúre práce, zlepšeniu administratívnych procesov, uvoľneniu pracovnej sily na sofistikovanejšiu prácu. Zvyšuje sa kontrola nad administratívnymi procesmi. Dochádza k využitiu súčasných technologických výdobytkov a výhody z nich čerpajú všetci ľudia. Z hľadiska dobra človeka – ľudia prenechávajú mechanický typ práce a môžu sa venovať kreatívnejším činnostiam s vyššou pridanou hodnotou. Zlepšujú sa im podmienky pre život, odstraňujú sa administratívne prekážky.

Medzi nevýhody sa zvykne zaraďovať práve nahradzovanie práce ľudí a ich potrebná rekvalifikácia. Ale mali by sa ľudia zubami-nechtami držať práce, ktorú môže a dokonca lepšie vykonáva stroj? Samozrejme, že rekvalifikácia a zmena myslenia nie je ľahký proces, ale čím skôr sa do toho spoločnosť pustí, tým skôr môže užívať aj benefity, ktoré jej nová situácia prináša.[1]

Medzi ďalšie nevýhody patria celkovo riziká digitalizovanej reality.

Hlavným rizikom sa stáva to, že jednak budú informácie v elektronickej podobe, s čím súvisí riziko ich straty, nedostupnosti v prípade výpadku energie a podobne. S energiou sa spája ďalšie riziko – pri takejto predstave plne digitalizovaného sveta je potrebné nájsť nové zdroje ľahko dostupnej energie. Ďalšie riziká sa týkajú ochrany súkromia, zneužitie informácií. Niekoľko spoločností alebo štátov môže mať úplnú kontrolu nad všetkými dátami, čo im dá takmer neobmedzenú moc (v spojení s internetom vecí, ktorý prepojí aj fyzické objekty). Ak je tento digitalizovaný svet globalizovaný, je potrebné vytvoriť aj globálnu kontrolu nad digitálnou realitou. Tento problém presne kopíruje problém národnej suverenity a globalizmu vo fyzickom svete spolu so všetkými pozitívami a negatívami.[1] Riziká digitalizovanej reality sa vzťahujú na situáciu výrazne digitalizovaného sveta a jeho procesov, ktorého súčasťou sa robotizované právo môže stať na globálnej úrovni. Zo súčasných problémov je to najmä bezpečnosť údajov.

Pokiaľ predpokladáme komplexnú robotizáciu práva, tak v nejakom bode tohto procesu môže byť problémom aj sebaregulácia vzniknutého systému.

V rámci zavádzania umelej inteligencie je potrebné riešiť rôzne novovzniknuté etické problémy.

Pri umelej inteligencii v práve sa napríklad v literatúre rieši problém „black box“, kedy sa upozorňuje na problém, že vytvorené algoritmy nemôžu poskytnúť vysvetlenie pre konkrétne rozhodnutie[1] a mnohé ďalšie nové problémy.

Pár poznámok k etike umelej inteligencie. Keď sme spomínali, že sa v tomto dokumente nebudeme púšťať do veľmi robustnej debaty, chceli sme sa vyhnúť aj tejto téme. Etika okrem posudzovania konkrétnych prípadov – to znamená prípadov aplikácie etických pravidiel  – obsahuje aj teoretickú zložku, ktorá nám hovorí o tom, aké sú tieto pravidlá a prečo. Niektorí autori sa snažia tieto zložky oddeľovať a zaoberajú sa len konkrétnymi praktickými prípadmi, vyhľadávaním situácii, ktoré porušujú alebo môžu porušiť rôzne pravidlá, upozorňujú na nich a navrhujú riešenia. Jednoznačne zastávame názor, že nie je možné oddeľovať konkrétny prípad a jeho riešenie od teoretickej zložky, pretože riešenie potom neobsahuje dostatočne kvalitné zdôvodnenie. Autori, ktorí popisujú konkrétne prípady a navrhujú riešenia, sa tak vystavujú riziku, že v prípade kritiky ich nebudú vedieť dostatočne zdôvodniť. Etická problematika je tak trochu akademická pasca, ale dáva vysokú pridanú hodnotu, a to nielen v rámci teórie ale aj v praxi. Konečná otázka pri charaktere práva je identická s konečnou otázkou etiky umelej inteligencie alebo mantinelov rozhodovania umelej inteligencie. V tejto práci sme sa nateraz vyhli tejto téme, a sústredíme sa výlučne na otázku – či je robotizácia možná, v akej miere a akým spôsobom. Určite však bude potrebné neskôr sa tejto téme podrobnejšie venovať.

