Artificial intelligence in the judicial system: understanding the legal field
Notice bibliographique
Résumé
The article examines the issue of using AI in the judicial system through an emphasis on the conceptual and categorical apparatus, legal regulation and the possibilities of applying AI in the judicial sphere. The author concludes that AI is actively being introduced into the legal sphere, but the lack of clear approved legal standards significantly levels this process. The uncertainty and ambiguity of understanding the language model and the features of application are noted, which causes problems in establishing a conceptual and categorical toolkit. It is motivated that the legal paradigm of legal regulation and the use of AI should be an ideological change in approach, where the potential of the studied system is used not only as a tool for automating or optimizing individual processes, but as a fundamental change in practices for decision-making, organizing management structures, forming policies and implementing state functions, including in the judicial sphere. The significant advantages of using AI for the judicial system are grouped: identifying systemic imperfections in judicial activity by analyzing a set of judicial and procedural documents in order to identify shortcomings in law enforcement; forming judicial practice; ensuring the integrity of representatives of the judicial corps, especially in the field of preventing corruption; assisting judges in the administration of justice; updating the comprehensive policy of reforming the judiciary by analyzing systemic gaps, obstacles, and social and political and legal reality in order to identify key factors of ineffectiveness of the current legal policy; ensuring proper public access to the court. It is stated that it is appropriate to use AI technologies to identify unfair practices of judges or court employees in making an unlawful, knowingly false court decision. Separate practices of using AI in judicial processes in Canada, Great Britain, and Italy are analyzed and the bifurcated nature of changes and the ambiguity of assessing opportunities are noted. The need to raise the awareness of the judiciary regarding the use of technology by using it as an auxiliary tool, and the need to verify the results of AI with human intelligence, is argued.
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 | 0,008 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,008 | 0,005 |
| Études des sciences et des technologies | 0,004 | 0,040 |
| Communication savante | 0,017 | 0,021 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,008 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».