La informática jurídica es un área dentro de la ciencia de la información .
La American Library Association define la informática como "el estudio de la estructura y propiedades de la información , así como la aplicación de la tecnología a la organización , almacenamiento , recuperación y difusión de información". Por lo tanto, la informática legal pertenece a la aplicación de la informática dentro del contexto del entorno legal y, como tal, involucra organizaciones relacionadas con la ley (por ejemplo, oficinas legales, tribunales y facultades de derecho ) y usuarios de información ytecnologías de la información dentro de estas organizaciones. [1]
Problemas de política
Los problemas de política en informática legal surgen del uso de tecnologías de la información en la implementación de la ley, como el uso de citaciones para la información que se encuentra en el correo electrónico, consultas de búsqueda y redes sociales. Los enfoques de las políticas sobre cuestiones de informática jurídica varían en todo el mundo. Por ejemplo, los países europeos tienden a exigir la destrucción o el anonimato de los datos para que no se puedan utilizar para el descubrimiento. [2]
Tecnología
Computación en la nube
La introducción generalizada de la computación en la nube proporciona varios beneficios en la prestación de servicios legales. Los proveedores de servicios legales pueden usar el modelo de Software como servicio para obtener ganancias cobrando a los clientes una tarifa por uso o suscripción. Este modelo tiene varios beneficios sobre los servicios tradicionales a medida.
- El software como servicio es mucho más escalable . Los modelos tradicionales a medida requieren que un abogado dedique más recursos limitados (su tiempo) a cada cliente adicional. Con el software como servicio, un proveedor de servicios legales puede esforzarse una vez para desarrollar el producto y luego usar un recurso mucho menos limitado (potencia de computación en la nube) para brindar servicio a cada cliente adicional.
- El software como servicio se puede utilizar para complementar los servicios a medida tradicionales mediante el manejo de tareas de rutina, dejando a un abogado libre para concentrarse en el trabajo a medida.
- El software como servicio se puede entregar de manera más conveniente porque no requiere que el proveedor de servicios legales esté disponible al mismo tiempo que el cliente.
El software como servicio también complica la relación abogado-cliente de una manera que puede tener implicaciones para el privilegio abogado-cliente . El modelo de entrega tradicional facilita la creación de delineaciones de cuándo se vincula el privilegio abogado-cliente y cuándo no. Pero en modelos más complejos de prestación de servicios legales, otros actores o procesos automatizados pueden moderar la relación entre un cliente y su abogado, lo que dificulta saber qué comunicaciones deben ser legalmente privilegiadas . [3]
Inteligencia artificial
La inteligencia artificial se emplea en plataformas de resolución de disputas en línea que utilizan algoritmos de optimización y pujas ciegas. [4] La inteligencia artificial también se emplea con frecuencia para modelar la ontología jurídica , "una especificación explícita, formal y general de una conceptualización de propiedades y relaciones entre objetos en un dominio dado". [5]
La inteligencia artificial y el derecho (IA y derecho) es un subcampo de la inteligencia artificial (IA) que se ocupa principalmente de las aplicaciones de la IA a los problemas de informática jurídica y la investigación original sobre esos problemas. También le preocupa contribuir en la otra dirección: exportar herramientas y técnicas desarrolladas en el contexto de problemas legales a la IA en general. Por ejemplo, las teorías de la toma de decisiones legales, especialmente los modelos de argumentación , han contribuido a la representación y el razonamiento del conocimiento ; los modelos de organización social basados en normas han contribuido a los sistemas multiagente ; el razonamiento con casos legales ha contribuido al razonamiento basado en casos ; y la necesidad de almacenar y recuperar grandes cantidades de datos textuales ha resultado en contribuciones a la recuperación de información conceptual y bases de datos inteligentes.
