Core Concepts
Dieser Artikel untersucht das Potenzial von Large Language Models (LLMs) für die Rechtsinformatik und schlägt ein neuartiges, menschenzentriertes, zusammengesetztes KI-System vor, das gezielt menschliche Inputs einbezieht, um die Leistung von LLMs für Aufgaben der Rechtsinformatik zu verbessern.
Abstract
Dieser Artikel untersucht den Einsatz von menschenzentrierter künstlicher Intelligenz (KI) für die Textanalyse im indischen Rechtssystem. Die Autoren stellen fest, dass der jüngste Boom bei generativen KI-Systemen nicht zu einem entsprechenden Anstieg bei praxisrelevanten Anwendungen geführt hat. Dies liegt an der geringen Zuverlässigkeit dieser Systeme sowie am Mangel an spezialisierten Datensätzen für das Training von Large Language Models (LLMs).
Um diese Lücke zu schließen, schlagen die Autoren ein neuartiges, menschenzentriertes, zusammengesetztes KI-System vor, das gezielt menschliche Inputs einbezieht. Dieses System soll die Leistung von LLMs für verschiedene Aufgaben der Rechtsinformatik verbessern, wie:
Fallsimilarität: Die Autoren zeigen, dass ein LLM-basierter Ansatz mit wenigen Beispielen eine vergleichbare Leistung wie überwachte Modelle erreichen kann.
Urteilszusammenfassung: Die Autoren diskutieren die Vor- und Nachteile von extraktiven und abstraktiven Zusammenfassungsmethoden und argumentieren, dass ein menschenzentrierter Ansatz, der externes Wissen in LLMs integriert, das Potenzial hat, verlässliche und verständliche Zusammenfassungen zu generieren.
Petitionserstellung: Die Autoren schlagen vor, LLMs zu nutzen, um fehlende Informationen in Petitionen zu identifizieren und den Nutzer gezielt dazu anzuregen, diese Lücken zu füllen.
Fragebeantwortung: Die Autoren vergleichen die Leistung von LLMs und überwachten Modellen auf einem Datensatz mit Fragen zu indischen Gerichtsurteilen und argumentieren, dass die Einbindung von Wissensquellen wie Wissensgraphen entscheidend für die Verbesserung der Leistung ist.
Insgesamt zeigt der Artikel, wie menschenzentrierte, zusammengesetzte KI-Systeme das Potenzial haben, den Zugang zur Justiz zu verbessern, indem sie die Leistungsfähigkeit von LLMs für rechtsbezogene Aufgaben gezielt steigern.
Stats
Die Autoren haben einen Wissensgraphen mit 2.286 Dokumenten, 895.398 Sätzen, 801.604 Tripeln, 329.179 Entitäten und 43 Relationen erstellt.
Ihr Fragebogendatensatz umfasst 4.129 Frage-Antwort-Paare aus indischen Gerichtsurteilen.
Quotes
"Shneiderman [2022] definiert menschenzentrierte KI (HCAI) als eine Sammlung erfolgreicher Technologien, die die menschliche Leistung verstärken, erweitern, ermächtigen und verbessern."
"Zaharia et al. [2024] fordern einen Wechsel von Modellen zu zusammengesetzten KI-Systemen."