Επιτυχής πρόβλεψη με ακρίβεια, δικαστικών αποφάσεων με χρήση Τεχνητής Νοημοσύνης

[nnn]

Με χρήση αλγορίθμου Τεχνητής Νοημοσύνης (AI) που ανέπτυξε ομάδα ερευνητών των University College London (UCL), University of Sheffield και του University of Pennsylvania, έγινε πρόβλεψη με ακρίβεια του 79% των αποφάσεων του Ευρωπαϊκού Δικαστηρίου Ανθρωπίνων Δικαιωμάτων.

Η μέθοδος λειτουργεί με την αυτόματη ανάλυση του κειμένου των υποθέσεων με χρήση machine learning αλγόριθμου.

“Our motivation was twofold,” co-author Vasileios Lampos of UCL Computer Science told Digital Trends. “It first starts with scientific curiosity.” In other words, would it even be possible to create such an AI judge? “And on the more practical side of things, we thought that AI could be a complementary assistive tool for various administrative tasks in a pretrial phase, reducing the long waiting time before a decision is made,” he added.

The algorithm analyzed texts from nearly 600 cases related to human right’s issues including fair trials, torture, and privacy in an effort to identify patterns. It determined that text language, topics, and circumstances — i.e., factual background information — were the most reliable indicators for whether a case would be deemed a violation of the European Convention of Human Rights.
Similar predictive systems have previously been developed by analyzing the alleged crimes and policy positions of judges rather than case texts. In that sense, this AI judge is unique.

Lampos explained that, within the context of the ECtHR, the study supports the theory that judges rely more heavily on legal realism than formalism.
“In very lay terms, this means that the judges of the court might weight more the facts and circumstances of a case — rather than the respective laws — during their decision-making process,” he said. “This could be related to the fact that applicants need to exhaust all effective remedies available to them in their domestic legal systems, before submitting an application to ECtHR.”

Αναλυτικά το research paper εδώ

Πηγή : Digital Trends

[turboirc]

Η εννοια τεχνητη νοημοσυνη δεν υφισταται ακριβως (τουλαχιστο οσον αφορα στον χ86), προκειται για ανθρωπινη νοημοσυνη που μεταφερεται στους υπολογιστες με αλγοριθμο τυπου νευρωνικων δικτυων. Ο υπολογιστης ειναι παντελως ανικανος να σκεφτει το παραμικρο.

Και αυτο κανει εντυπωσιακο το επιτευγμα, συγχαρητηρια στην ομαδα, καθε τι αλγοριθμικο ειναι εντυπωσιακο. Αν και σε ορισμενες μπανανοχωρες δεν χρειαζεσαι αλγοριθμο για αυτο το πραγμα.

[aiolos.01]

Καλά το 79% δεν το λες και τρελή επιτυχία. Επιπλέον οι δικαστικές αποφάσεις έχουν ενα ισχυρό παράγοντα υποκειμενικότητας. Ο κάθε δικαστής αποφασίζει με ελαφρώς (η βαρέως σε μερικές περιπτώσεις) διαφορετικά κριτήρια.

[anon]

Η εννοια τεχνητη νοημοσυνη δεν υφισταται ακριβως (τουλαχιστο οσον αφορα στον χ86), προκειται για ανθρωπινη νοημοσυνη που μεταφερεται στους υπολογιστες με αλγοριθμο τυπου νευρωνικων δικτυων. Ο υπολογιστης ειναι παντελως ανικανος να σκεφτει το παραμικρο.

Και αυτο κανει εντυπωσιακο το επιτευγμα, συγχαρητηρια στην ομαδα, καθε τι αλγοριθμικο ειναι εντυπωσιακο. Αν και σε ορισμενες μπανανοχωρες δεν χρειαζεσαι αλγοριθμο για αυτο το πραγμα.