Historia
Aunque Loevinger, [6] Allen [7] y Mehl [8] anticiparon varias de las ideas que serían importantes en la IA y el derecho, la primera propuesta seria para aplicar las técnicas de la IA al derecho suele ser Buchanan y Headrick. [9] Los primeros trabajos de este período incluyen el influyente proyecto TAXMAN de Thorne McCarty [10] en los Estados Unidos y el proyecto LEGOL de Ronald Stamper [11] en el Reino Unido. Los hitos a principios de la década de 1980 incluyen el trabajo de Carole Hafner sobre recuperación conceptual, [12] el trabajo de Anne Gardner sobre derecho contractual, [13] el trabajo de Rissland sobre hipotéticos legales [14] y el trabajo en el Imperial College de Londres sobre la representación de la legislación por medio de ejecutables programas de lógica. [15]
Las primeras reuniones de académicos incluyeron una reunión única en Swansea, [16] la serie de conferencias organizadas por IDG en Florencia [17] y los talleres organizados por Charles Walter en la Universidad de Houston en 1984 y 1985. [18] En 1987 se instituyó una conferencia bienal, la Conferencia Internacional sobre Inteligencia Artificial y Derecho (ICAIL). [19] Esta conferencia comenzó a verse como el lugar principal para la publicación y el desarrollo de ideas dentro de la IA y el derecho, [20] y condujo a la fundación de la Asociación Internacional de Inteligencia Artificial y Derecho (IAAIL), para organizar y convocar ICAIL posteriores. Esto, a su vez, condujo a la fundación de Artificial Intelligence and Law Journal, publicado por primera vez en 1992. [21] En Europa, las conferencias anuales JURIX (organizadas por la Jurix Foundation for Legal Knowledge Based Systems) comenzaron en 1988. Inicialmente Con la intención de reunir a los investigadores de habla holandesa (es decir, holandesa y flamenca), JURIX se convirtió rápidamente en una conferencia internacional, principalmente europea, y desde 2002 se ha celebrado regularmente fuera de los países de habla holandesa. [22] Desde 2007, los talleres JURISIN se han celebrado en Japón bajo los auspicios de la Sociedad Japonesa de Inteligencia Artificial. [23]
Alcance
Hoy en día, la inteligencia artificial y el derecho abarcan una amplia gama de temas, que incluyen:
- Modelos formales de razonamiento jurídico
- Modelos computacionales de argumentación y toma de decisiones
- Modelos computacionales de razonamiento probatorio
- Razonamiento legal en sistemas multiagente
- Modelos de legislación ejecutables
- Clasificación y resumen automático de textos legales
- Extracción automatizada de información de bases de datos y textos legales
- Aprendizaje automático y minería de datos para e-discovery y otras aplicaciones legales
- Recuperación de información jurídica conceptual o basada en modelos
- Lawbots para automatizar tareas legales menores y repetitivas [24]
- Evaluación de riesgos, precios y predicciones cronológicas de litigios mediante aprendizaje automático e inteligencia artificial. [25]
Modelos formales de razonamiento jurídico
Se han utilizado modelos formales de textos legales y razonamiento legal en IA y Derecho para aclarar problemas, brindar una comprensión más precisa y proporcionar una base para las implementaciones. Se han utilizado una variedad de formalismos, incluidos los cálculos proposicionales y de predicados; lógicas deónticas, temporales y no monótonas; y diagramas de transición de estado. Prakken y Sartor [26] ofrecen una revisión detallada y autorizada del uso de la lógica y la argumentación en la inteligencia artificial y el derecho, junto con un conjunto completo de referencias.
Un papel importante de los modelos formales es eliminar la ambigüedad. De hecho, la legislación abunda en ambigüedad: debido a que está escrita en lenguaje natural, no hay corchetes y, por lo tanto, el alcance de conectivos como "y" y "o" puede no estar claro. "A menos que" también es susceptible de varias interpretaciones, y el dibujante jurídico nunca escribe "si y solo si", aunque esto es a menudo lo que quieren decir con "si". Tal vez en el uso más temprano de la lógica para modelar el derecho en IA y derecho, Layman Allen abogó por el uso de la lógica proposicional para resolver tales ambigüedades sintácticas en una serie de artículos. [7]
A finales de la década de 1970 y durante toda la de 1980, una importante línea de trabajo sobre inteligencia artificial y derecho implicó la producción de modelos ejecutables de legislación, que se originó con TAXMAN [10] de Thorne McCarty y LEGOL de Ronald Stamper. [11] TAXMAN se utilizó para modelar los argumentos de la mayoría y la minoría en un caso de derecho tributario de EE. UU. ( Eisner v Macomber ), y se implementó en el lenguaje de programación micro-PLANNER . LEGOL se utilizó para proporcionar un modelo formal de las reglas y regulaciones que gobiernan una organización, y se implementó en un lenguaje de reglas de condición-acción del tipo utilizado para los sistemas expertos.
