Работа Холмса предоставляет удивительно богатый источник аналогий, с помощью которой можно понять революцию в машинном обучении. Основная её цель включить машинное обучение в более широкие течения интеллектуального развития, к которым оно принадлежит.
Концепция права Холмса, которая влияла на юридическую мысль почти полтора столетия, имеет концептуальную форму и структуру, сходную с той, которая вычислительная техника приобрела последние достижения в области машинного обучения. Одна из целей этого утверждения — провести аналогию между изменением того, как люди думают о праве, и изменением, которое люди должны принять в своих представлениях о том, как работают компьютеры, если они хотят понять, как работают компьютеры в нынешнюю эпоху машинного обучения.
Ведь машинное обучение, это метод, лежащий в основе нынешней революции в области искусственного интеллекта, который может служить широкому кругу потребителей. Люди практически из всех слоев общества почувствуют ее влияние в ближайшие годы.
Машинное обучение имеет отличие от традиционного алгоритмического программирования — разница между ними поразительно похожа на разницу между индуктивным, основанным на опыте подходов к праву, который так незабываемо сформулировал Холмс, и формалистическим, основанным на тексте подходов, который этот юрист противопоставил своему собственному.Таким образом, закон и вычислительная техника информируют друг друга в рамках двух революций в мышлении и методе. Однако главная задача состоит в том, чтобы способствовать лучшему пониманию машинного обучения и локализовать эту революцию в ее более широком контексте по аналогии с предшествующей революцией в юриспруденции.
Но что же такое машинное обучение? Один из способов понять, что такое машинное обучение, - перечислить, что оно делает.
Влияние машинного обучения затронуло не только юриспруденцию, но и остальные отрасли. Исследования практического применения ИИ, в том числе в юриспруденции, были активизированы достижениями, достигнутыми в области машинного обучения в последние годы. За последние несколько лет, кажется, не проходит и дня, чтобы кто-нибудь не предположил, что искусственный интеллект может дополнить или даже заменить людей в функциях, которых юристы, присяжные и судьи выполняли на протяжении веков. В расширяющейся литературе рассматриваются задачи, для решения которых юридические учреждения и люди, которые их составляют, используют ИИ или могут использовать в будущем, а также стратегии, которые используют или могут использовать разработчики программного обеспечения в будущем, чтобы использовать ИИ для решения таких задач. Другими словами, сегодня много пишут об ИИ и праве как таковом. Применение ИИ в юриспруденции, безусловно, вызвало интеллектуальное брожение, определенные практические изменения и предположения о том, какие дальнейшие изменения могут произойти.
Наша цель в этой книге — объяснить, как работает машинное обучение, проводя аналогию с законом, следуя предположению Холмса о том, что связи в разных областях могут помочь людям понять незнакомые концепции. Тем не менее, интересно отметить историческую связь между правом и математическими науками: развитием вероятностного мышления.
Возможно, удивительно узнать о связи между теорией вероятностей и законом. Фактически, создателями математической вероятности были либо профессиональные юристы (Ферма, Гюйгенс, де Витт), либо сыновья юристов (Кардано и Паскаль).
Лейбниц разработал свою естественную юриспруденцию, чтобы математически рассуждать о весе доказательств в юридической аргументации, тем самым систематизируя идеи, которые начались с глоссаторов римского права в двенадцатом веке.
Примерно в то время, когда Паскаль сформулировал свое знаменитое пари о вере в Бога, Лейбниц подумал о применении числовых вероятностей к юридическим проблемам.
Однако вероятностное мышление - это не только историческая связь между юриспруденцией и математическими науками. Это также движущая сила двух современных революций, к которым мы обращаемся.
Теория вероятностей является одной из самых важным основоположников машинного обучения.
Холмс, в частности, в своем понимании закона как предсказания, сформированного на основе поиска закономерностей в опыте, предлагает удивительно мощные аналогии для машинного обучения.Читая Холмса с учетом машинного обучения, мы извлекаем уроки из проблем. Машинное обучение - это революция в мышлении, и оно заслуживает того, чтобы его понимали гораздо шире и рассматривали в более широком контексте.
Источники:
Thomas D. Grant, 03 June 2020, «Two Revolutions», Retrieved from https://link.springer.com/chapter/10.1007/978-3-030-43582-0_1
Comments