ΕΦΑΡΜΟΓΕΣ ΤΕΧΝΗΤΗΣ ΝΟΗΜΟΣΥΝΗΣ

Εισαγωγή

Ανέκαθεν, η δυνατότητα επέκτασης των ανθρωπίνων ορίων γοήτευε τον άνθρωπο. Ακόμα και σήμερα, η σχέση του ανθρώπου με τα ρομπότ συνεχίζει να εξάπτει τη φαντασία του. Αποτελεί πηγή έμπνευσης για τη λογοτεχνία, τη μουσική και τον κινηματογράφο. Κινητοποιεί στο υποσυνείδητο το μεταφυσικό φόβο για το αποτέλεσμα που θα έχει η ανάπτυξη της τεχνητής νοημοσύνης για το ανθρώπινο είδος, όταν η μηχανή φθάσει στο σημείο όπου θα αποκτήσει «συνείδηση». Προκαλεί αγωνία και προβληματισμό η προοπτική να δούμε κάποτε τους υπερυπολογιστές να αποκτούν επίγνωση της φύσης τους θέτοντας υπαρξιακά ερωτήματα. Προς το παρόν αυτό συμβαίνει μόνο σε ταινίες επιστημονικής φαντασίας. Χαρακτηριστικό παράδειγμα αποτελεί ο υπολογιστής HAL 9000, πρωταγωνιστής στην ταινία του Στάνλεϊ Κιούμπρικ «2001: H Οδύσσεια του Διαστήματος», παραγωγής του 1968. Ο υπολογιστής αυτός κυβερνά το διαστημόπλοιο, με το οποίο δύο αστροναύτες προσπαθούν να φτάσουν στον πλανήτη Δία. Ωστόσο, στην πορεία γίνεται απείθαρχος και επικίνδυνος προσπαθώντας να τους σκοτώσει. Για το λόγο αυτό, οι αστροναύτες αποφασίζουν να τον απενεργοποιήσουν. Ο υπολογιστής καταλαβαίνει τι πρόκειται να συμβεί, διαβάζοντας τα χείλη τους μέσω μιας κάμερας. Αρχικά τους δηλώνει αυστηρά ότι δεν θα επιτρέψει να συμβεί κάτι τέτοιο. Στη συνέχεια τους ζητάει να μην το κάνουν επειδή φοβάται. Όταν τελικά οι αστροναύτες αρχίζουν να αποσυνδέουν σταδιακά τα ηλεκτρονικά κυκλώματά του, ο HAL τραγουδάει λυπημένος, με τη βαθιά και ήρεμη μηχανική φωνή του, το τραγούδι «Daisy Bell», το οποίο είχε εμφυτευθεί ως πρώτη πληροφορία στο λογισμικό του. Αντίστοιχη σκηνή, που έχει περάσει στην ιστορία του κινηματογράφου, περιλαμβάνει το μονόλογο «Δάκρυα στη βροχή» του ρομπότ-δολοφόνου Roy Batty, πρωταγωνιστή στην ταινία επιστημονικής φαντασίας του σκηνοθέτη Ρίντλεϊ Σκοτ «Blade Runner» (1982). Το ανθρωποειδές αυτό ρομπότ, στο οποίο ο Ολλανδός ηθοποιός Ρούντγκερ Χάουερ, προσέδωσε ένα μείγμα φυσικής απειλής, ανθρώπινης υπόστασης και ψυχικής αγωνίας, αποδίδει εκπληκτικά τον τελικό συμβιβασμό της μηχανής με το θάνατο, από τον οποίο προσπαθούσε να ξεφύγει σε ολόκληρη την ταινία.

Πέρα από τα ευφάνταστα χολυγουντιανά σενάρια των ταινιών επιστημονικής φαντασίας, από επιχειρηματική σκοπιά, η εφαρμογή της ΤN σε κάθε οικονομική και κοινωνική δραστηριότητα είναι σε θέση να αποτελέσει δυναμικό αναπτυξιακό εργαλείο. Ενδεικτικά, ο παγκόσμιος τζίρος στην αγορά της τεχνητής νοημοσύνης ανερχόταν το 2017 περί-

που στα 664 εκατομμύρια δολάρια ΗΠΑ, ενώ έως το έτος 2025 ο κύκλος εργασιών της ΤΝ εκτιμάται ότι θα σημειώσει θεαματική άνοδο φθάνοντας τα 38,8 δις δολάρια. Σύμφωνα με προβλέψεις της εταιρίας ερευνών IDC (International Data Corporation), οι παγκόσμιες δαπάνες στην τεχνητή νοημοσύνη αναμένεται να διπλασιαστούν από 50,1 δις δολάρια το 2020, σε πάνω από 110 δις δολάρια το έτος 2024, με μέση ετήσια αύξηση 20,1% στο διάστημα 2019-2024. Στο πλαίσιο ψηφιακού μετασχηματισμού των επιχειρήσεων, οι υψηλότερες επενδύσεις θα κατευθυνθούν σε αυτοματοποιημένα συστήματα εξυπηρέτησης πελατών, αυτοματοποιημένες διαδικασίες πωλήσεων αλλά και αυτοματοποιημένα συστήματα πρόληψης απειλών. Σε ό,τι αφορά τη χώρα μας, πρόσφατη μελέτη της εταιρίας Accenture σε συνεργασία με τη Microsoft εκτιμά ότι η ευρεία υιοθέτηση της TN μπορεί να οδηγήσει σε μια σωρευτική αύξηση του ΑΕΠ της Ελλάδας ύψους 195 δις δολαρίων σε διάστημα 15 ετών (από το 2020 έως το 2035), ως ισχυρό αντίδοτο στην ύφεση της τελευταίας δεκαετίας, η οποία επιτάθηκε από την πανδημία του κορωνοϊού. Σύμφωνα με την ίδια μελέτη, ο δρόμος προμηνύεται ανηφορικός, αφού η Ελλάδα κατατάσσεται σε χαμηλή θέση (24%), σε ό,τι αφορά την αξιολόγηση ικανότητας ενσωμάτωσης και απορρόφησης της τεχνολογικής καινοτομίας (δείκτης NAC - National Absorptive Capacity). Στην Ευρώπη των 28 κρατών-μελών, στην οποία αναφέρονται ακόμα οι στατιστικές, η χώρα μας είναι επίσης ουραγός, αφού καταλαμβάνει την 27η και προτελευταία θέση, με σκορ 37,3 στον ευρωπαϊκό δείκτη ψηφιακής οικονομίας και κοινωνίας (DESI) και την

23η θέση του δείκτη ετοιμότητας για την ΤΝ (Government AI Readiness Index). Η έκθεση καταλήγει στο συμπέρασμα ότι ένας από τους κυριότερους παράγοντες που κάνουν τις ελληνικές επιχειρήσεις, αλλά και τους επαγγελματίες, να διστάζουν να χρησιμοποιήσουν την τεχνητή νοημοσύνη είναι ο φόβος του αγνώστου και η έλλειψη εκπαίδευσης. Οι παράγοντες αυτοί ενισχύουν την αβεβαιότητα ενόψει ενός δυστοπικού μέλλοντος, στο οποίο θα κυριαρχεί ο αυτοματισμός και οι ριζικές αλλαγές στην εταιρική διακυβέρνηση, στην αγορά εργασίας και στην καθημερινή ζωή που ενδέχεται να επιφέρει.

