3.8 　法的推論システムの研究動向と新しい展開

報告者: 新田克己委員

3.8.1 　はじめに

　「法的推論」とは法律家が法律を解釈し、事件に適応させる推論のことである。法律分野はコンピュータの応用としては最も古いものの1つであり、多くの法律エキスパートシステムが作られてきた。AIや認知科学の観点から法的推論が関心をもたれるのは、（1）法的推論はさまざまな様相をもち、仮説推論や類推や非単調推論などのいろいろな推論方式の応用例題として適していること、（2）法律の解釈を行うには、言葉の意味を深く解析する必要があり、高度な意味処理技術の課題が多いことなどの理由である。
　しかしながら、近年では基礎研究よりも次第に実システムへの研究に向けて、研究動向が変わってきているように見られる。そこで、本報告では法的推論の主要な研究課題の動向を紹介した後で、法的推論技術の新しい応用の可能性について紹介する。

3.8.2 　法的推論の概要

　法律は少ないルールで多様なトラブルに対処するため、抽象的な述語を使ってかかれている。そのため、法律を実際の事件に適用するには「法律の解釈」をし、法律をその事件に適用できるように具体的なルールにする必要がある。法律の解釈には、法目的や市民感情や慣習などのいろいろな価値観のバランスをとる必要があり、機械的に行うことは容易ではない。例えば、

「公園に車は進入禁止」

というルールに対し、急病人を助けるために救急車が公園に入ることはこのルールの例外とすべきであろう。では

「公園に救急車以外の車は進入禁止」

というルールを作ればよいかといえばそうではない。帰路に近道をするために公園に入る救急車については進入を認めるべきではないであろう。すると、

「公園に緊急のための救急車以外の車は進入禁止」

というルールになる。しかし、訓練のための公園進入は認めるべきだから、このルールにも例外がある。
　このように、実際にルールを適用する場合には、そのルールの例外や例外の例外などのいろいろな場面を想定しなければならず、それらをすべて列挙することはできない。上記の問題を解決する現実的な手段は、もとのルールを

「公園に車は原則として進入禁止」

と考えておき、「原則」の範囲に関しては、ルールの本来の目的や、社会感情や、慣習や、類似事件の過去の判断との一貫性などを考慮してケースバイケースで決めることである。これは異なる価値観のバランスをとって「妥当な判断」をするということである。
　このように考えると、法的推論は、ルールを作ったり、ルールを適用して結論を導いたりするような「論理操作」だけではなく、「価値判断」も重要であることが分かる。価値判断は機械化しにくい部分であり、これが法的推論システムの構築を難しくしている要因である。
　また、法的推論には別の側面がある。法的判断が価値判断に依存するということは、価値観によって異なる結論が導かれるということである。法廷で原告と被告の主張が異なるのは、そのためである。価値観の相違は法廷論争の原因であり、法廷論争を行うためには論争や妥協のための推論も必要である。

3.8.3 　法的推論研究の動向

　法的推論システムを実現するための主要な課題である法的知識の記述、法的議論のモデル、価値判断、システム構築方法論について、内容とその研究動向について簡単に説明する。

3.8.3.1 　法的知識の記述

　法律知識には、法令のみならず、判例、学説、社会感情、慣習、政策ほかのさまざまな知識がある。これらをコンピュータ上で表現し利用するための基礎となるのは以下の3つである。（1）　ルールベース
　法令をプロダクションルールや論理式で表現し、演繹推論で結論を出す最も基本的な推論方式をルールベース推論という。例えば、

　(∀X)(殺人を犯す(X)　→　殺人罪(X))

というルールと

殺人を犯す(太郎)

という事実から

殺人罪(太郎)

という結論を導くことができる。
　法令文から完全なルールベースが作成できれば、このような演繹で解を導くことが可能である。しかし、前に述べたように実際には「原則として」のようなあいまいな判断がルールに入ることがあり、非単調推論、帰納推論、ファジイ推論などの高度な推論技術を使ってルールを整形したり、常識的な推論を行ったりする必要がある。例えば、

(∀X)(馬(X)　→　進入禁止(X))

なるルールを牛であるaにも適用したいときは、{ 牛(a) } が正例となるように馬の概念を抽象化して、

(∀X)(家畜(X)　→　進入禁止(X))

というルールを生成する（家畜は馬と牛の共通上位概念であるとする）。これは拡張解釈を実現していることになる。
（2）　事例ベース
　判例を何らかの形で特徴づけして事例ベースに蓄積しておき、新たな問題（事件）を解決する際に、現事件と類似する判例を引用して結論を導く推論方式は事例ベース推論の典型例である。例えば、Hypo[2]では、

f1a: 殺意をもって暴行した。
f2: 被害者は気絶した。
f3: 死んだものと誤解して放置した。
f4: 放置が原因で死亡した。
判決: 暴行と死亡の間に因果関係を認める。

