ASHLEY - Inteligencia artificial y analítica jurídico

avrect

UA DERECHO, ECONOM z

£ INTELIGENCIA ARTIFICIAL Y ANALÍT$ ICA JURI$D ICA Nuevas herramientas para la práctica del Derecho en la era digital

O A O O O O O O O O O O O ¿ 0 2 00 00 00 00 0 0 2 00 0 000 900 200 0 0 0 R0 D 0 DR O ¿A0 OR R D A0 0 O ROA D 0 R0 RO C0 D R0 O OD 0 - 0 0 - 0 = - = 0 0 0 = 0 0 = 0 = - = 0 0 0 = 0 0 = 0 = — = 0 0 0 A= 0 O0 = = - 0 0 = - 0 = - = 0 0 0 - 0 0 - 0 - = - 0 0 0 = - 0 0 - 0 = - = - 0 0 0 - 0 0 - 0 = - = - 0 0 0 - 0 0 - 0 - - O 0 = 0 0 = 0 = = 0 0 0 = 0 0 = 5 0 = = 0 0 0 = 0 0 = 5 0 = = 0 0 0 = 0 0 = 0 = = 0 0 0 = - - 0 0 0 = - 0 0 - 0 = - - 0 0 0 = - 0 0 - 0 5 = - = 0 0 0 - 0 0 - 0 - - 0 0 0 2 = 0 0 0 = 0 0 = 0 = = 0 0 0 = 0 0 = 0 = = 0 0 0 = 0 0 = 0 = = 0 0 0 = 0 0 = 0 = = 0 0 0 = 0 0 D - 0 = = 0 0 0 = 0 0 = 0 = = 0 0 0 = 0 0 = 0 9 0 = = 0 0 0 = 0 0 = 0 = = 0 0 0 = 0 0 = 0 = = 0 0 0 " - - 8 5 - 0 - - 0 0 0 - 0 6 5 - 0 - - 5 0 0 - 0 0 - 0 — - 0 0 5 0 - 0 5 0 - 6 5 - - 0 5 0 6 0 - 6 0 0 - 0 - ¿ 0 - 0 - - 0 0 0 - 0 0 - 0 - - 0 0 0 - 0 0 - 0 - - 0 0 0 - 0 0 - 0 - - 0 6 0 0 - 0 0 - 0 - - 0 0 D 0 = - = - 0 0 0 = 0 0 = 0 = = 0 0 0 = 0 0 D = 0 = = 0 0 0 = 0 0 = 0 = = 0 0 0 = 0 0 = 0 = = D 0 0 6 5 = - 0 0 = - 0 = - = - 0 0 0 = - 0 5 0 = - 0 = - = - 0 6 0 0 - 0 0 - 6 0 = - = 0 0 0 = - 0 6 0 - 0 = = 0 0 0 - 0 - - 0 0 0 - 0 0 - 0 5 — - 0 0 0 - 0 0 - 0 - - 0 0 00 20 0 0 0 = 0 0 0 = 0 0 = 0 9 = = 0 0 0 = 0 0 = 0 5 = = 0 0 0 = 0 0 = 0 = = 0 0 0 = 0 0 = 0 = = 0 0 0 = O 0 D ¿ 0 0 0 00 - 0 00 00 0 0 0 0 0 O O O O O O R O | 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 - 0 0 0 - - 0 0 0 - 0 0 - 0 O - - 0 0 0 - 0 0 - 0 - 0 = = 0 0 0 - 0 0 = - 0 = = 0 0 0 = 0 0 = 0 = = 0 0 0 = 0 0 = 0 = = 0 0 0 = - 0 0 = 0 = = 0 0 D 5 0 0 - 0 = - = 9 0 0 0 - 0 0 > - 0 = = 0 0 0 = - 0 0 = 0 = = 0 0 0 = 0 0 = 0 = = 0 0 0 = 0 0 = 0 9 = = D - 0 - - 0 0 0 - 0 0 - 0 - - 0 0 9 0 0 - 0 0 - 0 - - 9 0 0 - 0 0 - 0 - - 0 0 0 - - 0 0 5 - 0 0 - 0 = - - 0 0 0 - 0 0 - 0 = = 0 0 0 - 0 0 - 6 = - - 0 0 0 - 5 0 0 - 0 0 > - 0 - - 0 0 0 - 0 0 - 0 - - 0 0 0 - 0 0 - 0 5 — - - 0 0 0 - 0 0 - 0 - - 0 0 0 - 0 0 - - - 0 0 0 - 0 0 - 0 = = 0 0 0 - 0 0 - 0 = = - 0 0 0 = - 0 0 - 0 = = - 0 0 0 - 0 0 - 0 - = - 0 0 0 - 0 = - 0 0 = - = 0 = = 0 0 0 = 0 0 = - = 0 = = 0 0 0 = 0 0 = 0 = = 0 0 0 = 0 0 = 0 = = 0 0 0 = 0 0 D = 0 ¿ Ai id i aii - 0 0 - 0 9 - - 0 0 0 9 0 - 0 0 - 0 9 0 - = - 0 0 0 - 0 0 - 0 - - 0 0 0 - 0 0 - 0 9 = - - 0 0 0 9 - 0 0 - 0 D - - S o vTOTRanior

