- Sözleşme incelemesinde LLM'leri Junior Lawyer ve yasal süreç dış kaynak kullanımı (LPO) ile karşılaştıran bu deneyde, Senior Lawyer değerlendirmeleri doğru cevap ölçütü olarak alındı; hukuki mesele tespiti, konum belirleme, hız ve maliyet birlikte değerlendirildi
- Hukuki mesele tespitinde GPT4-1106, 0.871 F-score ile LPO'nun 0.874 sonucuna çok yaklaştı ve Junior Lawyer'ın 0.860 sonucunu geçti; ancak konum belirlemede LPO 0.770 ile GPT4-32k'nın 0.740 sonucunun önünde yer aldı
- Deneyde anonimleştirilmiş 10 tedarik sözleşmesi kullanıldı; NDA'ler belgelerin kısa olması nedeniyle karmaşık değerlendirme için uygun görülmediğinden dışarıda bırakıldı ve ABD ile Yeni Zelanda yargı alanlarındaki sözleşmelere dengeli biçimde yer verildi
- İnceleme hızında LLM'ler açık ara öndeydi; ortalama süreler Junior Lawyer için 56.17 dakika, LPO için 201 dakika iken GPT4-1106 için 4.70 dakika, GPT4-32k için 2.11 dakika, Palm2 text-bison için 0.73 dakika düzeyindeydi
- Sözleşme başına maliyet Claude 2.0 ve Claude 2.1 için 0.02 dolar, GPT4-1106 için 0.25 dolar olarak hesaplandı; bu da Junior Lawyer'ın 74.26 dolar ve LPO'nun 36.85 dolarlık maliyetine kıyasla en fazla %99.97 maliyet tasarrufu anlamına geliyor
Sözleşme incelemesinde ne karşılaştırıldı
- Amaç, LLM'lerin yüksek hacimli sözleşme inceleme işlerinde doğruluk, hız ve maliyet verimliliği açısından Junior Lawyer ve LPO'yu geçip geçmediğini ya da onlarla aynı seviyede olup olmadığını değerlendirmekti
- Karşılaştırılan görev, sözleşme içindeki hukuki meseleleri tespit etmek ve bu kararı etkileyen sözleşme hükümlerinin konumunu bulmaktı
- Senior Lawyer tarafından yapılan değerlendirmeler doğru cevap ölçütü olarak alınarak LLM, Junior Lawyer ve LPO sonuçları karşılaştırıldı
- Araştırma soruları üç başlıkta toplandı
- LLM'ler, sözleşme içindeki hukuki mesele tespiti ve konum belirlemede Junior Lawyer ve LPO'dan daha iyi mi
- LLM'ler sözleşmeleri daha hızlı inceleyebilir mi
- LLM'ler sözleşmeleri daha düşük maliyetle inceleyebilir mi
Veri kümesi ve deney tasarımı
- Veri kümesi, gerçek hukuki sözleşmelerden alınan anonimleştirilmiş 10 tedarik sözleşmesinden oluştu
- Tedarik sözleşmeleri, hukuk pratiğinde inceleme hacmi yüksek bir sözleşme türü olduğu için seçildi; NDA'lerin ise genellikle kısa olması nedeniyle LLM'lerin karmaşık hukuki mesele tespit yeteneğini değerlendirmek için yeterli olmadığı düşünüldü
- Yargı alanları olarak ABD ve Yeni Zelanda sözleşmelerine dengeli biçimde yer verildi
- ABD, yazılı hukuk ile common law'un birleştiği bir sistem olarak ele alındı
- Yeni Zelanda, common law temelli bir sistem olarak ele alındı
- Her sözleşme, belge senaryosu ve sözleşme inceleme playbook'undan oluşan iki bileşenli yapı ile analiz edildi
- Belge senaryosu; yargı alanı, geçmiş, kuruluş ölçeği ve sözleşme taraflarının ürün/hizmet bağlamını sağladı
- İnceleme playbook'u, gerçek vakalardan türetilmiş standart kontrol maddeleri sundu
- Senior Lawyer, her sözleşmenin önceden tanımlı ölçütleri karşılayıp karşılamadığını değerlendirdi ve bu kararı etkileyen belirli sözleşme bölümlerini bulup kaydetti
- İlgili bilginin sözleşmede bulunmaması nedeniyle ölçütün karşılanmadığı durumlar da açıkça kaydedildi
- Birden fazla Senior Lawyer'ın sonuçları çoğunluk görüşüne göre toplulaştırıldı
