Contained in:
Book Chapter

Valutazione della propensione alla mediazione tramite eXplainable AI

  • Paolo Nesi

Mediation in civil trials can effectively resolve disputes outside of court proceedings, easing the burden on the courts if successful. Efficiency in identifying disputes is essential, as a failed attempt at mediation can lengthen the duration of the trial. The decision rests with the judge/tribunal on the basis of numerous documents that contain certain statements significant to the decision. This paper describes an artificial intelligence, AI, solution to provide a decision support system that can process documents and (i) produce reliable suggestions, (ii) produce substantiated reasons by highlighting the statements that led to the suggestion, and (iii) respect privacy and data security. Explainable AI techniques (XAI) technologies were used for this purpose, resulting in a solution that meets the defined objectives. The solution was developed as part of the research project "Agile Justice," funded in the Italian National Governance and Institutional Capacity NOP, and validated against real cases. The solution leveraged the Snap4City framework for data management and AI/XAI solution.

  • Keywords:
  • Artificial intelligence,
  • decision support system,
+ Show More

Paolo Nesi

University of Florence, Italy - ORCID: 0000-0003-1044-3107

  1. Aletras N, Tsarapatsanis D, Preoţiuc-Pietro D, Lampos V. 2016. Predire le decisioni giudiziarie della Corte europea dei diritti dell'uomo: una prospettiva di elaborazione del linguaggio naturale. PeerJ Informatica 2:e93.
  2. Brennan T, Dieterich W, Ehret B. Valutazione della validità predittiva del sistema di valutazione dei rischi e dei bisogni Compas. Giustizia penale e comportamento. 2009;36(1):21-40. DOI: 10.1177/0093854808326545
  3. J. Collenette, K. Atkinson e T. Bench-Capon, "Strumenti di intelligenza artificiale spiegabili per il ragionamento legale sui casi: uno studio sulla Corte europea dei diritti dell'uomo", Intelligenza artificiale, vol. 317, pag. 103861, 2023. DOI: 10.1016/j.artint.2023.103861
  4. Alghazzawi, D., Bamasag, O., Albeshri, A., Sana, I., Ullah, H., & Asghar, MZ (2022). Previsione efficiente delle sentenze dei tribunali utilizzando un modello di rete neurale LSTM+ CNN con un set di funzionalità ottimale. Matematica, 10(5), 683.
  5. Arajärvi, N. e Holden, L. (2021). Linee guida conformi al GDPR per il trattamento dei dati personali nei documenti legali.
  6. B. Goodman e S. Flaxman, “Regolamenti dell'Unione europea sul processo decisionale algoritmico e un 'diritto alla spiegazione'”, AI Magazine, vol. 38, n. 3, pp. 50–57, settembre 2017. DOI: 10.1609/aimag.v38i3.2741
  7. Badii, C., Bellini, P., Difino, A., & Nesi, P. (2020). Piattaforma IoT per smart city che rispetta gli aspetti di privacy e sicurezza del GDPR. Accesso IEEE, 8, 23601-23623.
  8. Benjamin van Giffen, Dennis Herhausen, Tobias Fahse, Superare le trappole e i pericoli degli algoritmi: una classificazione dei pregiudizi e dei metodi di mitigazione dell'apprendimento automatico, Journal of Business Research, 2022. DOI: 10.1016/j. jbusres.2022.01.076
  9. Branting, LK, Pfeifer, C., Brown, B., Ferro, L., Aberdeen, J., Weiss, B., ... & Liao, B. (2021). Previsione giuridica scalabile e spiegabile. Intelligenza artificiale e diritto, 29, 213-238.
  10. Brundage, M., Avin, S., Clark, J., Toner, H., Eckersley, P., Garfinkel, B., ... & Amodei, D. (2018). L'uso dannoso dell'intelligenza artificiale: previsione, prevenzione e mitigazione. arXiv prestampa arXiv:1802.07228.
  11. Butterworth, M. (2018). L’ICO e l’intelligenza artificiale: il ruolo dell’equità nel quadro del GDPR. Revisione di diritto informatico e sicurezza, 34(2), 257-268.
  12. Chung, YA, Zhang, Y., Han, W., Chiu, CC, Qin, J., Pang, R., & Wu, Y. (2021, dicembre). W2v-bert: Combinazione di apprendimento contrastivo e modellazione linguistica mascherata per la pre-formazione vocale autosuperata. Nel 2021 IEEE Automatic Speech Recognition and Understanding Workshop (ASRU) (pp. 244-250). IEEE. https://huggingface.co/dbmdz/bert-base-italian-xxl-cased
  13. Cortes, C. e Vapnik, V. (1995). Reti di vettori di supporto. Apprendimento automatico, 20(3), 273–297.
  14. Csányi, GM; Nagy, D.; Vági, R.; Vadasz, JP; Orosz, T. Sfide e problemi aperti dell'anonimizzazione dei documenti legali. Simmetria 2021, 13, 1490. DOI: 10.3390/sym13081490
  15. Datajust https://acteurspublics.fr/articles/exclusif-le-ministere-de-la-justice-renonce-a-son-algorithme-datajust
  16. DECRETO LEGISLATIVO n. 28 del 4 marzo 2010, art. 5, “Condizioni di procedibilità e rapporti con il processo”. Disponibile al sito ufficiale: <https://www.gazzettaufficiale.it/eli/id/2010/03/05/010G0050/sg>.
  17. Deeks, A. (2019). La richiesta giudiziaria di un’intelligenza artificiale spiegabile. Columbia Law Review, 119(7), 1829-1850. DOI: 10.7717/peerj-cs.93
  18. Devlin, J., Chang, M.-W., Lee, K. & Toutanova, K. (2018). BERT: Pre-formazione di trasformatori bidirezionali profondi per la comprensione del linguaggio (citare arxiv:1810.04805).