Αξίζει να διευκρινιστεί, ευθύς εξαρχής, ότι η βασική διαφορά μεταξύ των κλασσικών εφαρμογών πληροφορικής και των συστημάτων τεχνητής νοημοσύνης είναι η ακόλουθη: Τα παραδοσιακά πληροφοριακά συστήματα επεξεργάζονται δεδομένα με τη χρήση προγραμματιστικών κανόνων (code-driven systems), δηλαδή με έναν προδιαγεγραμμένο και αιτιοκρατικό τρόπο. Αντίθετα, τα νεότερα συστήματα ΤΝ διαθέτουν δυνατότητα αυτοεκπαίδευσης, υπό συνθήκες αβεβαιότητας, χρησιμοποιώντας ακόμη και ελλιπή ή ασαφή δεδομένα (data-driven systems). Η ειδοποιός διαφορά τους συνίσταται στο ότι εφεξής αυτά διαθέτουν μεγαλύτερη δυνατότητα χειρισμού εννοιών, διαχείρισης συμβολικής πληροφορίας, ικανότητα αυτόματης μάθησης και σχεδίασης πλάνων επίλυσης προβλημάτων, βάσει πιθανοτήτων και ευρετικών μεθόδων. Σε ό,τι αφορά ειδικά το δικαστικό

σύστημα και τη διαδικασία απονομής της δικαιοσύνης, κύριο αντικείμενο της παρούσας μελέτης, εφαρμογές τεχνητής νοημοσύνης και νομικά έμπειρα συστήματα (legal expert systems) χρησιμοποιούνται τόσο στην Ευρώπη όσο και διεθνώς. Όπως θα αναλυθεί σε επόμενα κεφάλαια, οι διωκτικές και αστυνομικές αρχές χρησιμοποιούν εδώ και αρκετά χρόνια συστήματα ΑΙ για την προληπτική ηλεκτρονική αστυνόμευση και την καταστολή της εγκληματικότητας. Κατά την ανακριτική διαδικασία, αλγόριθμοι μηχανικής μάθησης και νευρωνικές τεχνικές αναλύουν τα εγκεφαλικά κύματα υπόπτων και κατηγορουμένων, προς ανίχνευση ψεύδους ή αλήθειας. Ρομποτικά συστήματα βοηθούν στην προετοιμασία φακέλων ποινικής δίωξης σε εισαγγελίες και σε δικαστήρια ανά τον κόσμο. Στο αγγλοσαξωνικό δίκαιο, η χρήση της υπολογιστικής τεχνολογίας (technology assisted review ή predictive coding) προβλέπεται από τους δικονομικούς κανόνες ως έγκυρος τρόπος συλλογής του αποδεικτικού υλικού (e-discovery) από μαζικά δεδομένα σε ηλεκτρονική μορφή. Στις Ηνωμένες Πολιτείες, προβλεπτικοί αλγόριθμοι, βασισμένοι στο κοινωνικό, οικονομικό και εγκληματολογικό προφίλ των παραβατών, χρησιμοποιούνται στην ποινική δικαιοσύνη βοηθώντας τους δικαστές στην αξιολόγηση επικινδυνότητας και του κινδύνου υποτροπής κρατουμένων. Βάσει προβλέψεων των υπολογιστών, οι δικαστές αποφασίζουν αν οι εγκληματίες θα παραμείνουν έγκλειστοι στη φυλακή είτε θα απελευθερωθούν με περιοριστικά μέτρα και επιβολή εγγύησης. Σε πολλές χώρες του κόσμου, νεοφυείς εταιρίες νομικής τεχνολογίας (legal tech) έχουν εισέλθει δυναμικά στο χώρο του δικαίου. Με τη χρήση του υπολογιστικού νέφους, αναπτύσσουν διαδικτυακές ηλεκτρονικές πλατφόρμες διαχείρισης νομικών εγγράφων, ανάλυσης συμβάσεων, εξελιγμένης νομικής έρευνας, στατιστικής ανάλυσης αποφάσεων (litigation analytics), δημιουργίας προφίλ δικαστών (judge analytics), παρέχοντας υπηρεσίες πληροφόρησης για νομικές υπηρεσίες οργανισμών και εταιριών, ασφαλιστές, ιδιώτες και επιχειρήσεις. Αξιοποιώντας τα ευρήματα τέτοιων συστημάτων (περιεχόμενο αποφάσεων, χρόνος εκδίκασης, απόψεις δικαστών, ποιότητα επιχειρημάτων διαδίκων) οι διάδικοι και οι πληρεξούσιοι δικηγόροι τους είναι σε θέση να εκτιμήσουν και να αποφασίσουν από κοινού αν είναι προτιμότερο να επιδιώξουν συμβιβαστική επίλυση της διαφοράς ή δικαστική αντιδικία, και πώς αυτή θα σχεδιασθεί και θα κοστολογηθεί.

Είναι γεγονός ότι η εισαγωγή της προηγμένης υπολογιστικής τεχνολογίας στον ευαίσθητο χώρο της δημόσιας διοίκησης (φορολογία, έκδοση ατομικών διοικητικών πράξεων, προστίμων) και της δικαιοσύνης (μηχανική παραγωγή και ανάγνωση εγγράφων, βοήθεια στην έκδοση των αποφάσεων) είναι μεν επιθυμητή, για λόγους αύξησης της παραγωγικότητας,

απαιτεί ωστόσο ιδιαίτερη προσοχή. Εφόσον τεκμηριωθεί επαρκώς η αναγκαιότητα χρήσης τεχνικών ΤΝ, η εισαγωγή της πρέπει απαραίτητα να συνοδευθεί με σειρά θεσμικών, κανονιστικών και δεοντολογικών εγγυήσεων. Μεταξύ άλλων φορέων, ιδιαίτερη έμφαση έχει δώσει στο ζήτημα αυτό η Ευρωπαϊκή Επιτροπή για την Αποτελεσματικότητα της Δικαιοσύνης (CEPEJ) του Συμβουλίου της Ευρώπης, εκδίδοντας τον Ευρωπαϊκό Χάρτη Δεοντολογίας για τη χρήση της τεχνητής νοημοσύνης στα δικαστικά συστήματα. Εκφράζοντας μόνο τις απόψεις των συντακτών του και όχι την επίσημη άποψη του Συμβουλίου, ο Χάρτης περιέχει τις αρχές που πρέπει να διέπουν την εισαγωγή της τεχνητής νοημοσύνης στα δικαστικά συστήματα των χωρών μελών, στις οποίες θα αναφερθούμε στη συνέχεια. Αντίστοιχη δράση έχει αναπτύξει ο Οργανισμός Θεμελιωδών Δικαιωμάτων της Ευρωπαϊκής Ένωσης (FRA), αλλά και το Ευρωπαϊκό Κοινοβούλιο, με την έκδοση ψηφίσματος, αρχικά το έτος 2017, με συστάσεις για ρυθμίσεις αστικού δικαίου στον τομέα της ρομποτικής, και πολύ πρόσφατα, ήτοι στις 20 Οκτωβρίου 2020, με την έκδοση δύο νέων ψηφισμάτων. Εξ αυτών το πρώτο αφορά το προτεινόμενο καθεστώς αστικής ευθύνης για την τεχνητή νοημοσύνη και το δεύτερο τα δικαιώματα διανοητικής ιδιοκτησίας για την ανάπτυξη τεχνολογιών τεχνητής νοημοσύνης. Παρότι νομικά μη δεσμευτικά για την Ευρωπαϊκή Επιτροπή, τα δύο ψηφίσματα, για τα οποία θα γίνει αναλυτικότερη μνεία στο δεύτερο μέρος, αποτελούν προπομπό της συζήτησης που θα ακολουθήσει, ενόψει της νομοθετικής πρωτοβουλίας της Επιτροπής για την ΤΝ, η οποία αναμένεται εντός του πρώτου εξαμήνου του 2021. Με στόχο την ανάπτυξη μιας ευρωπαϊκής στρατηγικής (AI made in Europe), και η Ευρωπαϊκή Επιτροπή έχει επιδείξει μεγάλη κινητικότητα.