- Araştırma, Onit Inc.'in etik standartlarına göre yürütüldü; katılımcı bilgilendirmesi, çekilme hakkı, anonimleştirme, sözleşme verilerinin kimliksizleştirilmesi, etik kurul katılımı ve denetimi gibi unsurları içerdi
Model seçimi ve prompt'lar
- Modeller, LLM alanındaki başlıca sağlayıcılar, ön test sonuçları ve context window büyüklüğü dikkate alınarak seçildi
- 16.000 token'dan fazlasını işleyemeyen modeller, sözleşmenin tüm bağlamını ele almakta zorlanacakları düşünülerek değerlendirme dışında bırakıldı
- LLaMA2 ve Amazon Titan için belgeyi birden fazla parçaya bölmek gerekiyordu; her parçada senaryo, playbook ve tanım maddelerinin yeniden verilmesi gerekiyordu
- RAG gibi teknikler de incelendi ancak ön değerlendirmede sözleşme bağlamı anlayışında kopukluk yarattığı için insan avukat seviyesindeki anlayışla karşılaştırmaya uygun bulunmadı
- Değerlendirmeye dahil edilen modeller ve ayarları şöyleydi
- GPT4 32k: temperature 0.2, giriş 32,768 token, eğitim verisi Eylül 2021'e kadar
- GPT4-1106: temperature 0.2, giriş 128,000 token, eğitim verisi Nisan 2023'e kadar
- GPT3.5-turbo-16k: temperature 0.2, giriş 16,385 token, eğitim verisi Eylül 2021'e kadar
- Claude 2.1: temperature 0.2, giriş 200,000 token, eğitim verisi 2023 başına kadar
- Claude 2.0: temperature 0.2, giriş 100,000 token, eğitim verisi 2023 başına kadar
- Palm2 Text-bison-32k-2: temperature 0.2, giriş 32,768 token, eğitim verisi 2021 ortalarına kadar
- Prompt'lar rol, görev ve bağlamdan oluşuyordu
- Rol, modelin avukat personasını izlemesini sağlıyordu
- Görev, verilen ölçütlere göre sözleşmeyi incelemek ve mesele ile konum hakkında karar vermekti
- Bağlam, hedef okuyucu, taraf geçmişi ve müzakere senaryosu gibi unsurlarla; avukatlara, LPO'lara ve sözleşme inceleyicilerine verilen talimatlara benzer şekilde kurgulandı
Doğruluk: mesele tespiti yakın, konum belirlemede fark var
- Hukuk profesyoneli grupları arasındaki uyum Cronbach’s Alpha ile değerlendirildi
- Tüm katılımcılar arasındaki uyum 0.923366 ile yüksekti
- Senior Lawyer'lar arasındaki uyum 0.719308 ile en düşüktü
- Junior Lawyer için bu değer 0.765058 idi
- LPO, 1.0 ile tam yanıt uyumu gösterdi
- Hukuki mesele tespitinde F-score bazında en iyi sonuçlar LPO ve GPT4-1106'dan geldi
- LPO: precision 0.933, recall 0.823, F-score 0.874
- GPT4-1106: precision 0.835, recall 0.910, F-score 0.871
- Junior Lawyer: precision 0.876, recall 0.845, F-score 0.860
- Claude 2.0 ve GPT4-32k sırasıyla 0.817 ve 0.820 F-score elde etti
- GPT3.5 0.657, Palm2 text-bison ise 0.708 ile daha düşük kaldı
- Mesele konumu belirlemende en yüksek F-score'u LPO elde etti
- LPO: precision 0.915, recall 0.666, F-score 0.770
- GPT4-32k: precision 0.847, recall 0.660, F-score 0.740
- Claude 2.1: precision 0.911, recall 0.569, F-score 0.701
- GPT4-1106: precision 0.857, recall 0.575, F-score 0.686
- Junior Lawyer: precision 0.866, recall 0.542, F-score 0.667
- Palm2 text-bison, 0.452 F-score ile en düşük sonucu verdi
- LLM'ler mesele tespitinde Junior Lawyer ve LPO ile benzer ya da daha iyi olabilir; ancak hüküm konumunu isabetli biçimde işaretleme işinde modeller arasında büyük fark var ve her zaman insan profesyonellerin önüne geçemiyorlar
Hız, maliyet ve devreye alma kısıtları
- Ortalama sözleşme inceleme süresi, LLM'lerde insan profesyonellere kıyasla çok daha kısaydı
- Senior Lawyer: 43.46 dakika
- Junior Lawyer: 56.17 dakika
- LPO: 201.00 dakika
- GPT4-1106: 4.70 dakika