Los lenguajes TAXMAN y LEGOL eran lenguajes ejecutables, basados en reglas, que no tenían una interpretación lógica explícita. Sin embargo, la formalización de una gran parte de la Ley de Nacionalidad Británica por Sergot et al. [15] mostró que el lenguaje natural de los documentos legales se parece mucho al subconjunto de la cláusula Horn del cálculo de predicados de primer orden. Además, identificó la necesidad de extender el uso de las cláusulas Horn al incluir condiciones negativas, para representar reglas y excepciones. Las cláusulas de Horn extendidas resultantes son ejecutables como programas lógicos .
El trabajo posterior en aplicaciones más grandes, como el de los Beneficios Complementarios, [27] mostró que los programas lógicos necesitan más ampliaciones para hacer frente a complicaciones tales como múltiples referencias cruzadas, contrafactuales, disposiciones de consideración, enmiendas y conceptos altamente técnicos (como condiciones de contribución ). Se sugirió el uso de representaciones jerárquicas [28] para abordar el problema de las referencias cruzadas; y se sugirieron las denominadas representaciones isomórficas [29] para abordar los problemas de verificación y enmiendas frecuentes. A medida que se desarrolló la década de 1990, esta línea de trabajo se absorbió parcialmente en el desarrollo de formalizaciones de conceptualizaciones de dominio (las llamadas ontologías ), que se hicieron populares en la IA a raíz del trabajo de Gruber. [30] Los primeros ejemplos en AI y Law incluyen la ontología funcional de Valente [31] y las ontologías basadas en marcos de Visser y van Kralingen. [32] Desde entonces, las ontologías jurídicas se han convertido en el tema de talleres regulares en conferencias de IA y derecho y hay muchos ejemplos que van desde ontologías genéricas de alto nivel y centrales [33] hasta modelos muy específicos de piezas legislativas particulares.
Dado que el derecho comprende conjuntos de normas, no es sorprendente que se hayan probado las lógicas deónticas como base formal para los modelos de legislación. Sin embargo, estos no han sido ampliamente adoptados como base para los sistemas expertos, quizás porque se supone que los sistemas expertos hacen cumplir las normas, mientras que la lógica deóntica se vuelve de interés real solo cuando necesitamos considerar las violaciones de las normas. [34] En las obligaciones ordenadas por la ley, [35] según las cuales se debe una obligación a otra persona determinada son de particular interés, ya que las violaciones de tales obligaciones son a menudo la base de los procedimientos legales. También hay algunos trabajos interesantes que combinan lógicas deónticas y de acción para explorar posiciones normativas. [36]
En el contexto de los sistemas multiagente , las normas se han modelado utilizando diagramas de transición de estado. A menudo, especialmente en el contexto de las instituciones electrónicas, [37] las normas así descritas están reglamentadas (es decir, no pueden ser violadas), pero en otros sistemas también se manejan las violaciones, dando un reflejo más fiel de las normas reales. Para un buen ejemplo de este enfoque, consulte Modgil et al. [38]
La ley a menudo se refiere a cuestiones de tiempo, tanto relacionadas con el contenido, como los períodos de tiempo y los plazos, como las relacionadas con la ley misma, como el comienzo. Se han hecho algunos intentos para modelar estas lógicas temporales utilizando tanto formalismos computacionales como el Cálculo de Eventos [39] como lógicas temporales como la lógica temporal anulable. [40]
Al considerar el uso de la lógica para modelar el derecho, debe tenerse en cuenta que el derecho es intrínsecamente no monótono, como lo demuestran los derechos de apelación consagrados en todos los sistemas jurídicos y la forma en que cambian las interpretaciones del derecho. tiempo extraordinario. [41] [42] [43] Además, en la redacción de la ley abundan las excepciones y, en la aplicación de la ley, se anulan y se siguen los precedentes. En los enfoques de programación lógica, la negación como falla se usa a menudo para manejar la no monotonicidad, [44] pero también se han usado lógicas específicas no monotónicas como la lógica anulable [45] . Sin embargo, tras el desarrollo de la argumentación abstracta [46] , estas preocupaciones se abordan cada vez más a través de la argumentación en lógica monótona en lugar de mediante el uso de lógicas no monótonas.
