MI és kárfelelősség

VII. évfolyam 4. szám

Tanulmányok

Bárdos Péter:

[1] Kérem az Olvasót, nézze el nekem, hogy ezt az írást személyes visszaemlékezéssel kezdem, de van rá mentségem nevezetesen, hogy úgy tűnik, nincs új a nap alatt. Amit ma MI-nek vagy AI-nak nevezünk, valójában már évtizedekkel korábban benne volt a jogi gondolkodásban, legfeljebb nem a napjainkban divatossá vált és elképesztő sebeséggel terjedő globális szemléletben.

[2] 1981-ben, tehát 45 éve társszerzője voltam egy „Bevezetés a jogi kibernetikába” című könyvnek[1]. A könyv alapeszméje az volt, hogy ha a jogi jelenségek formalizált rendszerként leírhatók, nincs elvi akadálya annak, hogy őket az ilyen rendszerek vizsgálatára képes formalizált „kibernetikai” módszerekkel vizsgáljuk. A könyv több olyan módszert is bemutat, amelyek logikai-matematikai elméleti alapjai már régóta rendelkezésre álltak és a számítógépek megjelenésével gyakorlati alkalmazásuk lehetősége, sőt szükségessége is felmerült. A könyv a jogi szakma felől érkező szórványos ellenvetéseken és kételyeken túl lényegében visszhangtalan maradt, noha a számítógépes jogszabály és egyéb jogi nyilvántartások működőképessége és használhatósága ekkorra már vitathatatlanná vált.[2] A problémamegoldó jogi gondolkodás kibernetikai modelljének ötlete azonban még szíven ütötte a jogászokat.

[3] 45 év elteltével és nagyságrendekkel fejlettebb számítástechnikai háttér birtokában, „a gép sohasem pótolhatja az embert” – típusú előítéletek immár megdőlni látszanak, amit a mesterséges intelligencia fogalom viharos, globális elterjedése is mutat. Indokoltnak tűnik tehát, hogy az 1981-es könyvben bemutatott néhány módszer alkalmazhatóságát és alkalmazandóságát a mai viszonyok között újra vizsgálat tárgyává tegyük.

[4] Mielőtt a módszerekre kitérnék célszerűnek látszik annak tisztázása, mit is értünk mesterséges intelligencia alatt. Ami az „intelligencia” kifejezés tartalmát illeti, sokféle meghatározás ismert.[3] Ha elfogadjuk azt, ami bennük közös, oda jutunk, hogy az intelligens magatartás, intelligens döntés alapvető kritériuma az észszerűség, de ennél több is. Magába sűríti a cselekvő, gondolkodó személy esethez kapcsolódó szubjektív élményeit és társadalmi tapasztalatait, ideértve a folyton fejlődő, változó társadalmi gyakorlat követését is.

Mesterséges intelligenciáról a jog aspektusából tágabb értelemben akkor lehet beszélni, ha képesek vagyunk egy eszközt jogi kérdések eldöntése céljából logikus „gondolkodásra”, mérlegelésre és a joggyakorlat követésére, szűkebb értelemben pedig bármilyen jogi részmunka ember helyetti elvégzésére megtanítani.

[5] Ebben az írásban az igazi kihívást jelentő szélesebb értelmezés, a problémamegoldó jogi gondolkodás és a MI összefüggéseit szeretném röviden taglalni. Arra a kérdésre, hogy van-e ennek praktikus értelme, másszóval van-e társadalmi igény a jog ilyetén való kezelésére, a válasz egyértelmű igen. Elegendő csupán arra gondolnunk, hogy a különböző jogi adatbázisokkal szemben egyre inkább elvárás az adatok tartalmi feldolgozása és utalnék a jelenségre is, hogy jogi tanácsot keresve egyre többen egy chatGPT által adott megoldással a kezükben keresik fel a tanácsadó jogászt.[4]

[6] Ha az ésszerű gondolkodást a fogalmak pontos definiálásával, helyes használatával és az összefüggések logikailag korrekt leírásával azonosítjuk leszögezhetjük, hogy ennek megtanítása viszonylag egyszerű feladat. A jogi döntési folyamat mint két értéket (igaz, hamis) felvehető állítások és következtetések összessége Boole-algebrával leírható, így számítógépen jól modellezhető. Ha ez kiegészül a fogalmak elemzését elvégző, számítógépes nyelvi rendszerrel[5], adottak a logikai szempontból kifogástalan számítógépes döntés meghozatalának feltételei.

