AI 与法律中的标签不确定性

机器学习在法律领域的应用日益增长，通常以处理历史案件结果的方式进行，將其视为 ground truth。然而，法律结果常常受到人为干预的影响，这些干预在大多数机器学习方法中并未被捕捉。最终裁决可能源于和解、上诉或其他程序性行动。这导致标签不确定性：若干预发生或未发生，结果可能呈现不同。我们认为，法律机器学习应用需要考虑标签不确定性。虽然已有方法可对这些不确定标签进行插值，但所有方法都建立在不可验证的假设之上。在欧洲人权法院案例分类的语境中，我们展示标签在训练期间的构建方式对模型行为具有显著影响。因此，我们將标签不确定性定位为 AI 与法律中的一个相关问题，并演示其如何影响模型行为。