1. 사례베이스 추론과 법령
최근과 같이 정보화·글로벌화라는 말로 표현되듯이 사회의 변화가 심하게 되어 가면, 판례가 행하는 역할도 한층 더 커지게 된다. 그 때문에 판례에 관한 빠짐 없는 조사는 실무에서도, 법학연구에서도 중요한 과제로 되고 판례데이터의 완비와 그 원활한 검색이용에 대한 요구는 이전보다 늘어나 커질 것이 틀림 없다.
법률의 지식은 법령문과 과거의 판례로 구성된다. 법령문은 법률 룰의 집합이기 때문에, 법령문에 근거하는 추론은 룰 베이스 추론으로서 실현되고 있다. 그러나 법률 룰은 자주 정의가 애매한 법률용어(법적 개념)를 포함하고 있다. 그러한 법적 개념의 대부분은 실제의 사실에 적용되어 비로소 그 엄밀한 의미가 결정되는 것이다. 이러한 법률 룰을 실제의 사실에 적용하기 위해서는 그들의 룰을 해석하는 것과 법적 개념과 구체적인 사실과의 대응화를 하는 것이 필요하게 된다.
그 때, 자주 과거의 판례가 참조되고 그 속의 논리전개가 재이용된다. 결국 법적 추론은 룰 베이스추론과 사례 base 추론이 결합한 모델로 나타낼 수 있다. 그러나 이 모델에서는 유사의 사례를 검색하고 거기에 따라 결론을 도출하는데도 많은 시간이 필요하고 더욱 복수의 추론엔진의 추론을 제어하기 위한 복잡한 기구가 필요하게 된다.
2. 법률지식과 법령문의 해석
법률지식에는 다음의 5종류가 있다.
• 개념사전 : 「사람」 「법인」 「자동차」 「권리」등의 명사적 개념, 「때리다」 「팔다」 「죽다」 등의 동사적 개념, 「살아 있는」 「소유하고 있는」 등의 형용사적 개념 등 시스템으로 사용하는 개념은 사전에 등록해 두지 않으면 안 된다.
• 법령문 : 법률의 조문을 룰로서 기술한 것이다.
• 판례 : 판례로부터 추출한 논리를 룰로서 기술한 것이다.
• 상식 : 「물건을 팔면 소유권이 이전한다」는 것 같은 상식을 룰로서 기술한 것이다.
• 가치관 : 「일반법은 특별법에 우선된다」 「대법원의 판례는 고등법원의 판례에 우선한다」 「범죄요건의 판단에는 결과보다도 행위를 중시해야 한다」 등의 다양한 판단기준과 각 룰과 판단기준의 관계의 정의로서 이루어진다.
법령문의 해석 중 하나는 룰의 범화기능을 사용해서 법령문을 추상화한다. 이것은 확장해석이나 유추해석에 의한 룰 생성에 상당한다. 또 하나는 유추해석의 인용에 의한 rule 생성이다.
법률분야에의 지식 base/지식표현기술의 응용으로서 법적 추론은 사실인정, 법령해석 및 條文적용의 세 기본적인 요소로 구성되지만, 사실인정은 현재의 기술 level로는 취급이 어렵기 때문에 법령해석, 특히 유사한 기존의 판례를 준용하는 유추해석을 어떻게 실현할지가 현재의 과제다.
법적 추론시스템은 조문적용에 부가하여 유추해석을 실행하는 것을 목표로 한 시스템이다. 다시 말해 신규의 사안이 주어지면, 거기에 유사한 기존의 판례를 이용해서 가능한 판단을 도출하고 그리고 그 판단에 이르는 논증을 구축한다.
3. 법률 엑스퍼트 시스템
「법률 expert system」이라고 듣게 되면, 우선 떠오르는 방법은 법령문을 논리식으로 표현하고 지식베이스를 구축하는 것일 것이다. 바로 그 방식을 충실히 실현하여 기계적으로 법률문제를 해결하는 것을 주 목적으로 하는 수법은 지금 와서는 최신의 것이 아닐지도 모르지만, 법률의 시스템을 구축하는 상에서의 에센스는 현재라도 통용되는 것이다.