Na záver stručného zdôvodnenia zavádzania umelej inteligencie do práva prezentujeme názor, že tento krok je vzhľadom na súčasný vývoj nevyhnutný. Otázkou zostáva len do akej miery je realizovateľný, a do akej miery je realizovateľný v období nasledujúcich dekád. Pre SR je to inovačná príležitosť, ktorú je potrebné využiť.[1]

[1] K tomu bližšie Nevyhnutná zmena pravnyrobot.sk

[1] Tieto skutočnosti môžu pôsobiť desivo a odrádzať od akejkoľvek digitalizácie. Internet ani umelá inteligencia nie je nová skutočnosť, a za ten čas čo existujú, už pravdepodobne dávno mnohé spoločnosti a organizácie získali nad dátami moc, alebo ak by ju chceli získať, tak na to majú všetky prostriedky. O tom, že treba ľuďom priniesť výdobytky 4. priemyselnej revolúcie sa hovorí aj preto, lebo úžitok z týchto veľkých objavov má v skutočnosti len úzky okruh ľudí. Došlo k preskupeniu zdrojov ale tieto sa skoncentrovali v rukách menšiny. Odmietnutím robotizácie práva sa nič nezmení, iba sa tento úžitok neprenesie ani okrajovo do širších vrstiev obyvateľstva. Ak by sa človek chcel vyhnúť negatívám digitalizovanej reality, tak by úplne musel odmietnuť všetky prostriedky, a tiež presvedčiť celú spoločnosť k tomuto kroku späť,  pretože väčšina by ho mohla zaviazať zákonmi k ich užívaniu. Ďalšia možnosť by bola vytvoriť si vlastný nezávislý internet a siete. Pretože aj programy, ktoré dohliadajú na bezpečnosť dát niekto tvorí, ďalšia možnosť je stáť na vrchole tejto hierarchie a byť posledným tvorcom a kontrolórom. V skutočnosti, ak bude spoločnosť ako celok schopná zaviesť účinnú kontrolu, dostane sa práve na túto pozíciu. A toto je asi jediná zmysluplná cesta von z tohto problému.

[1] Spomenuté napríklad v CONRAD, Jack G. a BRANTING, L. Karl. Introduction to the special issue on legal text  analytics[online]. In: Artificial Intelligence and Law, June 2018, Volume 26, Issue 2, s. 99–102. [cit.2019-08-30]. Dostupné na: https://link.springer.com/article/10.1007/s10506-018-9227-z.

[1] K tomu bližšie  pravnyrobot.sk

 

3. Realizácia robotizácie v súčasných podmienkach.

3.1. Zásady pri robotizácii práva.

 

• Zásada č.1: je jedno aký postup nás vedie k výsledku, nie je podstatná transformačná skrinka – rozhoduje iba vstup a výstup.

 

• Zásada č.2 : postupnej robotizácie a synergického efektu. V prvom kroku nehľadáme absolútne platné postupy, ktoré komplexne zahrnú celý jav. Každý postup, ktorý správne popisuje aspoň čiastkovo daný systém je vhodný, pretože v synergickom efekte s ostatnými môže prispieť k podstatnému zachyteniu fenoménu.