To τι ειναι νοημοσύνη είναι σχετικό, δες και τον ορισμό αλά Turing. Ο τομέας τεχνητής νοημοσύνης σήμερα τρέχει με τα χίλια, με την ανάπτυξη όχι ντετερμινιστικών κανόνων (όπως προσπαθούσαν προ AI Winter) αλλά με στατιστικές μεθόδους (machine learning). Και ο ανθρώπινος εγκέφαλος κάπως έτσι "μαθαίνει". Οπότε είμαστε στην αρχή να έχουμε σύντομα πλήρως αναπτυγμένη πολυποίκιλκιτη, τεχνητή νοημοσύνη, με όσα αυτό συνεπάγεται (αναφορές Χωκινς για κοινωνική αναταραχή βασικά λόγω ανεργίας, singularity, κλπ κλπ κλπ).
Η δραστηριότητα σε αυτό τον τομέα είναι τεράστια με επενδύσεις της τάξεως των δισεκατομυρίων, όπως πχ το σύστημα αυτόνομης οδήγησης που αναπτύσουν διάφορες εταιρίες. Μπορεί να φαίνεται μεμονωμένο "προιόν", πχ αυτόνομη οδήγηση, αλλά όλα αυτά ενσωματώνουν μια βασική λειτουργία, αυτή της αυτόνομης μάθησης. Οπότε αυτά τα συστήματα, μπορούν να μαθαίνουν. Αρα θαναι ζήτημα χρόνου να φτάσουμε απο εξειδικευμένα συστήματα, όπως πχ οδήγησης ή αποφάσεων δικαστηρίου όπως αναφέρει το άρθρο, σε μια πλήρη νοημοσύνη αντίστοιχη ή μεγαλύτερη, του ανθρώπου. Και ειναι πολύ κοντά.

[turboirc]

To τι ειναι νοημοσύνη είναι σχετικό, δες και τον ορισμό αλά Turing. Ο τομέας τεχνητής νοημοσύνης σήμερα τρέχει με τα χίλια, με την ανάπτυξη όχι ντετερμινιστικών κανόνων (όπως προσπαθούσαν προ AI Winter) αλλά με στατιστικές μεθόδους (machine learning). Και ο ανθρώπινος εγκέφαλος κάπως έτσι "μαθαίνει". Οπότε είμαστε στην αρχή να έχουμε σύντομα πλήρως αναπτυγμένη πολυποίκιλκιτη, τεχνητή νοημοσύνη, με όσα αυτό συνεπάγεται (αναφορές Χωκινς για κοινωνική αναταραχή βασικά λόγω ανεργίας, singularity, κλπ κλπ κλπ).
Η δραστηριότητα σε αυτό τον τομέα είναι τεράστια με επενδύσεις της τάξεως των δισεκατομυρίων, όπως πχ το σύστημα αυτόνομης οδήγησης που αναπτύσουν διάφορες εταιρίες. Μπορεί να φαίνεται μεμονωμένο "προιόν", πχ αυτόνομη οδήγηση, αλλά όλα αυτά ενσωματώνουν μια βασική λειτουργία, αυτή της αυτόνομης μάθησης. Οπότε αυτά τα συστήματα, μπορούν να μαθαίνουν. Αρα θαναι ζήτημα χρόνου να φτάσουμε απο εξειδικευμένα συστήματα, όπως πχ οδήγησης ή αποφάσεων δικαστηρίου όπως αναφέρει το άρθρο, σε μια πλήρη νοημοσύνη αντίστοιχη ή μεγαλύτερη, του ανθρώπου. Και ειναι πολύ κοντά.

Δεν αμφιβάλλω απαραίτητα, και η δική μου δουλειά σε κάτι ανάλογο ήταν κάποτε (Speech Recognition). Απλά είναι διαφορετική η "μάθηση" του υπολογιστή από του ανθρώπου. Είναι κοντά κυρίως λόγω ταχύτητας και όχι λόγω λογικής.

[anon]

δες αυτό
http://www.extremetech.com/extreme/2...een-activities


The end is near!

[gcf]

Άλλοι θεωρητικοί όπως ο Penrose επιμένουν (ουσιαστικά έχουν αποδείξει) ότι η AI (με τον ισχυρό τουλάχιστον ορισμό της) δεν είναι εφικτή πάνω σε ένα υπολογιστικό σύστημα που ακολουθεί το μοντέλο Turing. (και οι αλγόριθμοι εκμάθησης, νευρωνικών δικτύων κλπ) δεν ξεφεύγουν από αυτό, γιατί δεν παύουν να οδηγούνται από ένα σύνολο οδηγιών (για το πως θα γίνονται οι συνάψεις ή θα εξάγονται inferences). Στο βάθος κρύβεται το θεώρημα μη πληρότητας του Goedel.
Aν αλλάξουμε τελείως υπόδειγμα (κβαντικοί υπολογιστές; ) ίσως αυτό ξεπερνιέται.
Οι νευροβιολόγοι άλλωστε έχουν ανακαλύψει στον εγκέφαλο δομές (μικροσωληνίσκοι) που η λειτουργία τους εμφανίζει κβαντική συμπεριφορά.
Αλλά ναι, οι υπολογιστές μπορούν και θα μπορούν όλο και καλύτερα να παίζουν go, να αναλύουν μουσική ή λόγο, να κάνουν ιατρικές διαγνώσεις και να προβλέπουν δικαστικές αποφάσεις.
Απλά δεν θα ξέρουν ότι το κάνουν.