Μετά την υπογραφείσα, στις 10 Απριλίου 2015, Δήλωση Συνεργασίας των κρατών-μελών για την ΤΝ, στην οποία προσχώρησε και η Ελλάδα το Μάιο του ίδιου έτους, την έκδοση ανακοίνωσης με τίτλο «Τεχνητή Νοημοσύνη για την Ευρώπη», και τη σύσταση, το 2018, ομάδας 52 εμπειρογνωμόνων υψηλού επιπέδου σε ζητήματα τεχνητής νοημοσύνης, η Επιτροπή στις αρχές του 2020 εξέδωσε τη Λευκή Βίβλο με προτάσεις πολιτικής για την Τεχνητή Νοημοσύνη. Τα παραπάνω νομοθετικά μέτρα συνοδεύονται από την ενθάρρυνση δημιουργίας στρατηγικών συνεργασιών μεταξύ βιομηχανικών και επαγγελματικών φορέων (European AI Alliance) ενώ έχει εγκριθεί σημαντική χρηματοδότηση συναφών αναπτυξιακών έργων στο πλαίσιο ευρωπαϊκών προγραμμάτων. Ειδικά για τον τομέα της Δικαιοσύνης, η Ευρωπαϊκή Επιτροπή (DG JUST) δημοσίευσε στις 14 Σεπτεμβρίου 2020, δύο σημαντικές μελέτες. Η πρώτη μελέτη, έκτασης 496 σελίδων, αφορά την εφαρμογή των καινοτόμων τεχνολογιών στον τομέα της δικαιοσύνης στα κράτη-μέλη. Μεταξύ άλλων, οι μελετητές κατέγραψαν συνολικά 130 έργα, τα οποία χρησιμοποιούν τεχνολογίες ΑΙ, cloud και blockchain σε δικαστήρια, εισαγγελίες, διωκτικές αρχές και υπηρεσίες των κρατών μελών (93 έργα), ενώ τα υπόλοιπα ιδιωτικά έργα αποτελούν προϊόν συνεργασίας δικηγορικών εταιριών με εταιρίες πληροφορικής. Εντόπισαν ακόμα οκτώ επιμέρους τομείς στους οποίους παρεμβαίνει η τεχνολογία στο δικαστικό σύστημα για τους οποίους θα γίνει λόγος στο κεφάλαιο 5. Η δεύτερη μελέτη, έκτασης 324 σελίδων, αναφέρεται στη διασυνοριακή συνεργασία και ανταλλαγή πληροφοριών για το χειρισμό ποινικών υποθέσεων, μεταξύ των ευρωπαϊκών εισαγγελικών και αστυνομικών

οργάνων (Eurojust, Europol, Frontex, OLAF, EPPO) και των εθνικών δικαστικών και εισαγγελικών αρχών, στο πλαίσιο καταπολέμησης του διασυνοριακού εγκλήματος και απονομής της ποινικής δικαιοσύνης. Τα ευρήματα και των δύο μελετών θα τροφοδοτήσουν την επερχόμενη έκδοση ανακοίνωσης για την ψηφιοποίηση της Δικαιοσύνης, η επιτάχυνση της οποίας καθίσταται επιτακτική και ενόψει της πανδημίας του COVID-19.

Σε κάθε περίπτωση, για τη νομιμότητα, την παραγωγική λειτουργία και την κοινωνική αποδοχή της λειτουργίας συστημάτων ΤΝ απαιτείται η συμβατότητα των εφαρμογών με πλήθος αρχών και νομικών κειμένων υπερεθνικού χαρακτήρα. Σε αυτά ανήκουν οι διεθνείς συμβάσεις περί σεβασμού των θεμελιωδών δικαιωμάτων, οι οποίες έχουν υπογραφεί στο πλαίσιο του ΟΗΕ (Οικουμενική Διακήρυξη για τα Ανθρώπινα Δικαιώματα, Διεθνές Σύμφωνο για τα αστικά και πολιτικά δικαιώματα κ.ά.). Σε ευρωπαϊκό επίπεδο, τυγχάνουν εφαρμοστέες, μεταξύ άλλων, οι διατάξεις της Ευρωπαϊκής Σύμβασης Δικαιωμάτων του Ανθρώπου (όπως το άρθρο 6 της ΕΣΔΑ για το δικαίωμα σε δίκαιη δίκη και το άρθρο 14 περί απαγόρευσης των διακρίσεων), οι αρχές του Χάρτη Θεμελιωδών Δικαιωμάτων της Ευρωπαϊκής Ένωσης (όπως το άρθρο 47 ΧΘΔΕΕ για πραγματική προσφυγή σε αμερόληπτο δικαστήριο που λειτουργεί υπό νόμιμη σύνθεση κατά την αρχή της αντιμωλίας και της ισότητας των όπλων μεταξύ διαδίκων), οι ρυθμίσεις του Γενικού Κανονισμού Προστασίας Δεδομένων Προσωπικού χαρακτήρα (ΓΚΠΔ 2016/679) (περιορισμός επεξεργασίας, δικαίωμα εναντίωσης, δικαίωμα στην ανθρώπινη παρέμβαση) και της «Αστυνομικής Οδηγίας» 2016/680 (άρθρο 11 περί απαγόρευσης λήψης πλήρως αυτοματοποιημένων

αποφάσεων). Σύμφωνα με έκθεση (Μάρτιος 2020) της Ευρωπαϊκής Ένωσης Δικηγορικών Συλλόγων (CCBE), η χρήση της τεχνητής νοημοσύνης από τα δικαστήρια και τα συστήματα ποινικής δικαιοσύνης, έχει αντίκτυπο στη νομική πρακτική. Ταυτόχρονα, επηρεάζει βασικά ανθρώπινα δικαιώματα πρόσβασης στη δικαιοσύνη, δίκαιης δίκης από φυσικό δικαστή και αμερόληπτο δικαστήριο, ελευθερίας έκφρασης, προστασίας της ιδιωτικής ζωής κ.λπ. Είναι χαρακτηριστικό ότι η Γαλλία ψήφισε ειδική νομοθεσία η οποία απαγορεύει τη χρήση στατιστικών μεθόδων προς ανάλυση προφίλ των δικαστικών λειτουργών, για λόγους προστασίας της ιδιωτικότητας των δικαστών, με επαπειλούμενη ποινή φυλάκισης έως πέντε ετών κατά των παραβατών. Η είδηση αυτή έκανε το γύρο του κόσμου συναντώντας ζωηρή κριτική με το επιχείρημα ότι το μέτρο αυτό είναι αντισυνταγματικό, αφού περιορίζει την ελευθερία του λόγου. Επιπρόσθετα, η απαγόρευση επικρίθηκε ότι εμποδίζει την αξιοποίηση των ανοικτών δημόσιων δεδομένων (big data) στο χώρο της δικαιοσύνης, μέσω της αναγκαίας μετατροπής των ακατέργαστων δεδομένων σε χρήσιμες πληροφορίες για τους πολίτες και την κοινωνία.

Είναι προφανές ότι μια άκριτη, απερίσκεπτη και αποσπασματική προσέγγιση της ΤΝ στο χώρο της δικαιοσύνης, χωρίς τις αναγκαίες θεσμικές εγγυήσεις, ενδέχεται να οδηγήσει σε παραβιάσεις συνταγματικών δικαιωμάτων αυξάνοντας τα προβλήματα, τα οποία υποτίθεται ότι η τεχνολογία είναι ικανή να επιλύσει, προς όφελος του ανθρώπου και της κοινωνίας. Η δικαιολογημένη, μέχρι κάποιο βαθμό, δυσπιστία κατά της νέας τεχνολογίας ενισχύεται από προειδοποιήσεις για τους κινδύνους υποδούλωσης του ανθρώπου στην τεχνολογία. Τον κώδωνα του κινδύνου κρούει πλειάδα διάσημων επιχειρηματιών, όπως ο Elon Musk, ιδρυτής καινοτόμων εταιριών (Paypal, Tesla Motors, SpaceX), ο Bill Gates, ιδρυτής της Microsoft, καθώς και επιστημόνων, όπως ο εκλιπών διάσημος βρετανός αστροφυσικός Stephen Hawking. Πρόσφατα, ερευνητές της εταιρίας Deepmind, ιδιοκτησίας της Google, ανακοίνωσαν ότι δημιούργησαν ένα ψηφιακό αρουραίο, προικισμένο με την ικανότητα

να βγει από έναν εικονικό λαβύρινθο, πολύ γρηγορότερα από ότι ένας άνθρωπος. Τέτοιες ανακαλύψεις επιβεβαιώνουν άραγε το παλιό δυσοίωνο σενάριο ότι ο άνθρωπος γεννήθηκε για να αυτοξεπεραστεί; Περισσότερο καθησυχαστικοί, άλλοι επιστήμονες μας διαβεβαιώνουν ότι η τεχνητή νοημοσύνη, χωρίς να παραγνωρίζουν τη θεαματική πρόοδό της, θα υστερεί πάντα της ανθρώπινης νόησης. Παρά την τεράστια υπολογιστική τους ισχύ, η οποία βαίνει διαρκώς αυξανόμενη, και την ικανότητά τους να εκτελούν με μεγάλη ταχύτητα σύνθετες εργασίες, οι μηχανές δεν θα αποκτήσουν ποτέ συνείδηση, αισθήματα, ένστικτο, εμπειρία ζωής, ενσυναίσθηση και συνολική αντίληψη των πραγμάτων.