Predicción legal cuantitativa
Existen modelos de predicción legal cuantitativa tanto académicos como patentados. Uno de los primeros ejemplos de un modelo de predicción legal cuantitativa en funcionamiento ocurrió en la forma del proyecto de pronóstico de la Corte Suprema . El modelo de pronóstico de la Corte Suprema intentó predecir los resultados de todos los casos en el período 2002 de la Corte Suprema. El modelo predijo correctamente el 75% de los casos en comparación con los expertos que solo predijeron el 59,1% de los casos. [47] Otro ejemplo de un modelo académico de predicción legal cuantitativa es un modelo de 2012 que predijo el resultado de demandas colectivas de valores federales. [48] Algunos académicos y nuevas empresas de tecnología legal están intentando crear modelos algorítmicos para predecir los resultados de los casos. [49] [50] Parte de este esfuerzo general implica una mejor evaluación de casos para la financiación de litigios. [51]
Con el fin de evaluar mejor la calidad de los sistemas de predicción de resultados de casos, se ha hecho una propuesta para crear un conjunto de datos estandarizados que permitan comparaciones entre sistemas. [52]
Practica legal
Dentro del área conceptual de temas de práctica, se continúa avanzando en tecnologías enfocadas tanto en litigios como en transacciones. En particular, la tecnología, incluida la codificación predictiva, tiene el potencial de lograr ganancias sustanciales de eficiencia en la práctica jurídica. Aunque la codificación predictiva se ha aplicado en gran medida en el ámbito de los litigios, está comenzando a hacer avances en la práctica de las transacciones, donde se utiliza para mejorar la revisión de documentos en fusiones y adquisiciones. [53] Otros avances, incluida la codificación XML en los contratos de transacciones, y los sistemas de preparación de documentos cada vez más avanzados demuestran la importancia de la informática jurídica en el ámbito del derecho transaccional. [54] [55]
Las aplicaciones actuales de IA en el campo legal utilizan máquinas para revisar documentos, particularmente cuando se depende de un alto nivel de integridad y confianza en la calidad del análisis de documentos, como en casos de litigio y donde la debida diligencia juega un papel. [56] La codificación predictiva aprovecha muestras pequeñas para hacer referencias cruzadas de elementos similares, elimina los documentos menos relevantes para que los abogados puedan centrarse en los documentos clave verdaderamente importantes, produce resultados validados estadísticamente, iguales o superiores a la precisión y, de manera prominente, la tasa de revisión. [57]
Prestación de servicios
Los avances en tecnología e informática jurídica han dado lugar a nuevos modelos para la prestación de servicios legales. Los servicios legales han sido tradicionalmente un producto "a medida" creado por un abogado profesional de forma individual para cada cliente. [58] Sin embargo, para trabajar de manera más eficiente, partes de estos servicios pasarán secuencialmente de (1) personalizados a (2) estandarizados, (3) sistematizados, (4) empaquetados y (5) comercializados. [58] Pasar de una etapa a la siguiente requerirá adoptar diferentes tecnologías y sistemas de conocimiento. [58]
La difusión de Internet y el desarrollo de la tecnología jurídica y la informática están ampliando los servicios jurídicos a las personas y las pequeñas y medianas empresas.
Departamentos legales corporativos
Los departamentos jurídicos corporativos pueden utilizar la informática jurídica con fines tales como la gestión de carteras de patentes [59] y para la preparación, personalización y gestión de documentos. [60]
Ver también
- Ley computacional
- Jurimetría
- Estándar legal de intercambio electrónico de datos
- Sistema de expertos legales
- Recuperación de información legal
- Lawbot
Referencias
- ^ Erdelez, Sanda; O'Hare, Sheila (1997). "Informática jurídica: aplicación de las tecnologías de la información en el derecho" . Revisión anual de ciencia y tecnología de la información . 32 : 367.
