In deze column bekijkt Ingrid van de Pol-Mensing, co-CEO en mede-oprichter van Uncover Legal, AI vanuit een filosofisch standpunt. Met behulp van Aristoteles legt ze uit hoe AI de advocatuur kan ondersteunen.
Kunstmatige intelligentie (AI) is allang niet meer uitsluitend voorbehouden aan programmeurs en techbedrijven. In de advocatuur wordt AI steeds vaker ingezet voor feitenanalyse, juridische tekstinterpretatie en zelfs het opstellen van adviezen. Maar in plaats van ons enkel te richten op de technologische mogelijkheden, leek het mij – geïnspireerd door het boek Van Aristoteles tot algoritme van Guido van der Knaap – boeiend om AI eens te bekijken vanuit een ander perspectief: dat van de filosofische traditie. Hoe verhoudt AI zich tot fundamentele concepten zoals logica, kennis en causaliteit?
Guido van der Knaap behandelt deze vragen op een begrijpelijke manier. Hij plaatst AI in de context van zes filosofische disciplines. Een aantal thema’s sprong er voor mij uit in relatie tot de advocatuur.
Logica en rechtspraak
Aristoteles legde met zijn formele logica de basis voor juridische argumentatie. In de advocatuur draait redeneren om het zorgvuldig opbouwen van argumenten en het trekken van valide conclusies op basis van bestaande wetten en precedenten. Aristoteles’ syllogismen—redeneervormen waarin een conclusie logisch voortvloeit uit twee premissen—zijn nog steeds relevant in juridische besluitvorming.
AI kan deze formele argumentatie ondersteunen door patronen in juridische teksten te analyseren, tegenstrijdigheden te signaleren en contracten te controleren op juridische consistentie. Moderne AI-tools zijn steeds beter in staat om juridische documenten te doorzoeken en juridische redeneringen te valideren op basis van logische principes. Dit helpt advocaten niet alleen om sterker onderbouwde pleidooien op te stellen, maar ook om inconsistenties of zwakke punten in argumentatie tijdig te herkennen.
Epistemologie en bewijsvoering
Epistemologie is de filosofische studie van kennis: hoe verwerven we kennis, wat maakt iets tot betrouwbare informatie en onder welke voorwaarden kunnen we iets als waarheid aannemen? In de advocatuur speelt epistemologie een cruciale rol, omdat juridische besluitvorming grotendeels steunt op bewijsvoering. Advocaten en rechters moeten bepalen welke informatie als overtuigend bewijs kan dienen, rekening houdend met betrouwbaarheid, objectiviteit en juridische relevantie.
AI, en met name Natural Language Processing (NLP), kan een waardevolle bijdrage leveren aan juridische bewijsvoering door grote hoeveelheden juridische teksten te doorzoeken en relevante jurisprudentie en wetgeving snel en nauwkeurig te analyseren. Dit versnelt niet alleen de onderzoeksfase, maar kan ook helpen bij het ontdekken van verbanden tussen uitspraken die anders mogelijk over het hoofd worden gezien. Hoewel AI nog steeds menselijke interpretatie nodig heeft, wordt het steeds beter in het ondersteunen van juristen bij het verzamelen en analyseren van bewijsmateriaal.
De grenzen van AI
Hoewel AI indrukwekkende vooruitgang heeft geboekt, kent het nog steeds filosofische en praktische uitdagingen. Eén daarvan is de manier waarop AI oorzaak-gevolgrelaties begrijpt. David Hume stelde dat we oorzaak-gevolgrelaties niet direct kunnen waarnemen, maar slechts herhaaldelijk samen voorkomende gebeurtenissen zien. Deep learning-modellen werken op een vergelijkbare manier: ze herkennen patronen in data, maar begrijpen niet per se de onderliggende oorzaken.
Dit kan problematisch zijn in juridische contexten, waar de oorzakelijke relatie tussen feiten en uitkomsten essentieel is. Bijvoorbeeld, een AI-systeem kan een correlatie vaststellen tussen bepaalde kenmerken van een zaak en de uiteindelijke uitspraak, maar zonder een diep begrip van de juridische principes die eraan ten grondslag liggen. Gelukkig worden AI-modellen steeds beter in causale inferentie, waardoor ze niet alleen correlaties herkennen, maar ook beter onderscheid kunnen maken tussen oorzakelijke verbanden en willekeurige samenhangen.
Een tweede fundamentele uitdaging is het inductieprobleem. Hume wees erop dat we geneigd zijn te veronderstellen dat patronen uit het verleden zich in de toekomst zullen herhalen, terwijl daar geen absolute zekerheid over bestaat. AI-modellen werken op basis van inductie: ze leren van historische data en passen deze kennis toe op nieuwe gevallen. Maar wat als de omstandigheden veranderen en de bestaande patronen niet meer geldig zijn?
Dit kan in juridische en ethische contexten problematisch zijn. Een AI-systeem dat is getraind op vroegere jurisprudentie, kan moeite hebben om uitzonderlijke of nieuwe situaties correct te interpreteren. De oplossing ligt in technieken zoals meta-leren en transfer learning, die AI helpen flexibeler te worden en zich beter aan te passen aan veranderende omstandigheden. Hierdoor kunnen modellen niet alleen effectief blijven binnen hun trainingsdata, maar ook in nieuwe, onbekende contexten.
Conclusie
Zoals het gezegde luidt: “Zonder verleden geen heden, zonder heden geen toekomst.” Dit geldt ook voor de manier waarop AI zich ontwikkelt. AI bouwt voort op inzichten uit het verleden, functioneert in het heden en beïnvloedt de toekomst. Met de snelheid waarop AI modellen ontwikkelen worden de beperkingen steeds minder en zal de betrouwbaarheid en relevantie voor de advocatuur steeds meer toenemen. Wanneer je als advocaat de impact van AI op je vakgebied wil begrijpen, neem het boek dan vooral mee op je volgende vakantie.
