AULA 2 – APLICAÇÃO ATUAL DA AI AO DIREITO
APLICAÇÃO DA
INTELIGÊNCIA
ARTIFICIAL AO DIREITO
AULA 2 – APLICAÇÃO ATUAL DA AI AO DIREITO
GUSTAVO MASCARENHAS LACERDA PEDRINA
APLICAÇÃO DA INTELIGÊNCIA ARTIFICIAL AO DIREITO 1
AULA 2 – APLICAÇÃO ATUAL DA AI AO DIREITO
INTRODUÇÃO .............................................................................. .3
1. ANÁLISE DA APLICAÇÃO DE AI NOS EUA..................... .4
2. COMO A AI VEM SENDO UTILIZADA NO JUDICIÁRIO
BRASILEIRO.................................................................................. .8
2.1 A AI NO STF ................................................................. .9
2.2 COMO OUTROS TRIBUNAIS NO BRASIL TÊM
ABORDADO A QUESTÃO? ........................................... 13
CONCLUSÃO................................................................................ 14
REFERÊNCIAS............................................................................. 15
APLICAÇÃO DA INTELIGÊNCIA ARTIFICIAL AO DIREITO 2
AULA 2 – APLICAÇÃO ATUAL DA AI AO DIREITO
INTRODUÇÃO
Olá, voltamos!
Para começar, gostaria de te mostrar o quanto já aprendemos até aqui:
identificamos o que é e o que não é exatamente inteligência artificial; entendemos
as origens da AI e o que é o Teste de Turing; navegamos pelas ondas de evolução
desse tipo de tecnologia desde a década de 1950; compreendemos, por fim,
o que é big data e machine learning. Com tais conceitos, restou evidente que
mesmo os robôs-algorítmicos que utilizam aprendizado de máquina precisam de
parâmetros (os dados de treinamento), e que, ainda que possam replicar o que
aprendem autonomamente, partem do que diz um programador.
Ufa! Após consolidados esses conhecimentos, podemos ver como esse tipo
de inteligência artificial tem sido aplicada ao direito, nosso foco de estudo.
Para tanto, é importante ter em mente que
nem tudo o que entendemos como inteligência artificial é mesmo inteligente
ou pode ser considerado como inteligência artificial (para isso é razoável cobrarmos
que a máquina seja capaz de passar ao menos no Teste de Turing) e
que não há nesse apontamento uma crítica ao trabalho dos competentes
cientistas da computação que trabalham arduamente no desenvolvimento da
tecnologia, mas trata-se apenas de uma rigorosa constatação, sempre tendo
como primazia a busca da singularidade, o ponto-ótimo de desenvolvimento no
qual a tecnologia seria capaz de mimetizar redes neurais humanas (o que é difícil
de prever até se será possível um dia), ao qual se possa chamar efetivamente de
inteligência artificial.
Com essas observações em pauta, nesta aula analisaremos como a inteligência
artificial vem sendo utilizada no campo do direito. Partiremos de dois casos práticos
que, a par de demonstrarem o uso de AI no estágio estatístico, não são iguais. O
primeiro deles versa a respeito do uso de AI para sugestão de sentenças penais e
fianças nos EUA. No segundo, discutiremos como tem se desenvolvido o uso da
AI aqui no STF, com a aplicação do robô algorítmico Víctor.
Está pronto? Vamos começar?
APLICAÇÃO DA INTELIGÊNCIA ARTIFICIAL AO DIREITO 3
AULA 2 – APLICAÇÃO ATUAL DA AI AO DIREITO
1. ANÁLISE DA APLICAÇÃO DE AI NOS EUA
É notável o dado de que mais de 30 Estados norte-americanos utilizam
atualmente programas de inteligência artificial para sugerir aos juízes sentenças
e fianças. Todos esses programas utilizados hoje são baseados em computação
estatística (STARR, 2013).
Recentemente, o caso Wisconsin vs. Loomis levou a questão até a Suprema
Corte estadunidense, quando Eric Loomis questionou o uso de um programa de
inteligência artificial (o Compas – Correction Offender Management Profiling for
Alternative Sanctions) por parte do Juízo para determinar a sua condenação a seis
anos em regime fechado. A defesa de Loomis queria ter acesso aos critérios que
levaram o robô algorítmico a recomendar sua pena – a Suprema Corte negou o
recurso, assentando tratar-se de segredo industrial o caminho desenvolvido pelo
referido robô.
