[論文レビュー] The Law and NLP: Bridging Disciplinary Disconnects

Robert Mahari, Dominik Stammbach+2 more|arXiv (Cornell University)|Oct 22, 2023

Artificial Intelligence in Law被引用数 1

ひとこと要約

この論文は、法的NLP研究が法律実務家たちの現実のニーズから隔たっていると主張し、アクセス・トゥ・ジャスティス危機に対処する応用分野へのシフトを提唱している。NLP研究を、判例検索、法的文書予測、機密法的データ上のリtrieval-augmented generationといった実務的な法的ワークフローに根ざさせるため、NLP研究者と法的専門家との間のより深い協働を提言する。

ABSTRACT

Legal practice is intrinsically rooted in the fabric of language, yet legal practitioners and scholars have been slow to adopt tools from natural language processing (NLP). At the same time, the legal system is experiencing an access to justice crisis, which could be partially alleviated with NLP. In this position paper, we argue that the slow uptake of NLP in legal practice is exacerbated by a disconnect between the needs of the legal community and the focus of NLP researchers. In a review of recent trends in the legal NLP literature, we find limited overlap between the legal NLP community and legal academia. Our interpretation is that some of the most popular legal NLP tasks fail to address the needs of legal practitioners. We discuss examples of legal NLP tasks that promise to bridge disciplinary disconnects and highlight interesting areas for legal NLP research that remain underexplored.

研究の動機と目的

• NLPを活用して法的サービスの費用を抑え、スケーラビリティを高めることで、アクセス・トゥ・ジャスティス危機の拡大に取り組む。
• NLP研究と法的実務の間の分野的隔たりを特定し是正する。現段階のNLPタスクはしばしば現実の法的ニーズを満たさない。
• 法的文書予測、引用分析、機密法的データ上でのリtrieval-augmented generationといった、未だ十分に掘り出されていないが高影響力のある法的NLP研究分野を浮き彫りにする。
• NLP研究者と法的学者／実務家との協働を促進し、研究が実際の法的ワークフローと課題に根ざしていることを保証する。
• アクセス・トゥ・ジャスティスを、法的NLPにおける共通の価値基準的目標として位置づけ、一般的なNLPベンチマークではなく、社会的有益な成果に向けた研究を導く。

提案手法

• Zhongら（2020）の画期的法的NLPサーベイ論文を引用する171件の論文を対象に、前向き引用追跡による迅速な文献レビューを実施する。
• 法的NLPタスクを3つのグループに分類する：(1) 法的サービス提供を支援する応用、(2) 法的影響が限定的な広く用いられるNLPタスク、(3) 未だ十分に掘り出されていないが高影響力のある分野。
• 引用パターンの分析により、分野間連携が低いことが明らかになり、法的論文が法的NLP論文をほとんど引用していないことから、乖離が示された。
• 法的文書予測（LPP）のような、判例文書内の重要な引用箇所を特定する応用を具体的に提言する。
• 法律事務所の過去のケースファイルに基づいて文書作成を支援する、機密法的データを用いたリtrieval-augmented generation（RAG）技術の活用を提唱する。
• とりわけ、ファーム固有の知識ベースを扱う際、機密性、監査可能性、プライバシー保護を確保する必要があると強調する。

実験結果

リサーチクエスチョン

• RQ1 なぜ、最高裁判決予測のような一般的な法的NLPタスクが、大多数の法的実務家にとって実用的でないのか？
• RQ2 アクセス・トゥ・ジャスティスと法的サービス提供の向上に顕著な貢献が期待できるが、未だ十分に掘り出されていない法的NLPタスクは何か？
• RQ3 NLP研究は、実務における法的専門家が直面する実際のワークフローと課題に、どのようにより適切に適合できるか？
• RQ4 リtrieval-augmented generationは、法律事務所内での特有の法的データに対して、どのように安全かつ効果的に適用できるか？
• RQ5 NLP研究者と法的学者は、学術的ベンチマークではなく、実際の法的問題を解決することを目的としたツールを開発するために、どのようにより効果的に協働できるか？

主な発見

• 法的NLP研究と法的学術界との間に顕著な乖離が存在し、法的論文が法的NLP論文をほとんど引用していないことから裏付けられている。
• 予測される最高裁判決のような多くの一般的な法的NLPタスクは、日常的な法的業務ではなく、まれな上位レベルの事例に焦点を当てているため、実用的価値に欠ける。
• 法的文書予測（LPP）は、全ケース分類よりもより関連性が高く、弁護士が判例文書内の特定で引用可能な部分を特定するのを支援する。
• 機密法的データ上でのリtrieval-augmented generation（RAG）は、機密性と監査可能性が確保されれば、弁護士の文書作成支援において強く有望な可能性を秘めている。
• 現在のNLP研究は、判例検索や引用分析といった、極めて実用的価値の高い法的実務の核心的課題に十分に応えていない。
• 分野間連携の欠如は、NLP研究が法的実務に効果的に影響を与えず、またそれ自身が法的実務から学ぶことなく、アクセス・トゥ・ジャスティスの拡大という潜在的価値を損なっていることを示している。