Prerequisites for the Safe Use of AI Instruments by Judges
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The increasing use of AI technologies by judges for consideration and resolution of cases is inevitable. This transformation is evident in various judicial proceedings and is closely linked to the pressing issue of integrating artificial intelligence into the activities of courts. This article examines the training of judges in the safe use of AI tools. The term “safe use” reflects a cautiously positive approach to new technologies, achieved through raising awareness of artificial intelligence and mastering the skills required for providing automated task performance, while adhering to principles and following recommendations. The study considers AI tools for judiciary as modern technologies and systems that enable judges and other legal practitioners to achieve results that previously required human thought processes. The author gives examples of tasks and functions in the legal area that can be automated to meet specific needs. Additionally, he addresses common misconceptions about artificial intelligence and introduces principles from Draft UNESCO Guidelines for the Use of AI Systems in Courts and Tribunals aimed at minimizing associated risks. The study also highlights recent guidelines from the judiciary officials of Canada, New Zealand, and the United Kingdom, which contain useful suggestions aligned with ethical principles of AI and main ideas of justice. The article focuses on the importance of the prerequisites for the safe use in light of the emergence of GenAI chatbots. These chatbots operate based on user’s prompts and are extensively used across various areas and professions, including the area of law and judges. The study’s findings could be used as supplementary materials to develop recommendations for Ukrainian judges, with the intention of making further amendments to the Code of Judicial Ethics. Keywords: artificial intelligence, AI tools, artificial intelligence in judiciary, use of artificial intelligence by judges, Code of Judicial Ethics, AI hallucination, ChatGPT, AI systems
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle