Insinyur dan pengacara AS telah mengajarkan kecerdasan buatan untuk memprediksi keputusan Mahkamah Agung AS dalam kasus yang sudah tertutup. Sistem melakukan ini lebih baik daripada pengacara profesional.
Para ahli di Stanford Center for Legal Informatics, Chicago College of Law di Kent, dan South Texas College of Law telah menciptakan sistem kecerdasan buatan yang dapat memprediksi hasil gugatan lebih baik daripada pengacara profesional.
Untuk mengajari AI menangani benturan hukum, database Mahkamah Agung AS, yang dipertahankan sejak 1791, dimuat ke dalam sistem. Berdasarkan datanya, sistem membangun algoritme yang memprediksi keputusan hakim, berdasarkan 16 parameter: wilayah hukum, waktu, informasi tentang hakim tertentu, dll. Faktor tambahan juga diperhitungkan, misalnya apakah argumen lisan para pihak terjadi.
Berdasarkan data historis yang dikumpulkan antara tahun 1816 dan 2015. dan diolah dengan algoritma pembelajaran mesin, peneliti membuat model statistik yang digunakan sistem untuk menemukan pola antara karakteristik kasus dan putusan pengadilan. Sekarang, dengan menggunakan model ini, AI dengan tepat memprediksi hasil 70,2% kasus dari 28 ribu kasus, dan sistem memprediksi keputusan hakim individu dengan benar dalam 71,9% kasus dari 240 ribu kasus. Sebagai perbandingan, para ahli hukum dengan tepat memprediksi keputusan Mahkamah Agung hanya 66% dari waktu. Artikel yang menjelaskan algoritme tersebut diterbitkan di jurnal PLOS ONE.
Pencapaian ilmuwan Amerika lebih rendah dari hasil kerja rekan-rekan mereka di University College London: tahun lalu mereka mengajarkan AI untuk memprediksi keputusan Pengadilan HAM Eropa dengan akurasi 79%.
Tahun lalu, IBM, berdasarkan superkomputer Watson, menciptakan kecerdasan buatan yang mampu mengenali bahasa alami dan menjawab pertanyaan hukum. Firma hukum internasional Baker & Hostetler membeli hak untuk menggunakan AI dan mempercayakannya untuk berkomunikasi dengan kliennya - mencari pertanyaan serupa di database, menganalisis peraturan hukum yang relevan, dan memilih rekomendasi.
Alexander Privalov
