AI と機械学習が訴訟の状況に与える影響

人工知能は、単純な Google 検索から高速道路での車線の中央維持に至るまで、私たちの日常活動に長い間存在してきました。 しかし、2022 年後半に ChatGPT が一般公開されたことで、AI の力がより身近になり、Web ブラウザーがあれば誰でも AI にアクセスできるようになりました。 また、法律業界では、特に鑑定人の準備や証言に関して、訴訟における AI と機械学習の使用が増加しています。

専門家証人のサポートには常に最先端の分析ツールとデータサイエンス技術が必要であり、AIと機械学習は専門家にとってますます重要なツールとなっています。 テクノロジーが「思考」して意思決定を行い、人間よりも迅速にタスクを達成し、より良い結果をもたらすという概念は、ロボットによって運営される「ジェットソンのような」世界を思い起こさせます。 しかし、空飛ぶ車が事実上の移動手段であり、ロボットのアテンダントがあらゆるニーズに対応していた 1960 年代の古いジェットソンズ漫画とは異なり、AI の影響に関する「未来的な」アイデアは、急速に近づいている現実からそれほど遠いものではありませんでした。 実際、古いルールベースの AI が機械学習 (ML) に進化し、コンピューターが大規模なデータセットに含まれるパターンから学習して結果を正確に予測するようにプログラムされているため、法律業界は AI が多くの想像をはるかに超えて実行できることに気づいています。 。

訴訟の世界では、AI と ML の力は法律事務所や経済・金融コンサルティング会社によって長年理解されてきました。 AI は、以前は証言で提示されるデータの効率や品質を向上させるために大幅に手動のプロセスに依存していた訴訟問題における専門家の作業をサポート、認定、実証するのに最適です。 さらに、ここ数年、原告側と弁護側の専門家双方による専門家証言にAIとMLが直接使用されている。

やや皮肉なことに、ユーザーが作成したコンテンツの量が増え続ける中で、専門家の仕事における AI と ML の使用増加を促進する責任は少なくとも部分的には人間にあります。 たとえば、消費者レビューやソーシャルメディアへの投稿は、消費者詐欺や製造物責任訴訟などの規制や訴訟の問題との関連性が高まっています。 このコンテンツの量は膨大になる可能性があるため、一般的なアプローチの 1 つは、キーワードを活用して、レビュー用に管理しやすいデータのサブセットを特定することです。 ただし、新しい言語を含む関連する結果が省略される一方で、事件に無関係な結果が生成されることがよくあるため、これは制限的です。 対照的に、ML ベースのアプローチでは、コンテキストと構文を使用してテキスト全体を考慮し、関連性を最も正確に示す言語要素を特定できます。

このアプローチが実際に行われているかどうかを確認するには、問題となっている内容の調査が必要となる、マーケティング上の虚偽表示や名誉毀損の疑いを伴う訴訟を検討してください。 最も堅牢な分析は体系的かつ客観的であるため、最先端の AI および ML アプローチの特徴である、議論の余地のないトレーニング データと公平なモデルへのアウトソーシングに最適です。

AI と ML は、消費者詐欺や製造物責任の問題の幅広い範囲にわたって専門家にとって貴重なツールであることも証明されています。 一部のシナリオは明白かもしれませんが、人間にはソリューションを他のユースケースに適応させる創造性があります。 ここで、これらの新しい用途には次のものが含まれます。

ドメイン固有のセンチメント分析 – 公開されている感情モデルは、多くの問題ではうまく機能しますが、ドメイン固有の言語構造を特徴とするタスクでは失敗することがよくあります。 このような失敗は、斬新な言葉や直観に反する言葉を使った議論が行われている業界の企業を取り巻く感情を測定するという任務を負ったときに発生する可能性があります。 フィットネスインフルエンサーが起こした名誉毀損訴訟を考えてみましょう。 「混乱」、「抵抗」、「失敗」などの用語は一般に否定的な意味合いを持ちますが、フィットネスの分野では、ワークアウトの成功を説明するためによく使用されます。 同様に、「銃」や「シュレッド」などの俗語は、フィットネスの文脈では従来の使用とはまったく異なる意味を持ちます。 このような場合、汎用感情モデルではそのような言葉の特徴を誤ったり見落としたりする可能性がありますが、ドメイン固有の感情モデルをトレーニングすると、名誉毀損とされる発言に含まれる感情をより正確に評価できます。 このトレーニング プロセスには、ユーザーが作成した業界製品のレビューを何十万件も収集し、テキストからレビュー スコアを予測するようにコンテキスト認識言語モデルを指示することが含まれる場合があります。 このカスタム モデルは、インフルエンサーを取り巻く議論の極性を定量化します。これは、特定の重要なイベントの前後で時間の経過とともに追跡できます。