[turboirc]

δες αυτό
http://www.extremetech.com/extreme/2...een-activities


The end is near!

Για αυτό και έχω λιώσει στα ταξίδια :P

- - - Updated - - -

Άλλοι θεωρητικοί όπως ο Penrose επιμένουν (ουσιαστικά έχουν αποδείξει) ότι η AI (με τον ισχυρό τουλάχιστον ορισμό της) δεν είναι εφικτή πάνω σε ένα υπολογιστικό σύστημα που ακολουθεί το μοντέλο Turing. (και οι αλγόριθμοι εκμάθησης, νευρωνικών δικτύων κλπ) δεν ξεφεύγουν από αυτό, γιατί δεν παύουν να οδηγούνται από ένα σύνολο οδηγιών (για το πως θα γίνονται οι συνάψεις ή θα εξάγονται inferences). Στο βάθος κρύβεται το θεώρημα μη πληρότητας του Goedel.
Aν αλλάξουμε τελείως υπόδειγμα (κβαντικοί υπολογιστές ίσως αυτό ξεπερνιέται.
Αλλά ναι, οι υπολογιστές μπορούν και θα μπορούν όλο και καλύτερα να παίζουν go, να αναλύουν μουσική ή λόγο, να κάνουν ιατρικές διαγνώσεις και να προβλέπουν δικαστικές αποφάσεις.
Απλά δεν θα ξέρουν ότι το κάνουν.

Πολύ σωστά.

[Veldrin]

Σε οποιοδήποτε paper, error στον αντίστοιχο τομέα ~20% δεν είναι απλά επιτυχία, αλλά αφορμή για περαιτέρω χρηματοδότηση, έρευνα και ανάπτυξη. Μη λέμε ότι θέλουμε.

[uncharted]

Μου θυμισε το παρακατω:

http://www.imdb.com/title/tt0181689/

- - - Updated - - -

Η εννοια τεχνητη νοημοσυνη δεν υφισταται ακριβως (τουλαχιστο οσον αφορα στον χ86)

Δηλαδη οι μη-x86 αρχιτεκτονικες τι διαφορετικο εχουν? Δεν εχουν σχεση με το μοντελο του Turing?

Παντως για το deep learning χρησιμοποιουν GPGPU απο οσο ξερω και με μεγαλη επιτυχια...

[bill2003]

Συγχαρητήρια στα παιδιά!!!!
3 από τους 4 authors είναι Έλληνες

Offtopic/ ontopic:
Και με το παραπάνω βλέπουμε γιατί δυστυχώς δε μπορεί να γίνει έρευνα στην Ελλάδα (βλέπε και: Brain drain), ούτε καν σε τέτοιους τομείς που δεν απαιτούν ιδιαίτερο χρήμα και υποδομές (π.χ. δεν είναι ανάπτυξη φαρμάκων) αλλά κυρίως ιδέες.
Γιατί εκεί στα ξένα, κατεβάζεις μία ερευνητική πρόταση για χρηματοδότηση και αν περάσει η κύρια και αποκλειστική δουλειά σου είναι αυτή. Δεν είσαι λίγο ερευνητής, λίγο να τρέχω σε κανένα ΤΕΙ να κάνω καμιά ώρα, λίγο επικουρικό, λίγο σε κανένα άλλο project με μπλοκάκι, λίγο να τσοντάρουν και οι δικοί μου... κλπ κλπ
Είσαι ερευνητής και βγάζεις ένα πολύ αξιοπρεπές εισόδημα με αυτό που κάνεις.

Στην Ελλάδα πάλι, πέταξε κάτι ψίχουλα το ΙΚΥ για post doc πριν λίγο καιρό...
Π.χ. Επιστήμες Μηχανικού και Τεχνολογία 31 θέσεις...
Πρακτικά για ΟΛΑ τα Πολυτεχνία της χώρας 31 "υποτροφίες". Ακόμη και αξιοκρατικά να δοθούν, χώρια τις προϋποθέσεις που έβαλαν, τρελές πιθανότητες και τρελά λεφτά!
Τα έγραψα και συγχύστηκα! :-P

Βέβαια θα πει κάποιος, όλα στη χώρα δουλεύουν Ελβετικό ρολόι και μας λείπει μόνο η ενίσχυση της έρευνας.... Τεσπα...

