Maskinlärande för jurister

Maskinlärande har blivit allt vanligare som metod i samhällsvetenskaplig forskning – se artiklarna ”Machine Learning: An Applied Econometric Approach” och ”The Impact of Machine Learning on Economics” för bra introduktioner till användning inom nationalekonomin. Nu dras även juridiken in i denna metods användningsområden! Det är Daniel Chen som i ”Machine Learning and the Rule of Law” skriver:

Predictive judicial analytics holds the promise of increasing the fairness of law. Much empirical work observes inconsistencies in judicial behavior. By predicting judicial decisions—with more or less accuracy depending on judicial attributes or case characteristics—machine learning offers an approach to detecting when judges most likely to allow extralegal biases to influence their decision making. In particular, low predictive accuracy may identify cases of judicial “indifference,” where case characteristics (interacting with judicial attributes) do no strongly dispose a judge in favor of one or another outcome. In such cases, biases may hold greater sway, implicating the fairness of the legal system.

Tanken är alltså att maskinlärande ska kunna bidra till att klarlägga när det finns risk för att domare dömer på godtyckliga eller fördomsfulla grunder. Då detta bör kunna öka rättvisan i domslut (om insikterna inkorporeras i juridisk utbildning och praxis) kan det troligen också stärka förtroendet för rättsväsendet, vilket i sin tur torde vara viktigt även för social tillit.