پیش‌نویس:قاعده(هوش مصنوعی)
 | برای تأییدپذیری کامل این مقاله به منابع بیشتری نیاز است. (March 2022) |
این مقاله در حال ترجمه از ویکی انگلیسی است لطفاً حذف نشود.
قوانین می‌توانند از دیدگاه‌های مختلف در هوش مصنوعی را مورد بررسی قرار گیرند تا کامپیوتر و نرم افزاهای کامپیوتری توانایی رفتار هوشمندانه داشته باشند
در هوش مصنوعی و حقوق، اصول قانونی در ابزارهای محاسباتی در نظر گرفته می‌شوند تا بتوان به صورت خودکار بر آنها استدلال کرد. در سیستم‌های چند عامله (MAS)، شاخه‌ای از هوش مصنوعی (AI)، قانون راهنمایی برای رفتار مشترک عامل‌ها است که تصمیم‌گیری، هماهنگی و سازماندهی آنها را آسان می‌کند.
با توجه به اینکه بیشتر مشکلات مرتبط با تنظیم تعامل عامل‌های خودکار به مسائلی مرتبط است که به‌طور سنتی توسط مطالعات حقوقی مورد بررسی قرار می‌گیرند، و با توجه به اینکه قانون گسترده‌ترین و پیشرفته‌ترین سیستم هنجاری است، تلاش‌ها برای
محاسبه کردن اصول در هوش مصنوعی و قانون در سیستم‌های چند عاملی اصولی اغلب با یکدیگر تداخل دارند.
هوش مصنوعی و قانون
[ویرایش]با ورود برنامه‌های کامپیوتری به حوزه حقوق، و به ویژه هوش مصنوعی در آن اعمال می‌شود، منطق به عنوان ابزار اصلی برای رسمی کردن استدلال حقوقی به کار رفته و در جهات مختلف، از منطق دئونتیک تا سیستم‌های استدلال رسمی، توسعه یافته است.
پایگاه دانش سیستم‌های استدلال حقوقی معمولاً شامل هنجارهای حقوقی (مانند مقررات و قراردادهای دولتی) است و به عنوان یک نتیجه قوانین حقوقی محوریت بازنمایی دانش و استدلال برای اتوماتیک سازی و حل وظایف حقوقی پیچیده هستند. سیستم‌های هنجاری معمولاً به صورت یک فرمالیسم مبتنی بر منطق نماینده‌سازی می‌شوند، مانند منطق دئونتیک.
هوش مصنوعی و کاربردهای قانون با استفاده از نمایش صریح اصول از بررسی پایبندی فرآیندهای تجاری و اجرای خودکار قراردادهای هوشمند تا سیستم‌های کارشناسی حقوقی که به مردم در مورد مسائل حقوقی مشورت می‌دهند، را شامل می‌شود.
سیستم‌های چند عاملی
[ویرایش]اصول در سیستم‌های چند عاملی ممکن است با درجات گوناگون از صراحت ظاهر شوند، از دستورالعمل‌های کاملاً بدون ابهام نوشتاری تا اصول نهفته ضمنی یا الگوهای در حال ظهور ضمنی. مطالعات دانشمندان رایانه ای این دوقطبیت را بازتاب می‌دهد. اصول صریح معمولاً در منطق‌های رسمی (مثلاً منطق‌های دئونتیک و استدلال) برای نمایش و استدلال بر آنها که در نهایت منجر به معماری برای عامل‌های شناختی می‌شود مورد بررسی قرار می‌گیرند، در حالی که اصول ضمنی به عنوان الگوهایی به حساب می‌آیند که از تعاملات تکراری بین عامل‌ها (معمولاً عوامل یادگیری تقویت شده) ناشی می‌شود. اصول صریح و ضمنی می‌توانند با هم برای هماهنگ‌کردن عوامل استفاده شوند.[۱]
اصول صریح معمولاً به عنوان یک اظهاریه دئونتیک نمایش داده می‌شوند که هدف آن نظم دادن به حیات عوامل نرم‌افزاری و تعاملات بین آنها است. این می‌تواند یک تعهد، یک اجازه یا یک ممنوعیت باشد، و اغلب با استفاده از یک گویش یا توسعه ای از منطق دئونتیک نمایش داده می‌شود. در مقابل، اول ضمنی، اصول اجتماعی هستند که نوشته نشده‌اند و معمولاً از تعاملات تکراری عوامل نشات می‌گیرند.
منابع
[ویرایش]- ↑ R. Riveret, Y. Gao, G. Governatori, A. Rotolo, J. Pitt, G. Sartor. A probabilistic argumentation framework for reinforcement learning agents. Autonomous agents and multi-agent systems 33 (1), 216-274