Αναζητώντας μια λεπτή ισορροπία μεταξύ καινοτομίας και ρύθμισης της τεχνητής νοημοσύνης, μεταξύ επιχειρηματικής ελευθερίας και κοινωνικού ελέγχου, η ύλη του νομικού εγχειριδίου της τεχνητής νοημοσύνης χωρίζεται, όπως προαναφέραμε, σε δύο μέρη, εκ των οποίων καθένα περιλαμβάνει έξι κεφάλαια. Στο πρώτο μέρος, θα διερευνήσουμε τη χρήση της τεχνολογίας ως εργαλείου έρευνας, εκπαίδευσης καθώς και αυτοματοποίησης νομικών και δικαστικών διαδικασιών. Ειδικότερα, αφού παραθέσουμε ένα εισαγωγικό λεξικό βασικών όρων της ΤΝ, θα αναλύσουμε συνοπτικά τη σχέση ανθρώπινης ευφυΐας και τεχνητής νοημοσύνης (κεφάλαιο 1) μαζί με τα βασικά της εννοιολογικά εργαλεία, όπως αλγόριθμοι, ευφυείς πράκτορες, έμπειρα συστήματα, ρομποτική, νευρωνικά δίκτυα και μηχανική μάθηση (κεφάλαιο 2). Στη συνέχεια θα ασχοληθούμε με τους όρους μετάβασης στο ψηφιακό δικηγορικό γραφείο, ενόψει και της θεσμοθέτησης της τηλεργασίας, ελέω της πανδημίας του κορωνοϊού, σε συνδυασμό με την πρόσφατη ψήφιση του Κώδικα Ψηφιακής Διακυβέρνησης του κράτους (κεφάλαιο 3). Η εξοικείωση των νομικών με την ΤΝ και η επωφελής αξιοποίησή της, προϋποθέτει να διερευνήσουμε τη συνεισφορά του τεχνολογικού εργαλείου στη νομική έρευνα και εκπαίδευση (κεφάλαιο 4). Στα επόμενα κεφάλαια, αντλώντας πρακτικά παραδείγματα από τη διεθνή εμπειρία, θα εξετάσουμε τη συνδρομή της τεχνολογίας στη διαδικασία απονομής της διοικητικής, πολιτικής και ποινικής δικαιοσύνης (κεφάλαιο 5). Επιπρόσθετα, θα διερευνήσουμε τις συνολικές επιπτώσεις στο δίκαιο της επερχόμενης μελλοντικής σύγκλισης της τεχνολογίας ΑΙ με αυτή της αλυσίδας κόμβων (blockchain) (κεφάλαιο 6).

Στο δεύτερο μέρος του παρόντος εγχειριδίου, θα επικεντρωθούμε στην τεχνητή νοημοσύνη και τη ρομποτική ως ρυθμιστικό αντικείμενο του δικαίου. Η ανάλυση θα έχει ως αφετηρία τους όρους σύννομης χρήσης τεχνικών ΑΙ, όπως βιντεοπιτήρηση, αναγνώριση προσώπου, υποκλοπές επικοινωνιών και χρήση ρομποτικών τεχνικών (RBA-Robotic Process Automation), από τις διωκτικές και αστυνομικές αρχές, για τη δίωξη του εγκλήματος και την αστυνόμευση των πολιτών (κεφάλαιο 7). Αναζητώντας μια δύσκολη ισορροπία μεταξύ επιχειρηματικής ελευθερίας, τεχνολογικής καινοτομίας και προστασίας της ασφάλειας

των συστημάτων και της ανθρώπινης προσωπικότητας, θα εξετάσουμε τις προτεινόμενες σχεδιαστικές αρχές αξιόπιστων και δεοντολογικά ορθών εφαρμογών σε διάφορους κάθετους τομείς, όπως υγεία, μεταφορές, διαδικτυακή έρευνα και ηλεκτρονικές επικοινωνίες (κεφάλαιο 8). Περαιτέρω, θα μας απασχολήσει η δυνατότητα απόδοσης νομικών ευθυνών στα κατάλληλα πρόσωπα για ζημίες και βλάβες που είναι σε θέση να επιφέρει στη ζωή, την τιμή και την ελευθερία η αυτόνομη δράση των αλγοριθμικών συστημάτων σε τομείς όπως η ηλεκτρονική διακυβέρνηση, η βιομηχανική παραγωγή, η ιατρική διάγνωση και οι χρηματιστηριακές συναλλαγές υψηλής συχνότητας (κεφάλαιο 9). Στο επόμενο κεφάλαιο, χρησιμοποιώντας ως μελέτη περίπτωσης τα αυτόνομα οχήματα χωρίς οδηγό, θα θέσουμε τον προβληματισμό μας για τις νομικές επιπτώσεις της ρομποτικής σε επίπεδο αστικής ευθύνης, συμβατικής και αδικοπρακτικής, για βλάβες και ζημίες που προκύπτουν από ελαττωματικά προϊόντα ΑΙ, λογισμικό, εφευρέσεις, ρομπότ και «έξυπνες συσκευές» του διαδικτύου των πραγμάτων (IoT) (κεφάλαιο 10). Στην ίδια οπτική, θα εξετάσουμε τις συμβάσεις ανάπτυξης λογισμικού ΑΙ, το ρόλο των εκπαιδευμένων μοντέλων τεχνητής νοημοσύνης, καθώς και τη νομική προστασία του λογισμικού ΑΙ και των δεδομένων εκπαίδευσης των αλγορίθμων. Περαιτέρω, θα μας απασχολήσει η δυνατότητα προστασίας των τεχνολογικών αγαθών τα οποία παράγονται μέσω του ηλεκτρονικού υπολογιστή, όταν αυτός δρα αυτόνομα ως εφευρέτης και πνευματικός δημιουργός (κεφάλαιο 11). Τέλος, θα προβληματιστούμε από τη χρήση αλγορίθμων ως μέσων συμπαιγνίας μεταξύ επιχειρήσεων που συγκροτούν καρτέλ, μέσω αυτόματου καθορισμού τιμών αγαθών και υπηρεσιών ηλεκτρονικού εμπορίου, καθώς και για τις δυσμενείς επιπτώσεις τους στον ανταγωνισμό και στην προστασία του καταναλωτή (κεφάλαιο 12). Στην ίδια συλλογιστική, θα μας ανησυχήσει η προοπτική εισαγωγής εμφυτευμάτων στον ανθρώπινο εγκέφαλο για τη δημιουργία διεπαφών ανθρώπου-μηχανής, ως εργαλείου προώθησης προϊόντων και υπηρεσιών, μέσω τεχνικών νευρωνικού μάρκετινγκ. Η συγγραφική μας προσπάθεια θα ολοκληρωθεί με τη συνοπτική καταγραφή διεθνών πρωτοβουλιών και προτάσεων θέσπισης ενός κατάλληλου θεσμικού και δεοντολογικού πλαισίου για την ανάπτυξη της ΑΙ σε οικονομία και κοινωνία. Στο Παράρτημα θα παραθέσουμε, για καθαρά ενημερωτικούς λόγους, σχέδια χρήσιμων υποδειγμάτων και συμβατικών κειμένων για την χρήση και την ανάπτυξη σύννομων και ηθικά αποδεκτών εφαρμογών ΑΙ. Στην ίδια οπτική, θα παρουσιάσουμε ένα πρωτότυπο πρακτικό παράδειγμα της μεθοδολογίας ελέγχου ύπαρξης προκαταλήψεων (bias), μέσω ειδικού λογισμικού, σε αλγοριθμικά συστήματα αναγνώρισης προσώπου του κοινωνικού δικτύου Twitter. Τέλος, θα συμπεριλάβουμε πρακτικές οδηγίες για την εφαρμογή διαδικασιών και προτύπων αυτοελέγχου της αντικειμενικότητας, διαφάνειας και λογοδοσίας των αλγορίθμων από οργανισμούς και επιχειρήσεις. Είναι αυτονόητο ότι κανένα υπόδειγμα ή γενική οδηγία που περιέχεται στο παρόν πόνημα δεν αποτελεί επαγγελματική συμβουλή σχετικά με το πώς επιτυγχάνεται η συμμόρφωση με τους, ακόμα ρευστούς και υπό διαμόρφωση, νομικούς ή δεοντολογικούς κανόνες και απαιτήσεις ανά τομέα εφαρμογής της τεχνητής νοημοσύνης.

