[논문 리뷰] The Law and NLP: Bridging Disciplinary Disconnects

Robert Mahari, Dominik Stammbach외 2명|arXiv (Cornell University)|2023. 10. 22.

Artificial Intelligence in Law인용 수 1

한 줄 요약

이 논문은 법적 NLP 연구가 실제 법조인들의 요구와 단절되어 있으며, 정의의 접근성 문제를 해결하는 데 기여하는 응용 분야로의 전환을 주장한다. 연구자와 법조인 간의 깊은 협업을 통해 사례 선례 검색, 법적 문장 예측, 기밀 법률 데이터 기반 검색 증강 생성과 같은 실제 법적 워크플로우에 기반한 NLP 연구를 제안한다.

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.

연구 동기 및 목표

• NLP를 활용해 법적 서비스의 비용을 낮추고 규모를 확대하여 점점 악화되는 정의의 접근성 위기를 해결한다.
• 현재 NLP 과제들이 실제 법적 필요를 충족하지 못하는 바람에 발생하는 NLP 연구와 법적 실무 간의 분야 간 단절을 식별하고 해소한다.
• 법적 문장 예측, 인용 분석, 기밀 법률 데이터 기반 검색 증강 생성과 같이 아직 탐색되지 않은 고영향력 있는 법적 NLP 연구 분야를 부각시킨다.
• 연구가 실제 법적 워크플로우와 과제에 뿌리를 두고 있도록 NLP 연구자와 법학자/실무자 간의 협업을 촉진한다.
• 정의의 접근성을 법적 NLP의 공통된 규범적 목표로 삼아, 일반적인 NLP 벤치마크가 아닌 사회적으로 유익한 결과를 도출하는 연구 방향을 설정한다.

제안 방법

• Zhong 등(2020)의 권위 있는 법적 NLP 종합 논문을 인용한 171篇의 논문을 대상으로 후행 인용 추적을 통한 빠른 문헌 검토를 수행한다.
• 법적 NLP 과제를 세 그룹으로 분류한다: (1) 법적 서비스 제공을 돕는 응용, (2) 법적 영향은 미미한 널리 퍼진 NLP 과제, (3) 아직 탐색되지 않은 고영향력 있는 분야.
• 저널 간 인용 패턴을 분석하여 상호 교류가 부족함을 입증하며, 법적 논문이 법적 NLP 논문을 거의 인용하지 않음을 통해 단절을 보여준다.
• 법적 문장 예측(LPP)과 같이 사법 판결 내에서 핵심 인용문을 식별하는 등 실제 법적 실무에 부합하는 특정 NLP 응용을 제안한다.
• 과거 사건 자료를 기반으로 문서를 작성하는 데 도움을 주기 위해 기밀 법률 데이터를 활용한 검색 증강 생성(RAG) 기법의 도입을 주장한다.
• 특히 변호사 사무소의 고유 지식 기반 자료를 다룰 경우, 기밀성, 감사 가능성, 개인정보 보호를 확보한 안전하고 검증 가능한 NLP 시스템의 필요성을 강조한다.

실험 결과

연구 질문

• RQ1 대통법 판결 예측과 같은 인기 있는 법적 NLP 과제들이 왜 대부분의 법조인들에게 실용적 유용성이 없는가?
• RQ2 정의의 접근성 향상과 법적 서비스 제공 향상에 크게 기여할 수 있지만 아직 탐색되지 않은 핵심 법적 NLP 과제는 무엇인가?
• RQ3 어떻게 하면 NLP 연구가 실제 법조인들이 겪는 워크플로우와 과제에 더 잘 부합할 수 있는가?
• RQ4 법률 사무소 내의 기밀 법률 데이터에 대해 검색 증강 생성 기법을 안전하고 효과적으로 적용할 수 있는 방법은 무엇인가?
• RQ5 어떻게 하면 NLP 연구자와 법학자 간 협업을 더 효과적으로 이끌어내어, NLP 도구가 학술적 벤치마크가 아닌 실제 법적 문제를 해결하도록 할 수 있는가?

주요 결과

• 법적 NLP 연구와 법학계 사이에 심각한 단절이 존재하며, 이는 법학 논문이 법적 NLP 논문을 거의 인용하지 않는 것으로 나타난다.
• 대통법 판결 예측과 같은 많은 인기 있는 법적 NLP 과제들은 실용적 유용성이 떨어지며, 이는 흔치 않은 고위급 사례에 집중할 뿐 일상적인 법적 업무에는 기여하지 못하기 때문이다.
• 법적 문장 예측(LPP)은 전체 사례 분류보다 더 실용적인 과제이며, 변호사가 사법 판결 내에서 특정 인용 가능한 부분을 식별하는 데 도움이 된다.
• 기밀 법률 데이터 기반 검색 증강 생성(RAG)은 기밀성과 감사 가능성을 확보할 경우 변호사가 문서를 작성하는 데 강력한 잠재력을 지닌다.
• 현재의 NLP 연구는 선례 검색과 인용 분석과 같이 높은 실용적 가치를 지닌 핵심 과제들을 여전히 다루지 못하고 있다.
• 교류 부족은 NLP 연구가 아직 법적 실무에 효과적으로 영향을 주지도 못하고, 반대로 법적 실무로부터 영향을 받지도 못하고 있음을 시사하며, 이는 정의의 접근성 확대 잠재력을 약화시킨다.