지식정보처리의 확립을 목표로 하여 80년대에는 많은 expert system이 연구 level에서도, 商用 level에서도 구축되었다. expert system에서 사용되고 있는 기법은 rule-base system이다. 구축하고자 하는 대상영역의 지식을 「만약, X라면 Y를 해라」라는 형태의 IF-THEN 룰을 전문가에게 인터뷰를 통해 추출하여 지식베이스로 저장하여 두고, 해결하여야 할 문제가 주어지면, 추론엔진이 지식베이스 가운데 적당한 룰을 실행하여 문제를 해결한다. 그런데 80년대에 걸쳐 많은 expert system이 구축됐음에도 불구하고 실제로 사용되고 있는 시스템의 수는 대단히 적다. 그 이유 중 중요한 것은 다음의 2가지이다.
첫째는 전문가가 가지는 지식을 룰의 형태로 추출했기 때문이다. 전문가는 자신의 머리 속에 IF-THEN 룰의 형태로 지식을 가지고 있는 것은 아니다. 그것을 억지로 IF-THEN 룰의 형태로 추출하기 때문에 거기에는 무리나 누락이 생겨버리고 정확히 룰화할 수 없게 된다. 혹은 그러한 룰의 추출에 대단히 cost가 들게 된다. 더욱이는 그들 룰의 보수가 큰 일로 된다.
둘째는 어떤 지식의 기술방법이나 추론방법을 도입해도 「지식 base에 씌어 있지 않은 것에는 답할 수 없다」라는 약점이 있는 것이다. 전문가의 지식을 미리 IF-THEN룰의 형태로 입력해 두지 않으면, expert system은 당연히 올바른 추론을 행하지 못한다. 그런데, 인공지능이 대상으로 하는 응용문제는 일반적으로 복잡하므로, 설계자가 미리 일어날 수 있는 모든 가능성을 하나 하나 열거할 수 없는 것이 많다. 따라서 이 약점은 대단히 중요하다.
상기의 expert system이 가지는 두 문제를 개선하는 것으로서 새롭게 제안된 것이 사례 베이스 추론(CBR)이다. 이 새로운 추론 paradigm은 R.Schank 등이 1982년경부터 처음으로 제창하기 시작한 것이다.
Schank 등의 가설에서는 전문가는 과거의 자신의 경험에 근거하여 과거의 유사의 경험으로부터 유추해서 주어진 문제를 해결하는 것이 많다. 즉, 사회에 존재하는 지식은 룰의 형태로 쓸 수 있는 지식과 경험사례의 형태로 보존되는 것, 2종류가 있다. 예를 들면, 법률의 분야에서는 법률은 룰의 형태로 기술되어 있지만, 판례는 과거의 판결사례, 즉 경험사례의 집합이다.
수학의 교과서에서는 정리는 룰의 형태로 형식적으로 기술되어 있지만, 그 뒤에 그 정리를 사용하는 예가 몇가지 실려 있다. 또 언어의 사전에는 단어의 의미의 정의가 일반적인 기술로 씌어있고, 그 다음에 그 단어를 사용한 용례가 반드시 실려 있다.
4. 법적 추론시스템
• 개념사전 : 「사람」 「법인」 「자동차」 「권리」등의 명사적 개념, 「때리다」 「팔다」 「죽다」 등의 동사적 개념, 「살아 있는」 「소유하고 있는」 등의 형용사적 개념 등 시스템으로 사용하는 개념은 사전에 등록해 두지 않으면 안 된다.
• 법령문 : 법률의 조문을 룰로서 기술한 것이다.
• 판례 : 판례로부터 추출한 논리를 룰로서 기술한 것이다.
• 상식 : 「물건을 팔면 소유권이 이전한다」는 것 같은 상식을 룰로서 기술한 것이다.
• 가치관 : 「일반법은 특별법에 우선된다」 「대법원의 판례는 고등법원의 판례에 우선한다」 「범죄요건의 판단에는 결과보다도 행위를 중시해야 한다」 등의 다양한 판단기준과 각 룰과 판단기준의 관계의 정의로서 이루어진다.
법령문의 해석 중 하나는 룰의 범화기능을 사용해서 법령문을 추상화한다. 이것은 확장해석이나 유추해석에 의한 룰 생성에 상당한다. 또 하나는 유추해석의 인용에 의한 rule 생성이다.