. 01o o o m o o0 0 o 1 o

n11

0 o a aa a a0 1 1 1 11 1 1 04 110 00 01 -000==0=00=000==0=00=00 01 ¿0=00=0500=-=5=050=500=-=09-=0 00o o o o 1 o -c565--56-51 1 1 ] 65-5565--5-56555-= 10 0--0-00-01 00--=0-00-000-=-0 0 1 000==o=00=000==5=00 0 0 2000--05-00-0 0 0 -DO=000==0=00=000==05=-00= 0 -2000=-=0-00-000-=-=0-00-00 A Ai 000==0=00=000==5=00=000==0=00=-=000==0=00=000==0=0 D==0=00=000==0=D00=000==0=00=000==50=00=000==0=-00 -000--0-00—-000--0-00-000-—0-00-000--0 2000--0-00-000--0-00-000--0-00-000—— -00-=000-=-=0-00-000=-=0=00-000-=-0-900-000-=-=0-=00-00 ¿DARRO DORIA RR DORIA RR OR OR ÉÁ RDOPR APAÁPÁÑkDPÁk O A OOO U R DO OOO O OOO RO O OO UU O O -000--0-00-000--0-00-000--=0-00-000--0-00-000 -000==0=00=000==0=00=000==0=0 IO OO DROO O OOORO RO O OR O O RO OR ROO U O O “D00==0=00=000==0=00=000==0=00=000==0=00=000= ¿00=000==0=00=000==0=00="000==0=00=000==0=00=000 -000==0=00=000==0=00=000=-=0=00=-=000=-=0-00=00 -0-00-0600--600-000--6-00-005--0-00-000--6-050-00

Kevin D. Ashley Traducción de Matías P armigiani avrect

UA DERECHO, ECONOM z

£ INTELIGENCIA ARTIFICIAL Y ANALÍT$ ICA JURI$D ICA Nuevas herramientas para la práctica del Derecho en la era digital

O A O O O O O O O O O O O ¿ 0 2 00 00 00 00 0 0 2 00 0 000 900 200 0 0 0 R0 D 0 DR O ¿A0 OR R D A0 0 O ROA D 0 R0 RO C0 D R0 O OD 0 - 0 0 - 0 = - = 0 0 0 = 0 0 = 0 = - = 0 0 0 = 0 0 = 0 = — = 0 0 0 A= 0 O0 = = - 0 0 = - 0 = - = 0 0 0 - 0 0 - 0 - = - 0 0 0 = - 0 0 - 0 = - = - 0 0 0 - 0 0 - 0 = - = - 0 0 0 - 0 0 - 0 - - O 0 = 0 0 = 0 = = 0 0 0 = 0 0 = 5 0 = = 0 0 0 = 0 0 = 5 0 = = 0 0 0 = 0 0 = 0 = = 0 0 0 = - - 0 0 0 = - 0 0 - 0 = - - 0 0 0 = - 0 0 - 0 5 = - = 0 0 0 - 0 0 - 0 - - 0 0 0 2 = 0 0 0 = 0 0 = 0 = = 0 0 0 = 0 0 = 0 = = 0 0 0 = 0 0 = 0 = = 0 0 0 = 0 0 = 0 = = 0 0 0 = 0 0 D - 0 = = 0 0 0 = 0 0 = 0 = = 0 0 0 = 0 0 = 0 9 0 = = 0 0 0 = 0 0 = 0 = = 0 0 0 = 0 0 = 0 = = 0 0 0 " - - 8 5 - 0 - - 0 0 0 - 0 6 5 - 0 - - 5 0 0 - 0 0 - 0 — - 0 0 5 0 - 0 5 0 - 6 5 - - 0 5 0 6 0 - 6 0 0 - 0 - ¿ 0 - 0 - - 0 0 0 - 0 0 - 0 - - 0 0 0 - 0 0 - 0 - - 0 0 0 - 0 0 - 0 - - 0 6 0 0 - 0 0 - 0 - - 0 0 D 0 = - = - 0 0 0 = 0 0 = 0 = = 0 0 0 = 0 0 D = 0 = = 0 0 0 = 0 0 = 0 = = 0 0 0 = 0 0 = 0 = = D 0 0 6 5 = - 0 0 = - 0 = - = - 0 0 0 = - 0 5 0 = - 0 = - = - 0 6 0 0 - 0 0 - 6 0 = - = 0 0 0 = - 0 6 0 - 0 = = 0 0 0 - 0 - - 0 0 0 - 0 0 - 0 5 — - 0 0 0 - 0 0 - 0 - - 0 0 00 20 0 0 0 = 0 0 0 = 0 0 = 0 9 = = 0 0 0 = 0 0 = 0 5 = = 0 0 0 = 0 0 = 0 = = 0 0 0 = 0 0 = 0 = = 0 0 0 = O 0 D ¿ 0 0 0 00 - 0 00 00 0 0 0 0 0 O O O O O O R O | 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 - 0 0 0 - - 0 0 0 - 0 0 - 0 O - - 0 0 0 - 0 0 - 0 - 0 = = 0 0 0 - 0 0 = - 0 = = 0 0 0 = 0 0 = 0 = = 0 0 0 = 0 0 = 0 = = 0 0 0 = - 0 0 = 0 = = 0 0 D 5 0 0 - 0 = - = 9 0 0 0 - 0 0 > - 0 = = 0 0 0 = - 0 0 = 0 = = 0 0 0 = 0 0 = 0 = = 0 0 0 = 0 0 = 0 9 = = D - 0 - - 0 0 0 - 0 0 - 0 - - 0 0 9 0 0 - 0 0 - 0 - - 9 0 0 - 0 0 - 0 - - 0 0 0 - - 0 0 5 - 0 0 - 0 = - - 0 0 0 - 0 0 - 0 = = 0 0 0 - 0 0 - 6 = - - 0 0 0 - 5 0 0 - 0 0 > - 0 - - 0 0 0 - 0 0 - 0 - - 0 0 0 - 0 0 - 0 5 — - - 0 0 0 - 0 0 - 0 - - 0 0 0 - 0 0 - - - 0 0 0 - 0 0 - 0 = = 0 0 0 - 0 0 - 0 = = - 0 0 0 = - 0 0 - 0 = = - 0 0 0 - 0 0 - 0 - = - 0 0 0 - 0 = - 0 0 = - = 0 = = 0 0 0 = 0 0 = - = 0 = = 0 0 0 = 0 0 = 0 = = 0 0 0 = 0 0 = 0 = = 0 0 0 = 0 0 D = 0 ¿ Ai id i aii - 0 0 - 0 9 - - 0 0 0 9 0 - 0 0 - 0 9 0 - = - 0 0 0 - 0 0 - 0 - - 0 0 0 - 0 0 - 0 9 = - - 0 0 0 9 - 0 0 - 0 D - - S o vTOTRanior