[7] De hogyan tudjuk „rávenni” a gépet arra, hogy „mérlegelje az eset összes körülményeit”? A válaszhoz mindenek előtt tisztázni kellene, valójában mit is csinál a döntéshozó (bíró, más jogalkalmazó), amikor mérlegel. Empirikus kutatások hiányában erre a kérdésre csak az a válasz adható, hogy a döntéshozó e tekintetben fekete doboz, mert ha a döntésben és annak indokolásában lehetnek is utalások a döntéshozó mérlegelést befolyásoló szubjektív értékítéletére és tapasztalataira, arra a folyamatra nézve, hogy mindeme tényezők hogyan konvertálódnak át döntéssé, közvetlen tudásunk általában nincs.

[8] Mit tanítsunk tehát a gépnek a mérlegelésről? Nos itt siet segítségünkre a matematika. Az eljárás az, hogy a géppel a döntéseket magukban foglaló jogeseteket ismertetjük meg (szövegszerűen), majd megfelelő matematikai módszerrel képessé tesszük a gépet arra, hogy az anyagból maga generáljon döntési sémát. A gépi döntés a hozzá vezető utat tekintve nem lesz ugyan azonos az emberi döntéssel, de ettől még megfelelhet logikai és igazságossági elvárásainknak. Érdemes itt figyelembe venni még egy szempontot. A gép, amely ma még nem humanoid robot, híján van ugyan az emberi pszichének, ezzel szemben rendelkezik azzal a képességgel, hogy nagyságrendekkel nagyobb mátrixok vizsgálatára képes, mint az emberi agy.[6] Ezért még az is felvetődhet, nem lesz-e a gépi döntés csupán e képesség folytán igazságosabb az emberinél.

[9] Végül, ami a joggyakorlat követésének megtanítását illeti a matematika ebben is segít, amennyiben módszereket kínál arra, hogyan fogadja be és kezelje egy meglévő adatbázis a joggyakorlat újabb és újabb eredményeit.

[10] Kövesse az elvont fejtegetéseket egy működő adatbázissal szerzett tapasztalatok rövid bemutatása.

Többéves fejlesztő munkával létrehoztuk a személysérüléssel összefüggő sérelemdíj-gyakorlatot feldolgozó adatbázist.[7] Az, hogy a feldolgozás tárgyául a sérelemdíj intézményét választottuk kézenfekvő volt, hiszen ha van terület, ahol a jog igazi „bírói jog”, hát ez az. De szerényebb célt tűztünk magunk elé, minthogy a gépet alkalmassá tegyük a sérelemdíj összegét meghatározó döntés hozatalára. Abból indultunk ki, hogy a bírói döntéssel szembeni egyik alapvető követelmény, hogy jól illeszkedjen a joggyakorlatba, másszóval olyan ítélet szülessen, amelyben a megítélt sérelemdíj-összeg hasonló a hasonló ügyekben megítélt összeghez. A módszer az volt, hogy az eseteket mintegy 50 paraméterrel leírva tápláltuk be és az eldöntendő ügy általunk lefontosabbnak ítélt paramétereit ehhez az adatbázishoz hasonlítva kerestük meg a rokon-ügyeket. Az ezekben hozott döntés adott információt a bírói gyakorlatról és orientált a sérelemdíj összeg kérdésében. Az adatbázis kb. kétezer döntést tartalmaz, amihez képest az ötven paraméter matematikai-statisztikai értelemben sok, ezért a rendszert úgy állítottuk be, hogy az összehasonlítandó paraméterek számának csökkentésével vagy növelésével a találatok száma növelhető vagy csökkenthető legyen. Az adatbázist arra használtuk, hogy belőle a számítógép segítségével kinyerjük a vizsgálthoz valamilyen értelemben hasonló ügyeket és az azokhoz tartozó ítéletet és így becslést, javaslatot tudtunk adni a perben reálisan elérhető sérelemdíj összegére.

[11] A tapasztalatainkból levont legfontosabb következtetés egyrészt az, hogy érdemes az adatbázist jelentősen bővíteni és a paramétereket finomítani. Ugyanakkor világossá váltak az intelligensebbé tétel fő irányai is. Így mindenekelőtt az, hogy ne magunk paraméterezzünk, hanem bízzuk a gépre, hogy a teljes ítéletanyag elemzésével maga határozza meg és csoportosítsa a paramétereket, tárja fel a paraméterek közötti belső összefüggéseket, továbbá az esetek hasonlóságát ne egyszerűen a paraméterek azonossága alapján határozza meg, hanem definiáljon közöttük matematikai távolságot, stb.