법률분야에의 지식 base/지식표현기술의 응용으로서 법적 추론은 사실인정, 법령해석 및 條文적용의 세 기본적인 요소로 구성되지만, 사실인정은 현재의 기술 level로는 취급이 어렵기 때문에 법령해석, 특히 유사한 기존의 판례를 준용하는 유추해석을 어떻게 실현할지가 현재의 과제다.
법적 추론시스템은 조문적용에 부가하여 유추해석을 실행하는 것을 목표로 한 시스템이다. 다시 말해 신규의 사안이 주어지면, 거기에 유사한 기존의 판례를 이용해서 가능한 판단을 도출하고 그리고 그 판단에 이르는 논증을 구축한다.
3. 법률 엑스퍼트 시스템
「법률 expert system」이라고 듣게 되면, 우선 떠오르는 방법은 법령문을 논리식으로 표현하고 지식베이스를 구축하는 것일 것이다. 바로 그 방식을 충실히 실현하여 기계적으로 법률문제를 해결하는 것을 주 목적으로 하는 수법은 지금 와서는 최신의 것이 아닐지도 모르지만, 법률의 시스템을 구축하는 상에서의 에센스는 현재라도 통용되는 것이다.
지식정보처리의 확립을 목표로 하여 80년대에는 많은 expert system이 연구 level에서도, 商用 level에서도 구축되었다. expert system에서 사용되고 있는 기법은 rule-base system이다. 구축하고자 하는 대상영역의 지식을 「만약, X라면 Y를 해라」라는 형태의 IF-THEN 룰을 전문가에게 인터뷰를 통해 추출하여 지식베이스로 저장하여 두고, 해결하여야 할 문제가 주어지면, 추론엔진이 지식베이스 가운데 적당한 룰을 실행하여 문제를 해결한다. 그런데 80년대에 걸쳐 많은 expert system이 구축됐음에도 불구하고 실제로 사용되고 있는 시스템의 수는 대단히 적다. 그 이유 중 중요한 것은 다음의 2가지이다.
첫째는 전문가가 가지는 지식을 룰의 형태로 추출했기 때문이다. 전문가는 자신의 머리 속에 IF-THEN 룰의 형태로 지식을 가지고 있는 것은 아니다. 그것을 억지로 IF-THEN 룰의 형태로 추출하기 때문에 거기에는 무리나 누락이 생겨버리고 정확히 룰화할 수 없게 된다. 혹은 그러한 룰의 추출에 대단히 cost가 들게 된다. 더욱이는 그들 룰의 보수가 큰 일로 된다.
둘째는 어떤 지식의 기술방법이나 추론방법을 도입해도 「지식 base에 씌어 있지 않은 것에는 답할 수 없다」라는 약점이 있는 것이다. 전문가의 지식을 미리 IF-THEN룰의 형태로 입력해 두지 않으면, expert system은 당연히 올바른 추론을 행하지 못한다. 그런데, 인공지능이 대상으로 하는 응용문제는 일반적으로 복잡하므로, 설계자가 미리 일어날 수 있는 모든 가능성을 하나 하나 열거할 수 없는 것이 많다. 따라서 이 약점은 대단히 중요하다.
상기의 expert system이 가지는 두 문제를 개선하는 것으로서 새롭게 제안된 것이 사례 베이스 추론(CBR)이다. 이 새로운 추론 paradigm은 R.Schank 등이 1982년경부터 처음으로 제창하기 시작한 것이다.
Schank 등의 가설에서는 전문가는 과거의 자신의 경험에 근거하여 과거의 유사의 경험으로부터 유추해서 주어진 문제를 해결하는 것이 많다. 즉, 사회에 존재하는 지식은 룰의 형태로 쓸 수 있는 지식과 경험사례의 형태로 보존되는 것, 2종류가 있다. 예를 들면, 법률의 분야에서는 법률은 룰의 형태로 기술되어 있지만, 판례는 과거의 판결사례, 즉 경험사례의 집합이다.