Λεξικό Βασικών Όρων

Το παρόν λεξικό βασικών όρων της ΤΝ στοχεύει στην εξοικείωση του αναγνώστη με τη βασική ορολογία περί τεχνητής νοημοσύνης. Χωρίς πρόθεση εξαντλητικής παράθεσης μιας πολύπλοκης ορολογίας της επιστήμης των υπολογιστών, παρατίθενται μόνο οι έννοιες που είναι απαραίτητες για την κατανόηση των ζητημάτων με τα οποία ασχολείται το παρόν εγχειρίδιο. Η ταξινόμηση περιέχει σε αλφαβητική σειρά την αγγλική λέξη και την ελληνική μετάφρασή της μαζί με μια συνοπτική απλοποιημένη επεξήγηση.

Algorithm (Αλγόριθμος): σύνολο πεπερασμένων κανόνων ή εντολών που δίδονται σε ένα σύστημα ΤΝ, νευρωνικό δίκτυο ή άλλη υπολογιστική μηχανή για την παραγωγή ενός αποτελέσματος ή την επίλυση ενός προβλήματος βάσει της αρχικής εισαγωγής πληροφοριών.

Artificial Intelligence (ΑΙ) (Τεχνητή Νοημοσύνη/ΤΝ): η ικανότητα ενός υπολογιστή να εκτελεί εργασίες που προσομοιώνουν τον τρόπο με τον οποίο ο ανθρώπινος εγκέφαλος διεκπεραιώνει αντίστοιχες λειτουργίες. Οι γνωστικές ικανότητες των νοημόνων όντων περιλαμβάνουν συλλογισμό, ανάλυση και σύνθεση, παρουσίαση γνώσεων, μάθηση βάσει δεδομένων, στοχοθεσία και άλλες νοητικές λειτουργίες.

Artificial General Intelligence/AGI) (Γενική ΤΝ): η θεωρητική μελλοντική ικανότητα μιας εξελιγμένης μηχανής να εκτελέσει με επιτυχία οποιαδήποτε νοητική εργασία δύναται να πραγματοποιήσει σήμερα ο άνθρωπος.

Artificial Narrow Intelligence (ANI) (Στενή ή ασθενής TN): η σημερινή ικανότητα ενός υπολογιστή να εκτελεί εξαιρετικά καλά μια μεμονωμένη εργασία, όπως για παράδειγμα να διενεργεί πολύπλοκους μαθηματικούς υπολογισμούς, να εντοπίζει πληροφορίες ή να παίζει παιχνίδια, όπως σκάκι, πόκερ ή το ασιατικό παιχνίδι στρατηγικής Go.

Artificial Neural Network (ANN) (Τεχνητό νευρωνικό δίκτυο): αποτελεί εξελιγμένο δίκτυο υπολογιστή, το οποίο προσομοιώνει εξελιγμένα μοντέλα μάθησης, αντίστοιχα με αυτά του ανθρώπινου εγκεφάλου. Βασικά δομικά στοιχεία τέτοιων δικτύων είναι οι τεχνητοί νευρώνες, οι οποίοι συνδέονται μεταξύ τους ιεραρχικά σε πολλά επάλληλα στρώματα, το ένα μετά το άλλο, κατ’ αναλογία με τον τρόπο σύνδεσης των φυσικών νευρώνων στον ανθρώπινο εγκέφαλο.

Big Data (μαζικά δεδομένα): σύνολα δεδομένων και μεταδεδομένων μεγάλου όγκου ή πολυπλοκότητας, προερχόμενα από πολλές πηγές (έξυπνα δίκτυα, αισθητήρες, κεραίες κινητής τηλεφωνίας, κάμερες διαχείρισης κυκλοφορίας, drones) τα οποία οι παραδοσιακές εφαρμογές επεξεργασίας είναι ανίκανες να επεξεργασθούν ένεκα ανεπαρκούς υπολογιστικής ισχύος.

Black Box (μαύρο κουτί): η αδιαφάνεια στη λήψη αποφάσεων από αλγοριθμικά συστήματα μηχανικής εκμάθησης, τα οποία διαθέτουν μια είσοδο δεδομένων και παρέχουν μια έξοδο, χωρίς οι συνάψεις, συσχετίσεις και υπολογισμοί που λαμβάνουν χώρα στο εσωτερικό τους να είναι δυνατόν να γίνουν αντιληπτοί και να ερμηνευθούν από τον άνθρωπο.

Chatbot: ρομπότ συνομιλίας εξοπλισμένο με ικανότητα αναγνώρισης φωνής και σχεδιασμένο να προσομοιώνει συνομιλίες με χρήστες ανθρώπους επικοινωνώντας μέσω διαλόγων κειμένου και/ή φωνητικών εντολών.

Computer Vision (υπολογιστική όραση): τεχνική διεργασία με την οποία οι υπολογιστές αποκτούν γνώση υψηλού επιπέδου προσλαμβάνοντας και αποθηκεύοντας εικόνες από ψηφιακές εικόνες ή βίντεο.

Data mining (εξόρυξη δεδομένων): επεξεργασία, μέσω ειδικού λογισμικού, συνόλων μαζικών δεδομένων για την ανεύρεση και εξόρυξη προτύπων από τα εν λόγω δεδομένα, τα οποία μπορούν να χρησιμοποιηθούν σε περαιτέρω εργασίες.

Dataset (αρχείο δεδομένων): συλλογή δεδομένων ή παρατηρήσεων σχετιζόμενων με ορισμένο πρόβλημα (κειμένων, εικόνων, ειδήσεων ενός πρακτορείου, κατάλογος μουσικών έργων, κινηματογραφικών ταινιών κ.λπ).

Deep Learning (βαθιά εκμάθηση): αποτελεί υποσύνολο των νευρωνικών δικτύων αναφέρεται δε στον τρόπο μάθησης μέσω ΑΝΝ, με μεγάλο αριθμό (άνω των τριών) στρωμάτων νευρώνων. Τυπικά, ένα νευρωνικό δίκτυο με περισσότερα από τρία στρώματα χαρακτηρίζεται ως βαθύ (deep) δίκτυο.

