Foreign experience in the use of artificial intelligence in the judiciary
Notice bibliographique
Résumé
The article explores the features of using artificial intelligence in the judiciary of foreign countries. It emphasizes that the relevance of this issue is driven by the digitalization of judicial systems, which holds the potential to optimize court proceedings while simultaneously raising a number of ethical, legal, and other challenges. It is established that despite the widespread use of artificial intelligence in the judiciary across various countries, there is no unified model for the legal regulation or implementation of such technologies. The study identifies the United Kingdom and New Zealand as countries that have adopted a targeted approach to legal regulation of artificial intelligence in the judiciary, evidenced by the development of specific guidelines for judges on the use of artificial intelligence. A general approach to artificial intelligence regulation has been applied in the European Union, as reflected in the EU Artificial Intelligence Act and the United States, where the National Artificial Intelligence Initiative Act came into force in 2020. It has been established that, regardless of the existence or absence of legal regulation (whether specific or general), many countries operate online courts that resolve cases based on algorithms (e.g., the United Kingdom, China), and courts use AI-based systems and programs, including ChatGPT, as a basis for judicial reasoning (e.g., in India).. The article examines artificial intelligence tools such as the assistive system OLGA in Germany, PAS and COMPAS programs in the USA, Prometea in Argentina, and VICTOR in Brazil etc., which are used for metadata analysis, assisting judges in determining preventive measures, conducting preliminary case reviews, and predicting case outcomes. Special attention is given to China’s advanced use of artificial intelligence in the judiciary, particularly through its “smart court” concept. The article also identifies a group of countries, such as Canada and France, that have legally prohibited the use of artificial intelligence technologies in the judiciary. It concludes that despite varying approaches to the use of artificial intelligence in justice systems across the globe, the ongoing digitalization process necessitates the search for and adaptation of proven technical and organizational solutions tailored to the context of each country.
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,005 | 0,007 |
| Communication savante | 0,009 | 0,005 |
| Science ouverte | 0,000 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».