. 01o o o m o o0 0 o 1 o

n11

0 o a aa a a0 1 1 1 11 1 1 04 110 00 01 -000==0=00=000==0=00=00 01 ¿0=00=0500=-=5=050=500=-=09-=0 00o o o o 1 o -c565--56-51 1 1 ] 65-5565--5-56555-= 10 0--0-00-01 00--=0-00-000-=-0 0 1 000==o=00=000==5=00 0 0 2000--05-00-0 0 0 -DO=000==0=00=000==05=-00= 0 -2000=-=0-00-000-=-=0-00-00 A Ai 000==0=00=000==5=00=000==0=00=-=000==0=00=000==0=0 D==0=00=000==0=D00=000==0=00=000==50=00=000==0=-00 -000--0-00—-000--0-00-000-—0-00-000--0 2000--0-00-000--0-00-000--0-00-000—— -00-=000-=-=0-00-000=-=0=00-000-=-0-900-000-=-=0-=00-00 ¿DARRO DORIA RR DORIA RR OR OR ÉÁ RDOPR APAÁPÁÑkDPÁk O A OOO U R DO OOO O OOO RO O OO UU O O -000--0-00-000--0-00-000--=0-00-000--0-00-000 -000==0=00=000==0=00=000==0=0 IO OO DROO O OOORO RO O OR O O RO OR ROO U O O “D00==0=00=000==0=00=000==0=00=000==0=00=000= ¿00=000==0=00=000==0=00="000==0=00=000==0=00=000 -000==0=00=000==0=00=000=-=0=00=-=000=-=0-00=00 -0-00-0600--600-000--6-00-005--0-00-000--6-050-00

Kevin D. Ashley Traducción de Matías P armigiani UA DERECHO, ECONOMÍA Y TECH ú Z Ú KEVIN D, ASHLEY Inteligencia artificial y analítica jurídica Nuevas herramientas para la práctica del Derecho en la era digital Traducción de Matías Parmigiani VACHAY legal ca PUCP

LIMA. 2023

Consejo Editorial Thibault Schrepel (Holanda) Melissa Zupan (Pery, Coordinador Gabriel E, Uscamayta - 2Inteligencia artificial y analítica jurídica Nuevas herramientas para la práctica del Derecho en la era digital © Kevin D. Ashley, 2023 Esta traducción de “Artificial Intelligence and Legal Analytics” ha sido publicada en acuerdo con Cambridge University Press.

Coordinadores del volumen: Gabriel E. Uscamayta | Lucía León Pacheco Traducción de la obra original: “Artificial Intelligence and Legal Analytics.