Veja o artigo e as notícias veiculadas a respeito do caso:
• O Supremo Tribunal de Wisconsin exige aviso antes do uso de avaliações
de risco algorítmicas em sentenças
• Condenação pelos números
• Em Wisconsin, uma reação contra o uso de dados para prever o futuro dos
réus
• Enviado para a prisão pelos algoritmos secretos de um programa de
software
No Estado da Virgínia, a utilização de algoritmos para estabelecer
condenações já acontece há mais de dez anos. Caliskan-islam, Byron e
Narayaan (2016) já demonstraram o perigo no seu uso com tal fim: algoritmos
são necessariamente programados e essa programação pode conter um erro
de viés ideológico. Os pesquisadores demonstraram que sentenças produzidas
por robôs algorítmicos, em relação a nomes geralmente atribuídos a pessoas de
ascendência africana, são comumente mais duras do que aquelas que contêm
nomes tradicionalmente europeus (MONAHAN, J. & SKEEM, J., 2019).
Como vimos, a aprendizagem de máquinas envolve um estágio de pré-
processamento e treinamento de dados de entrada (KOTSIANTIS et al, 2006).
Esse pré-processamento, também chamado de rotulagem, pode ser automático,
de caráter meramente estatístico, ou humano – o que é mais comum, mas que
APLICAÇÃO DA INTELIGÊNCIA ARTIFICIAL AO DIREITO 4
AULA 2 – APLICAÇÃO ATUAL DA AI AO DIREITO
justamente leva ao estabelecimento de vieses, já que a máquina será programada
e passará a buscar resultados de acordo com parâmetros estabelecidos por um
programador.
Observe que o que esse tipo de programa faz não difere em nada daqueles
de análise de risco geralmente empregados em operações financeiras, por
exemplo. De acordo com dados atuariais, fornece-se uma sugestão de sentença
para o Juízo que, em última análise, (i) aplica superficialmente a prevenção geral e
(ii) busca inibir a reincidência (STARR, 2013). Ambos os resultados, no longo prazo,
tornam-se verdadeira profecia aos sujeitos-objeto da análise, já que não é comum
que mudem, por exemplo, de gênero (e se o risco de homens adultos for maior
para a reincidência em um determinado delito, o programa recomendará maior
tempo de pena).
Ainda conforme Starr (2013), esses programas são baseados em análise
atuarial de risco, mais precisamente em um esquema chamado de EBS (evidence-
based sentencing, sentenciando por base em evidências, em tradução livre). O
exemplo mais famoso de programa desse tipo é o Compas, mas há outros como
o Ohio Risk Assessment System (Oras), o Correctional Assessment and Intervention
System (Cais) e o Wisconsin Risk and Needs Tool (WRN).
A abordagem atuarial representa um modelo de avaliação de riscos focado
em critérios históricos ou imutáveis do indivíduo. Eles “pontuam” o indivíduo e
cruzam essa pontuação com uma tabela atuarial do sistema, resultando em uma
estimativa de risco por um período específico (a chance de X reincidir em 10 anos
é Z, por exemplo).
Essa estimativa representa a porcentagem de participantes no estudo de
desenvolvimento do instrumento que recebeu essa pontuação e reincidiu.
Por exemplo, se um infrator recebe uma pontuação de +5 em um instrumento
traduzido em uma estimativa de risco de 60% em 10 anos, isso significa que
60% dos indivíduos que receberam uma pontuação de +5 no estudo original do
instrumento passaram a reincidir nesse período.
Perceba: isso não significa que o criminoso alvo da aplicação do programa
tenha 60% de chance de reincidência por um período de 10 anos, mas sim
que outras pessoas, na mesma situação, reincidiram em 60% dos casos – ou
seja, em aplicação de norma penal toma-se como régua o “outro”, o que não é
recomendável do ponto de vista dogmático e sociológico, mas é o que esse tipo
de programa faz. Certo?