  19. Direzione generale di statistica e analisi organizzativa (DG-Stat) <https://webstat.giustizia.it/SitePages/Home.aspx>.
  20. Doccano, annotazione testuale per esseri umani, https://doccano.herokuapp.com, ultimo accesso 15-10-2023
  21. Garau, C., Nesi, P., Paoli, I., Paolucci, M., & Zamperlin, P. (2020, luglio). Una piattaforma big data per città intelligenti e sostenibili: casi di studio sul monitoraggio ambientale in Europa. In Conferenza internazionale sulla scienza computazionale e le sue applicazioni (pp. 393-406). Cham: Springer International Publishing.
  22. Gu, J., Wang, Z., Kuen, J., Ma, L., Shahroudy, A., Shuai, B., ... e Chen, T. (2018). Recenti progressi nelle reti neurali convoluzionali. Riconoscimento di modelli, 77, 354-377.
  23. Hassan, F., Domingo-Ferrer, J., & Soria-Comas, J. (2018). Anonimizzazione dei dati non strutturati tramite riconoscimento di entità nominate. Decisioni di modellazione per l'intelligenza artificiale.
  24. HLEG, A. (2019). Linee guida etiche per un’intelligenza artificiale affidabile. Gruppo di esperti ad alto livello sull'intelligenza artificiale, 8, della Commissione europea (2019)
  25. Hochreiter, S. e Schmidhuber, J"urgen. (1997). Memoria lunga a breve termine. Neural Computation, 9(8), 1735–1780.
  26. Hsun-Ping Hsieh, Jiawei Jiang, Tzu-Hsin Yang, Renfen Hu e Cheng-Lin Wu. 2022. Predire il successo delle richieste di mediazione utilizzando le proprietà del caso e le informazioni testuali per ridurre l'onere a carico del tribunale. Cifra. Governatore: Ris. Pratica. 2, 4, articolo 30 (ottobre 2021), 18. DOI: 10.1145/3469233
  27. Il progetto OSCAR (Open Super-large Crawled Aggregated coRpus) è un progetto open source che mira a fornire risorse e set di dati multilingue basati sul web per applicazioni di machine learning (ML) e intelligenza artificiale (AI). https://oscar-project.org, accesso il 15-10-2023
  28. Kate Anya Geraghty, Jessica Woodhams. La validità predittiva degli strumenti di valutazione del rischio per le donne delinquenti: una revisione sistematica. Aggressività e comportamento violento. Volume 21, 25-38 (2015). DOI: 10.1016/j.avb.2015.01.002
  29. Katz, Daniel e Bommarito, II e Blackman, Josh. (2016). Un approccio generale per prevedere il comportamento della Corte Suprema degli Stati Uniti. PLOS UNO. 12.10.1371/journal.pone.0174698
  30. LA LEY. Giurimetria. Estratto il 13 marzo 2023 da <https://jurimetria.laleynext.es/content/QueEs.aspx>.
  31. Licari, D., & Comandè, G. (2021). ITALIAN-LEGAL-BERT: un modello linguistico trasformatore pre-addestrato per il diritto italiano. Negli Atti del Knowledge Management for Law Workshop (KM4LAW), 26 settembre 2022, Bolzano, Italia.
  32. Lundberg, SM e Lee, SI (2017). Un approccio unificato per interpretare le previsioni dei modelli. Progressi nei sistemi di elaborazione delle informazioni neurali, 30.
  33. Medvedeva, M., Vols, M., & Wieling, M. (2020). Utilizzo del machine learning per prevedere le decisioni della Corte Europea dei Diritti dell'Uomo. Intelligenza artificiale e diritto, 28, 237-266.
  34. Medvedeva, M., Wieling, M., & Vols, M. (2023). Ripensare il campo della previsione automatica delle decisioni giudiziarie. Intelligenza artificiale e diritto, 31(1), 195-212.
  35. OPUS è una raccolta crescente di testi tradotti dal web https://opus.nlpl.eu, accesso il 15-10-2023
  36. Previsione. <https://predictice.com/fr>.
  37. Progetto Giustizia Agile del PON Governance e Capacità Istituzionale, https://www.unitus.it/it/unitus/mappatura-della-ricerca/articolo/giustizia-agile
  38. Regolamento generale sulla protezione dei dati dell'Unione Europea 2016/679, GDPR. Accesso: 15-10-2023. <https://gdpr.eu/what-is-gdpr/>.
  39. Richterich, A. (2018). L'agenda dei big data: etica dei dati e studi critici sui dati (p. 154). Stampa dell'Università di Westminster.
  40. Sánchez, D. e Batet, M. (2016). C-sanitized: un modello di privacy per la redazione e la sanificazione dei documenti. Giornale dell'Associazione per la scienza e la tecnologia dell'informazione, 67(1), 148-163.
  41. SICID (Sistema Informativo Distrettuale sul Contenzioso Civile): https://www.tribunale.napolinord.giustizia.it/documentazione/D_59023.pdf
  42. Sistemi giudiziari europei – Rapporto di valutazione CEPEJ – Ciclo di valutazione 2022 (dati 2020) <https://rm.coe.int/cepej-report-2020-22-e-eb/1680a86279>.
  43. Super.AI. Documento Redact, https://super.ai/super-redact/document-redact
  44. Vaswani, A., Shazeer, N., Parmar, N., Uszkoreit, J., Jones, L., Gomez, AN, Kaiser, Ł. & Polosukhin, I. (2017). L'attenzione è tutto ciò di cui hai bisogno. In I. Guyon, UV Luxburg, S. Bengio, H. Wallach, R. Fergus, S. Vishwanathan e R. Garnett (a cura di), Advances in Neural Information Processing Systems, 30 (pp. 5998–6008). Curran Associati, Inc.
PDF
  • Publication Year: 2023
  • Pages: 183-212
  • Content License: CC BY 4.0
  • © 2023 Author(s)

