Search

La relación entre Derecho e inteligencia artificial es bidireccional. De un lado, aquella se ha convertido en una materia objeto de atención preferente por parte del jurista, preocupado por establecer un marco jurídico adecuado para hacer frente a sus riesgos. Asistimos así al surgimiento de un incipiente “Derecho de la inteligencia artificial”. Pero, de otro, la propia actividad jurídica está comenzando a ser transformada como consecuencia de la paulatina introducción de “la inteligencia artificial en el Derecho”. La combinación de las técnicas de big data, aprendizaje automático y procesamiento del lenguaje natural está permitiendo el diseño de herramientas para automatizar tareas jurídicas que hasta ahora sólo podían ser realizadas por juristas expertos. El desarrollo de esta “inteligencia artificial jurídica” presenta ciertas dificultades, debido fundamentalmente a las peculiaridades del razonamiento jurídico. En el trabajo se exponen algunos de los principales sistemas de inteligencia artificial jurídica -plataformas de búsqueda de respuestas jurídicas, herramientas de codificación predictiva y aplicaciones de análisis predictivo-, subrayando sus singularidades y sus aportaciones al arsenal metodológico del jurista. The relationship between law and artificial intelligence is bidirectional. On the one hand, it has become a preferred object of lawyers’ attention, who are concerned with establishing an adequate legal framework to face its risks. We are thus witnessing the emergence of an incipient "Artificial Intelligence Law". On the other hand, the legal activity itself is beginning to be transformed as a consequence of the gradual introduction of “artificial intelligence in the Law”. The combination of big data, machine learning and natural language processing techniques is allowing the design of tools automating legal tasks that until now could only be performed by expert jurists. The development of this "legal artificial intelligence" presents certain difficulties, mainly due to the peculiarities of legal reasoning. In this paper, the author presents some of the main legal artificial intelligence systems, namely platforms for seeking legal answers, predictive codification tools and predictive analysis applications. He highlights their singularities and their contributions to the methodological arsenal of the jurist. Pravna umetna inteligenca. Nova orodja in metodološke perspektive za pravnike. Odnos med pravom in umetno inteligenco je dvosmeren. Po eni strani je umetna inteligenca postala privilegiran predmet pozornosti pravnikov, ki se ukvarjajo z vzpostavitvijo ustreznega pravnega okvirja za soočanje s tveganji, ki jih prva predstavlja. Tako smo priča začetnemu razvoju »prava umetne inteligence«. Po drugi strani pa se sama dejavnost pravnikov spreminja na račun postopnega razvoja »umetne inteligence v pravu«. Kombinacija velikega podatkovja, strojnega učenja ter tehnik obdelave naravnega jezika omogoča razvoj orodij za avtomatizacijo pravnih nalog, ki so jih do nedavno lahko opravljali le izkušeni pravniki. Razvoj te »pravne umetne inteligence« predstavlja določene težave, predvsem zaradi posebnosti pravnega razlogovanja. Avtor v tem članku predstavi nekatere osrednje pravne sisteme umetne inteligence, in sicer platforme za iskanje pravnih odgovorov, orodja prediktivne kodifikacije ter aplikacije prediktivne analize. Pri tem poudari njihove posebnosti ter njihov prispevek k metodološkemu instrumentariju pravnikov.

Los sistemas de búsqueda de respuestas (SBR) son una alternativa a los tradicionales sistemas de recuperación de información tratando de ofrecer respuestas precisas y comprensibles a preguntas factuales, en lugar de presentar al usuario una lista de documentos relacionados con su búsqueda. Se ha evaluado la eficacia de cuatro SBR disponibles en la Web —QuALiM, SEMOTE, START, y TrueKnowledge—, mediante una amplia muestra de preguntas de definición, factuales y de lista, pertenecientes a distintos dominios temáticos. Se utilizó una colección de 500 preguntas cuyas respuestas fueron valoradas por los usuarios y, posteriormente, se aplicaron varias medidas para su evaluación (MRR, TRR, FHS, MAP y precisión). Se observa que START y TrueKnowledge presentan un nivel aceptable de respuestas correctas, precisas y en una secuencia bien ordenada. Los resultados obtenidos revelan el potencial de esta clase de herramientas en el ámbito del acceso y la recuperación de información de dominio general., Information overload is felt more strongly on the Web than elsewhere. Question-answering systems (QA systems) are considered as an alternative to traditional information retrieval systems, because they give correct and understandable answers rather than just offering a list of documents. Four answer search systems available online have been analyzed: START, QuALiM, SEMOTE, and TrueKnowledge. They were analyzed through a wide range of questions that prompted responses of definitions, facts, and closed lists pertaining to different thematic areas. The answers were analyzed using several specific measurements (MRR, TRR, FHS, MAP and precision). The results are encouraging and they show that these systems, although each one different, are potentially valid for precise information retrieval of diverse types and thematic areas.