APLICAÇÃO DA INTELIGÊNCIA ARTIFICIAL AO DIREITO 5
AULA 2 – APLICAÇÃO ATUAL DA AI AO DIREITO
Podemos notar que os instrumentos são mecânicos: cada valor possível de
cada variável corresponde a um aumento ou redução específica da estimativa de
risco em todos os casos. Os pesos das variáveis não são determinados com base nas
circunstâncias de cada caso – por exemplo, os homens sempre receberão escores
de risco mais altos do que mulheres em situações idênticas (porque, no geral, em
média, os homens têm reincidência maior), mesmo que o contexto específico seja
aquele em que homens e mulheres tendem a ter riscos de reincidência próximos
ou em que as mulheres têm riscos mais altos. Além disso, na prática, os instrumentos
usam sistemas de pontos ainda mais simples, nos quais o “alto risco” responde a
um sim ou não.
Vamos examinar algumas situações concretas em que foram utilizados esses
sistemas para que você comece a ter uma noção acerca das lógicas que estão por
trás das suas operações.
No sistema utilizado no Estado do Missouri, por exemplo, os relatórios
incluem uma pontuação para cada indivíduo em avaliação, com uma escala de -8
a 7. De tal maneira, de 7 a 4 é classificado como “bom”, de 3 a 2 é “acima da média”,
de 1 a 0 é “média”, de -1 a -2 é “abaixo média” e de -3 a -8 é “ruim”.
Ruim Abaixo da média Média Acima da média Bom
-8 a -3 -2 a -1 0a1 2a3 4a7
Diferentemente da maioria dos instrumentos em uso, o Missouri não inclui
gênero. No entanto, um abandono escolar seguido de desemprego gerará uma
pontuação três pontos abaixo do que um empregado com ensino médio concluído
– fazendo a diferença substancial no resultado final da avaliação de risco.
Da mesma forma, um acusado com menos de 22 anos terá pontuação três
pontos pior do que um com idade acima de 45, simplesmente por sua idade. Em
comparação, ter cumprido anteriormente prisão vale menos um ponto; ter quatro
ou mais condenações prévias por contravenção que resultou em prisão retira mais
um ponto (possuir três ou menos condenações não retira nenhum); ter cumprido
liberdade condicional vale um ponto; e uma fuga da prisão vale menos outro
ponto.
APLICAÇÃO DA INTELIGÊNCIA ARTIFICIAL AO DIREITO 6
AULA 2 – APLICAÇÃO ATUAL DA AI AO DIREITO
Veja que se tem literalmente uma conta de pontos a partir de condições
do sujeito – em algumas ele contribuiu (ter sido preso mais de três vezes, por
exemplo), mas outras são inerentes (como a idade).
Aqui valem as perguntas: alguém tem culpa da idade que tem? Esse sistema
é justo? Qual a sua opinião?
Em outro contexto, o Compas, aplicado no caso Loomis, leva em
consideração 137 itens, não necessariamente ligados a questões atinentes ao
delito possivelmente praticado, como (i) se há antecedentes penais na família do
réu ou (ii) se há ocorrências relacionadas a álcool e drogas envolvendo a pessoa
em julgamento (FENOLL, 2018). Os critérios incluem atitudes do indivíduo, de
amigos e familiares, histórico de comportamento antissocial, possíveis problemas
de personalidade, dados acerca da escolaridade, problemas de saúde e uso de
drogas.
Em todas as situações apontadas, por tratar-se de segredo industrial, é
impossível saber com precisão como os itens levados em consideração são
combinados (em que ordem e proporção, por exemplo) para sugerir sentenças ou
fianças. Você há de concordar comigo que isso viola ao menos dois princípios caros
ao direito penal e processual penal: o devido processo legal, já que é impossível
contraditar dados sem que se saiba nem mesmo quais são, e a proporcionalidade,
porque não se pode garantir que sejam realizadas sempre as mesmas operações.
Há ainda o problema da fidelidade dos dados: se um dos dados levados em
consideração em qualquer dos critérios estiver equivocado, a sugestão do sistema
será necessariamente injusta. Para que mecanismos desse tipo sejam efetivos
no propósito de ao menos evitar a reincidência, é necessário que se utilize um
algoritmo sempre atualizável e com critérios claros, que levem em consideração
os princípios que regem a preservação dos direitos humanos.