- ^ Dolin, Ron A. "Privacidad de consultas de búsqueda: el problema de la anonimización". Revista Jurídica de Ciencia y Tecnología de Hastings . 2010 : 137.
- ^ Chris Johnson, Aprovechamiento de la tecnología para brindar servicios legales, 23 HARV. JL y TECH 259, 279 (2009).
- ^ David Allen Larson, "Hermano, ¿puedes ahorrar una moneda de diez centavos?" La tecnología puede reducir los costos de resolución de disputas cuando los tiempos son difíciles y mejorar los resultados, 11 Nev. LJ 523, 550 (2011)
- ^ Wyner, A. (2008). "Una ontología en OWL para el razonamiento basado en casos legales". Inteligencia artificial y derecho . 16 (4): 361–387. CiteSeerX 10.1.1.64.1896 . doi : 10.1007 / s10506-008-9070-8 .
- ^ Loevinger, Lee. Jurimetrics: el siguiente paso adelante. Minn. L. Rev. 33 (1948): 455.
- ^ a b Allen, Layman E. Lógica simbólica: una herramienta afilada para redactar e interpretar documentos legales . Yale LJ 66 (1956): 833.
- ^ Mehl, L. Automatización en el mundo legal: del procesamiento automático de información legal a la "máquina de leyes" . Mecanización de procesos de pensamiento (1958): 757-787.
- ^ Buchanan, Bruce G. y Headrick, Thomas E. Algunas especulaciones sobre inteligencia artificial y razonamiento legal . Revista de derecho de Stanford (1970): 40-62.
- ↑ a b McCarty, L. Thorne. Reflexiones sobre "Taxman: un experimento en inteligencia artificial y razonamiento legal. Harvard Law Review (1977): 837-893.
- ^ a b Stamper, Ronald K. El lenguaje y el sistema prototipo de LEGOL 1. The Computer Journal 20.2 (1977): 102-108.
- ^ Hafner, Carole D., (1981). Representar el conocimiento en un sistema de recuperación de información. en Oddy, R et al. (editores) (1981). Investigación de recuperación de información. Londres: Butterworths.
- ^ Gardner, Anne El diseño de un programa de análisis legal. AAAI-83. 1983.
- ^ Rissland, Edwina L. Ejemplos de razonamiento jurídico: hipotéticos jurídicos. IJCAI. 1983.
- ^ a b Sergot, Marek J., et al. La Ley de Nacionalidad Británica como programa lógico . Comunicaciones del ACM 29.5 (1986): 370–386.
- ^ Niblett, Bryan, ed. Informática y derecho . Archivo CUP, 1980.
- ^ por ejemplo, Ciampi, Costantino y Martino, Antonio. Inteligencia artificial y sistemas de información jurídica. Elsevier Science Inc., 1982.
- ^ Walter, Charles. Poder informático y lenguaje jurídico: el uso de la lingüística computacional, la inteligencia artificial y los sistemas expertos en derecho. Greenwood Publishing Group Inc., 1988.
- ^ Lista archivada el 17 de diciembre de 2014 en la Wayback Machine de conferencias anteriores de ICAIL
- ^ Para una discusión contemporánea de una selección de artículos de las primeras trece conferencias, vea Bench-Capon, Trevor, et al. Una historia de la IA y el derecho en 50 artículos: 25 años de la conferencia internacional sobre IA y derecho. Inteligencia artificial y Ley 20.3 (2012): 215-319.
- ^ Lista de volúmenes de revistas de AI y derecho
- ^ Lista de conferencias Jurix
- ^ Ver la lista de talleres en la página Jurisin 2014
- ^ Jones, Rupert. "Rise of the lawbots" . Asesor . Lexis Nexis . Consultado el 24 de abril de 2019 . CS1 maint: parámetro desalentado ( enlace )
- ^ Shelly, Jared (28 de enero de 2019). "Así es como la inteligencia artificial está preparada para transformar la suscripción de seguros para mejor" . Riesgos y seguros . Consultado el 24 de abril de 2019 . CS1 maint: parámetro desalentado ( enlace )
- ^ H. Prakken y G.Sartor, Ley y lógica: una revisión desde una perspectiva de argumentación , Inteligencia artificial. Disponible en línea en junio de 2015.