という4つの特徴（f1a、f2、f3、f4）と結論をもつ判例があるとき、

f1b: 過失で交通事故をおこした。
f2: 被害者は気絶した。
f3: 死んだものと誤解して放置した。
f4: 放置が原因で死亡した。

の性質をもつ事件は、3つの特徴（f2、f3、f4）が一致するため、両者が類似すると判断することができ、「交通事故と被害者との間に因果関係を認める（すなわち過失致死罪）」という結論を導くことができる。ただしf1aとf1bの相違点を重視すれば、両者は類似していないと判断されることになるから、この結論は仮定的なものでしかない。
　このほかに、出来事そのものの類似性に着目するのではなく、それが引き起こした効果によって類似性を判定する方法GDA[8]などが提案されている。
（3）　義務論理
　法律のさまざまな規範を義務論理の論理式で表す方法である。義務論理は命題論理を拡張して、「pは義務である」「pは権利である」「pは禁止されている」をそれぞれ、オペレータO、P、F、を用いて、

O(p)
P(p)
F(p)

と表現する方法である。例えば、「喫煙が禁止されているなら、喫煙は権利ではない」ことを以下のように表現する。

F(喫煙)　→　_P(喫煙)

　法令文を表現するとき、プロダクションルールや述語論理よりも義務論理の方が適しているため、法令解釈の表現手段として研究されている。しかしながら、義務論理は高階の論理であるため、一般的な証明手段はない。そのため、理論的には研究が多くなされているものの、システムとしては限定的な推論機構の開発にとどまっている。

　このように、法律の知識表現と推論方式は3つの主要なアプローチがあるが、今までは主にルールベースと事例ベースを組み合わせたハイブリッドなシステムが開発されてきている。
　わが国では明治学院大学法学部教授の吉野一を代表とする文部省重点領域研究「法律エキスパートシステム」（1993-1998）によって、ルールベースを基礎として、商取引の国際条約のルールベース化を行い、さらに、帰納推論、アブダクション（仮説生成）、類推、ファジイ推論などの高度な推論機構の法律への応用が図られた。このプロジェクトの終了後は、これらの成果を法学教育に応用する方向で展開が図られている。
表 3.8-1　International Conference on Artificial Intelligence and Lawでの発表件数
ルールベース 事例ベース 義務論理 その他
1991年 20 10 4 5
2001年 8 4 3 15
　海外においては、隔年で開催される「法律と人工知能の国際会議（International Conference on Artificial Intelligence and Law）」での、この3つの記述法の発表件数はこの10年で表 3.8-1のように変化しており、記述法の研究自体は全体的に減少傾向にある。

3.8.3.2 　法的議論のモデル

　近年、研究が根強く行われているのは法的議論のモデルである。法的議論に関しては、議論のプロトコルの研究や非単調推論による形式化の研究が行われている。前者においては、CATO[1]のような教育支援システムやPleadings Game[5]やRoom5[7]のような調停システムが代表的なものである。後者の研究の代表的なものは、ルールの優先関係を用いた非単調推論である。例えば、わいせつ物の展示に関して、以下のr2とr3は矛盾するルールである。そのため、例えば絵画aがわいせつ物であったとき、ルールr2から「展示の自由(a)」という結論が導かれ、ルールr3から「_展示の自由(a)」という結論が導かれる。

r1: わいせつ物(X)　→　表現(X)
r2: 表現(X)　⇒　展示の自由(X)
r3: わいせつ物(X)　⇒　_展示の自由(X)

　この矛盾を解消する1つの方法として、

r2＜r3.　　　　（ルールr3はルールr2に優先する）

のように、ルールの優先関係を定義する方法がある。優先するルールを含んだ論証の方が、優先しないルールを含んだ論証よりも強い論証である。
　このようなルールの優先関係を含んだ非単調推論の形式化は、サーカムスクリプション（極小限定）、拡張論理プログラミング、デフォルト理論のいずれかの拡張によって実現されてきた。優先ルールつきの拡張論理プログラミングの意味論については、近年、[3][6][9][10]ほか、活発に提案がなされている。いろいろな意味論を比較すると、どの意味論にも一長一短があり、法律に適した意味論のための評価基準の検討が必要であると思われる。
　拡張論理プログラミングのもとでは、結論に対する反駁（rebutting）と、前提に対する反駁（overcutting）を以下のように形式化する。例えば、

{ 鳥(ジョナサン).
飛ぶ(ジョナサン)　←　鳥(ジョナサン), not 負傷(ジョナサン). }

という2つの具体化ルールは、「ジョナサンは鳥である。ジョナサンは鳥であって、負傷していることは証明できないから、ジョナサンは飛ぶことができる」という論証を表すとする。notは論理的な否定ではなく、証明失敗としての否定（NAF）である。
　これに対する反論として結論に対する反駁は、