수학의 교과서에서는 정리는 룰의 형태로 형식적으로 기술되어 있지만, 그 뒤에 그 정리를 사용하는 예가 몇가지 실려 있다. 또 언어의 사전에는 단어의 의미의 정의가 일반적인 기술로 씌어있고, 그 다음에 그 단어를 사용한 용례가 반드시 실려 있다.
4. 법적 추론시스템
법적 추론시스템이 다루는 법률의 분야에서는 그 체계지식(법령문)이 완전하지 않기 때문에 과거의 운용실적(판례)을 보충하지 않으면 실문제를 해결할 수 없다. 그 때문에 법적 추론시스템의 실현에는 법령문의 논리적 기술과 그것을 이용한 연역적 추론, 판례의 자연스러운 기술과 類比에 의한 추론이라는, 2종류의 지식정보처리기술이 필요하다.
인공지능의 분야에서 최근 Case-Based Reasoning(사례에 의한 추론, CBR)이 주목받고 있는 것은 법률, 행정 등 각 분야의 know-how를 알고리즘으로 변환하는 것이 곤란하기 때문이다. 이러한 분야에 대하여 대단히 강력한 paradigm으로서 지식정보처리의 분야에서 제안된 것이 CBR다.
사례베이스 추론(CBR)은 경험·과거의 사례를 사용해서 문제를 푼다고 하는 추론모델이다. CBR에서는 특정한 문제와 그 해결방법의 相對로부터 이루어지는 과거의 사례가 다수사례 베이스로 저장되어 있다. 풀어야 할 문제를 주면, 과거의 사례로부터 그 문제에 유사한 것을 가져 온다.
풀어야 할 문제와 선택된 과거의 문제 간의 차이를 조사해서 그 차이에 대응하여 선택된 사례의 해결방법의 부분을 변경하고, 그것을 주어진 문제에 대한 해결방법으로서 출력한다. CBR의 성능은 사례베이스의 크기와 내용에 의존한다. 또 과거의 유사의 사례를 발견하기 위한 유사도의 계산수법에도 의존한다.
경험기술을 바탕으로 한 CBR이 expert system과 같은 종래의 룰에 근거하는 추론에 대하여 가지는 이점으로서는 다음 것을 들 수 있다.
지식은 자신의 경험의 형태로 표현하면 좋으므로, 엑스퍼트에게서 지식엔지니어에의 지식의 전달이 용이해진다. 실세계는 대단히 복잡하므로 그것을 룰의 형태로 기술하는 것은 무리가 있다. 그 점, 사례는 어떤 문제영역에서도 항상 주어진다.
룰 형식에서는 지식이 분해되어 룰화되므로 정리된 경험지식을 표현하기 어렵다. 또 룰에는 어떤 해법의 이유나 그 인과관계와 같은 것을 쓰기 어렵지만, 사례의 형태를 지식의 기본단위로 했을 때에는 그들이 자연스럽게 내장된다.
「지식베이스에 씌어 있지 않은 것에는 답할 수 없다」고 하는 expert system의 약점에 대해서는 지식조작의 기법으로 마구 덤빌 것이 아니라, 대량의 과거의 실데이터(실례)를 보존해 두고 문제가 주어지면, 과거의 실례 중에서 가까운 것을 꺼내 복수의 근사해를 보간하거나 부분적으로 수정하여 주어진 문제의 해로 간주한다고 하는 수법이 주목받고 있다.
이 수법에서는 주어진 문제가 그 시스템에게 처음으로 보는 것이라도, (옳은 것인가 아닌가는 별도로 하고) 시스템이 과거의 실례를 사용해서 근사해를 만들어 버리므로, 상기 지식처리시스템의 약점에 대한 하나의 해결안을 제출하고 있다. 게다가 이 수법은 발상은 간단하여 비교적 상당히 좋은 성과를 내고 있다.
5. 판례데이터구축과 추론시스템
판례를 다루는 지식정보처리시스템에는 과거의 판례를 이용한 정보처리를 행할 필요가 있어, 유사판례의 고도의 검색을 하는 기능을 갖추고 있다. 대표적인 유사 판례검색의 실현형태는 사례베이스추론이다. 사례베이스 추론기능을 갖춘 본격적인 지식정보처리시스템은 2개의 추론엔진과 법령문의 룰베이스, 판례의 사례베이스, 그리고 개념사전을 가지고 있다.