- ^ TJM Bench-Capon, GO Robinson, TW Routen, MJ Sergot, Programación lógica para aplicaciones a gran escala en la ley: una formalización de la legislación de beneficios complementarios, en: Actas de la Primera Conferencia Internacional sobre Inteligencia Artificial y Derecho, ACM Press, Nueva York , 1987, págs. 190-198.
- ^ T. Routen, TJM Bench-Capon, Formalizaciones jerárquicas, Revista internacional de estudios hombre-máquina 35 (1991) 69-93.
- ^ TJM Bench-Capon, FP Coenen, Isomorfismo y sistemas basados en conocimiento legal, Inteligencia Artificial y Ley 1 (1992) 65-86.
- ^ Thomas R. Gruber: El papel de la ontología común en el logro de bases de conocimiento compartibles y reutilizables . Representación del conocimiento 1991: 601-602
- ^ Valente, A. 1995. Ingeniería del conocimiento legal; Un enfoque de modelado, IOS Press, Amsterdam.
- ^ Robert W. van Kralingen, Pepijn RS Visser, Trevor JM Bench-Capon, H. Jaap van den Herik : Un enfoque basado en principios para desarrollar sistemas de conocimiento legal. Revista Internacional de Estudios Humano-Informáticos. 51 (6): 1127-1154 (1999)
- ^ Rinke Hoekstra, Joost Breuker, Marcello Di Bello, Alexander Boer: La ontología central de LKIF de conceptos legales básicos . Actas del II Taller de Ontologías Legales y Técnicas de Inteligencia Artificial. 2007: 43-63
- ^ AJ Jones, MJ Sergot, Sobre la caracterización del derecho y los sistemas informáticos: la perspectiva de los sistemas normativos, en: J.-J.Ch. Meyer, R. Wieringa (Eds.), Lógica deóntica en la informática: especificación normativa del sistema, Wiley, 1993, págs. 275–307
- ^ H. Herrestad, C. Krogh, Obligaciones dirigidas de los portadores a las contrapartes, en: Actas de la Quinta Conferencia Internacional sobre Inteligencia Artificial y Derecho, ACM Press, Nueva York, 1995, págs. 210-218.
- ^ MJ Sergot, Una teoría computacional de posiciones normativas, ACM Trans. Computación. Tronco. 2 (2001) 581–622.
- ^ Marc Esteva, Juan A. Rodríguez-Aguilar, Josep Lluís Arcos, Carles Sierra, Pere García: Institucionalización de sistemas abiertos multiagente. ICMAS 2000: 381–382
- ^ Sanjay Modgil, Nir Oren, Noura Faci, Felipe Meneguzzi, Simon Miles y Michael Luck, Supervisión del cumplimiento de contratos electrónicos y normas , Inteligencia artificial y Ley 23 (2) (2015).
- ^ R. Hernandez Marin, G. Sartor, Tiempo y normas: una formalización en el cálculo de eventos , en: Actas de la Séptima Conferencia Internacional sobre Inteligencia Artificial y Derecho, ACM, Nueva York, 1999, págs. 90-100.
- ^ G. Governatori, A. Rotolo, G. Sartor, Posiciones normativas temporalizadas en lógica anulable , en: Actas de la Décima Conferencia Internacional sobre Inteligencia Artificial y Derecho, ACM Press, Nueva York, 2005, págs. 25–34.
- ^ Schauer, Frederick. "Sobre la supuesta anulabilidad de las normas legales". Problemas legales actuales 51.1 (1998): 223.
- ^ Prakken, Henry y Giovanni Sartor. "Las tres caras de la derrotabilidad en la ley". Ratio Juris 17.1 (2004): 118-139.