Καλά το 79% δεν το λες και τρελή επιτυχία

Έχεις υπόψη σου κάποια αντίστοιχη δουλειά με πολύ καλύτερα ποσοστά;

[tzelen]

Έχεις υπόψη σου κάποια αντίστοιχη δουλειά με πολύ καλύτερα ποσοστά;

Χαρτορίχτρες, καφετζούδες, κτλ

[turboirc]

Σε οποιοδήποτε paper, error στον αντίστοιχο τομέα ~20% δεν είναι απλά επιτυχία, αλλά αφορμή για περαιτέρω χρηματοδότηση, έρευνα και ανάπτυξη. Μη λέμε ότι θέλουμε.

Οχι αυτο δεν ειναι σωστο. Το ποιο ποσοστο θεωρειται επιτυχες ειναι θεμα της μελετης. Αν πχ εγω βγαλω εμβολιο για την ελονοσια που πιανει 20% ειναι τεραστια επιτυχια, ενω αν βγαλω θεραπεια της μυωπιας με 90% ειναι αποτυχια.

Μου θυμισε το παρακατω:

http://www.imdb.com/title/tt0181689/

- - - Updated - - -


Δηλαδη οι μη-x86 αρχιτεκτονικες τι διαφορετικο εχουν? Δεν εχουν σχεση με το μοντελο του Turing?

Παντως για το deep learning χρησιμοποιουν GPGPU απο οσο ξερω και με μεγαλη επιτυχια...

Δεν γνωριζω για τις αλλες, μονο για τον χ86 μπορω να μιλησω.

[Φιλόσοφος_Στ@ρχίδας]

Άλλοι θεωρητικοί όπως ο Penrose επιμένουν (ουσιαστικά έχουν αποδείξει) ότι η AI (με τον ισχυρό τουλάχιστον ορισμό της) δεν είναι εφικτή πάνω σε ένα υπολογιστικό σύστημα που ακολουθεί το μοντέλο Turing. (και οι αλγόριθμοι εκμάθησης, νευρωνικών δικτύων κλπ) δεν ξεφεύγουν από αυτό, γιατί δεν παύουν να οδηγούνται από ένα σύνολο οδηγιών (για το πως θα γίνονται οι συνάψεις ή θα εξάγονται inferences). Στο βάθος κρύβεται το θεώρημα μη πληρότητας του Goedel.
Aν αλλάξουμε τελείως υπόδειγμα (κβαντικοί υπολογιστές; ) ίσως αυτό ξεπερνιέται.
Οι νευροβιολόγοι άλλωστε έχουν ανακαλύψει στον εγκέφαλο δομές (μικροσωληνίσκοι) που η λειτουργία τους εμφανίζει κβαντική συμπεριφορά.
Αλλά ναι, οι υπολογιστές μπορούν και θα μπορούν όλο και καλύτερα να παίζουν go, να αναλύουν μουσική ή λόγο, να κάνουν ιατρικές διαγνώσεις και να προβλέπουν δικαστικές αποφάσεις.
Απλά δεν θα ξέρουν ότι το κάνουν.

Υποθέτω πως το bold το αναφέρεις σαν πρόβλημα;
Γιατί στο δικαστικό πεδίο, ίσως η αντικειμενικότητα των μηχανών (άλλωστε μια μηχανή δεν μπορεί να είναι υποκειμενική εκτός αν είναι υποκειμενική by design ) να είναι επιθυμητή και να υπερτερεί της ανθρώπινης/υποκειμενικής φύσης των δικαστών.

[uncharted]

Υποθέτω πως το bold το αναφέρεις σαν πρόβλημα;
Γιατί στο δικαστικό πεδίο, ίσως η αντικειμενικότητα των μηχανών (άλλωστε μια μηχανή δεν μπορεί να είναι υποκειμενική εκτός αν είναι υποκειμενική by design ) να είναι επιθυμητή και να υπερτερεί της ανθρώπινης/υποκειμενικής φύσης των δικαστών.

Και τι θα κανουμε μετα με τα ρουσφετια και το παραδικαστικο κυκλωμα? Απορριπτονται οι Μηχανες του Διαβολου!

Ειναι σαν τα αυτο-οδηγουμενα αμαξια, που ενω μπορουν να μειωσουν τα ατυχηματα π.χ. κατα 80% σε σχεση με τον υποκειμενικο ανθρωπινο παραγοντα, καποιοι καθονται και ασχολουνται για το που θα αποδοθουν ευθυνες για το 20%... αντι να μας νοιαζει το οτι θα σωθουν οι ζωες του 80%.