机构名称：
¥ 3.0
人工智能（AI），尤其是机器学习，承诺为立法者提供更具体的信息和更少的错误。算法立法和审判将利用从大量数据中构建的模型，这些模型允许创建和应用精细调整的规则。因此，人工智能被视为将带来从标准到规则的转变。本文借鉴当代数据科学，表明当过去与未来不同时，机器学习就不那么令人印象深刻了，就像随着时间的推移出现新的变量一样。在缺乏规律性的情况下，机器学习失去了优势，因此，较宽松的标准可能会优于规则。我们将这一见解应用于保释和量刑决定，以及熟悉的公司和合同法规则。更一般地说，我们表明，人机结合可能优于单独行动的人工智能。正如今天的法官推翻错误和过时的先例一样，明天的立法者将在存在测量挑战的法律领域明智地推翻人工智能。当测量简单明了且预测准确时，规则将占上风。当经验限制（例如过度拟合、辛普森悖论和遗漏变量）使测量变得困难时，人工智能就不应该受到信任，法律应该让位于标准。我们向读者介绍了逆转悖论现象，并建议在法律领域，由于海量数据集很少，不应期望人工智能超越人类。但更普遍地说，在可能存在经验限制（包括过度拟合和遗漏变量）的地方，人工智能应该被低估。
人工智能对规则的影响......
主要关键词
相关文件推荐