En este trabajo, proponemos la integración de un sistema de reconocimiento, resolución y normalización de expresiones temporales en un sistema de búsqueda de respuestas para español. Las fases de análisis de la pregunta y de extracción de respuestas han sido adaptadas a las nuevas capacidades del sistema para la detección e inferencia temporal. Dicho sistema ha sido evaluado a través de un corpus de preguntas propuesto para la tarea principal de QA@CLEF2008. Los resultados obtenidos muestran mejoras relativamente significativas tanto en la cantidad de las respuestas acertadas como en la calidad de las mismas. This work proposes the integration of a temporal expressions recognition, resolution and normalization system into a question answering system for Spanish. Both question analysis and answer extraction stages have been adapted to the new capabilities for temporal detection and inference of the system. It has been evaluated by means of a corpus composed of questions that has been originally developed for the main task of QA@CLEF2008. The obtained results show quite significant improvements both in terms of quantity of correct answers and in the quality of them. Este trabajo ha sido parcialmente financiado por la Comunidad de Madrid bajo la Red de Investigación MAVIR (S-0505/TIC-0267), y por el Ministerio de Educación en el marco del proyecto BRAVO (TIN2007-67407-C3-01).

En este trabajo presentamos AQA, un modelo multilingüe de anotación de expresiones anafóricas, ideado para ser utilizado en Aprendizaje Automático para mejorar los sistemas de Búsqueda de Repuestas. Con este modelo se ha anotado la colección de preguntas-respuestas del CLEF 2008, concretamente en los idiomas español, italiano e inglés. AQA está inspirado en el meta-modelo MATE, ajustado a nuestras necesidades. Con AQA se especifica la relación entre la anáfora y su antecedente (que puede ser directa o indirecta), las agrupaciones por tópico y cambios de subtópico, así como diferentes tipos de anáforas (pronominal, adverbial, superficial, descripciones definidas y elipsis). Se ha realizado una anotación ciega entre dos anotadores más un árbitro que decide en caso de desacuerdo. Los resultados de la evaluación muestran un 87% de acuerdo entre los anotadores. Algunos problemas de anotación serán expuestos en el trabajo. Nuestra finalidad es ampliar este modelo a otras lenguas y otros corpus, y aplicarlo finalmente en el desarrollo de un sistema de resolución de la anáfora en preguntas-respuestas multilingüe basado en técnicas de aprendizaje automático para mejorar la interacción hombre-máquina. This paper presents AQA, a multilingual anaphora annotation scheme that can be applied in Machine Learning for the improvement of Question Answering systems. It has been used to annotate the collection of CLEF 2008 in Spanish, Italian and English. AQA is inspired by the MATE meta-model, which has been adjusted to our needs. By using AQA we specify the relationship between the anaphora and its antecedent, cases of topic and subtopic, and we label different types of anaphoric expressions. A blind annotation was carried out by two annotators, and a referee for solving cases of disagreement. The results of the evaluation show an 87% level of inter-annotator agreement. Some annotation problems will be reported in this paper. Our aim is to extend this model to other languages, and to apply it to the development of an Anaphora Resolution system based on Machine Learning techniques in order to improve a real human machine-interaction. This paper has been supported by the following projects: “Question Answering Learning technologies in a multiLingual and Multimodal Environment QALL-ME” (FP6 IST-033860), “Intelligent, Interactive and Multilingual Text Mining based on Human Language Technologies, TEXT-MESS” (TIN2006-15265-C06-01), by the Generalitat Valenciana throught the research grant BFPI06/182, and by the grant BII2008-7898717 of the University of Alicante.

La finalidad de este artículo consiste en analizar los efectos de aplicar técnicas de resolución de la anáfora pronominal en Sistemas de Búsqueda de Respuestas sobre dominios no restringidos (open domain Question Answering Systems - QA). Para ello, se ha implementado un sistema completo de QA y se analiza cómo varía su comportamiento al resolver la anáfora pronominal. Las pruebas se han efectuado sobre una colección de textos escritos en inglés. La evaluación del sistema demuestra que las medidas del rendimiento del sistema mejoran cuando se tiene en cuenta la información referida anafóricamente en los documentos.