A Path Towards Legal Autonomy: An interoperable and explainable approach to extracting, transforming, loading and computing legal information using large language models, expert systems and Bayesian networks

“法律自主权”——即人工智能代理的合法活动——可以通过两种方式实现。一种方式是对AI参与者（如开发者、部署者和用户）和AI资源（如数据）施加限制；另一种方式是对AI代理对环境影响的范围和程度施加限制。后一种方法涉及将关于AI驱动设备的现有规则编码到控制这些设备的AI代理软件中（例如，在自主无人机设备的代理软件中编码关于操作区域限制的规则）。这是一个挑战，因为这种方法的有效性需要一种可解释且法律互操作的提取、加载、转换和计算法律信息的方法，使得AI代理能够推理法律。在本文中，我们使用大型语言模型（LLMs）、称为法律决策路径的专家法律系统和贝叶斯网络，勾勒了这种方法的原理证明。然后，我们展示了如何将所提出的方法应用于自动驾驶汽车的现有法规，例如加利福尼亚车辆法规。

如何让AI代理能够遵守法律？

使用大型语言模型（LLMs）、专家法律系统和贝叶斯网络的方法来使AI代理合法地运作，并使其能够理解和推理法律

论文提出了一种使用LLMs、专家法律系统和贝叶斯网络的方法，使AI代理能够遵守法律。实验使用了加利福尼亚车辆法规作为案例研究，并展示了该方法的可行性。

近期的相关研究包括使用深度学习来进行法律推理和自然语言处理方面的研究。相关论文包括《基于深度学习的法律推理：综述和未来方向》和《自然语言处理在法律领域的应用》。