New Tools for Law Practice in the Digital Age” (Cambridge University Press, 2017) © Traducción de Matías Parmigiani Revisión de la traducción: Lucía León Pacheco © Corporación Yachay SAC Yachay Legal - Primera edición digital, noviembre de 2023

ISBN: 9786124930041

Con el respaldo institucional de la Facultad de Derecho de la Pontificia Universidad Católica del Perú Hecho el Depósito Legal en la Biblioteca Nacional del Perú N.° 2023-12158 ©2023: Corporación Yachay SAC Para su sello editorial YACHAY LEGAL Calle Andalucía 119 - Of. 302, Pueblo Libre - Lima 15084 – Perú Telf. (+51) 963 576 341 | info@yachaylegal.com

Diseño de portada y diagramación: Kemberson Domínguez Herrera

Asesoría temática: Andrés H. Ríos Jara

Marketing y publicidad: Robert C. Ríos Jara

Cuidado de la edición: Adriana J. Mallqui Luzquiños Acerca de la edición impresa: Yachay Legal - Primera edición, julio de 2023 | ISBN: 9786124930027

Todos los derechos reservados. Queda prohibida la reproducción total o parcial de esta obra, bajo ninguna forma o medio, electrónico o impreso, incluyendo fotocopiado, grabado o almacenado en algún sistema informático, sin el consentimiento por escrito de los titulares del Copyright. www.YACHAYLEGAL.com Para Alida, por siempre Contenido

LISTA DE ILUSTRACIONES

LISTA DE TABLAS

RECONOCIMIENTOS

Parte I

MODELOS COMPUTACIONALES

DE RAZONAMIENTO JURÍDICO

1. UNA INTRODUCCIÓN A INTELIGENCIA ARTIFICIAL Y DERECHO

(IA & DERECHO) Y SU FUTURO ROL EN LA PRÁCTICA JURÍDICA 1.1. Introducción 1.2. IA & Derecho y la promesa de la analítica textual 1.3. Nuevos paradigmas para una tecnología inteligente en la práctica jurídica 1.3.1. El paradigma anterior: los sistemas legales expertos 1.3.2. Paradigmas alternativos: la recuperación de argumentos y la computación cognitiva 1.3.3. Hacia las nuevas apps legales 1.4. Lo que Watson puede y no puede hacer 1.4.1. El programa Watson de IBM 1.4.2. Responder preguntas vs. Razonar 1.4.3. El programa Debater de IBM

1.4.4. Las herramientas de la analítica textual para responder preguntas legales 1.4.5. Fuentes para las herramientas de la analítica textual 1.5. Una guía a este libro 1.5.1. Parte I: Los modelos computacionales de razonamiento jurídico 1.5.2. Parte II: La analítica de textos jurídicos 1.5.3. Parte III: Conectando los modelos computacionales de razonamiento y los textos jurídicos 1.6. Las implicancias de la analítica textual para los estudiantes

2. EL MODELAJE DEL RAZONAMIENTO LEGISLATIVO 2.1. Introducción 2.2. Las complejidades de modelar el razonamiento legislativo 2.2.1. La ambigüedad semántica y la vaguedad 2.2.2. Ambigüedad sintáctica 2.3. La aplicación deductiva de las reglas jurídicas 2.3.1. Ejecutando una versión normalizada en una computadora 2.3.2. La lógica de predicados 2.3.3. La ambigüedad sintáctica como una limitación de diseño 2.3.4. El programa BNA 2.3.5. Algunos problemas de traducir las leyes a programas 2.4. La complejidad de la interpretación jurídica y la importancia de los argumentos 2.4.1. Un proceso de interpretación jurídica paso a paso 2.4.2. Otras fuentes de indeterminación jurídica 2.5. Sistemas administrativos para reglas y procesos comerciales 2.5.1. Los sistemas expertos en procesos de negocio 2.5.2. La automatización de los procesos comerciales de cumplimiento legal 2.5.3. Los requisitos para un lenguaje de cumplimiento de procesos

2.5.4. Conectando las normas jurídicas y los procesos de negocio 2.5.5. Un ejemplo de modelaje de cumplimiento de procesos de negocio 2.6. La representación de las redes legislativas

3. EL MODELAJE DEL RAZONAMIENTO JURÍDICO BASADO EN

CASOS 3.1. Introducción 3.2. La relación entre los conceptos jurídicos y los casos judiciales 3.2.1. El proceso jurídico 3.2.2. Una ilustración del proceso jurídico 3.2.3. El rol de los conceptos jurídicos 3.3. Tres modelos computacionales de casos y conceptos jurídicos 3.3.1. Prototipos y deformaciones 3.3.2. Dimensiones y factores jurídicos 3.3.3. Explicaciones basadas en ejemplares 3.4. Modelos teleológicos del razonamiento jurídico basado en casos 3.5. Una aproximación al modelaje de razonamientos teleológicos 3.5.1. La teleología en la construcción de teorías 3.6. Limitaciones de diseño para la computación cognitiva con modelos de razonamiento jurídico basados en casos

4. MODELOS PARA LA PREDICCIÓN DE RESULTADOS JURÍDICOS 4.1.Introducción 4.2. Un enfoque vecino más cercano a la predicción jurídica automatizada 4.3. Una introducción al aprendizaje automático supervisado 4.3.1. Los algoritmos de aprendizaje automático: los árboles de decisión 4.4. Prediciendo las resoluciones de la Corte Suprema 4.4.1. Las características para predecir las resoluciones de la Corte Suprema

