Pravo v dobi velikega podatkovja : ali lahko računalnik sodi bolje kot sodnik?

Dne 31.8.2015 se je na Pravni fakulteti Univerze v Ljubljani odvijal kolokvij na temo velikega podatkovja v sodstvu. Uvodni nagovor je vodil izr. prof. dr. Matjaž Jager (direktor Inštituta za kriminologijo pri Pravni fakulteti v Ljubljani), katerega glavna misel je bila, da veliko podatkovje prinaša bolj humano reševanje sodnih problemov. 

 doc. dr. Aleš Završnik, Inštitut za kriminologijo: Uvod v kolokvij in predstavitev raziskave »Pravo v dobi velikih podatkov« 

Veliko podatkovje ni nekaj novega. Evropska komisija je o njem podala mnenje, da smo priča novi industrijski revoluciji, za nove ideje in rešitve ali bolj natančno za napovedovanje prihodnjih dogodkov. Raziskovalni projekt »Pravo v dobi velikih podatkov« je v Sloveniji financiran s strani ARRS. G. Završnik je izpostavil pametna mesta, kjer državljani služijo kot senzorji, preko katerih se s pomočjo povezav na internet zbira podatke o njihovem vedenju. Podobno deluje tudi internet stvari, pri katerem je posamezna naprava (npr. hladilnik) povezana s spletom, preko katerega uporabnik dobi povratne informacije o možnih rešitvah. (npr. Zmanjkalo je masla, kupi ga!) Fascinantno je tudi dejstvo, da kar 70% vsega delovanja političnega sistema v ZDA opravljajo računalniki. Veliko podatkovje se uporablja na področjih kot so: nadzor javne porabe (npr. Supervizor), naročnine, ločitve, »off-line« trgovina, inteligentna video-analitika, povezana prodaja artiklov (ang. Guess), tarčni sistem (ang. Target), predvidevanje izbruhov pandemij, … 

Novosti, ki jih veliko podatkovje prinaša so predvsem v napovedih, ali ritmičnih napovedovanjih in ponovni rabi podatkov. Odpira se tudi veliko tem za debato glede lastništva podatkov, varstva osebnih podatkov, varstva potrošnikov in varnosti podatkov. 

Izzivi in tveganja nastopajo pri izgradnji algoritmov, diskriminaciji in družbenem sortiranju, nezaželeni asimetriji informacij. Ukvarjamo se z »algoritmično vojno« proti kriminaliteti, transparentnostjo odločanja ( računalnik proti sodnik) in prevzemanjem odgovornosti za odločitve (računalnik/sodnik/ matematiki, ki so sestavili algoritem), Tako v sodstvu prehajamo iz ex post facto v ex ante preventivne ukrepe. 

 doc. dr. Jure Leskovec, Univerza Stanford (ZDA): Zakaj se sodniki motijo? Uporaba pristopov velikega podatkovja v pravosodnem sistemu  

G. Leskovec je predstavil projekt izdelave programa, ki pomaga pri odločanju o napotitvi obsojenca v pripor. Sodniki namreč ocenjujejo verjetnost, da bo obtoženi storil novo kaznivo dejanje. Gre za napoved prihodnosti, saj tu sodnik ne odloča o krivdi, ampak o prihodnjem obnašanju obtoženca. Pri projektu so ustvarili 4 različne podatkovne baze različnih kazenskih primerov, pri čemer so izhajali iz kriminalne kartoteke obtoženca. Uporabljali so 40 v naprej določenih administrativnih karakteristik obsojencev, zato sodnikove napovedi niso nujno skladne z odločitvijo računalnika. Računalnik ima namreč dostop zgolj do neke podmnožice podatkov s katero razpolaga sodnik. Napovedati so želeli dogodke kot so: 1.) obtoženi ne bo prišel na sojenje, 2.) obtoženi bo storil novo kaznivo dejanje, 3.) obtoženi bo storil novo nasilno kaznivo dejanje, 4.) ali se lahko zgodi nekaj od zgoraj naštetega. Podatki zajemajo 362.713 primerov iz Kentucky-ja in 1.116.946 primerov iz zveznega podkazenskega sistema ZDA, ter veljajo za obdobje oktober 2008. 

Njihova metodologija je vsebovala veliko število obtožencev opisanih s karakteristikami, za katere vemo koliko in katere so izpustili ter katere ne. Bazo podatkov so razdelili na dva dela od katerih je bila prva polovica namenjena učenju, druga pa napovedi storitve ponovnega kaznivega dejanja. Napovedni sistem je vseboval odločitvena drevesa, v katerih se v listih nahajajo verjetnosti, da obtoženec ne bo storil kriminalnega dejanja med čakanjem na sojenje.



Težava tu nastopi, ker le za obsojenca, ki smo ga izpustili vemo, ali bo na prostosti v resnici storil kakšno kaznivo dejanje ali ne. Rešitev pa je v tem, da za priprte ljudi skušamo ocenit verjetnost storjenega prekrška v prihodnosti. Rezultati analize so pokazali, da sodniške odločitve prinesejo k 17% kriminalu, odločitve računalnika pa ta odstotek znižajo na 10%. 

V drugem primeru so namesto, da bi napovedovali, kaj bo naredil obtoženec, zgradili model, ki posnema sodnika. Model bi premagal sodnika le v primeru, če le-ta napačno uporablja subjektivne karakteristike. Rezultati so pokazali, da računalniški model sodnika človeškega sodnika premaga za 35%. 

Ideja je, da gre pri dotičnem projektu za novo orodje, ki pripomore k razumevanju različnih področji, kjer ljudje sprejemajo odločitve. Moč algoritmov se kaže predvsem v tem, da pomagajo razumeti ali so človeške odločitve napačne in hkrati skušajo pomagati pri pravilnih odločitvah.

(op.a. Posnetek predavanja lahko poslušate na: http://podatkovje.blogspot.com/2015/08/posnetek-predavanja-jureta-leskovca-na.html )  

dr. Matej Kovačič, Institut Jožef Stefan: Zakonodajni monitor 

Zakonodajni monitor je projekt Inštituta Jože Štefan. Njihova ideja je bila, kako nestrukturirane podatke povezati v nek celoten sistem. Zajema podatke od  kako se je pojavila potreba po novem zakonu, odzivih in spremembah v parlamentu, do kako se je zakonodaja spreminjala ter kako se je v praksi uporabljala. Stran je trenutno še v testni rabi, zajema pa sklope: zakonodajna sled, pregled poslancev in lobistični stiki. V prihodnje želijo vsak zakon razbiti na posamezne odstavke in omogočiti vpogled kako so se posamezni členi spreminjali skozi čas ter kakšni so bili vplivi med sprejemanjem posameznih členov zakonov na dotični zakon. Zaradi nestrukturiranosti podatkov so primorani uporabljati metode umetne inteligence. V prihodnost želijo vključiti tudi statistike kriminalitete in iskalnik po sodnih odločitvah.
Predavanja so se  zaključila z okroglo mizo.

Iz bibliotekarskega stališča  pa so zanimiva predvsem glede tega, ker odpirajo številna nova vprašanja na temo obdelave velikega podatkovja, njihovega lastništva, tako varstva, kakor varnosti podatkov in pojmovanja napovedi dogodkov s pomočjo ustreznih matematičnih algoritmov.