- GPT4-32k: 2.11 dakika
- GPT3.5: 1.44 dakika
- Claude 2.1: 2.05 dakika
- Claude 2.0: 1.63 dakika
- Palm2 text-bison: 0.73 dakika
- En hızlı LLM olan Palm2 text-bison'ın sözleşme inceleme görevini LPO'dan 276 kat, Junior Lawyer'dan 77 kat daha hızlı tamamladığı hesaplandı
- LLM sistem prompt'unun kurulumu, testi, ince ayarı ve doğrulanması ortalama 16 saat sürdü; bu süre, Junior Lawyer ve LPO'ya benzer işleri tarif etmek için harcanan zamana yakın düzeydeydi
- Sözleşme başına ortalama maliyet, insan profesyoneller ile LLM'ler arasında büyük fark gösterdi
- Senior Lawyer: 75.92 dolar
- Junior Lawyer: 74.26 dolar
- LPO: 36.85 dolar
- GPT4-1106: 0.25 dolar
- GPT4-32k: 1.24 dolar
- GPT3.5: 0.05 dolar
- Claude 2.1: 0.02 dolar
- Claude 2.0: 0.02 dolar
- Palm2 text-bison: 0.03 dolar
- Maliyet hesabı, insan profesyoneller için ortalama süre ve saatlik ücret; LLM'ler içinse ortalama giriş/çıkış token sayısı ve token başına fiyat temel alınarak yapıldı
- Palm2 text-bison için hesaplama token yerine karakter sayısı üzerinden yapıldı
- Mesele konumu belirlemede zayıf kalan LLM'ler, sözleşmeleri tek başına markup'lamakta sınırlı kalabilir; bu nedenle hukuk işlerinde model seçimi, performans ve maliyet kadar önemli
1 yorum
Hacker News görüşleri
Avukatların hazırladığı sözleşmeleri şablonlara dönüştüren bir hukuki sözleşme oluşturma girişimi işletiyorum ve sıradan insanların sözleşmeleri okuyup soru sorabilmesi için kısmen GPT analiz özellikleri de geliştirdim
Sözleşme incelemesinde GPT, belge üretmekten çok belge analizi konusunda daha güçlüydü ve bu makale de bunu destekliyor. Ancak çeşitli yapay zeka belge inceleme girişimlerini kullandığınızda, belirli cevapları didiklemeye başladığınız anda çoğu dağılıyordu. Bu makalede ise avukatla müvekkilin karşılıklı konuşması gibi bir durumdan ziyade, ilgili maddeleri bulma düzeyinde kalınmış gibi görünüyor
GPT yanlış cevap verse de hukuki sorumluluk taşımıyor; bu yüzden akıllı birinin kendi başına araştırma yaparken kullanması açısından faydalı. Eskiden de akıllı insanlar Google ile kendi araştırmasını yapabiliyordu, buna benziyor
Sözleşme oluşturma konusunda ise çoğu durumda GPT'nin her seferinde sıfırdan benzersiz bir sözleşme üretmesindense, iyi yazılmış ve gözden geçirilmiş standart sözleşme deposunun daha faydalı olacağını düşünüyorum. Avukatlar sözleşmeleri sıkı sıkıya elinde tutuyor ve bizim şablonlaştıracağımız sözleşmeleri yazacak avukat bulma süreci de çok zordu. Sonuçta bu, kendilerinin ve mesleki topluluklarının gelecekteki gelir kaynaklarını azaltan bir iş. GPT-4'ü eğitmek yüz milyonlarca dolara mal oldu ama 10 milyon dolar harcanıp iyi incelenmiş bir sözleşme deposu oluşturulsaydı, aynı parayla sözleşme üretim modeli eğitmekten daha faydalı olurdu
İnsanlar belgelerle yapmak istedikleri şeyler hakkında oldukça çeşitli sorular soruyor ve GPT bunlarda henüz iyi değildi. Yakın gelecekte avukatlık işleri hâlâ varlığını sürdürecek gibi görünüyor
Örneğin yaklaşık 20 yıl önce, en azından yaşadığım yerde, mimarlar da birçok kişiye ucuza satılabilecek tasarımlar yapmak istemiyordu. Çünkü bunun mimari çıktı pazarını küçülteceğini düşünüyorlardı. Ama çoğu insanın gerçekten benzersiz bir tasarıma ihtiyaç duymadığı da açık
Sonunda piyasa bunu pek umursamadı ve biri kullanılabilir bir tasarım kütüphanesi ile iş modeli kurabildiğinde sorun kendiliğinden çözüldü. Mimarların önünde ya iş birliği yapıp en azından bir kısmını kurtarmak ya da kaybetmek seçenekleri kaldı