4.4.2. La aplicación del aprendizaje automático supervisado a los datos de SCOTUS 4.4.3. Una evaluación del método de aprendizaje automático 4.4.4. Las medidas evaluativas del aprendizaje automático y los resultados 4.5. La predicción de resultados mediante argumentos basados en casos 4.5.1. La predicción mediante CATO 4.5.2. La predicción basada en problemas 4.5.3. El algoritmo de predicción IBP 4.5.4. Evaluando las predicciones de IBP 4.6. La predicción con valores subyacentes 4.7. La predicción basada en la conducta de los litigantes 4.8. La predicción en la computación cognitiva

5. LOS MODELOS COMPUTACIONALES DE ARGUMENTACIÓN

JURÍDICA 5.1. Introducción 5.1.1. Las ventajas de los MCAJ 5.2. El modelo argumentativo Carneades 5.3. Un ejemplo ampliado de un MCAJ en acción 5.3.1. El ejemplo del Derecho de familia con Carneades 5.3.2. La argumentación mediante normas jurídicas derrotables 5.3.3. Integrando la argumentación con casos y reglas 5.4. El modelo computacional de argumentación abstracta 5.5. Cómo los modelos computacionales de argumentación jurídica computan a ganadores y perdedores 5.5.1. La resolución de argumentos conflictivos sobre hechos 5.5.2. La resolución de argumentos conflictivos sobre valores 5.5.3. La resolución de argumentos conflictivos sobre normas jurídicas 5.6. ¿Cuán prácticos son los modelos computacionales de argumentación jurídica? 5.6.1. El rol de los estándares de prueba en los Modelos Computacionales de

Argumentación Jurídica 5.6.2. La integración del razonamiento probabilístico en los Modelos Computacionales de Argumentación Jurídica 5.7. El modelo de predicción argumentativa basado en juicios de valor 5.7.1. El modelo de dominio PAJV 5.7.2. Los valores de PAJV que subyacen a la regulación de los secretos comerciales 5.7.3. Los esquemas argumentativos de PAJV 5.7.4. Las predicciones de PAJV basadas en argumentos 5.7.5. La evaluación del programa PAJV 5.8. El modelo computacional de argumentación probatoria en el terreno jurídico 5.9. Los modelos computacionales de argumentación jurídica como un puente Parte II

LA ANALÍTICA DE TEXTOS JURÍDICOS

6. LA REPRESENTACIÓN DE CONCEPTOS JURÍDICOS EN

ONTOLOGÍAS Y SISTEMAS TIPO 6.1. Introducción 6.2. Los fundamentos de la ontología 6.3. Ontologías jurídicas de muestra 6.3.1. La ontología de e-Court 6.3.2. La ontología basada en marcos de van Kralingen 6.4. La construcción de ontologías jurídicas 6.5. El respaldo ontológico al razonamiento legislativo 6.6. El respaldo ontológico a la argumentación jurídica 6.6.1. Una aplicación (app) en la mira de la ontología de la argumentación jurídica 6.6.2. Una ontología para el Micro-mundo argumentativo 6.6.3. Los límites para automatizar la argumentación jurídica por medio del respaldo ontológico 6.6.4. El respaldo ontológico para la computación cognitiva en la argumentación

jurídica 6.7. Sistemas tipo para la analítica textual 6.7.1. La definición de un sistema tipo 6.7.2. Un ejemplo de sistema tipo: DeepQA 6.8. LUIMA: un sistema tipo UIMA de naturaleza jurídica 6.9. Las anotaciones de LUIMA pueden respaldar la recuperación de información conceptual de tipo jurídico

7. UN INTENTO DE VOLVER MÁS ASTUTA LA RECUPERACIÓN DE

INFORMACIÓN JURÍDICA 7.1. Introducción 7.2.Servicios actuales de recuperación de información jurídica 7.3. Un ejemplo del uso comercial de los sistemas IR de naturaleza jurídica 7.4. Cómo funcionan los sistemas IR de naturaleza jurídica 7.5. Las medidas de relevancia de IR 7.5.1. La medida de relevancia Booleana 7.5.2. La aproximación espacio-vectorial a la relevancia 7.5.3. Modelos probabilísticos de relevancia 7.6. La evaluación de los sistemas IR de naturaleza jurídica 7.7. Desarrollos recientes en sistemas IR de naturaleza jurídica 7.8. La comparación de IR y MCAJ 7.9. La mejora de la IR de naturaleza jurídica mediante enfoques de IA & Derecho 7.9.1. La integración de las ontologías jurídicas e IR 7.9.2. La integración de IR y las medidas de relevancia de IA & Derecho 7.9.3. La expansión de la evaluación de relevancia de IR mediante redes de citas 7.9.4. La detección del cambio conceptual 7.10. Conclusión

