Новости

Jun 19, 2023

Большие языковые модели в качестве налоговых адвокатов: в этом документе об искусственном интеллекте исследуются возможности LLM в применении налогового законодательства

Прогресс в области искусственного интеллекта наблюдается. Большие языковые модели (LLM) — это то место, где происходит быстрый прогресс. Современные LLM могут использовать инструменты, планировать и проходить стандартизированные оценки. Но даже к своему

Прогресс в области искусственного интеллекта наблюдается. Большие языковые модели (LLM) — это то место, где происходит быстрый прогресс. Современные LLM могут использовать инструменты, планировать и проходить стандартизированные оценки. Но даже для своих создателей программы LLM — это просто загадочные коробки. Они мало что знают о том, как они думают внутри, и не могут предсказать, как LLM будет действовать в новой ситуации. Прежде чем модели будут использоваться за пределами исследовательских целей, рекомендуется оценить эффективность LLM по длинному списку критериев. Однако эти критерии часто должны отражать реальную деятельность, которая важна для нас или могла быть запомнена LLM во время обучения. Данные, необходимые для оценки эффективности, обычно включаются в наборы данных, используемые для обучения LLM, которые часто загружаются из Интернета.

Перекрытие может привести к переоценке эффективности модели, создавая впечатление понимания, хотя это может быть только простое узнавание. Они особенно концентрируют свои усилия по оценке на юридических аналитических навыках выпускников по трем причинам. Во-первых, определение того, насколько хорошо специалисты LLM понимают закон, может помочь в более общем регулировании LLM и автоматизированных систем. Одной из стратегически важных стратегий является использование правовых и нормативных обоснований в программах LLM для «правоинформированного ИИ», который соответствует общественным идеалам, установленным посредством демократических процедур и законотворчества. Эта стратегия «Закон информирует Кодекс» основана на продемонстрированной способности демократического процесса создавать гибкие правовые нормы, такие как фидуциарные обязательства, посредством повторяющихся обсуждений и судебных разбирательств. Идея состоит в том, что обучение систем ИИ духу закона может помочь им принимать обоснованные решения в незнакомых ситуациях. Когда система на основе LLM поддерживает человеческий принцип, эта ранняя способность обнаруживать нарушения фидуциарных обязанностей может обеспечить более безопасное развертывание ИИ. Во-вторых, будь то самообслуживание или квалифицированный адвокат, LLM могут использоваться людьми в качестве инструментов для более быстрого и эффективного предоставления юридических услуг. Модели могут быть более надежными и ценными, если они лучше понимают закон. LLM могут помочь в различных видах деятельности, от прогнозирования дел до анализа контрактов, тем самым демократизируя доступ к юридической помощи и снижая стоимость и сложность для людей, которым в противном случае было бы трудно понять правовую систему.

Учитывая деликатный характер юридической работы, при реализации этих моделей должны быть реализованы определенные меры защиты. Это влечет за собой улучшение конфиденциальности данных, уменьшение предвзятости, поддержание ответственности за выбор этих моделей и оценку применимости LLM для конкретного варианта использования. Таким образом, необходимы систематические оценки. В-третьих, если LLM обладают достаточными юридическими знаниями, они могут быть использованы правительством, людьми и учеными для выявления юридических противоречий. LLM могут повысить общую эффективность и открытость правительств. Например, студенты LLM часто могут объяснить сложные правила и положения одновременно ясно и понятно.

В будущем LLM смогут прогнозировать вероятные последствия новых законов или политики. LLM могут выявить возможно «устаревшее» законодательство или ситуации, в которых закон ничего не говорит, тогда как в других аналогичных случаях законодательный орган или регулирующие органы дают рекомендации, сканируя огромное количество юридических формулировок и сопровождающих их реализаций. В этом исследовании исследователи из Стэнфордского университета, Мичиганского университета, Вашингтонского университета, Университета Южной Калифорнии, Северо-Западной Притцкеровской школы права и SimPPL исследуют создание программ LLM с расширенным поиском с использованием текста Кодекса США (сборника федеральных законов). ) и Кодекс федеральных правил США (CFR). Они оценивают развитие понимания налогового законодательства группой LLM. Они приняли решение о налоговом законодательстве по четырем факторам.

Юридические полномочия в налоговом законодательстве в основном содержатся в двух источниках: Положениях Казначейства в соответствии с CFR и Разделом 26 Кодекса США (широко известного как Налоговый кодекс). Это контрастирует с некоторыми правовыми областями, в которых доктрины основаны на многочисленных прецедентах. Это позволяет нам дополнить поиск LLM, используя заранее определенный набор возможных подходящих документов. Во-вторых, многие налоговые законы допускают исчерпывающие ответы на вопросы. Это позволяет нам создавать согласованные рабочие процессы автоматической проверки. В-третьих, для решения вопросов налогового законодательства в конкретном случае обычно требуется нечто большее, чем просто чтение соответствующих юридических документов; следовательно, они могут оценить компетенции LLM таким образом, чтобы это применимо к реальной практике.