Expert System (Έμπειρο σύστημα): είδος υπολογιστικού συστήματος, παλαιότερης γενιάς, το οποίο προσπαθεί να αναπαραγάγει τις ειδικευμένες γνώσεις του ανθρώπου σε ένα εξειδικευμένο τομέα, όπως η χημεία, η νομική, ή ιατρική διάγνωση κ.λπ. Συνδυάζει τρία δομικά στοιχεία ήτοι α) μια βάση γνώσεων, β) μια βάση κανόνων προγραμματισμένων σε επίπεδο πηγαίου κώδικα και γ) μια συμπερασματική μηχανή η οποία οδηγεί στην εξαγωγή συμπερασμάτων. Στη σημερινή εποχή οι τεχνικές μηχανικής μάθησης αντικαθιστούν όλο και περισσότερο τον προγραμματισμό σε επίπεδο πηγαίου κώδικα.

Generative Adversarial Networks/GANs (Παραγωγικά αντιπαραθετικά δίκτυα): τύπος νευρωνικού δικτύου που παράγει, μέσω χρήσης δύο ανταγωνιστικών μοντέλων νευρωνικών δικτύων και τεχνικών επιβλεπόμενης μάθησης, νέα δεδομένα εξόδου παρόμοια με εκείνα που παρέλαβε στην είσοδο (φωτογραφίες προσώπων, πίνακες γνωστών ζωγράφων κ.λπ.).

Image recognition (αναγνώριση εικόνων): η ικανότητα ενός συστήματος ή λογισμικού ΑΙ να αναγνωρίζει αντικείμενα, άτομα, τοποθεσίες, μέσω τεχνολογίας μηχανικής όρασης με χρήση καμερών και εκπαιδευμένων αλγορίθμων.

Inductive reasoning (επαγωγικός συλλογισμός): τρόπος συλλογισμού μέσω χρήσης πολλαπλών υποθέσεων προς συναγωγή ενός συμπεράσματος, όπως η πρόβλεψη ενός αποτελέσματος.

Intelligence (Νοημοσύνη): μεταξύ πολλών ορισμών, ως νοημοσύνη ορίζεται η ικανότητα κάποιου να σκέφτεται λογικά, να κατανοεί, να έχει αυτογνωσία, να μαθαίνει, να καταλαβαίνει τα συναισθήματα των άλλων, να προγραμματίζει, να επιδεικνύει δημιουργικότητα και να επιλύει προβλήματα.

Intelligence Explosion (έκρηξη νοημοσύνης): όρος που καθιερώθηκε για την περιγραφή των τελικών αποτελεσμάτων από την ενασχόληση με τη γενική ΤΝ, η οποία ενδέχεται να οδηγήσει στη μοναδικότητα (singularity), όπου μια «τεχνητή υπερ-νοημοσύνη» θα ξεπερνά τις δυνατότητες της ανθρώπινης νόησης.

Ιntelligent personal assistant (έξυπνος προσωπικός βοηθός): ο υπολογιστικός πράκτορας που εκτελεί συγκεκριμένες εργασίες (αποστολή e-mail, διαχείριση ημερολογίου, έλεγχος οικιακών συσκευών) ή παρέχει υπηρεσίες μέσω προφορικών εντολών συχνά ερμηνεύοντας τον ανθρώπινο λόγο και απαντώντας μέσω συνθετικής φωνής (Alexa, Cortana, Siri).

Machine learning (μηχανική μάθηση): κλάδος της ΤΝ, που στόχο έχει να μάθει από τα δεδομένα και να κάνει προβλέψεις, όχι με βάση συλλογισμούς και έννοιες, όπως κατά το παρελθόν, αλλά με βάση κοινά χαρακτηριστικά των ψηφιακών δεδομένων. Υποσύνολο αυτής είναι η βαθιά εκμάθηση (deep learning) μέσω δικτύων τα οποία διαθέτουν τουλάχιστον τρία επάλληλα στρώματα νευρώνων.

Machine perception (μηχανική αντίληψη): η ικανότητα ενός συστήματος να λαμβάνει και να ερμηνεύει, μέσω χρήσης δεδομένων και λογισμικού, δεδομένα από τον έξω κόσμο κατά τρόπο παρόμοιο με τις ανθρώπινες αισθήσεις.

Machine translation (MT) (Μηχανική μετάφραση): η διαδικασία με την οποία το λογισμικό υπολογιστή μεταφράζει αυτόματα ένα κείμενο από μια φυσική γλώσσα (όπως η ελληνική) σε μία άλλη (όπως η αγγλική).

Narrow Intelligence (στενή ΤΝ): η υπολογιστική διαδικασία προγραμματισμού του υπολογιστή να εκτελεί μία μόνο εργασία, όπως πρόβλεψη καιρού, η ικανότητα να παίξει σκάκι ή να αναλύει διάσπαρτα δεδομένα στο διαδίκτυο ώστε να συντάξει ειδήσεις ή δημοσιογραφικά ρεπορτάζ.

Natural language processing/NLP (επεξεργασία φυσικής γλώσσας): η ικανότητα ενός προγράμματος η/υ να αναγνωρίζει την ανθρώπινη επικοινωνία σε φυσική γλώσσα.

Optical Character Recognition (OCR) (Οπτική αναγνώριση χαρακτήρων): η μετατροπή εικόνων δακτυλογραφημένου, χειρόγραφου ή τυπωμένου κειμένου σε κείμενο κωδικοποιημένο προς αναγνώριση από μια μηχανή.

Pattern Recognition (Αναγνώριση προτύπων): κλάδος της μηχανικής μάθησης που επιτρέπει αυτοματοποιημένη αναγνώριση προτύπων και κανονικότητας σε δεδομένα (στατιστικά, ανάλυση εικόνας, γραφικά υπολογιστών κ.λπ).

Predictive Analytics (Προβλεπτική ανάλυση): περιλαμβάνει πληθώρα στατιστικών τεχνικών, όπως η προβλεπτική μοντελοποίηση, η μηχανική μάθηση και η εξόρυξη δεδομένων, αναλύει δε τρέχοντα αλλά προγενέστερα γεγονότα με σκοπό να πραγματοποιήσει προβλέψεις ως προς μελλοντικά ή άγνωστα συμβάντα.

Reinforcement Learning (Ενισχυτική μάθηση): τύπος αλγορίθμων μηχανικής μάθησης ο οποίος επιτρέπει στο λογισμικό και στις μηχανές να προσδιορίζουν αυτόματα την ιδανική συμπεριφορά μέσα σε ορισμένο πλαίσιο, για να μεγιστοποιήσουν την απόδοσή τους, χωρίς εκ των προτέρων στόχους, αλλά με δοκιμές και αναπόφευκτα λάθη.

Robotics (Ρομποτική): κλάδος της τεχνολογίας που ασχολείται με τον σχεδιασμό, την κατασκευή, τη λειτουργία και τις εφαρμογές των ρομπότ. Τα περισσότερα ρομπότ σήμερα χρησιμοποιούνται για να πραγματοποιούν επαναλαμβανόμενες ενέργειες ή εργασίες που θεωρούνται αρκετά επικίνδυνες για τον άνθρωπο.

Singularity (μοναδικότητα): η τεχνολογική μοναδικότητα είναι ένα υποθετικό χρονικό σημείο στο μέλλον όπου η τεχνολογική ανάπτυξη γίνεται ανεξέλεγκτη και μη αναστρέψιμη, με αποτέλεσμα ανυπολόγιστες αλλαγές στον ανθρώπινο πολιτισμό.

Strong AI (ισχυρή ΤΝ): αποτελεί μελλοντικό τεχνολογικό ζητούμενο όπου η ΤΝ θα είναι τόσο αναπτυγμένη όσο η ανθρώπινη, εξέλιξη που θεωρείται από πολλούς ως σενάριο επιστημονικής φαντασίας. Η υπάρχουσα ΤΝ είναι ασθενής, δηλαδή ικανή να εκτελέσει ένα συγκεκριμένο έργο, όπως οδήγηση αυτοκινήτου ή παιχνίδι σκακιού ή πόκερ, χωρίς να διαθέτει κοινή λογική, όπως ο άνθρωπος.

Superintelligence (Υπερεφυϊα ή υπερνοημοσύνη): η νοημοσύνη ενός υποθετικού πράκτορα που θα διαθέτει στο μέλλον νοημοσύνη η οποία ξεπερνά κατά πολύ το επίπεδο γενικής νοημοσύνης του ανθρώπου.