Avukatların da aynı yoldan gideceğini düşünüyorum. En kolay ve en kârlı işler otomatikleştikçe zor bir dönem geçirecekler, hukuki hizmet pazarı küçülecek ve geriye otomasyonun halledemediği daha karmaşık işler kalacak
Evcil hayvanların durumu gibi çok da önemli hissettirmeyen konulara ise gereğinden fazla ağırlık verilmiş gibiydi. Ortaya çıkan metni kendime göre yeniden düzenleyebildim ama 150 dolarlık bir hizmet için daha fazlasını beklerdim
Aklımdaki şirket pazarlama materyallerinde bunu tamamen yapay zeka tabanlı bir çözüm gibi ima ediyor ama gerçekte yalnızca yapay zekayla çalışmıyor gibi görünüyor
Uç durumlarda bu etik bir meseleye dönüşüp baro yaptırımı olabilir ama çoğu durumda sonuç yalnızca itibarla ilgili değil mi? Hatalı hazırlanmış bir sözleşme için avukatın hukuken sorumlu tutulabileceği durumlar var mı?
LLM'lerin yardımcı olabileceği alanlar içinde hukuk alanı özellikle umut verici görünüyor. 5-10 yıl içinde, hatta bu makaleye bakınca neredeyse şimdiden gelmiş gibi, vergi, sağlık, sigorta ve evlilikle ilgili belgelerime erişebilen bir “avukat” LLM ile saat başına 500 dolar ödemeden birkaç saat konuşup kişiselleştirilmiş tavsiye ve bilgi alabileceğimi düşünüyorum
Hukuk konusunda daha bilgili sıradan insanlardan oluşan bir dalga gelecek ve bu gerçekten heyecan verici
Yazılım lisansları ve hukuki sonuçları hakkında LLM'lere şimdiden sorular sordum ve hobi projesi seviyesindeki sorularda pahalı bir uzmana gitmeden önce temel bir çerçeve oluşturabildim
Elbette kararın içinde büyük para varsa profesyonel hizmet alırım. Bu tür konularda “genel olarak doğru” yeterli değildir
Ana işimiz hukuki belge oluşturma ve bu, yapay zekayla değil kural tabanlı mantıkla çalışıyor. Ana işimizin sonucu olarak kullanıcıların hukuki belgelerini zaten elimizde bulundurduğumuz için, bu belgelerle ilgili yardımcı bir yapay zeka sohbet özelliği geliştirmek için çok iyi bir konumdayız
Yakın zamanda ürün önerisi yapan bir yapay zekayı canlı ortama aldık. Bir kısmı kural tabanlı, kişiselleştirilmiş öneri metinlerini ise GPT-4 üretiyor. Şu anda kullanıcıların çeşitli hukuki belgeleri ve hizmetimizi anlamasına yardımcı olacak bir yapay zeka sohbet özelliği geliştiriyoruz. Birinci seviye müşteri desteğini bu yapay zeka sohbetiyle değiştirmeyi planlıyoruz; ancak kızmadan önce mevcut birinci seviye müşteri desteğimizin zaten çok kötü bir kural tabanlı yapay zeka olduğunu bilin
Fince ana web sitemiz https://aatos.app. SE ve DK için bazı hizmetlerimiz de var, yakın zamanda da Birleşik Krallık'ta önce yalnızca e-imza hizmetini açtık
LLM’lerin hukuk alanına uygulanma olasılığına dair değerlendirmeyi, belge ve sözleşme incelemesi dışındaki görevlerde test edilene kadar erteleyeceğim. Büyük şirket hukukunda sözleşme incelemesi çoğu zaman yeni mezun yüzlerce kişiye dış kaynak olarak veriliyor; gerçek avukat becerisini en alt düzeyde kullanan, daha çok düzeltme işine yakın bir süreç ve şirket kârlılığını artırmaya yarıyor
Bireylerin çoğunlukla satın aldığı hukuki hizmetler aile hukuku davaları, ceza davaları ve küçük meblağlı davalar gibi alanlar. Ağır ceza yargılamalarında gereken olguya ve bağlama özgü analizleri yakın gelecekteki LLM’lerin kaldırabileceğini sanmıyorum. Velayet davalarında ya da çekişmeli boşanmalarda gereken bireysel, olaya özgü ve düğümlenmiş aile dinamiklerine LLM’lerin yaklaşabildiğini gösteren bir şey de görmedim
LLM’leri avukatların kullandığı bir araç olarak benimsememek için bir neden yok, ancak tekrarlayan hukuki redaksiyon işlerinin ötesine geçip gerçek pratiğe alınmaya hazır bir teknoloji olduğunu hiç düşünmüyorum
Duygular, kişisel bakış açıları ve bunların üzerine birikmiş içtihatlar olmasa bu davaların nasıl görüneceğini pek bilmiyorum
Teknoloji tabanlı ticari sigorta aracılık şirketinde veri ve AI tarafını yönetiyorum. GPT-4 kullanarak sigorta gerekliliklerine özel bir derin sözleşme analizi aracı geliştiriyoruz; Google’da çalışırken de patent sınıflandırmadan delil keşfi desteğine kadar Google hukuk ekibi için çeşitli LLM çözümleri yapmıştım
Dil modelleri hukuki metinleri sindirme ve bağlamı analiz etme konusunda çok iyi. Ancak birçok hukuki uygulama, “mevcut sigorta programı kapsamında sözleşmesel olarak teminat altında mı?” gibi hata kabul etmeyen kritik kararlarla bağlantılı. Bu yüzden hukuk alanındaki LLM ürünlerini şu ilkelerle geliştiriyoruz
Uzmanla birlikte kullanılan bir human-in-the-loop aracı olmalı. Mümkün olduğunda otomasyon yerine karar desteği olarak tasarlanmalı; buna rağmen çok büyük zaman tasarrufu sağlayabiliyor
Şeffaflık ve alıntı gerekli. İnsanla birlikte kullanılan bir araçta güven oluşturacak mekanizmalar olmalı. İster LLM’in başvurduğu belge maddelerini vurgulasın, ister analizin bir bölümünün neden sunulmadığını açıklasın, dayanak göstermek önemli
Geri çağırımdan çok kesinliğe göre ayarlanmalı. Birçok hukuki kullanım senaryosunda yanlış pozitifler ve halüsinasyonlar özellikle kötü olduğundan, modeli ya da prompt’u kesinlik odaklı ayarlamak bunları azaltmaya yardımcı oluyor
“Kesinliğe göre ayarlamak” derken prompt engineering’i mi kastediyorsun, yoksa gerçekten GPT-4’ü ince ayar yapmaktan mı söz ediyorsun?
Bu makale tamamen değersiz değil ama sanki bütün bir meslek grubuna ya da “endüstriye” dair abartılı cümleler kurmak için bahane gibi duruyor. Muhtemelen görünürlük kazanmak ve ileride bir şeyler satmak gibi bir amacı da olabilir
En kötü tarafı, önceki çalışma olarak yalnızca tek bir preprint belgeye atıf yapması. O belge de sözleşme incelemesiyle değil, genel hukuki akıl yürütmeyle ilgili. LegalBench’in bazı kısımları elbette “yorumlama” içeriyor ve mevcut sözleşme inceleme benchmark’larının üzerine kurulmuş, ama daha ilgili makaleler bulunabilirdi
Hukuki belge inceleme otomasyonu, soru-cevap görevleri de dahil olmak üzere yaklaşık 20 yıldır doğal dil işlemede çok aktif bir alan ve 2017’den sonra daha da hareketlendi. En azından Kira ve Luminance gibi araçlar LLM tabanlı olmasalar da dünya çapında hukuk ekipleri ve hukuk bürolarında oldukça yaygın kullanılıyor. Bu yüzden avukatlar sınırlamalarını pratikte zaten biliyor
Yine de Kira benzeri araçlar en yeni model performansını ölçmüyor ve şeffaf benchmark’lar da kullanmıyor. Bu açıdan bu makalenin benchmark sonuçları, LLM kullanımı bakımından memnuniyet verici bir ek veri noktası
Ama tek bir inceleme playbook’u ile 10 belgeyi inceleyen bu sınırlı kapsam düşünüldüğünde, “endüstriye etkileri”ne kadar uzanmak gereksizdi. Biraz gösteriş kokuyor ve hukuk hizmetleri endüstrisinin geleceğinden çok, yazarların o endüstriyi iyi tanımadığını gösteriyor
Yetenekler ve sınırlamalar ilgini çekiyorsa, hafif ama faydalı okumalar olarak şunları da öneririm: https://kirasystems.com/science/, https://zuva.ai/blog/, https://www.atticusprojectai.org/cuad
Avukatların, kendi endüstrilerini tehdit eden bir teknolojiyi zayıflatmak için ne tür hukuki argümanlar üreteceğini merak ediyorum
Gerekçeler etkisiz savunma riskinden “çocukları düşünün”e kadar değişir. Tekeli korumaya yarayan ne varsa kullanırlar
Avukatların ChatGPT ile araştırma yapıp dava dilekçesi hazırlamaya yardım aldıktan sonra işlerin kötü gittiği yakın tarihli vakalara bakınca, buradaki yorumlardaki iyimserliğe tamamen ikna olmuş değilim
üretim→doğrulama şeklinde küçük bir boru hattı kurmak önemsiz bir iş değil ama imkânsız da değil. Bahsedilen vakalar, aşırı tembel bir associate ile LLM’in ne yaptığını çok kötü anlayan birinin birleşimi gibi görünüyor
Teorik olarak hukuk dili, kod gibi yapılandırılmış olmalı. Mantıksal bir yapısı olduğu için diğer doğal dillere kıyasla LLM’lere daha kolay uygulanabilir
Avukatların “uydurma” içtihatlar sunduğuna dair ilk haberler vardı ama hukuk mesleğinin yeniden yapılanması sadece zaman meselesi. Hukuk bürolarında asistan vb. basit işleri yapan çok kişi var ve LLM’ler bu işi yapabilir. Bunlar beyaz yaka sayılıyor ama ortadan kalkacaklar
Bu, kodlamadakine benzer şekilde ilerleyecek. Kontrol edilmesi gereken bir junior partner daha edinmek gibi ve standart belge işlerini onun yerine yapabilir
Tamamen güvenilemez ama junior geliştiricilere de tamamen güvenmiyoruz, değil mi? Yine de sizi %80 noktasına kadar getiriyor
İlginç bir problem alanı. Burada işe yarayabilecek bir kültürel bozuculuk tarzı hukuk teorisi var
Diyelim ki aylık 99 dolarlık bir kendini temsil etme hizmeti iki şey yapıyor. 1) Tüm varlıkları güvenli araçlara nasıl taşıyacağınızı öğretiyor. 2) Aynı anda kendinizi temsil ederek savunma yapmanızı sağlıyor. Amaç kazanmak değil, sistemi tıkamak. Karşı tarafa hukuken iflas etmiş durumda olduğunuz sinyalini verip ardından başvuruları durmadan yaparak süreci mümkün olduğunca acı verici hale getirirseniz, temyiz sürecine kadar 5 yıl süreceğini fark edip vazgeçebilirler
Avukatların şablon hizmetlere hukuki belgeleri vermek istemediği doğru ama dürüst olmak gerekirse, mahkemeye gidip toplu halde sunulan belgeleri toplayıp eğitmek bile yeterli olabilir. Bu stratejide mükemmel belgeler ya da hukuk teorileri şart değil. Mahkemenin belge sunum gerekliliklerini karşılayan belgeler yeterli. “Evet, hizmetçinizin kızlarının saatlik 400 dolardan ifade vermesini isteyeceğim ve bir sorununuz varsa duruşma açabilirsiniz” gibi. Yeterince çok kişi bunu yaparsa hukuk sistemi fiilen durur ve güç insanlara geri döner
Bu tür sorunlar için mücadele ederken hayata veda eden Aaron Swartz’ı anıyorum
https://www.courts.ca.gov/12272.htm
[0]https://en.wikipedia.org/wiki/Paper_terrorism
“Tüm ceza kovuşturmalarında sanık, savunması için bir avukatın yardımını alma hakkına sahiptir” — ABD Anayasası Altıncı Değişiklik
Eğer LLM’ler ortalama bir insan avukattan daha yetkin hale gelirse, bu hüküm hâlâ insan bir avukatın yardımını mı gerektirir?
Belki de bir avukatın en önemli özelliği teknik bilgi değildir
LLM’ler olgu meseleleri gibi konularda yardımcı olabilir ve doğru şekilde kurulursa, avukatlardan daha güçlü gizlilik güvenceleri bile sağlayabilir. Tabii bunun gerçekten olacağı pek olası görünmüyor