XML
  • Publication Year: 2023
  • Content License: CC BY 4.0
  • © 2023 Author(s)

Chapter Information

Chapter Title

Valutazione della propensione alla mediazione tramite eXplainable AI

Authors

Paolo Nesi

Language

Italian

DOI

10.36253/979-12-215-0316-6.13

Peer Reviewed

Publication Year

2023

Copyright Information

© 2023 Author(s)

Content License

CC BY 4.0

Metadata License

CC0 1.0

Bibliographic Information

Book Title

Giustizia sostenibile

Book Subtitle

Sfide organizzative e tecnologiche per una nuova professionalità

Editors

Paola Lucarelli

Peer Reviewed

Number of Pages

270

Publication Year

2023

Copyright Information

© 2023 Author(s)

Content License

CC BY 4.0

Metadata License

CC0 1.0

Publisher Name

Firenze University Press

DOI

10.36253/979-12-215-0316-6

ISBN Print

979-12-215-0315-9

eISBN (pdf)

979-12-215-0316-6

Series Title

Studi e saggi

Series ISSN

2704-6478

Series E-ISSN

2704-5919

16

Fulltext
downloads

22

Views

Export Citation

1,303

Open Access Books

in the Catalogue

1,746

Book Chapters

3,161,365

Fulltext
downloads

3,987

Authors

from 820 Research Institutions

of 63 Nations

63

scientific boards

from 339 Research Institutions

of 43 Nations

1,148

Referees

from 346 Research Institutions

of 37 Nations