De qualquer forma, essa é a realidade hoje, nos EUA, de programas de
inteligência artificial: a aplicação de critérios atuariais sistematicamente para sugerir
aos juízes o valor de fianças (quanto maior a “chance” do indivíduo reincidir, maior
a fiança) e para recomendar penas (da mesma forma, quanto maior o “risco” de
reincidência, maior deverá ser a pena).
SAIBA MAIS
Leia o artigo “NIST Study Evaluates Effects of Race, Age, Sex on Face
Recognition Software” (em inglês), um texto bastante interessante sobre
os vieses racial, de sexo e idade na IA.
APLICAÇÃO DA INTELIGÊNCIA ARTIFICIAL AO DIREITO 7
AULA 2 – APLICAÇÃO ATUAL DA AI AO DIREITO
SAIBA MAIS
Ficou curioso a respeito do
funcionamento desses sistemas? No link
a seguir você pode fazer o download do
“Manual do Compas” fornecido pela
produtora do programa, a Equivant.
Além disso, tenho outra sugestão. Você
tem 15 minutinhos? Se tiver, aqui está
uma palestra no Tedx sobre a aplicação
de programas atuariais a casos penais
nos EUA e as suas consequências. Vale a
pena conferir!
Tudo bem até aqui? Está claro como os sistemas estão sendo utilizados nos
EUA? Qual a sua percepção a respeito?
Agora, é chegado o momento de abordarmos o assunto em nosso país.
Acompanhe comigo no próximo tópico.
2. COMO A AI VEM SENDO UTILIZADA NO JUDICIÁRIO
BRASILEIRO
Vamos ao que afeta mais diretamente o nosso trabalho enquanto operadores
do direito?
so
Mesmo que recente, já há no mercado brasileiro programas com ferramentas
de inteligência estatística para a análise de dados e o oferecimento de respostas
tanto ao advogado quanto ao magistrado. Confira matéria a seguir “Justiça Federal
discute inteligência artificial no Judiciário e escritórios”.
No primeiro caso, o robô pode analisar os dados fornecidos e adaptá-los a
uma petição padrão – por exemplo, escolhendo qual é o melhor contrato para
ser oferecido por uma empresa a um determinado cliente (exemplos de empresas
que trabalham com soluções de TI: Softplan e LawGeex).
Há ainda aplicações que comparam contratos comerciais com a jurisprudência
das autoridades antitrust (Kira) e robôs algorítmicos que separam peças de um
processo que julgam serem as principais.
APLICAÇÃO DA INTELIGÊNCIA ARTIFICIAL AO DIREITO 8
AULA 2 – APLICAÇÃO ATUAL DA AI AO DIREITO
No segundo, já estão disponíveis programas que selecionam o que lhes
parecem ser as páginas mais importantes de um processo, a jurisprudência que
se assemelha à discussão, bem como as leis em debate, e que oferecem até uma
proposta de decisão ao magistrado.
Esses robôs-algorítmos agem, portanto, estruturando volumes enormes de
dados (big data) para oferecer análises preditivas com base na identificação de
padrões nas petições. De maneira simples, “veem” se uma determinada tese se
“encaixa” ao caso.
E qual é o potencial e a importância da tecnologia hoje para o judiciário
brasileiro na prática?
Desde 2009, o CNJ analisa os números do nosso judiciário e edita o relatório
“Justiça em números” (você pode ver todos eles aqui, são bastante interessantes).
Em 2018, o judiciário brasileiro encerrou o ano com 78,7 milhões de processos
(CNJ, 2019). Esse número – um dos maiores do mundo – leva à necessidade da
busca de soluções para otimizar o tempo de tramitação dos processos.
2.1 A AI no STF
Diante dos alarmantes números da pesquisa do CNJ, podemos dizer
que o Supremo Tribunal Federal (STF) não se encontra inerte. Pelo contrário,
tem empreendido esforços importantes na aplicação de AI. Desde 2018, está
em funcionamento o robô algorítmico VICTOR, que envolve uma equipe
multidisciplinar composta por três principais organismos em seu desenvolvimento,
isto é, os colaboradores do próprio demandante (STF) e três setores da
Universidade de Brasília (UnB): a Faculdade de Direito (FD), o Grupo de Pesquisa
em Aprendizado de Máquina (GPAM) da Faculdade de Engenharias do Gama
(FGA) e o Departamento de Ciência da Computação (CIC) (SILVA, 2018).
