SINOPSIS

¿La Inteligencia Artificial responde correctamente al reto social que implica su irrupción en la sociedad contemporánea, las dudas de su real aplicación y los beneficios y perjuicios que genera, y en el caso de los sistemas de AI aplicados al Derecho?

O lo que es lo mismo, ¿son realmente útiles para que los humanos podamos pedir o impartir mejor Justicia?

Los científicos han analizado durante cierto tiempo qué respuesta se podía dar al enigma acerca de este nuevo concepto de “verdad cibernética”, o dicho de otra forma acerca de la posibilidad que la computadora pueda generar patrones de conocimiento no ingresados por el usuario que permitan arribar a conclusiones útiles para aquel y no aportadas por éste, o dicho de otra manera, que el programa vaya “aprendiendo” a medida que efectúa el procesamiento de los datos.

Uno de esas búsquedas se orientó en las denominadas redes neuronales. Entre el sistema nervioso y la máquina automática existe una analogía fundamental, pues ambos son dispositivos que toman decisiones basándose en otras que hicieron en el pasado. Las más simples eligen entre dos posibilidades tales como abrir o cerrar una llave. En el sistema nervioso, cada fibra decide transmitir un impulso o no y gran parte de esa tarea se afecta en puntos de organización extremadamente complicada llamad sinapsis, donde un cierto número de fibras entrantes están conectadas con una sola saliente. En muchos casos, puede entenderse la base de esas decisiones como un umbral de acción de la sinapsis o, en otras palabras, indicando cuantas fibras de entrada han de funcionar para que funcione a su vez la salida. En 1943, Warren E. MacCulloch y Walter H. Pitts, comenzaron los primeros estudios en investigación de neuronas, y durante el decenio de 1960, Frank Rosenblatt, de la Universidad de Cornell, y Bernardo Widrow, actualmente en la Universidad de Stanford, crearon “neuronas adaptables” y redes sencillas capaces de “aprender”. A lo largo de las décadas de 1960 y 1970, un reducido número de investigadores, de los que citaremos a Shunichi Amari Leon N. Cooper, Kinihiko y Stephen Grossberg, trataron de modelizar el comportamiento de las neuronas reales en las redes computacionales y abordaron el desarrollo de las nociones matemáticas y arquitectónicas requeridas para extraer los elementos característicos de los patrones, clasificar pautas y obtener sistemas de “memoria asociativa”. La década del 80 ha sido testigo de un extraordinario aumento del interés por los modelos neuronales y por sus propiedades computacionales. Es de destacar en particular la labor desarrollada recientemente por David. W. Tank y John Hopfield de ATT-Bell Laboratories, quienes han desarrollado un circuito eléctrico para aplicación a computadoras de características neuromorfas, o sea que emulan la red neuronal humana.

La recuperación conceptual de la información legal se puede definir como la recuperación automática de información legal textual relevante basada en los conceptos de correspondencia y sus roles en los documentos con los conceptos y roles requeridos para resolver el problema legal del usuario. Como la definición deja en claro, la recuperación de información legal conceptual es diferente de la búsqueda legal ordinaria. Se centra en modelar las necesidades de los usuarios humanos de la información que buscan para resolver un problema, por ejemplo, en el argumento legal que un usuario intenta hacer, y en los conceptos y sus roles en ese proceso de resolución de problemas.

Incluso enfocar la búsqueda de información legal para ayudar a los usuarios a construir argumentos viables para respaldar un reclamo o contrarrestar los mejores argumentos de un oponente no es algo nuevo. Durante años, los medios robustos para extraer dicha información conceptual, relacionada con los argumentos, de los textos en lenguaje natural para fines de recuperación de información legal conceptual no estaban disponibles.

Hoy, sin embargo, las herramientas de análisis de lenguaje pueden identificar automáticamente la información relacionada con los argumentos en caso de que los textos estén finalmente disponibles, y con ellos nace un nuevo paradigma basado en información relacionada con argumentos, y luego la informática cognitiva es un segundo paradigma que no se trata de desarrollar sistemas de inteligencia artificial que "piensen" o realicen tareas cognitivas de la misma manera que lo hacen los humanos.

En un paradigma de computación cognitiva, los usuarios humanos son los principales responsables de personalizar su propia solución utilizando una aplicación legal, pero la tecnología de servicio legal estandarizada debe informar a los humanos de la necesidad de personalización y brindarles acceso personalizado a información legal relevante para ayudarlos a construir una solución. Es decir, la aplicación legal no solo seleccionará, ordenará, resaltará y resumirá la información de una manera adaptada al problema específico de un usuario humano, sino que también explorará la información e interactuará con los datos de formas nuevas que antes no eran posibles.

Para que este enfoque tenga éxito, la tecnología será necesario que tenga cierta "comprensión" de la información a su disposición y de la relevancia de la información en el proceso de resolución de problemas del ser humano y que la información esté disponible convenientemente en los momentos adecuados y en los contextos adecuados para que la computadora puede realizar mejor y aquellas dirigidas a la experiencia de los usuarios humanos .

La presente obra, realizada con motivo de la Jornada sobre “Inteligencia Artificial y Derecho, un reto social” organizada con el patrocinio conjunto de la Universidad Católica Argentina Santa María de los Buenos Aires (UCA) y la Federación Iberoamericana de Asociaciones de Derecho e Informática (FIADI) y desarrollada en forma virtual el 26 de junio 2020, especialistas de distintas áreas del derecho, ofrecen su aporte y visión en está materia de creciente interés y desarrollo.

ÍNDICE

COMBOS RECOMENDADOS DE INTELIGENCIA ARTIFICIAL :