 

• Zásada č.3 : právny systém nie je nemenný. Účel súčasného právneho systému môže byť naplnený aj iným spôsobom. V prvom rade je potrebné zodpovedať otázku – na čo právny systém slúži? V druhom rade – prečo je právny systém vytvorený súčasným spôsobom? Po zodpovedaní týchto otázok prídeme na to, že účel právneho systému je možné naplniť aj inými cestami a že v súčasnej situácii to bude aj efektívnejšie. Táto práca stojí na myšlienke, že súčasné usporiadanie systému je zastarané.

 

• Zásada č.4: dôvod vzniku právneho systému a jeho štruktúry. Umožňuje rozbitie právneho systému na jednotlivé normy alebo konania.

 

• Zásada č.5: preklad do bežného jazyka a unifikácia. Nie je dôležité aký proces prebieha počas transformácie vstupov do právneho záveru.

 

Z predchádzajúceho textu vyplynulo veľké množstvo riešení postupnej robotizácie právneho myslenia. Je potrebné si uvedomiť, že :

-ide o postupný proces

– nie je rozhodujúce prijatie jednej alternatívy ale skôr prepojenie všetkých aktivít do jedného celku

– ide o proces náročný na zdroje a čas

Množstvo riešení sa môže javiť ako neefektívnych, ale nesmieme zabúdať na synergické efekty. Akýkoľvek pravdivý opis právnej reality je vhodný ako možný prostriedok robotizácie.

 

Umelá inteligencia pracuje so svetom faktov, z ktorého si sama vytvára svet normatívny. Tento normatívny svet je presnejší a lepšie zodpovedajúci realite ako vytvorený právny systém. Vytvorenie sveta faktov a sveta noriem, ktoré by sa vzájomne ovplyvňovali a dynamicky prispôsobovali je ideál v prípade robotizácie práva. Môžeme to znázorniť ako pohyb. Ďalším pohybom v prípade robotizácie je pohyb zdola nahor. Tento pohyb predstavuje budovanie robotizácie smerom od existujúcej digitalizácie, resp. od najjednoduchších mechanických úkonov. Jeho súčasťou je rozklad na malé časti, vzťahy medzi ktorými je už možné popísať mechanicky, ktorý prebehol spontánne. Pohybom zhora nadol do systému vnášame objektívne princípy.

Kľúčovým pre robotizáciu je teda:

Prepojenie sveta faktov a sveta noriem do dynamického systému. Na definíciu použiť bežný jazyk, právny jazyk ako aj všetky ostatné spôsoby prezentácie reality. Svet noriem je definovať jednak bežným jazykom a rozkladom na jednotlivé normy. Súčasné využívanie právneho jazyka v svete noriem a svete faktov pre synergické efekty vzhľadom k tomu, že v rámci tohto jazyka sú dôsledne popísané vzájomné vzťahy pojmov, pravidlá systému, pričom pojmy sú štruktúrované bližšie matematicky ako pojmy bežného jazyka. Problémom tohto systému nie je to, že by bol logicky neúplný, ale to, že sa kvôli problémom akéhokoľvek opisu, jazyka a pojmov nemôže plne zhodovať so svetom faktov. Analýza a rozbitie existujúcich noriem, pojmov a inštitútov na stavebné jednotky, z ktorých je možné postaviť robotizáciu. Uprednostnenie robotizácie pred zachovaním právneho systému. Zrušiť právny jazyk a nahradiť opismi v bežnom jazyku – väčší počet dát. Právne pravidlá je možné vytiahnuť z akýchkoľvek činností, nemusí to byť riešenie právneho problému – týmto sa dá replikovať právny poriadok.

 

 Technologické riešenia.

Spomenuli sme mnohé technologické riešenia. Z rôznych  postupov je možné pre oblasť práva využiť najmä rôzne štatistické metódy a strojové učenie, logistickú regresiu, binárnu klasifikáciu, rozhodovacie stromy, clustering a neurónové siete a podobne.