일반적으로 판례문에는 사건의 개요, 쌍방의 주장, 판사의 이유첨부와 결론 등이 씌어 있는데, 판례의 정보를 「상황記述」과 「사례 룰」이라는 지식표현형식으로 나타낼 수 있다. 「상황기술」은 사건의 개요를 오브젝트나 그들 간의 시간관계로 기술한 것이다. 오브젝트는 인물, 행위, 권리 등을 「개념을 나타내는 술어」와 「오브젝트의 식별자」와 「그 오브젝트에 관한 성질을 [속성명=속성값]의 한 쌍의 리스트」로 표현한 것이다. 속성치도 오브젝트로 된다. 시스템 내부에서는 이 기술은 오브젝트를 노드로서 속성(혹은 시간관계)을 링크로 한 의미네트워크로서 전개된다.
「사례 룰」은 당사자 쌍방의 주장이나 판사의 이유근거를 「∼의 조건에 부합하다 →∼로 귀결된다」의 형식의 룰의 집합으로 표현한 것이다. 「사례 룰」에는 사실해석 룰과 법적 판단 룰이 있고 사실해석 룰은 사실관계에서 법적 개념을 이끄는 것으로, 구체적인 개념을 이용해서 기술되고 조건부는 유사성에 근거해서 부합된다.
그것에 대하여 법적 판단 룰은 어떤 법적 개념으로부터 다음의 발전된 법적 개념을 도출하는 것으로, 추상적인 개념으로 기술되며 변수를 포함하고 조건부는 보다 완전한 부합이 요청된다. 법령문 룰의 형식도 법적 판단 룰과 같지만, 법령문 룰의 경우는 유사성은 고려되지 않고 조건적합이 행하여 진다. 재판에서의 논리전개는 「상황기술」을 시작점으로 하는, 사례 룰과 법령문 룰의 조건적합연쇄(추론)로 이해할 수 있다.
사례베이스 추론엔진의 역할은 새롭게 검토해야 할 사건이 주어졌을 때에, 유사한 판례 중의 논리전개를 이용하여 「공공의 복지에 어긋나는」 등의 추상적인 법적 개념에 이르는 주장을 구성하고 열거하는 것에 있다. 이것은 새로운 사건의 상황기술을 단서로서 유사 사례검색과 유사 논리구축의 두 단계를 경과해서 행하여 진다.
판례데이터 검색추론시스템은 법령문과 과거의 판례를 이용하여 새로운 사건에 대한 법적 판단예와 그 이유제시를 생성하는 지식정보처리시스템으로 법률의 실무나 법학연구에의 컴퓨터에 의한 지원을 목표로 한 것이다. 그런데 현재의 시스템을 법률분야의 실용적인 이용에 제공하기 위해서는 사례베이스 구축에 관한 다음의 해결해야 할 문제가 있다.
(1) 판례기술의 문제
지극히 많은 판례건수에 걸쳐, 세세하게 「상황기술」이나 「사례 룰」을 손가는데로 써서는 시스템개발자의 작업이 방대하게 되어버린다.
(2) 사전 갱신의 문제
증가하는 판례에 따를 필요가 있는 개념사전의 정비·갱신의 수고가 번거로우므로 자동갱신의 요구가 있다.
(3) 새 사건입력의 문제
검토해야 할 새로운 사건을 입력함에 있어 시스템의 사용자가 그 사건의 「상황기술」을 특유한 형식으로 표현하는 것은 무리가 있다.
(4) 이유제시 출력의 문제
결과로서 얻은 이유제시를 출력함에 있어, 「사례 룰」의 조건적합 연쇄를 그대로의 형식으로 표시해도, 시스템의 사용자는 용이하게는 이해가 가지 않는다.
상술의 제 문제를 해결하기 위해서는 자연언어의 원문 수준에서의 처리를 확장할 필요가 있다. 거기에서 각 지식표현형식에 첨부해서 그것이 유래하는 부분원문을 보유하고 그 부분원문을 처리해야 할 판례원문에 대하여 대조하고, 개정된 지식표현형식을 대응하는 지식표현형식에 근거해서 생성한다.