CURIOSIDADE
Por que o robô se chama VICTOR? De acordo com o site de notícias do STF,
O nome do projeto, VICTOR, é uma clara e merecida
homenagem a Victor Nunes Leal, ministro do STF de 1960 a
1969, autor da obra Coronelismo, Enxada e Voto e principal
responsável pela sistematização da jurisprudência do STF em
Súmula, o que facilitou a aplicação dos precedentes judiciais
aos recursos, basicamente o que será feito por VICTOR.
APLICAÇÃO DA INTELIGÊNCIA ARTIFICIAL AO DIREITO 9
AULA 2 – APLICAÇÃO ATUAL DA AI AO DIREITO
Segundo MAIA FILHO (2018, p. 228), o início do projeto ocorreu da seguinte
forma:
Trabalhando com cerca de 14 mil processos, a equipe do projeto centrou-
se, inicialmente, na tarefa de separação e classificação de peças – aquelas
mais importantes, segundo a equipe do STF, para a identificação dos temas
de repercussão geral de maior incidência: acórdão, recurso extraordinário,
agravo em recurso extraordinário, despacho de admissibilidade e sentença.
Visando ao treinamento dos modelos de aprendizado de máquina, a equipe
do Curso de Direito da UnB criou um conjunto confiável de dados, extraídos
dos processos analisados, com a conversão de imagens em textos no processo
digital, separação do começo e do fim dos documentos, com a identificação
do conteúdo de cada peça jurídica, além das similaridades e das discrepâncias
existentes entre elas.
Para “ler” as peças de um processo, o VICTOR atua com técnica de “OCR”
(optical character recognition, na sigla em inglês para reconhecimento ótico de
caracteres: as páginas do processo, transformadas em imagem, são “lidas” pela
máquina).
Dessa forma, o sistema indica por machine learning (esse conceito você
conhece bem!) se os recursos extraordinários e agravos se “encaixam” em uma
das 27 principais teses (que correspondem a 46% dos processos devolvidos pela
barreira da repercussão geral) cuja repercussão geral tenha sido reconhecida pelo
STF.
O VICTOR é um robô algorítmico, não é algo físico ou humanoide como
somos levados a crer pelo nome “robô”. Ele fica abrigado em uma rede de
computadores. No trabalho diário do Tribunal, o Victor faz a separação das cinco
principais peças dos processos, sem que ninguém precise dar o comando. Se
o Victor não existisse, os servidores do órgão precisariam achar essas peças no
processo para, só então, começarem o trabalho.
Com isso, a análise de um processo e a separação de peças que, por
um servidor, levariam, em média, 15 minutos, são realizadas pelo VICTOR em 5
segundos. Tal fato resulta numa economia de 22 mil horas de trabalho em um ano,
o que custaria 3 milhões de reais ao Tribunal.
APLICAÇÃO DA INTELIGÊNCIA ARTIFICIAL AO DIREITO 10
AULA 2 – APLICAÇÃO ATUAL DA AI AO DIREITO
O VICTOR ainda é capaz de aprender com os erros e ter um nível crescente
de acertos – atualmente ele acerta em 91% dos casos (esse número é chamado de
acuidade ou acurácia, indicando a assertividade da máquina). Não é incrível?
Veja a imagem de um teste de acuidade do sistema (teste “f1-score”: o dado
de 91% pode ser visualizado no total, na última linha da quarta coluna):
APLICAÇÃO DA INTELIGÊNCIA ARTIFICIAL AO DIREITO 11
AULA 2 – APLICAÇÃO ATUAL DA AI AO DIREITO
Esquematicamente, o VICTOR funciona da seguinte maneira:
Recurso extraordinário ou agravo em recurso extraordinário aporta no Tribunal
VICTOR verifica a qualidade das imagens, se o processo não for digital, aplica OCR
VICTOR grava o conteúdo do processo no banco de dados
VICTOR classifica as peças processuais, separando acórdão, recurso
extraordinário, agravo em recurso extraordinário, despacho de admissibilidade e
sentença
VICTOR classifica o processo em um ou mais temas de repercussão geral
É importante sempre ressaltarmos, contudo, que aplicações como o VICTOR
agem a partir do aprendizado com parâmetros definidos pelo programador
humano (chamados de inputs). Há a necessidade de supervisão constante. E não é
só isso: imagine o volume de dados digitalizados... Para se ter uma ideia, o VICTOR
recebeu uma quantidade enorme de dados de treinamento: 4 terabites! A equipe
que trabalha no robô passou todo o conteúdo que não era originalmente digital
por OCR.