[12] Szétfeszítené e cikk kereteit a használható matematikai módszerek bemutatása[8], de néhányat jelzésszerűen megemlítek. A szűkebb értelemben vett MI körébe tartozó módszer a döntési tábla. Rendkívül elterjedtek az adatbázis-kezelő szoftverek. Az automatikus paraméterezésben és a paraméterek közötti belső összefüggések vizsgálatában segít, a faktoranalízis. A döntésszimulálásban és a folyamatosan változó külső körülményekhez való adaptálásban (ideértve a bírói gyakorlat változásait is) segít a matematikai statisztika, különösen a különböző tanuló algoritmusok.

[13] Ami a kárfelelősségi tényállásokat illeti, minthogy ezek több esetben is viszonylag homogén tömegjelenségeket takarnak, különösen alkalmasak lehetnek a MI-vel való kezelésre, ráadásul bizonyos tényálláscsoportoknál egyre inkább felmerül az emberi munka pótlásának, a jogi döntéshozatali folyamat objektívebbé tételének igénye. A már említett sérelemdíj-problematikán belül pl. ilyenek lehetnek a jóhírnév, becsület és emberi méltóság megsértésén alapuló sérelemdíj-igények vagy a más karakterű, élet, testi épség, egészség sérelmén alapuló sérelemdíj követelések.

[14] Még nem tartunk az ember géppel való felváltásánál, de errefelé haladunk. Ezért talán nem korai, ha már most feltesszük a kérdést; vajon az emberi döntés számítógépes döntéssel való felváltása több előnnyel, mint hátránnyal járna-e. A nyilvánvaló előnyök közé sorolható a döntéshozatal gyorsasága, logikai egységessége, objektivitása, gazdaságossága, a hátrány a vélhető idegenkedés lenne az „emberi” tényező hiánya miatt. Ez utóbbi persze inkább elméleti megfontolás, hiszen az ilyen számítógépes módszerek gyakorlati alkalmazására rövid időn belül aligha kerül sor és akkor is csak emberi ellenőrzés mellett.

[15] A problémakörnek az alkalmazási területek és a módszerek kérdésén túl számos más leágazása is van, ahol komoly elméleti és gyakorlati kérdések is felmerülnek. Ilyen például a számítógépes rendszer korrekt működésért való felelősség vagy akár a jogászi szakma jövőjének kérdése. Ezekről máskor.

___________________________

[1] Bárdos Péter – Bárdos Péterné: Bevezetés a jogi kibernetikába (Közgazdasági és Jogi Könyvkiadó, 1981)

[2] A könyv 30 Európában és Amerikában ekkor már működő adatbankot sorol fel (i.m. 198 – 201 o.)

[3] Néhány példa:

Az egyén olyan összetett vagy globális képessége, amely lehetővé teszi, hogy célszerűen cselekedjék, racionálisan gondolkodjék és eredményesen bánjék környezetével. (Wechsler: Adult Intelligence Scale)
Az értelmi működés fokmérője, az új helyzetekhez, új körülményekhez való alkalmazkodás képessége, amely összefügg az előzőleg szerzett tapasztalati anyag alkalmazásával, az adott helyzet megítélésével, a személyiséggel és a gondolkodási képességgel. (Pszichológiai Értelmező Szótár 1981)
Az intelligencia tanulási képesség. (Binet-Simon: Intelligence Test)
Komplex fogalom a logika, megértés, a tudatosság, a tanulás, az érzelmi tudás, az érvelés, a tervezés, a kreativitás és a problémamegoldás kapacitására vonatkozik. (Wikipédia)

[4] Tapasztalataim szerint a chatGPT már ma is képes jogi problémákra helyes választ adni, amelynek használhatósága attól függ, hogy a gép milyen mélyen vizsgálja a háttéranyagot.

[5] Már számos ilyen rendszer létezik.

[6] Az általunk konkrétan vizsgált területen, a személysérüléses ügyekben kialakult sérelemdíj-gyakorlat modelljében pl. egy 2.000 x 50 -es, tehát mintegy 100.000 adatot tartalmazó mátrixszal dolgoztunk, aminek a „kézi” kezelése nyilvánvalóan lehetetlen.

[7] Claim Data Adatbázis Cc Claim Data Kft.

[8] Ezt az (1) alatt hivatkozott könyv megteszi.