[논문 리뷰] AI and Legal Argumentation: Aligning the Autonomous Levels of AI Legal Reasoning

Lance B. Eliot|arXiv (Cornell University)|2020. 09. 11.

Artificial Intelligence in Law인용 수 4

한 줄 요약

이 논문은 AI 기반 법적 추론에 수준 자율성(Levels of Autonomy, LoA) 모델을 적용하는 혁신적인 메타프레임워크를 제안하며, 인간 수준의 법적 추론에 도달하기 위한 진전을 측정하고 일치시키는 체계적인 접근법을 제시한다. AI 법적 추론을 CARE 프레임워크—구성(Crafting), 평가(Assessing), 개선(Refining), 참여(Engaging)에 매핑함으로써, 법적 추론 과제에서 AI의 성숙도를 평가하기 위한 확장 가능하고 계층적인 모델을 제공하며, 향후 자율적 법적 AI 시스템 개발을 위한 기준을 제시한다.

ABSTRACT

Legal argumentation is a vital cornerstone of justice, underpinning an adversarial form of law, and extensive research has attempted to augment or undertake legal argumentation via the use of computer-based automation including Artificial Intelligence (AI). AI advances in Natural Language Processing (NLP) and Machine Learning (ML) have especially furthered the capabilities of leveraging AI for aiding legal professionals, doing so in ways that are modeled here as CARE, namely Crafting, Assessing, Refining, and Engaging in legal argumentation. In addition to AI-enabled legal argumentation serving to augment human-based lawyering, an aspirational goal of this multi-disciplinary field consists of ultimately achieving autonomously effected human-equivalent legal argumentation. As such, an innovative meta-approach is proposed to apply the Levels of Autonomy (LoA) of AI Legal Reasoning (AILR) to the maturation of AI and Legal Argumentation (AILA), proffering a new means of gauging progress in this ever-evolving and rigorously sought domain.

연구 동기 및 목표

• AI 법적 추론의 자율성 평가를 위한 표준화된 지표 부족 문제를 해결하기 위해.
• 현재의 AI 법적 추론 능력과 인간 수준의 법적 추론이라는 이상적인 목표 사이의 격차를 메우기 위해.
• 법적 도메인에서 AI 시스템의 성숙도를 평가하기 위한 체계적이고 확장 가능한 프레임워크를 제공하기 위해.
• AI의 기능적 능력이 법적 추론에서 자율성 수준과 일치하도록 하여 더 명확한 진전 추적을 가능하게 하기 위해.
• AI 및 법학 분야의 다학제적 연구를 위한 공통된 언어와 평가 기준을 설정하기 위해.

제안 방법

• 자율주행차에서 유래한 수준 자율성(LoA) 모델을 AI 법적 추론에 적응시켜 수동에서 완전 자율에 이르는 계층적 자율성 척도를 구축하기 위해.
• AI 법적 추론을 CARE 프레임워크—구성(Crafting), 평가(Assessing), 개선(Refining), 참여(Engaging)에 매핑하기 위해.
• CARE 모델을 기능적 분류체계로 활용하여 각 자율성 수준에서 AI 시스템이 달성해야 할 기능적 능력을 정의하기 위해.
• LoA 모델을 적용하여 기존 AI 시스템이 법적 추론 과제를 얼마나 독립적으로 수행할 수 있는지 분류하기 위해.
• 연구자와 개발자가 자신의 AI 시스템이 자율성 스펙트럼에서 어디에 위치해 있는지 평가할 수 있도록 하는 메타접근법 제안하기 위해.
• 시각적 및 개념적 모델(9개의 그림)을 활용하여 자율성 수준을 거쳐가는 AI 능력의 진전을 시각화하기 위해.

실험 결과

연구 질문

• RQ1 수준 자율성(LoA) 모델은 어떻게 법적 추론에서 AI 시스템의 성숙도를 측정하기 위해 적응시킬 수 있는가?
• RQ2 AI 법적 추론의 각 자율성 수준에서 정의되는 기능적 능력은 무엇인가?
• RQ3 CARE 프레임워크(구성, 평가, 개선, 참여)는 법적 AI의 자율성 수준과 어떻게 일치하는가?
• RQ4 AI 시스템이 인간 수준의 법적 추론을 달성했는지 평가하기 위해 사용할 수 있는 벤치마크 또는 기준은 무엇인가?
• RQ5 제안된 프레임워크는 향후 자율적 법적 AI 시스템의 개발 및 평가를 어떻게 이끌 수 있는가?

주요 결과

• 제안된 LoA 프레임워크는 AI 법적 추론의 자율성 평가를 위한 확장 가능하고 해석 가능한 모델을 제공하여, 더 명확한 진전 추적을 가능하게 한다.
• CARE 프레임워크는 자율성 수준 전반에서 법적 추론의 기능적 구성요소를 효과적으로 체계화하여 실용적인 분류체계를 제공한다.
• LoA와 법적 추론의 통합은 기존 AI 시스템을 법적 과제에서의 독립성 수준에 따라 분류할 수 있도록 한다.
• 이 프레임워크는 특히 자율적 개선 및 참여 기능 부족과 같은 높은 자율성 수준에서의 AI 시스템의 격차를 식별하는 데 기여한다.
• 공통된 어휘와 평가 기준을 제공함으로써 AI 및 법학자 간의 다학제적 협업을 지원한다.
• 측정 가능한 목표를 정의함으로써 인간 수준의 법적 추론에 도달하기 위한 향후 연구의 기초를 마련한다.