8. EL APRENDIZAJE AUTOMÁTICO CON TEXTOS JURÍDICOS

8.1. Introducción 8.2. La aplicación del aprendizaje automático a los datos textuales 8.3. Una configuración básica para aplicar el AA a los textos jurídicos 8.4. Aprendizaje automático para descubrimientos electrónicos 8.4.1. Las hipótesis de los litigantes en el descubrimiento electrónico 8.4.2. El proceso de codificación predictiva 8.4.3. La evaluación de la efectividad de la codificación predictiva 8.4.4. Otras cuestiones abiertas de la codificación predictiva 8.4.5. El aprendizaje automático no supervisado a partir de los textos 8.5. La aplicación del AA a los textos judiciales en el History Project 8.5.1. La arquitectura del sistema del History Project 8.5.2. Algoritmos de AA: las máquinas de respaldo vectorial 8.5.3. La SVM del History Project 8.6. El aprendizaje automático de estructuras de casos 8.7. La aplicación del AA a los textos legislativos 8.7.1. El análisis legislativo 8.7.2. Una herramienta de AA interactiva para el análisis legislativo 8.8. Hacia las apps jurídicas de computación cognitiva

9. LA EXTRACCIÓN DE INFORMACIÓN DE LOS TEXTOS

LEGISLATIVOS Y REGULATORIOS 9.1. Introducción 9.2.Una investigación general sobre la extracción de información de textos legislativos 9.3. La extracción automática de información funcional de las disposiciones legislativas 9.3.1. El aprendizaje automático al servicio de la extracción de disposiciones de tipos funcionales 9.3.2. Las reglas de clasificación textual para la extracción de información

funcional 9.4. AA vs. KE en la extracción de información legislativa 9.5. La extracción de reglas lógicas a partir de leyes y regulaciones 9.6. La extracción de requisitos para el diseño de productos compatibles con las leyes 9.6.1. La implementación del cumplimiento normativo mediante regulaciones extraídas 9.6.2. Los enfoques semiautomáticos para mejorar la anotación humana tendiente a posibilitar el cumplimiento normativo 9.7. La extracción de información funcional para comparar regulaciones 9.7.1. El aprendizaje automático para la construcción de redes legislativas 9.7.2. La aplicación de un algoritmo de AA para textos legislativos 9.7.3. La evaluación del algoritmo de AA en textos legislativos y el manejo de los datos de entrenamiento dispersos 9.7.4. La aplicación de LUIMA para el enriquecimiento de la representación de textos legislativos 9.8. Conclusión

10. LA EXTRACCIÓN DE INFORMACIÓN ARGUMENTATIVA DE LOS

TEXTOS JUDICIALES [LEGAL CASE TEXTS] 10.1. Introducción 10.2. La información argumentativa en los casos judiciales 10.3. La extracción de argumentos de las pretensiones jurídicas 10.3.1. El aprendizaje automático para la clasificación de oraciones como proposiciones, premisas y conclusiones 10.3.2. La representación de textos 10.3.3. La aplicación de algoritmos de aprendizaje estadístico 10.3.4. La gramática argumentativa para la estructura del árbol discursivo 10.3.5. La identificación de instancias de esquemas argumentativos 10.4. La extracción de factores jurídicos de naturaleza argumentativa

10.4.1. Tres representaciones para aprender a partir de los textos 10.4.2. ¿Cuán bueno fue el funcionamiento de SMILE? 10.4.3. La anotación de componentes factoriales 10.5. La extracción de evidencias fácticas y normas jurídicas citadas 10.5.1. La aplicación del sistema tipo LUIMA 10.5.2. La preparación de los casos paradigmáticos [Gold Standard Cases] 10.5.3. LUIMA-Annotate 10.5.4. La evaluación de LUIMA-Annotate 10.6. la anotación de datos de entrenamiento 10.6.1. La anotación en Debater de IBM 10.6.2. Los protocolos de anotación 10.6.3. Los entornos de anotación respaldados por computadoras Parte III

LA CONECCIÓN ENTRE LOS MODELOS

DE RAZONAMIENTO COMPUTACIONAL Y

LOS TEXTOS JURÍDICOS

11. LA RECUPERACIÓN DE INFORMACIÓN JURÍDICOCONCEPTUAL PARA LA COMPUTACIÓN COGNITIVA 11.1. Introducción 11.2. El estado del arte en la IR jurídico-conceptual 11.3. La arquitectura de LUIMA 11.3.1. LUIMA-Search 11.3.2. La reclasificación de documentos mediante LUIMA-Rerank 11.4. Un experimento para evaluar a LUIMA 11.4.1. Métricas de evaluación 11.4.2. LUIMA vs. CLIR 11.5. Continuar transformando la recuperación de información (IR) jurídica en recuperación de argumentos (AR) 11.5.1. La conexión de LARCCS y los sistemas IR 11.5.2. Las consultas por casos con información argumentativa extendida

11.5.3. Nuevos tipos de anotación jurídica 11.5.4. Perspectivas para la anotación de tipos jurídicos ampliados o expandidos 11.5.5. Suscitando las necesidades argumentativas de los usuarios 11.6. La recuperación de información conceptual a partir de las leyes 11.6.1. Un sistema tipo para las leyes 11.6.2. Técnicas en red para la recuperación de información jurídico-conceptual 11.6.3. La recuperación de información jurídico-conceptual mediante diagramas legislativos en red 11.7. Conclusión