Manter essa quantidade de arquivos segura é um desafio constante e requer
contínua evolução dos mecanismos de proteção.
Com o natural crescimento do volume de dados fornecidos ao algoritmo, o
VICTOR melhorará seus resultados ao longo do tempo, já que a classificação dos
novos dados dos processos que chegam leva ao aprendizado pela máquina – o
próprio algoritmo passa a analisar o processo em busca de padrões distintos. Tem-
se então o ponto de aprendizado supervisionado e não supervisionado.
APLICAÇÃO DA INTELIGÊNCIA ARTIFICIAL AO DIREITO 12
AULA 2 – APLICAÇÃO ATUAL DA AI AO DIREITO
É importante ressaltar um dado aqui antes de concluirmos: o VICTOR
não realiza juízo de mérito. Ele indica onde estão as cinco principais peças do
processo e diz, com 91% de chances de acerto, se há ou não um dos 27 temas de
repercussão geral mais recorrentes.
A utilização de um mecanismo como o VICTOR implicará, no longo prazo,
a melhoria do aproveitamento dos servidores que trabalham no Tribunal, que
poderão exercer outras tarefas, ao passo que o robô separa as peças e indica se
são temas de repercussão reconhecida. Além disso, permitirá o acúmulo de dados
por parte do Tribunal, sendo possível ao Supremo reconhecer melhor quem são
os litigantes e quais temas são os mais debatidos.
2.2 COMO OUTROS TRIBUNAIS NO BRASIL TÊM
ABORDADO A QUESTÃO?
Em Minas Gerais está em funcionamento a aplicação Radar, que lê os
processos por OCR e separa os casos similares para julgamento conjunto.
Em Pernambuco, o sistema Elis promove a triagem de execuções fiscais (veja
o artigo “Inteligência Artificial no TJPE agiliza Processos de Execução Fiscal”).
No Rio Grande do Norte, uma parceria entre a Universidade Federal do Rio
Grande do Norte e o Tribunal de Justiça do Estado levou à criação do Poti. A
aplicação promove automaticamente a penhora de valores nas contas bancárias
de devedores. Além disso, o Poti atualiza o valor da execução fiscal e transfere
o montante para as contas oficiais indicadas. Se não existir dinheiro na conta, o
sistema é programado para realizar novas buscas em períodos consecutivos de 15,
30 e 60 dias.
SAIBA MAIS
Gostaria que você assitisse
à reportagem sobre o
laboratório da UnB que
criou o VICTOR:
APLICAÇÃO DA INTELIGÊNCIA ARTIFICIAL AO DIREITO 13
AULA 2 – APLICAÇÃO ATUAL DA AI AO DIREITO
Para finalizar nossa discussão, quero propor uma reflexão:
Será que algum dia um robô algorítmico será capaz de realizar um
julgamento? O que acha disso? Esse ponto parece bastante distante da realidade,
mas na Estônia há um projeto nesse sentido. Leia as reportagens a respeito:
• Estônia quer substituir os juízes por
robôs
• Estônia está desenvolvendo o
primeiro “juiz robô” do mundo
CONCLUSÃO
E o que podemos concluir disso tudo? Aparentemente a tecnologia não
substituirá os operadores do direito. Trata-se de um conjunto de ferramentas
voltadas à otimização do tempo e do trabalho no nosso ramo de atuação. A máquina
até é capaz de “ler” documentos por OCR como vimos, mas, ao menos no atual
estágio de desenvolvimento da tecnologia, não é capaz de emular a inteligência
humana.
A inteligência artificial, no atual ponto de desenvolvimento ou no que
esperamos alcançar (assunto da nossa próxima aula), certamente impactará na
prática do direito e nos sistemas de justiça. Se já discutimos atualmente temas como
fake news, bloqueio de conteúdo e criptografia (todos esses temas da aula 4), em
pouco tempo os assuntos evoluirão para, por exemplo, se temos o direito de ver
nossos casos judiciais julgados por um robô algorítmico ou por um ser humano.