Supervised learning (επιβλεπόμενη μάθηση): τύπος μηχανικής μάθησης στον οποίο τα σύνολα δεδομένων εκπαιδεύουν τη μηχανή στην παραγωγή επιθυμητών αλγορίθμων, όπως ο δάσκαλος που επιβλέπει έναν μαθητή.

Symbolic Artificial Intelligence (συμβολική ΤΝ): όρος που χρησιμοποιείται για να δηλώσει τις ερευνητικές μεθόδους ΤΝ οι οποίες βασίζονται σε υψηλού επιπέδου συμβολικές, αναγνώσιμες από τους ανθρώπους, αναπαραστάσεις προβλημάτων, λογικής και αναζήτησης λύσεων.

Synthetic Intelligence (συνθετική νοημοσύνη): όρος συνώνυμος της ΤΝ, ο οποίος υποδηλώνει ότι η νοημοσύνη των μηχανών δεν χρειάζεται να είναι απαραιτήτως μιμητική της ανθρώπινης, αλλά να αποτελέσει γνήσια μορφή νοημοσύνης.

Transfer Learning (μεταβιβαζόμενη μάθηση): τεχνική μηχανικής μάθησης στην οποία ο αλγόριθμος μαθαίνει να εκτελεί μία εργασία, όπως η αναγνώριση των σημάτων οδικής κυκλοφορίας, επεκτείνοντας αυτή τη γνώση σε άλλες εργασίες, όπως η αναγνώριση ανθρώπων ή άλλων αντικειμένων.

Unsupervised learning (μη επιβλεπόμενη μάθηση): τύπος αλγορίθμου μηχανικής μάθησης που χρησιμοποιείται για την εξαγωγή συμπερασμάτων από σύνολα δεδομένων που αποτελούνται από δεδομένα χωρίς επισήμανση.

Weak AI (ασθενής ΤΝ): μορφή ΤΝ περιορισμένης λειτουργίας, της οποίας οι εφαρμογές αφορούν την εκπλήρωση συγκεκριμένων και μόνο εργασιών όπως οι σημερινές συσκευές - ψηφιακοί βοηθοί τύπου Google Assistant, Cortana, Siri κ.λπ.

Μέρος Πρώτο

H εφαρμογή της τεχνητής νοημοσύνης
στην απονομή της δικαιοσύνης

Η διερεύνηση των όρων συμβίωσης μεταξύ δικαίου και τεχνολογίας εμπεριέχει έναν αυξημένο βαθμό πολυπλοκότητας. Ο Αριστοτέλης αναφέρει τρία στοιχεία που καθορίζουν τη σωστή λειτουργία κάθε πολιτεύματος εκ των οποίων «το πρώτο διαβουλεύεται για τα κοινά, το δεύτερο αφορά τις αρχές, ποιες πρέπει να είναι, ποιες αρμοδιότητες να έχουν και με ποιον τρόπο να γίνεται η εκλογή τους, και το τρίτο να απονέμει δικαιοσύνη». Κατά το μεγάλο Έλληνα φιλόσοφο, η σκέψη του οποίου επηρέασε βαθύτατα τη δυτική φιλοσοφική και επιστημονική σκέψη, «ου γαρ ο δικαστής, ουδ’ ο βουλευτής, ουδ’ ο εκκλησιαστής άρχων εστί, αλλά το δικαστήριον, η βουλή και ο δήμος». Οι κανόνες δικαίου παράγονται από το νομοθέτη, κατά την αρχή της νομιμότητας, δεσμεύοντας την εκτελεστική και την δικαστική εξουσία με σκοπό την πραγμάτωση της αρχής της λαϊκής κυριαρχίας, ως θεμέλιο του δημοκρατικού πολιτεύματος. Η αιτιολόγηση των αποφάσεων, παρότι δεν οδηγεί άνευ ετέρου σε αποδεικτικά έγκυρες αποφάσεις, είναι αναγκαία στο πλαίσιο του δικαστικού ελέγχου και της πλατωνικής αρχής της λογοδοσίας, ως «τέχνης του διδόναι λόγον». Η τεχνητή νοημοσύνη, κινητήρια δύναμη της 4ης βιομηχανικής επανάστασης, είναι μια ανατρεπτική τεχνολογία, η οποία εν δυνάμει αγγίζει και τις τρεις εξουσίες ενός δημοκρατικού κράτους, νομοθετική, εκτελεστική και δικαστική.

Σε επίπεδο κοινοβουλευτικής διαδικασίας, ρομπότ συνομιλίας (chatbots), εξοπλισμένα με ικανότητα επεξεργασίας φυσικής γλώσσας (natural language processing, NLP), αλλά και βίντεο και ήχου, εκτελούν χρέη κοινοβουλευτικού γραμματέα σε χώρες όπως η Εσθονία (ρομπότ HANS), η Ολλανδία (Speech2Write), η Βραζιλία (Οδυσσέας/Ulysses), η Ιαπωνία (GRIPS), η Νότια Αφρική και οι ΗΠΑ. Τα ρομπότ αυτά έχουν δυνατότητα ηχογράφησης

των συνεδριάσεων της Βουλής και θεματικής ταξινόμησης των βίντεο ανά συζητούμενο θέμα ή νομοσχέδιο. Παρέχουν ακόμα τεχνική υποστήριξη προς τους βουλευτές, αναπαράγοντας το πλήρες κείμενο των νόμων στους οποίους παραπέμπουν ή στις διατάξεις τις οποίες τροποποιούν τα συζητούμενα νομοσχέδια. Συλλέγοντας πληροφορίες για τη σύνταξη έκθεσης επιπτώσεων κάθε νομοθετικού μέτρου, τέτοιου είδους ρομποτικά συστήματα συμβάλλουν στη διάχυση της γνώσης, στην ενίσχυση της διαφάνειας και βελτίωσης της ποιότητας της κοινοβουλευτικής διαδικασίας προς όφελος του κράτους και των πολιτών.

Σε επίπεδο διακυβέρνησης, δημόσιας διοίκησης και ασφάλειας, λογισμικά εργαλεία ΑΙ χρησιμοποιούνται για την έκδοση αυτοματοποιημένων διοικητικών αποφάσεων (φορολογία εισοδήματος, εισαγωγή μαθητών σε σχολεία και αποφοίτων λυκείου σε πανεπιστήμια, τροχαίες παραβάσεις), για τη διασταύρωση φορολογικών στοιχείων μέσω εξόρυξης δεδομένων (data mining) από διάφορες πηγές, δημόσια αρχεία, ηλεκτρονικές πωλήσεις και αγορές, (Γαλλία, Γερμανία, Σουηδία, Φινλανδία) καθώς για την online εναλλακτική επίλυση διαφορών. Σε ό,τι αφορά την πρόληψη και δίωξη του εγκλήματος, σε προδικαστικό επίπεδο, προβλεπτικοί αλγόριθμοι αστυνόμευσης περιοχών υψηλής εγκληματικότητας, συστήματα καμερών βιντεοεπιτήρησης με λογισμικό αναγνώρισης προσώπου και ρομποτικά μηχανικά εργαλεία βοηθούν τις αστυνομικές, τελωνειακές και γενικότερα τις διωκτικές αρχές στην αστυνόμευση περιοχών, στην επιτήρηση συνόρων, στην προστασία της δημόσιας ασφάλειας και στη σύλληψη εγκληματιών. Σε επίπεδο απονομής της ποινικής δικαιοσύνης, η χρήση προβλεπτικών συστημάτων λογισμικού προβλέπεται στην αμερικανική νομοθεσία για την υποβοήθηση του δικαστή στην επιμέτρηση των ποινών και τη λήψη απόφασης περί απόλυσης ποινικών κρατουμένων υπό όρους. Οι αποφάσεις βασίζονται στη μηχανική αξιολόγηση του εγκληματολογικού και κοινωνικού προφίλ των ατόμων, σταθμίζοντας προκαθορισμένους συντελεστές επικινδυνότητας οι εν λόγω εγκληματίες να καταστούν φυγόδικοι ή υπότροποι.