12. LAS APPS JURÍDICAS DE COMPUTACIÓN COGNITIVA 12.1. Introducción 12.2. Las nuevas apps jurídicas del mercado

12.2.1. Ross 12.2.2. Lex Machina 12.2.3. Ravel 12.3. Tendiendo puentes entre los textos jurídicos y los modelos computacionales 12.4. Las apps de computación cognitiva que evalúan hipótesis jurídicas 12.4.1. Un paradigma para las apps jurídicas de computación cognitiva: La evaluación de las hipótesis jurídicas 12.4.2. Hipótesis jurídicas apuntadas 12.4.3. La operacionalización de hipótesis 12.4.4. La interpretación de hipótesis 12.5. Desafíos para las apps jurídicas de computación cognitiva 12.5.1. Desafíos: La anotación automática de la información jurídica de naturaleza argumentativa 12.5.2. Desafíos: el manual de anotación para las instancias de entrenamiento 12.5.3. Desafíos: el diseño de la interfaz de las consultas

12.6. La detección de oportunidades para nuevas hipótesis y argumentos 12.7. ¿Qué hacer a continuación? 12.8. Conclusión GLOSARIO BIBLIOGRAFÍA Lista de ilustraciones 1.1. Reglas heurísticas que definen las pérdidas y la responsabilidad objetiva (Waterman y Peterson, 1981) 1.2. RTA para problemas de oferta y aceptación con cuatro estados: (0) no hay relaciones jurídicas relevantes; (1) oferta pendiente; (2) existe contrato; (12) existe contrato y está pendiente la propuesta de modificación (Gardner, 1987, p. 124) 1.3. El método heurístico de Gardner para distinguir preguntas jurídicas fáciles y difíciles (Gardner, 1987; Rissland, 1990). 1.4. Diagrama argumentativo correspondiente a la resolución de Debater de IBM sobre el tópico de videojuegos violentos (nodo raíz) (véase Dvorsky, 2014). 1.5. El diagrama representa un argumento jurídico realista que involucra el tópico de los videojuegos violentos. 1.6. Arquitectura de un analizador textual para documentos legales, incluyendo documentos contractuales. Los casilleros en líneas discontinuas muestran los componentes para el análisis semántico y la recuperación de información conceptual. 2.1. Las versiones normalizadas de dos interpretaciones alternativas de la ley de Louisiana y las reglas Prolog correspondientes (abajo) (Allen y Engholm, 1978). 2.2. La sección 354 del Internal Revenue Code y una versión normalizada (derecha) (véase Allen y Engholm, 1978).

2.3. Diagrama de flujo para la sección 354 proposicionalizada del Internal Revenue Code (véase Allen y Engholm, 1978). 2.4. Las disposiciones de BNA representadas en reglas (Sergot et al., 1986). 2.5. El resultado del programa BNA (extractos) (Sergot et al., 1986, p. 376f). 2.6. Los gráficos normativos que concluyen en la “Legalidad” y el “Consentimiento efectivo” de la sección 4 (1) de la Ley Federal para la Protección de Datos (véase Oberle et al., 2012, pp. 305-6, Figs. 13 y 14). 2.7. Muestra de un diagrama BPMN de un simple proceso de reclamo de seguro con anotaciones de reglas comerciales (véase la Tabla 2.1) (Koeter et al., 2014, Fig. 2, p. 220). 2.8. La red Petri representando un simple problema de asignación de recursos entre un productor y un consumidor (véase Kafura, 2011, p. 8). 2.9. Un informe sobre los rastros, reglas y tareas responsables del incumplimiento legal (extractos) (véase Governatori y Shek, 2012). 2.10. Un diagrama legislativo en red que compara los esquemas legales de Pensilvania (PA) y Florida (FL) sobre las medidas de vigilancia de sus respectivos sistemas públicos de salud ante las emergencias: los círculos representan a los actores y colaboradores del sistema público de salud de FL y PA. Las líneas grises representan las relaciones existentes en ambos Estados; las líneas blancas, por su parte, las relaciones jurídicas que se constatan en PA, pero

no en FL (Sweeney et al., 2014). 3.1. La dimensión Secretos-Divulgados-Extraños en Ashley (1990). 3.2. El argumento de tres capas de tipo Hypo relativo al caso Mason (véase Ashley, 1990). 3.3. El modelo argumentativo de Hypo plasmado en un diagrama de Venn (Ashley, 1990). 3.4. Una celosía de reclamo Hypo (Ashley, 1990). 3.5. Ejemplo de un proceso CABARET para analizar Weissman vs. IRS, 751 F. 2d 512 (2d Cir. 1984) (Rissland y Skalak, 1991). 3.6. La jerarquía de factores de CATO (Aleven, 1997, 2003). 3.7. El argumento de CATO minimizando/enfatizando una distinción (Aleven, 2003). 3.8. El caso Vaughn representado por una red semántica GREBE (Branting, 1991, 1999). 3.9. GREBE empareja la estructura del caso Vaughn con el problema de Jarek (Branting, 1991, 1999). 3.10. Los casos sobre actividades realizadas “en cumplimiento de tareas laborales” que fueron recuperados por GREBE para el problema de Jarek (Branting, 1991, 1999). 3.11. Extractos del argumento de GREBE para el problema de Jarek (véase Branting, 1991, 1999). 3.12. ¿Qué argumento responde mejor a las preocupaciones teleológicas? (Berman y Hafner, 1993). 3.13. Una teoría construida a partir de factores y preferencias valorativas (Bench-Capon y Sartor, 2013).