Zaujímavé je aj využitie Natural Language Processing (NLP). Spracovanie prirodzeného jazyka (NLP) je podoblasť lingvistiky, počítačovej vedy, informačného inžinierstva a umelej inteligencie, ktoré sa zaoberajú interakciami medzi počítačmi a ľudskými (prirodzenými) jazykmi, najmä ako programovať počítače na spracovanie a analýzu veľkého množstva údajov v prirodzenom jazyku.  Výzvy v spracovaní prirodzeného jazyka často zahŕňajú rozpoznávanie reči, porozumenie prirodzenému jazyku a vytváranie prirodzeného jazyka.[1] 

Vzhľadom na rozmach umelej inteligencie a rozmanité možnosti využitia rôznych typov algoritmov na oblasť práva je zrejmé. Nie je cieľom tejto práce do hĺbky mapovať technologické postupy. Z uvedeného je zrejmé, že množstvo problémov má svoje riešenia v existujúcich technológiách to znamená, že na jednotlivé problémy je možné nájsť technologické riešenia (čím netvrdíme, že momentálne existuje jedno jednoduché riešenie, algoritmus, ktorý by umožnil úplnú robotizáciu práva alebo, že nie je potrebný kreatívny proces na prispôsobovanie jednotlivých postupov na konkrétne problémy robotizácie práva). Podstatnejšie sa javí opísať proces, ktorý budeme sledovať.

Ak sme na začiatku spomínali, že je potrebné vzdať sa komplexnosti, mysleli sme dosiahnutie okamžitého úplného riešenia. Naproti tomu sa náš prístup odlišuje od jednotlivých riešení ponúkaných na trhu práve tým, že ide pokus zachytenia právneho myslenia v celku, aj keď toto môže predstavovať dlhodobý proces.

[1] Jedným prístupom je priradiť syntaktické prvky, napríklad podstatné mená, slovesá a klauzuly, k ich sémantike, napríklad jednotlivcom, vlastnostiam, vzťahom v danej doméne. Významy môžu byť každodenné a špecifické pre právne informácie a sú osobitne zaujímavé pre odborníkov v súkromnej praxi, vláde, verejnej správe, vzdelávaní a výskume. EÚ poskytla v posledných rokoch obrovské množstvo zdrojov na právne predpisy EÚ v mnohých jazykoch (napríklad EuroParl, JRC atď.). Bližšie ROBALDO, Livio, VILLATA, Serena,  WYNER, Adam, GRABMAIR, Matthias. Introduction for artificial intelligence and law[online] In: Special issue “Natural language processing for legal texts” Springer Nature B.V. 2019 [cit.2019-08-30]. Dostupné na: https://link.springer.com/article/10.1007/s10506-019-09251-2

 

3.2. Návrh stratégie zavádzania umelej inteligencie do práva v prostredí SR

Vzhľadom k tomu, že:

• súčasná situácia najmä celosvetové trendy globalizácie, digitalizácie, prenikania umelej inteligencie do mnohých odvetví, vytvára hrozbu pre podnikanie v oblasti poskytovania právnych služieb
• trh je otvorený

Z dôvodu :

• rizika, ktoré predstavuje pre odvetvie digitálna disrupcia
• rizika začatia masívneho uplatňovania disruptívnych technológii
• nevyhnutnosti čeliť globálnej konkurencii, ktorá využíva a kreuje vlastné technológie umožňujúce rýchlejšie spracovanie zákazok
• riziku zaostávania pred svetovou konkurenciou v oblasti technologických inovácii v práve,

 

opierajúc sa o predstavu SR ako lídra v inováciách, orientáciu SR na činnosti s vyššou pridanou hodnotou,

 a vzhľadom k veľkej príležitosti pre vytvorenie inovatívnej technológie v oblasti práva,

 

keďže pokrok v technológiách dospel do stavu, kedy je možná robotizácia mnohých doteraz nepredstaviteľných oblastí,

a v SR v oblasti práva sa prejavuje výrazne zaostávanie v oblasti digitalizácie a technologických inovácií, a upevňovanie lokálneho charakteru v oblasti práva,

 

je nevyhnutné pristúpiť k robotizácii právneho myslenia v SR, a to tvorbou technológie na úrovni štátu.