{ ペンギン(ジョナサン).
_飛ぶ(ジョナサン)　←　ペンギン(ジョナサン) . }

のように反対の結論を持つ論証を相手に提示することであり、前提に対する反駁は、

{ 鷹に襲われた(ジョナサン).
負傷(ジョナサン)　←　鷹に襲われた(ジョナサン) . }

のようにNAFの成立を否定するものである。
　論証に対して反論があり、その反論に対してさらに反論がある、……という場合に、結果としてどの論証が優先するのか、については論証枠組みAF[4]が安定モデル、有礎モデルほかのさまざまな意味論を与えている。しかし、AFはルールの優先関係を考慮していない場合しか考慮していないため、ルールの優先関係を扱える新たな論証枠組みの研究が必要である。

3.8.3.3 　価値観のバランス

　上記の法的な議論のモデル化において、ルールの優先関係を確定することができれば、非単調推論によって、優先する論証を決めることができる。しかし、このルールの優先関係をどのように確定するかは困難な問題である。
　ルールの優先関係を客観的に決めるには、価値観のバランスを数理的に測る必要がある。価値観がどのようなファクタからなっているかを分析する研究として、過去の判例を使って統計的な処理を行い、どのようなファクタが判決に強い因果関係があるかを推定する方法がある。わが国では1970年代にこのような統計的な研究が行われた。例えば、刑事事件について、被告の年齢、性別、累犯かどうか、被害の程度、被害者の年齢、性別などのさまざまな要素と判決（有罪/無罪の決定や量刑）の間の相関関係を多変量解析の手法で調べ、判決予測や刑事政策などにいかそうとする研究がなされている。しかし、このような統計的手法は、予測結果についての理論的な裏づけがないためか、わが国の法理学の分野では1980年以降は低調である。
　しかし、SplitUp[11]のように、ニューラルネットの手法を使って、大量の判例から判決予測をする方法が予測精度の点で成功を収めたことが報告されている。判例の統計的手法は今後、もっと注目されるべきだと考える。

3.8.3.4 　法的推論システム構築方法論

　従来の法的推論システムの開発においては特にシステムの構築方法論が確立していなかった。法律知識のオントロジーの構築に関しても国際的な標準化に関して進んでいるとは言えない。その理由の1つは、法律体系が国によって異なるため、概念やルールの統一化が困難だからである。
　しかし、近年、エンジニアリング的な観点からのシステム構築論が提案されるようになってきている。これは、法律のオントロジーに基づくドメインモデルと、法律のさまざまな問題解決のパターンからなるタスクモデルを利用している。
　ドメインモデルとしては、法律の知識をカテゴリ（法令、判例、世界知識、……）に分類し、カテゴリごとに概念階層やルールベースや事例ベースや義務論理の論理式集合として記述したものを用いる。
　タスクモデルとしては、例えば、相続税を軽減するというゴールを達成するためには、（1）そのゴールを達成するためのサブゴールを列挙し、（2）特定の観点からその1つを選択し、（3）因果関係を利用して、そのサブゴールを達成するためのプランを策定する。このような作業パターンはビジネスや設計の分野でCommonKADSのようなタスクモデルとしてまとめられており、それを利用することによって作業手順を新たに決める必要から解放されることになる。

3.8.4 　新しい展開

　人工知能と法律の国際会議においては、実験的な研究や理論的な研究が多く、実システムとしての発表は多くなかった。しかしながら、近年、実用システムとしての法的推論システムが有望と思われる分野が現れてきた。

3.8.4.1 　有望な分野

3.8.4.1.1 　オンラインの紛争解決

　紛争があった場合、通常の人が弁護士に相談したり、裁判に訴えたりすることは心理的・経済的が大きい。そこで、近年、インターネットにより、オンラインで法律相談をするサービスが現れてきた。なかでも裁判外紛争処理（Alternative Dispute Resolution: ADR）は、今後、法的推論システムの応用分野として有望であると思われる。
　ADRとは、紛争を調停または仲裁によって解決しようとするものである。非法律家でも行うことができ、例えば、アメリカでは法学部の学生が行うこともあるようである。日本では、国民生活センター、交通事故紛争処理センター、日本クレジットカウンセリング協会、国際商事仲裁協会、全国貸金業協会連合会などがADRを行っている。
　調停は双方の意見を聞きながら合意に向けた解決案を探すのであるが、仲裁は裁判と同じように双方が対立し、判決と同じように裁決がなされる。ただし、裁判のような100対0の決着ではなく、互いに妥協を強いるような決着をすることもできる。
　オンラインADRとは、電子メールで申し立てや答弁を行い、ビデオ会議による審問を行い、Web上で議論をするものである。海外では、1996年のオンライン仲裁実験プログラムVirtual Magistrate（米）、オンライン調停実験プログラムOnline Omnibus Office（米）、1999年のオンライン調停仲裁実験プログラムCyber Tribunal（カナダ）、オンライン調停システムe@DR（シンガポール）などが開発されている。
　ユーザは気軽に相談でき、遠隔地で利用でき、安価であるという点でオンラインADRは優れているが、ネットを使った議論では臨場感が出ないという問題点がある。
　ADRの別の問題点は相談員の確保である。各地の消費者センターにおいては、相談件数に応じた相談員がいないため、対応に遅延が生じることが少なくない。そこで簡単な事件、典型的な事件については、ADRの相談機能を有するエージェントで代行したり、相談員に助言を与えたりすることが必要になると考えられる。