Aguardo você na aula 3!
APLICAÇÃO DA INTELIGÊNCIA ARTIFICIAL AO DIREITO 14
AULA 2 – APLICAÇÃO ATUAL DA AI AO DIREITO
REFERÊNCIAS
BARROSO, Luís Roberto. Vinte anos da Constituição de 1988: a reconstrução
democrática do Brasil. Revista de Informação Legislativa, n. 179, jul./set. 2008.
BRAZ, N. et al. Document classification using a Bi-LSTM to unclog Brazil’s supreme
court. NIPS 2018 Workshop on Machine Learning for the Developing World (ML4D).
CALISKAN-ISLAM, A.; BRYSON, J.J.; NARAYAAN, A. Semantics derived
automatically from language corpora necessarily contain human biases.
2016. Princeton: Princeton University. Disponível em: http://randomwalker.info/
publications/language-bias.pdf. Acesso em: 9 nov. 2019.
CONSELHO NACIONAL DE JUSTIÇA. Justiça em números. Disponível em: https://
www.cnj.jus.br/wp-content/uploads/conteudo/arquivo/2019/08/justica_em_
numeros20190919.pdf. Acesso em: 10 nov. 2019. p. 79.
FUX, Luiz. Inteligência artificial. Palestra, 2019. Disponível em: https://www.conjur.
com.br/dl/palestra-fux-inteligencia-artificial.pdf.
KOTSIANTIS, S. B.; KANELLOPOULOS, D.; PINTELAS, P. E. Data preprocessing for
supervised learning. International Journal of Computer Science. Jornal digital.
vol. 1, n. 2, 2006, p. 111-117.
Kira Systems Machine Learning Contract Search, Review and Analysis. Disponível
em: https://kirasystems.com/. Acesso em: 10 nov. 2019.
Law Geex Contract Review Automation. Disponível em: www.lawgeex.com.
Acesso em: 10 nov. 2019.
MAIA FILHO, Mamede Said; JUNQUILHO, Tainá Aguiar. Projeto VICTOR:
perspectivas de aplicação da Inteligência Artificial ao Direito. Revista de Direitos e
Garantias Fundamentais, Vitória, v. 19, n. 3, set./dez. 2018. p. 228.
MONAHAN, J.; SKEEM, J. Risk Assessment in Criminal Sentencing. Virginia Public
Law and Legal Theory Research Paper, n. 53. Disponível em: https://papers.ssrn.
com/sol3/papers.cfm?abstract_id=2662082. Acesso em 6 nov. 2019.
SILVA, N. et al. Document type classification for Brazil’s supreme court using
a Convolutional Neural Network. THE INTERNATIONAL CONFERENCE ON
FORENSIC COMPUTER SCIENCE AND CYBER LAW (ICoFCS). 2018.
APLICAÇÃO DA INTELIGÊNCIA ARTIFICIAL AO DIREITO 15
AULA 2 – APLICAÇÃO ATUAL DA AI AO DIREITO
SILVA, N. Notas Iniciais Sobre a Evolução dos Algoritmos do Victor: O Primeiro
Projeto de Inteligência Artificial em Supremas Cortes do Mundo. II Congresso
Internacional de Direito, Governo e Tecnologia. 2018.
Softplan. Disponível em: https://www.softplan.com.br/. Acesso em: 10 nov. 2019.
STARR, S. Evidence-based sentencing and the scientific racionalization of
discrimination. Stanford Law Review, set. 2013, p. 2. Disponível em: https://ssrn.
com/abstract=2318940. Acesso em: 6 nov. 2019.
U.S. Supreme Court. Wisconsin vs. Loomis. Disponível em: https://www.
supremecourt.gov/Search.aspx?FileName=/docketfiles/16-6387.htm. Acesso em
9.11.2019.
APLICAÇÃO DA INTELIGÊNCIA ARTIFICIAL AO DIREITO 16
AULA 2 – APLICAÇÃO ATUAL DA AI AO DIREITO
APLICAÇÃO DA INTELIGÊNCIA ARTIFICIAL AO DIREITO 17