 

Proces tvorby inovačnej technológie a zavádzania umelej inteligencie do práva bude pozostávať z nasledovných častí:

 

• Digitalizačná fáza – predchádza ostatným procesom a jej úlohou je zabezpečiť úplnú digitalizáciu oblasti práva. Tento krok je nevyhnutný na zber dát, ich aktualizácie a spätnej väzby.

 

• Dátová zložka – zber dát a zabezpečenie permanentnej aktualizácie a spätnej väzby – obsahuje definovanie z akých zdrojov budú dáta čerpané. Dátová zložka je jedna zo zložiek Banky informácii, v ktorej sa zhromažďujú aj výsledky práce na algoritmoch, ako aj informácie z ich využívania a spätné väzby.

 

 

• Pracovné skupiny – vytvorenie skupín odborníkov z oblasti práva, informatiky, manažmentu, jazykových vied, a podobne. Každá skupina bude zameraná na iný spôsob robotizácie. Tieto sa budú prepájať, informácie sa budú spoločne kolektovať tak, aby bolo možné zabezpečiť synergické efekty.  Výsledky práce skupín budú napĺňať Banku informácii.

 

Návrh skupín (môžu sa pridať aj ďalšie):

 

• „Jazyk“ – využitie natural language processing, technológie prekladačov
• „Formálna logika“ – všetky spôsoby, ktoré sa zakladajú na vytváraní výrokov a pravidiel právneho systému v matematickom zápise, tu patrí aj prepis zákonov, prepis právnych noriem a ich vzťahov, rozhodovacie stromy
• „Budovanie systému“ – budovanie systému nanovo pomocou predchádzajúceho rozbitia na jednotlivé normy alebo informácie
• „Dworkin“ – budovanie systému cez binárne otázky o právnej správnosti/nesprávnosti
• „Computable legislation“ – tvorenie novej legislatívy v dátovej forme
• „Procesy“ – selekcia všetkých procesov a postupov v práve
• „Objektívny princíp“ – definovanie práva cez základné princípy spravodlivosti
• „Zdola“ – audit všetkých procesov, opis možnosti automatizácie krokov, rozbíjanie na mechanické úkony
• „Predikcia“ – predpovedanie výsledkov
• „Existujúce technológie“ – mapovanie všetkých existujúcich technológií a možnosti ich aplikácie a návrhy ich začlenenia do odvetvia

 

 

• Zapojenie odborníkov – dáta trénujú právnici, advokátske kancelárie, sudcovia, všetci sú zapojení. Dáta môže trénovať aj verejnosť pomocou produktu určeného pre verejnosť, ktorý je poskytovaný zadarmo.
• Čiastkové produkty – vznikajú počas procesu práce v skupinách a kreovania hlavného produktu, je možné ich umiestňovať na trh v priebehu celého procesu
• Kreovanie produktu – na základe práce skupín formuje záverečný produkt,  využíva synergické efekty

 

Časový harmonogram:

2020 – vytvorenie skupín na robotizáciu, zabezpečenie úplnej digitalizácie, audit procesov, spustenie projektu získavania dát, vytvorenie odbornej skupiny na IT správu

2020 – 2025 – práca v skupinách, odovzdávanie čiastkových výsledkov

2025 -prototyp produktu

2026 -28 – skúšobná fáza

2028 -2029 – zbieranie dát a úprava produktu

2030 – finálny produkt

Cieľ: Vytvárať algoritmus z uzavretého systému slovenského práva, ktorý sa neskôr bude aplikovať aj na iné právne systémy, s využitím postupov a zásad uvedených vyššie.

Výsledok: využiteľný pre subjekty v SR na zvyšovanie konkurencieschopnosti a oslobodenie pracovnej sily od mechanického a opakujúceho sa myslenia a úkonov, a použiteľný pre iné právne systémy. Získané algoritmy vytvárajú produkt štátu aplikovateľný aj v iných právnych systémoch, čo zabezpečí návrat vložených finančných prostriedkov.

Možné problémy: získavanie dostatočného množstva dát

 

 

Príloha: