Split Up (экспертная система)
Split Up — это интеллектуальная система поддержки принятия решений , которая делает прогнозы о разделе семейного имущества после развода в Австралии. Он предназначен для помощи судьям , регистраторам Суда по семейным делам Австралии, медиаторам и юристам . Split Up работает как гибридная система, сочетающая рассуждения на основе правил с нейронных сетей . теорией [1] Рассуждения, основанные на правилах, действуют в рамках строгих параметров в форме:
ЕСЛИ <условие(я)>, то <действие>. [2] : 196, 202
Нейронные сети, напротив, считаются более подходящими для принятия решений в неопределенных областях, поскольку их можно научить взвешивать факторы, учитываемые лицами, принимающими судебные решения, на основе данных дела. Однако они не дают объяснения выводам, к которым пришли. Split_up, чтобы преодолеть этот недостаток, использует структуры аргументов, предложенные Тулмином, в качестве основы для представлений, на основе которых могут быть сгенерированы объяснения . [3] : 186
Приложение
[ редактировать ]В австралийском семейном праве судья при определении раздела имущества будет:
- определить имущество брака, входящее в общий пул
- установить, какой процент общего пула получит каждая сторона
- определить окончательный порядок собственности в соответствии с решениями, принятыми в пунктах 1 и 2.
Split_Up реализует этапы 1 и 2: определение общего пула и прогнозирование процентного разделения.
Определение общего пула
[ редактировать ]Поскольку определение имущества супругов основано на правилах, оно реализуется с помощью ориентированных графов . [4] : 269
Однако процентное соотношение между сторонами является дискреционным, поскольку судья имеет широкие полномочия по рассмотрению вклада каждой стороны в брак в соответствии со статьей 79(4) Закона о семье 1975 года . В широком смысле вклады можно рассматривать как финансовые или нефинансовые. Сторона, которая сможет продемонстрировать больший вклад в супружеские отношения, получит большую долю активов. Суд может дополнительно рассмотреть финансовые ресурсы и будущие потребности каждой стороны в соответствии со статьей 75 (2) Закона о семейном праве 1975 года . Эти потребности могут включать такие факторы, как невозможность трудоустройства, постоянный уход за ребенком до 18 лет или медицинские расходы.
Это означает, что разные судьи могут и придут к разным выводам, основываясь на одних и тех же фактах, поскольку каждый судья присваивает каждому фактору разный вес. Split_up определяет процентное разделение, используя комбинацию рассуждений на основе правил и нейронных сетей .
Определение процентного разделения
[ редактировать ]Чтобы определить, как судьи взвешивают различные факторы, были использованы 103 письменных решения по обычным делам для создания базы данных, содержащей 94 соответствующих фактора для определения процентного разделения. [4] : 273
Факторами, имеющими значение для определения процентного разделения, являются:
- Прошлые вклады мужа по сравнению с вкладами жены
- Будущие потребности мужа относительно потребностей жены
- Богатство брака
Факторами, имеющими значение для определения прошлых взносов, являются:
- Относительный прямой и косвенный вклад обеих сторон
- Продолжительность брака
- Относительный вклад обеих сторон в роль ведущего домашнего хозяйства
Иерархия обеспечивает структуру, которая используется для разложения задачи прогнозирования результата на 35 подзадач. Выходные данные задач, находящихся ниже по иерархии, используются в качестве входных данных для подзадач, находящихся выше по иерархии. Каждая подзадача рассматривается как отдельная и меньшая по размеру задача по анализу данных. Двадцать одна сплошная дуга представляет выводы, выполненные с использованием наборов правил. Например, уровень благосостояния брака определяется правилом, в котором используется стоимость общего фонда.
Напротив, четырнадцать пунктирных дуг обозначают выводы, выполненные с использованием нейронных сетей . Они получили свое название из-за того, что напоминают нервную систему головного мозга . Они состоят из множества самонастраивающихся элементов обработки, взаимодействующих в плотно взаимосвязанной сети. Каждый обрабатывающий элемент генерирует один выходной сигнал, который передается другому обрабатывающему элементу. Выходной сигнал обрабатывающего элемента зависит от входного сигнала обрабатывающего элемента, т.е. каждый вход регулируется весовым коэффициентом, который определяет степень влияния, которое входной сигнал будет иметь на выходной. Сила весовых коэффициентов регулируется обрабатывающим элементом автономно по мере обработки данных. [2] : 196
В Split_Up нейронная сеть представляет собой статистический метод для изучения весов каждого из соответствующих атрибутов, используемых при определении процентного разделения имущества супругов.
Следовательно, входными данными для нейронной сети являются вклады, будущие потребности и богатство, а выходными данными — предсказанное процентное разделение.
На каждой дуге имеется статистический вес. Используя обратное распространение ошибки, нейронная сеть изучает необходимый шаблон для распознавания прогноза. Его обучают путем многократного демонстрации примеров проблемы и изучения значимости (весов) входных узлов . [2] : 196
Говорят, что нейронная сеть, используемая Split_up, хорошо обобщает, если выходные данные сети верны (или почти правильны) для примеров, не замеченных во время обучения, что классифицирует ее как интеллектуальную систему . [4] : 274
Структура аргументов Тулмина
[ редактировать ]Поскольку способ изучения этих весов является в основном статистическим, знание предметной области правовых норм и принципов не моделируется напрямую. Однако объяснения юридического заключения в такой дискреционной области, как определение распределения имущества после развода, по крайней мере, так же важны, как и сделанное заключение. Поэтому создатели Split_Up использовали структуры аргументов Toulmin, чтобы предоставить независимые объяснения сделанных выводов. [3] : 189
Они действуют на основе того, что каждый аргумент делает утверждение, основанное на некоторых данных. Утверждение аргумента остается утверждением аргумента. Поскольку знание данных и утверждения не обязательно означает, что утверждение следует из данных, необходим механизм для обоснования утверждения в свете данных. Обоснование известно как ордер. Поддержка аргумента подтверждает действительность ордера. В юридической сфере это обычно ссылка на закон или прецедент.
Здесь нейронная сеть (или правила) делает вывод на основе данных аргумента, а данные, основания и обоснования воспроизводятся для генерации объяснения.
Однако примечательно, что основание аргумента воспроизводится как объяснение независимо от используемых значений утверждений. Это отсутствие претензий - чувствительность должна быть преодолена различными пользователями, т.е. судьей, представителями жены и представителями мужа, каждому из которых рекомендуется использовать систему для подготовки своих дел, а не полагаться исключительно на нее. о его исходе.
Ссылки
[ редактировать ]- ^ Страньери А. и Железников Дж., Split_Up: Использование представления знаний на основе аргументов для удовлетворения ожиданий различных пользователей в отношении принятия решений по собственному усмотрению, стр. 1 Исследования показали, что рассуждения, основанные на правилах, сами по себе не идеальны в дискреционных областях права.
- ^ Перейти обратно: а б с Страньери А. и Железников Дж. Расставание: интеллектуальная система поддержки принятия решений, которая дает рекомендации по разделу имущества после развода, Международный журнал права и информационных технологий, Том 6. № 2, 1998, 190–213.
- ^ Перейти обратно: а б Страньери А. и Железников Дж. (1995) Система разделения: интеграция нейронных сетей и рассуждений, основанных на правилах, в юридической сфере.
- ^ Перейти обратно: а б с Нолан Дж. Р. и Железников Дж. Использование мягких вычислений для создания реальных интеллектуальных систем поддержки принятия решений в неопределенных областях, Decision Support Systems, 31 (2001) 263–285.