- ↑ R. Loui: Paths to Defeasibility: Reply to Schauer on Hart Archivado el 4 de junio de 2016 en Wayback Machine . APA 12: 2, 2013
- ^ Robert A. Kowalski: El tratamiento de la negación en los programas lógicos para representar la legislación . Actas de la Segunda Conferencia Internacional sobre Inteligencia Artificial y Derecho. 1989: 11-15
- ^ Benjamin Johnston, Guido Governatori: Inducción de teorías lógicas derrotables en el dominio legal. Actas de la Novena Conferencia Internacional sobre Inteligencia Artificial y Derecho 2003: 204–213
- ^ Phan Minh Dung: Sobre la aceptabilidad de los argumentos y su papel fundamental en el razonamiento no monótono, la programación lógica y los juegos de n-personas . Inteligencia artificial 77 (2): 321–358 (1995)
- ^ Theodore W. Ruger, Pauline T. Kim, Andrew D. Martin y Kevin M. Quinn, "El proyecto de pronóstico de la Corte Suprema: enfoques de las ciencias políticas y legales para predecir la toma de decisiones de la Corte Suprema" Volumen 104 de la revisión de la ley de Columbia, mayo de 2004
- ^ McShane, Blakeley B. (2012). "Predicción de liquidaciones y montos de fraude de valores: un modelo bayesiano jerárquico de demandas colectivas de valores federales" . Revista de estudios jurídicos empíricos . 9 (3): 482–510. doi : 10.1111 / j.1740-1461.2012.01260.x .
- ^ Alexander, Charlotte; Al Jadda, Khalifeh; Feizollahi, Mhomamed J .; Tucker, Anne M. (5 de septiembre de 2018). "Uso de análisis de texto para predecir los resultados de los litigios". Facultad de Derecho de la Universidad Estatal de Georgia. SSRN 3230224 . Cite journal requiere
|journal=
( ayuda ) - ^ Tromans, Richard (13 de febrero de 2018). "Se calienta la batalla de predicción de litigios; enlaces BLM con LSE" . Abogado artificial . Consultado el 19 de abril de 2019 . CS1 maint: parámetro desalentado ( enlace )
- ^ Tashea, Jason (septiembre de 2018). "Datos buenos, datos malos: cuando se trata de predecir resultados en litigios, los algoritmos son tan buenos como la información subyacente" . Revista ABA . Consultado el 19 de abril de 2019 . CS1 maint: parámetro desalentado ( enlace )
- ^ Steffek, Felix; Bell, Ludwig (24 de mayo de 2018). "Serie de leyes y sistemas autónomos: allanando el camino para la inteligencia artificial legal - un conjunto de datos común para las predicciones de resultados de casos" . Universidad de Oxford . Consultado el 1 de mayo de 2019 . CS1 maint: parámetro desalentado ( enlace )
- ^ "Abogado de NC por NC Bar Association - NC Abogado de NC Bar Association" . ncbar.org . Consultado el 26 de diciembre de 2016 . CS1 maint: parámetro desalentado ( enlace )
- ^ Darryl Mountain, Contratos electrónicos XML: documentos que se describen a sí mismos, 11 (3) INT'L JL & TECH. 274 (2003)
- ^ Hunziker, R (febrero de 2017). "Norma de divulgación de la nueva invención: ¿por qué me importaría?" (PDF) . Revista de derecho de la OPI . Asociación de Propietarios de Propiedad Intelectual .
- ^ Donahue L, Introducción al uso de la inteligencia artificial en la profesión jurídica https://jolt.law.harvard.edu/digest/a-primer-on-using-artificial-intelligence-in-the-legal-profession .
- ^ Donahue L, Introducción al uso de la inteligencia artificial en la profesión jurídica https://jolt.law.harvard.edu/digest/a-primer-on-using-artificial-intelligence-in-the-legal-profession .
- ^ a b c Richard Susskind, De la medida a la mercancía, TECNOLOGÍA LEGAL. J., 2006, págs. 4, 4-7. "Copia archivada" . Archivado desde el original el 29 de enero de 2011 . Consultado el 27 de enero de 2011 . CS1 maint: parámetro desaconsejado ( enlace ) CS1 maint: copia archivada como título ( enlace )
- ^ Boninoa, Darío; Ciaramella, Alberto; Corno, Fulvio (marzo de 2010). "Revisión del estado del arte en información sobre patentes y próximas evoluciones en informática inteligente de patentes". Información mundial sobre patentes . 32 (1): 30–38. doi : 10.1016 / j.wpi.2009.05.008 .
- ^ Snyder, Paul (1 de abril de 1986). "Deja de jugar al escondite con tus documentos". Revista ABA . 72 (3): 54–56. JSTOR 20758698 .