Искусственный интеллект научился предсказывать решения Страсбургского суда

Искусственный интеллект научился предсказывать решения Европейского суда по правам человека о перспективах поступивших к нему жалоб с точностью до 79 процентов. Добиться такого результата удалось благодаря алгоритму, специально разработанному учеными из Великобритании и США. Статья исследователей опубликована в журнале Computer Science.

Европейский суд по правам человека, известный также как Страсбургский суд, — это международный судебный орган, который занимается рассмотрением жалоб на нарушение основополагающих прав человека. Статистика показала, что в прошлом году в Страсбургский суд было подано в два раза больше жалоб, чем в 2014 году. Большинство заявлений не были приняты к рассмотрению, так как они были либо неправильно составлены, либо решения по ним уже были приняты, либо в тексте не содержалось состава преступления. В итоге только 15 процентов от общего числа обращений дошли до суда.

Поток заявлений в Страсбургий суд увеличивается с каждым годом, а судьям необходимо выбирать из них только достойные внимания. Чтобы решить эту проблему, авторы новой статьи создали искусственный интеллект, который сможет анализировать заявления в автоматическом режиме. Для этого исследователи использовали SVM-классификатор, обученный с помощью дел по трем статьям Конвенции о защите прав человека:

  • статье 3 о запрете пыток и обращения, унижающего достоинство человека;
  • статье 6 о праве на справедливое судебное разбирательство;
  • статье 8 об уважении частной жизни.

SVM-метод, или метод опорных векторов, позволяет классифицировать случаи (в данном случае судебные дела), представляя их подробности как данные в многомерном пространстве. Задача обучения классификатора при этом сводится к поиску такой многомерной плоскости, которая разделила бы эти случаи с минимальной ошибкой. Классификатор в итоге определяет, к какому классу из как минимум двух изначально известных (здесь «нарушение» или «отсутствие нарушения») относится данный объект.

Текст каждого дела был разделен на несколько категорий: общие сведения об истце и жалобе, юридические факты и закон, позволяющий рассмотреть дело по существу. Категория «юридические факты» состояла из двух подразделов — описание событий и действий, которые привели к нарушению прав, и правовые нормы вне Конвенции о защите прав человека, которые распространяются на эти действия. Из этих категорий были извлечены слова (N-граммы), на основе которых для каждого дела был также составлен список тем, которые эти слова объединяют (например, доказательства или условия содержания под стражей). В процессе тренировки алгоритм учился находить как в полном тексте, так и в категориях и темах слова, которые указывают на наличие нарушения. Чтобы система смогла это сделать, делам было присвоено значение либо −1, либо +1, показывающее программе, признал ли суд наличие правонарушения. Всего ученые для своей работы использовали 584 дела: девяносто процентов из них использовались для тренировки системы, а десять — для ее теста.

В результате проверки алгоритму удалось достигнуть точности в 79 процентов. В этом случае система одновременно анализировала слова по тематикам и слова из подкатегории «описание событий и действий, которые привели к нарушению прав». Авторы работы уверены, что в будущем подобный алгоритм научится помогать суду при отборе и сортировке дел по важности, однако сейчас он еще далек от совершенства. Предварительно системе предстоит пройти множество проверок на большем массиве данных и на обращениях, которые еще не были рассмотрены судом.

Ранее исследователи использовали SVM-машину для поиска записей в Twitter, оставленных нетрезвыми пользователями, и для определения по тексту, где именно пользователи находятся в данный момент. В частности, система смогла определить, выпивают пользователи дома или где-нибудь еще, с точностью до 70 процентов. В будущем ученые планировали научить программу по твитам определять возраст, пол, этническую принадлежность и другие характеристики пользователей.

Кристина Уласович

Нашли опечатку? Выделите фрагмент и нажмите Ctrl+Enter.
Для борьбы с глобальным потеплением климатологи порекомендовали заводить меньше детей

Исследователи из Университета Лунда (Швеция) проанализировали эффективность методов сокращения выброса парниковых газов индивидуальными домохозяйствами, которые обычно рекомендуют официальные источники для снижения углеродного следа отдельным человеком. Оказалось, что большинство популярных рекомендаций касательно экологии, представленных в том числе в школьных учебниках, относительно неэффективны. Самыми действенными методами в борьбе с парниковыми газами оказались отказ от автомобиля, авиаперелетов, отказ от мяса и снижение количества детей в семье. Работа опубликована в журнале с открытым доступом Environmental Research Letters.