Εκτός από τη συνδρομή στη λήψη των πολιτικών αποφάσεων από την κυβέρνηση και στη βελτίωση της ποιότητας της νομοθετικής διαδικασίας από τη Βουλή, η προηγμένη υπολογιστική τεχνολογία δρα επιβοηθητικά και κατά την εφαρμογή των κανόνων δικαίου από τα δικαστήρια. Στον τομέα απονομής της Δικαιοσύνης, καινοτόμες τεχνολογικές εφαρμογές χρησιμοποιούνται στην Ευρώπη, κατά την προαναφερόμενη σχετική μελέτη της ΕΕ για διάφορες υποστηρικτικές δραστηριότητες της γραμματείας, όπως α) επεξεργασία μαζικών δεδομένων (εντοπισμός πληροφοριών για την υπόθεση, ταξινόμηση και

κατηγοριοποίηση σε έντυπα ή μηχανικά μέσα), β) επεξεργασία ήχων, εικόνων και φωτογραφιών (αναγνώριση προσώπων δραστών, θυμάτων, παρακολούθηση υπόπτων, γ) διασύνδεση και διεπαφές μεταξύ ετερογενών αρχείων και συστημάτων, δ) πρόσβαση πολιτών στη δικαιοσύνη (απλοποίηση διαδικασιών, πληροφορίες νομοθεσίας και νομολογίας, ε) συμμόρφωση με τη νομοθεσία περί προστασίας δεδομένων προσωπικού χαρακτήρα (επεξεργασία αποφάσεων, απαλοιφή ονομάτων διαδίκων κ.λπ.), στ) διαχείριση εγγράφων σε χαρτί (μεταφράσεις, απομαγνητοφώνηση μαρτυρικών καταθέσεων, διοίκηση δικαστηρίων, υπογραφή πρακτικών δίκης και αποφάσεων), ζ) προγραμματισμός ακροάσεων, δικασίμων, κατανομή αιθουσών, η) διασφάλιση αυθεντικότητας και εντοπισμού εγγράφων προς ασφαλή διαβίβαση μεταξύ υπηρεσιών, χρήση ηλεκτρονικών υπογραφών και υπηρεσιών εμπιστοσύνης.

Κατά τα τελευταία χρόνια, συστήματα ΑΙ έχουν εισέλθει δυναμικά ακόμα και στο σκληρό πυρήνα της απονομής της δικαιοσύνης, που είναι η λήψη των αποφάσεων. Πολύτιμο εργαλείο των διωκτικών και αστυνομικών αρχών για την πρόληψη και εξιχνίαση εγκλημάτων, αλλά και για την εξέταση υπόπτων με βάση εγκεφαλικές μεθόδους (π.χ. νευροαπεικόνιση, ηλεκτροεγκεφαλογράφημα), εφεξής η υπολογιστική τεχνολογία διαδραματίζει oλοένα και σημαντικότερο ρόλο κατά τη διάρκεια των δικονομικών διαδικασιών. Εκτός της αυτόματης χρέωσης υποθέσεων σε δικαστές (Πολωνία), προβλεπόμενης δυνατότητας αυτόματης συλλογής του αποδεικτικού υλικού (e-discovery) από αρχεία μαζικών δεδομένων (big data) στον αγγλοσαξωνικό χώρο (Αυστραλία, ΗΠΑ, Ηνωμένο Βασίλειο, Ιρλανδία, Καναδάς), η τεχνολογία παρεμβαίνει και μετά την έκδοση απόφασης, κατά την έκτιση της ποινής, προς εκτίμηση της πιθανότητας υποτροπής εκ μέρους των υπό όρους απολυομένων κρατουμένων.

Τέλος, σε ό,τι αφορά τις συνθήκες άσκησης της δικηγορίας σημειώνεται, κατά την τελευταία δεκαετία, σε Ευρώπη και ΗΠΑ, δυναμική είσοδος πλήθους νεοφυών ιδιωτικών εταιριών ανάπτυξης λογισμικού και εφαρμογών στο χώρο των επαγγελματιών του δικαίου (δικηγόροι, συμβολαιογράφοι, πραγματογνώμονες), αλλά και στον τομέα των ασφαλιστικών και επενδυτικών συμβούλων. Προϊόν όσμωσης μεταξύ δικαίου και τεχνολογίας, οι εταιρίες νομικής τεχνολογίας (legal tech) εξειδικεύονται στο σχεδιασμό νέων νομικών υπηρεσιών, προσφέροντας καινοτόμες εφαρμογές πληροφόρησης, έρευνας και τεκμηρίωσης στους πολίτες, στους νομικούς και στις επιχειρήσεις. Μεταξύ αυτών ανήκουν τυποποιημένες συμβάσεις, αιτήσεις χορήγησης βοηθημάτων προς οργανισμούς κοινωνικής ασφάλισης, οδηγίες για τη διεκδίκηση δικαιωμάτων, καθώς και εξειδικευμένα εργαλεία νομικής και νομολογιακής έρευνας και πληροφόρησης για δικηγόρους και οργανισμούς. Παρέχουν ακόμα στη νομική αγορά υπηρεσίες στατιστικής πρόβλεψης της

δικαστικής έκβασης των υποθέσεων με βάση τη νομολογία, το προφίλ του δικαστή και τα δικαστικά προηγούμενα. Ειρήσθω εν παρόδω, ότι η πρόβλεψη (prediction) αφορά την ανακοίνωση του τι θα συμβεί στο μέλλον βάσει έμπνευσης, μαντείας ή προαισθήματος (π.χ. πρόβλεψη αποτελέσματος ενός ποδοσφαιρικού αγώνα). Αντίθετα, η πρόγνωση (forecasting), είναι το αποτέλεσμα της παρατήρησης ενός συνόλου δεδομένων, ώστε να προβλεφθεί μια μελλοντική κατάσταση (π.χ. πρόγνωση καιρού βάσει μαθηματικής ανάλυσης μεγάλου όγκου μετεωρολογικών δεδομένων).

Πρόκειται για μια αμιγώς εμπορικές δραστηριότητες, οι οποίες, χάρη στη χρήση της τεχνολογίας, ανταγωνίζονται την παραδοσιακή συμβουλευτική δικηγορία απομειώνοντας τη δικηγορική ύλη, τουλάχιστον σε επίπεδο παροχής βασικής νομικής πληροφόρησης. Τέτοια προβλεπτικά εργαλεία εφαρμόζονται σε δικηγορικά γραφεία και σε δικηγορικούς συλλόγους, όπως αυτός της γαλλικής πόλης Lille, ενώ δοκιμάστηκαν πειραματικά, χωρίς επιτυχία, και από τα ίδια τα δικαστήρια. Στο μέτρο που διακυβεύεται τόσο η πρόσβαση του πολίτη στη δικαιοσύνη, η ίδια η ακεραιότητα της δικαστικής διαδικασίας αλλά και γενικότερα τα ανθρώπινα δικαιώματα των πολιτών, εμείς οι νομικοί, καλούμαστε να συμμετάσχουμε ενεργά στις μελλοντικές εξελίξεις της τεχνητής νοημοσύνης. Στην προοπτική αυτή, συστάθηκε άλλωστε από την ελληνική Πολιτεία, το Φεβρουάριο 2019, διαρκής επιστημονική επιτροπή, με αντικείμενο την εξέταση των επιπτώσεων της ΤΝ στο δικαστικό σύστημα. Ενόψει της κριτικής προσέγγισης που ακολουθεί, σε σχέση με το ζήτημα αυτό, είναι σκόπιμο να εξετάσουμε συνοπτικά, στο πρώτο εισαγωγικό κεφάλαιο, τι σημαίνει τεχνητή νοημοσύνη και ποια η δυνητική συνεισφορά της στην απονομή του δικαίου.