Amps – 通过可解释性创造价值

快速阅读: 据《马耳他时报》称，2023年11月，马耳他一大学启动项目开发“AMPS”应用，助小型索赔法庭裁定员处理案件。应用利用双语数据集和可解释AI技术，提升法律研究效率。开发者强调，AMPS旨在辅助而非替代裁定员，赢得其信任至关重要。

2023年11月，该大学法学院的公共法律系与信息与通信技术学院的人工智能系启动了一项为期18个月的项目。该项目由Xjenza Malta资助，并得到了司法和建筑部门改革部的支持，其成果是一个名为“AMPS”的工作原型应用程序。该程序旨在作为辅助小型索赔法庭（SCT）裁定员处理案件的工具。

选择SCT的原因在于，它在处理最高金额为5000欧元的金钱索赔时，是其他民事法院的缩影。SCT裁定员面临的问题与治安法官和法官处理的问题有很多相似之处。SCT的裁决通常以马耳他语进行（特殊情况下例外）。马耳他语本身是一个挑战——如何在一个资源有限的语言中启动机器学习？此外，AMPS还需学习专门用于马耳他法院和法庭的法律术语。在创建这一原型应用程序的过程中，所遇到的技术挑战与其它法院类似，因此SCT成为了这项任务的理想模型。

最初，项目背后的团队受到像Susskind等作者著作的启发，计划构建一个从输入数据中学习并基于此预测未决案件结果的系统。然而，在与利益相关者，尤其是现任和前任SCT裁定员会面后，发现他们普遍反对预测系统：几乎一致认为只有裁定员才能得出具体案件的结果，即使只是一个提供预测选项的系统也可能导致裁定员变得懒散，或者让他们对自己的判断产生怀疑。尽管如此，受访者对这样一个友好且可靠的工具表示欢迎，它可以帮助减少研究时间，甚至提供他们原本难以获取或完全忽略的信息。

关键在于，AMPS必须赢得裁定员的信任。这意味着当被提示时，它不仅需要提供准确和正确的信息以证明其可靠性，还需要让用户确信它绝不会违反道德和保密规则，比如要求用户提供敏感信息或将信息分享给第三方。

AMPS利用双语的AMPS-JuST（简称Justice）数据集，这是一个经过精心策划的语料库，包含马耳他SCT判决。这个数据集通过结合GPT-4生成的注释以及专家律师后续的验证开发而成，确保了准确的角色标签、简洁的摘要和双语翻译。此外，AMPS整合了先进的可解释人工智能（XAI）技术，生成透明且上下文感知的解释，阐明为何给出特定结果或建议。通过结合高质量的AMPS-JuST数据集与可解释性方法，AMPS提升了法律研究的效率和可靠性。这种方法通过更高的透明度和可解释性增强了用户信任，使裁定员能够迅速识别相关信息，节省宝贵时间，同时保持对其决策过程的知情权。

裁定员始终希望掌握主动权，绝不能让AMPS在任何方面取代他们，成为所谓的“计算机法官”。AMPS的创造者并无此意，这一点从这款关于马耳他法院及包括马耳他法律术语在内的马耳他语机器学习的第一款工作原型中可以清楚看到。

伊万·米夫苏德是法学院院长；查理·阿贝拉是信息与通信技术学院人工智能系的高级讲师；乔尔·阿佐帕尔迪是信息与通信技术学院人工智能系的副教授。

订阅我们的免费新闻简报
电子邮件：
直接将最新更新发送至您的收件箱：
每日新闻简报（每天早晨推送当日主要头条）
来自编辑（每周精选故事推送）
请至少选择一个邮件列表。
您随时可通过点击我们邮件底部链接取消订阅。我们使用Mailchimp作为营销平台。订阅即表示您同意您的信息将被转移至Mailchimp进行处理。

(以上内容均由Ai生成)