[論文レビュー] Predicting Court Decisions for Alimony: Avoiding Extra-legal Factors in Decision made by Judges and Not Understandable AI Models

Fabrice Muhlenbach, Long Nguyen Phuoc+1 more|arXiv (Cornell University)|Jul 9, 2020

Artificial Intelligence in Law参考文献 24被引用数 4

ひとこと要約

本稿では、フランスの養育費判決を予測する説明可能なAIモデルを提案し、法的および法外的要因が司法判断に与える影響を特定する。従来の回帰モデルよりも優れた性能を発揮し、R²が0.98、70%の分散を説明する。司法の裁量に潜在するバイアスの可能性を明らかにするとともに、法律専門家が利用可能な透明性の高いツールを提供する。

ABSTRACT

The advent of machine learning techniques has made it possible to obtain predictive systems that have overturned traditional legal practices. However, rather than leading to systems seeking to replace humans, the search for the determinants in a court decision makes it possible to give a better understanding of the decision mechanisms carried out by the judge. By using a large amount of court decisions in matters of divorce produced by French jurisdictions and by looking at the variables that allow to allocate an alimony or not, and to define its amount, we seek to identify if there may be extra-legal factors in the decisions taken by the judges. From this perspective, we present an explainable AI model designed in this purpose by combining a classification with random forest and a regression model, as a complementary tool to existing decision-making scales or guidelines created by practitioners.

研究の動機と目的

• 離婚後のフランスの裁判官による養育費判決に影響を与える法的および法外的要因を特定すること。
• 透明性を高め、曇りのない意思決定ツールへの依存を減らす説明可能なAIモデルの開発。
• 養育費額を予測する信頼性の高い、データドリブンなツールを法律専門家および訴訟当事者に提供すること。
• 形式的な法的基準を超えたパターンを分析することで、司法判断における潜在的バイアスや一貫性の欠如を特定すること。
• 今後の自動テキスト分析の基盤を築くこと。NLPを用いた法廷判決の継続的モデル更新を含む。

提案手法

• 2段階アプローチを採用：最初にランダムフォレストを用いて養育費が支給されるかどうかの分類を行い、次に回帰分析で支給額を予測する。
• 二値の意思決定（支給／非支給）と連続的結果（金額）の両方を扱うために、分類と回帰を統合。
• 地方裁判所の大量の第一審法廷判決文書を対象に、事案の詳細から抽出した特徴量を用いてモデルを学習。
• 特徴量の重要度分析により説明可能性を達成し、意思決定に影響を与える主要な変数を特定可能。
• 通常最小二乗法（OLS）および分位数回帰と比較し、R²および分散説明率を指標に性能を評価。
• 今後の課題として、NLPおよびテキストマイニング技術を用いて、生の法廷文書からの特徴抽出を自動化すること。

実験結果

リサーチクエスチョン

• RQ1 フランスの裁判官が養育費支給を決定するにあたり、どのような法的および法外的要因が影響を及ぼすか？
• RQ2 現在の予測モデルは、従来の回帰手法に比べて、養育費額の予測においてどの程度優れているか？
• RQ3 説明可能なAIモデルは、司法の裁量における潜在的バイアスや一貫性の欠如を検出できるか？
• RQ4 AIベースのツールは、家族法の意思決定における予測可能性と透明性をどのように向上させられるか？
• RQ5 自動化されたNLP技術は、非構造化法廷文書から意思決定に必要な特徴量を抽出する上で、どのような役割を果たせるか？

主な発見

• モデルはR²が0.98に達し、OLSおよび分位数回帰を著しく上回り、養育費額の分散の最大70%を説明する。
• モデルはわずかな過小評価バイアスを示しており、予測平均額は€24,142.24であるのに対し、実際のデータベース平均は€33,653.89である。
• 平均額（€33,653.89）と中央値（€15,000.00）の大きな開きは、極端な値の強い影響を示している。
• 研究は、法的基準だけでは養育費の結果が完全に決定されないことを確認しており、裁判官の裁量および法外的要因の影響が顕著であると示唆している。
• 高い性能と解釈可能性を兼ね備えた本モデルは、法律専門家が意思決定支援ツールとして活用できる価値を持つ。
• 著者らは、2013年以降の同性カップルの離婚が認められたフランスの法的・社会的変化を反映させるために、継続的なモデル更新の必要性を指摘している。