3.14. El argumento como una construcción teórica a partir de prelaciones entre factores y valores (véase Bench-Capon y Sartor, 2003). 4.1. Proyección de casos de impuestos a las ganancias de capital en dos dimensiones (véase Mackaay y Robillard, 1974). 4.2. Datos sobre decisiones sobre libertad bajo fianza (a) que sirven de base para la construcción de un árbol de decisiones (b). 4.3. Ejemplos de las características contenidas en la base de datos de la Corte Suprema [S], los puntajes de Segal-Cover [SC] y el diseño de características [FE] (Katz et al., 2014). 4.4. El modelo de dominio IBP (Ashley y Brüninghaus, 2006). 4.5. Algoritmo IBP (Ashley y Büninghaus, 2009). 4.6. Ejemplo de la predicción de IBP para el caso MBL. 4.7. IBP vs. otros métodos predictivos: resultados (Ashley y Büninghaus, 2009). 4.8. Extractos de una teoría aprendida por AGATHA con el caso Mason como situación fáctica actual (Chorley y Bench-Capon, 2005a). 5.1. Un diagrama argumentativo Carneades (Gordon, 2008b, c; Gordon y Walton, 2009; Walton y Gordon, 2009; véase Ashley, 2012). 5.2. La deducción clásica (Gordon, 2008b, c; Gordon y Walton, 2009; Walton y Gordon, 2009). 5.3. La deducción clásica no puede probar una proposición y su contraria (véase

Gordon, 2008b, c; Gordon y Watson, 2009; Walton y Gordon, 2009). 5.4. Esquema relativo a argumentos formulados a partir de reglas inferenciales derrotables (véase Gordon, 2008b, c; Gordon y Walton, 2009; Walton y Gordon, 2009). 5.5. Argumentos (a favor y en contra) con reglas de inferencia derrotables (Gordon, 2008b, c; Gordon y Walton, 2009; Walton y Gordon, 2009; véase Ashley, 2012). 5.6. La deducción clásica (Gordon, 2008b, c; Gordon y Walton, 2009; Walton y Gordon, 2009). 5.7. El argumento (contrario) basado en casos de Carneades (Gordon, 2008b, c; Gordon y Walton, 2009; Walton y Gordon, 2009; véase Ashley, 2012). 5.8. El argumento (pro) basado en casos de Carneades (Gordon, 2008b, c; Gordon y Walton, 2009; Walton y Gordon, 2009; véase Ashley, 2012). 5.9. El ataque de argumentos según VAF (véase Atkinson y Bench-Capon, 2007, p. 113). 5.10. El modelo de dominio PAJV (Gabmair, 2016). 5.11. Los valores protegidos por la ley de secretos comerciales: el derecho de propiedad y el derecho a la confidencialidad de los demandantes (Grabmair, 2016). 5.12. Los valores protegidos por la ley de secretos comerciales: el interés público general en la usabilidad de información públicamente disponible y el interés en la competencia justa o leal (Grabmair, 2016).

5.13. El resultado del programa PAJV para el caso Dynamics (Extractos) (Grabmair, 2016, pp. 59-60). 5.14. Estructura enunciativa y argumentativa para razonar sobre un asunto de Reformulación con compensaciones en PAJV (Grabmair, 2016, p. 51). 5.15. Un árbol normativo parcial de MLD para fallos sobre vacunas, mostrando tres condiciones causales en el caso Althen (véase Walker et al., 2011). 5.16. Cadenas de razonamiento extraídas de MLD (extractos) (véase Walker et al., 2011). 6.1. Una muestra de la ontología para la formación contractual. 6.2. Extractos de la ontología de e-Court que muestran la ampliación de “objeto de razonamiento”, “agente” y “rol jurídico”. Los vínculos son “es un”, a menos que se indique lo contrario (véase Breuker y Hoekstra, 2004; Breuker et al., 2004; Van Engers et al., 2008). 6.3. Ontología en el sistema DALOS (extractos) (véase Francesconi et al., 2010). 6.4. Modelo de argumentación jurídica con hipótesis (Ashley, 2009b). 6.5. Marco de caso para el Micro-mundo relativo a Intereses-Propietarios-sobrePresas (P: Demandante, D: demandado). 6.6. Marco factorial para el Micro-mundo relativo a Intereses-Propietarios-sobrePresas (P: Demandante, D: demandado). 6.7. Marco ILC para el Micro-mundo sobre Intereses-Propietarios-sobre-Presas

(P=Demandante, D=Demandado). 6.8. Marco de prueba relativo al Micro-mundo de Intereses-Propietarios-sobrePresas (P=Demandante, D=Demandado). 6.9. Marco de políticas/valores relativo al Micro-mundo de Inte