3.8.4.1.2 　紛争の予防

　インターネットの普及により、だれでもオンラインによってショッピングができるようになった。しかし、これによって商品購入に関するトラブルが増加しているのも確かである。トラブルで多いのは、金を払ったのに商品を送ってこないケースと、解約しようとしたら高額の賠償金を請求されたケース、知らない間に国際電話を長時間使っていたケースなどである。これらについては、トラストマークの付与や、解約に関する法律知識を使って、ある程度応対することができる。
　しかし、これ以外に問題となるケースで予想以上に多いのは、消費者の法律に関する知識がないため、消費者に否があるのに、消費者がクレームを出すケースである。例えば、内容をよく読まないでYESにクリックしてしまったケースや、クーリングオフ期間の経過後にキャンセルを出すケースなどである。このようなトラブルに対処するには、ショッピング時に、「これをクリックすることにより、どのような法的効果（権利や義務など）が生じるか」をユーザに助言したり、契約の成立後にキャンセル方法についての説明をユーザにしたりすることが有効である。
　このように法律的知識を有し、ユーザの契約行為を監視して助言を与えるシステムは今後、ニーズが高まると考えられる。特に、海外の業者から購入する際のトラブルに関しては、両国の法律が関連する場合があるので、両方のルールベースを具備するか、あるいは、
自国のルールベースを有するエージェントと、相手国のルールベースを有するエージェントの間の情報交換機能を必要とする。

3.8.4.1.3 　法学教育

　わが国では法科大学院の制度が始まることになり、現在、各大学や弁護士会などで、設立準備が行われている。法科大学院においては、単に講義をするだけでなく、実務に直結するようなトレーニング（例えば模擬裁判）が必要となる。このようなトレーニングは個々の学生ごとに異なる指導をしなくてはならず、しかも教師が長時間束縛されるので、あまり頻繁に行うことができないという問題点が有る。そこで、コンピュータを用いたトレーニング支援システムが必要になると考えられる。具体的には、ビデオ教材の積極的な利用、学生の応答をモニタしながらの講義、オンラインの模擬裁判などの新しい教育システムの開発が期待される。例えば、オンライン模擬裁判においては、原告学生と被告学生の論争の推移をモニタしながら、新しい論点へとナビゲートしたり、論争終了後に論争記録を整理したり、それをもとにして採点の素点をつけたりする機能を自動化する機能が必要となる。

3.8.4.2 　課題

　上で説明したADRや法学教育を行うシステムを実現するには、法的推論の技術を開発するだけでは不足である。
　ADRに申し込むユーザは、トラブルをかかえているのであり、応対が冷たいと、ユーザ調停や仲裁自体を拒否するかもしれない。そのため、擬人化エージェントを利用して、ユーザに自然なインターフェースを提供する必要がある。
　また、現在のオンラインADRでの議論は臨場感がないため、調停や仲裁の効率がよくないという問題がある。臨場感を伝えるための新しいマルチモーダルインタフェース技術が必要である。
　さらに、調停においては、相手に対して説得する機能も必要とされる。アメリカにおいては、法廷における弁論術や身振りなども教育の対象となる。
　模擬裁判においては、教師エージェントは裁判の争点をダイレクトにナビゲートするだけでは学生の教育にならない。ヒントを出して学生に争点を気づかせる工夫が必要である。教育のためのヒントの出し方は教育心理の問題である。
　このようにこれらの新しい応用分野で実用的なシステムを開発するには、法律をベースとした推論技術だけでなく、ヒューマン・エージェント・コミュニケーション技術、マルチモーダル情報処理技術、交渉技術、教育技術などが必要となる。

3.8.5 　まとめ

　法的推論研究の動向と新しい展開として有望な分野について述べた。法的推論システムは基礎研究の時代を脱却して実用化に向けた新たな時代に入っている。ここに述べたシステムは法律の知識だけでなく、さまざまな技術を結集しなければ開発することはできない。したがって、これらのシステムはマルチモーダル技術その技術の実証の場を提供することになり、人間主体の情報処理の重要なアプリケーションの1つとなる可能性がある。