Upload
khangminh22
View
1
Download
0
Embed Size (px)
Citation preview
Brno, jaro 2013
Automatizace aplikace práva
Brno, jaro 2013
MASARYKOVA UNIVERZITAFAKULTA INFORMATIKY
Automatizace aplikace práva
Brno, jaro 2013
MASARYKOVA UNIVERZITAFAKULTA INFORMATIKY
Automatizace aplikace právaBakalářská práce
MASARYKOVA UNIVERZITA
FAKULTA INFORMATIKY
Automatizace aplikace právaBakalářská práce
MASARYKOVA UNIVERZITA
FAKULTA INFORMATIKY
Automatizace aplikace právaBakalářská práce
MASARYKOVA UNIVERZITA FAKULTA INFORMATIKY
Automatizace aplikace práva
Martin Cahlík
Automatizace aplikace práva
Martin CahlíkMartin Cahlík
Prohlašuji, že tato práce je mým původním autorským dílem, které jsem
vypracoval samostatně. Všechny zdroje, prameny a literaturu, které jsem při vypracování používal nebo z nich čerpal, v práci řádně cituji s uvedením úplného odkazu na příslušný zdroj. _________________
Tímto bych chtěl poděkovat Ing. Haně Vojkovské a mému vedoucímu
RNDr. JUDr. Vladimíru Šmídovi, CSc. a za jejich odbornou pomoc.
Shrnutí:
Tato práce se zabývá analýzou některých částí procesu aplikace práva se
zaměřením na první stupeň soukromoprávního soudního procesu. Po rozboru
pojmu aplikace práva a navrhnutí základního schématu tohoto procesu v práci
analyzuji a navrhuji způsoby reprezentace pro vstup procesu aplikace. Dále pak
analyzuji proces dokazování, odhaluji v něm překážky, které brání automatizaci, a
uvádím příklady systému, které by bylo možné k automatizaci dílčích procesů
použít. Následovně v práci jmenuji a popisuji metody rozhodování a vybírám
vhodnou metodu pro automatizaci aplikace práva.
Klíčová slova:
aplikace práva, automatizace, rozhodovací metody, skutková tvrzení,
dokazování, právní normy
Abstract:
This work deals with the analysis of some parts of process of the application of
the law focusing on the first stage of the private law trial. After the analysis of the
concept of the law application and a proposition of a basic diagram of this process I
analyze and propose ways of representation for the input of the application process
in this paper. Furthermore I analyze the proving process revealing obstacles, which
prevent automation, and I propose examples of systems, which would be possible to
use to automate some of the sub-processes. Subsequently, I name and describe
decision making methods and choose a suitable method to automate the application
of the law.
1
Obsah
Úvod .......................................................................................................................................... 3
1 Proces aplikace práva ..................................................................................................... 5
1.1 Zásady občanského procesního práva ................................................................... 5
1.2 Rozbor aplikace práva.............................................................................................. 8
1.3 Ostatní procesy.......................................................................................................... 9
1.3.1 ISAS ................................................................................................................... 10
1.3.2 CEPR .................................................................................................................. 10
1.3.3 Vzdálený přístup k evidencím ...................................................................... 11
1.3.4 Proces kontroly místní a věcné příslušnosti ................................................ 12
1.4 Shrnutí a závěr kapitoly ......................................................................................... 12
2 Zjišťování skutkového stavu ........................................................................................ 14
2.1 Skutková tvrzení ..................................................................................................... 14
2.1.1 Výroková logika .............................................................................................. 15
2.1.2 Predikátová logika .......................................................................................... 15
2.1.3 Fuzzy logika ..................................................................................................... 16
2.1.4 Transparentní intenzionální logika .............................................................. 16
2.2 Dokazování .............................................................................................................. 17
2.2.1 Pojem a obsah dokazování ............................................................................. 17
2.2.2 Srovnání dokazování skutkového stavu s dokazováním v matematice . 18
2.2.3 Seznamování se s obsahem důkazních prostředků ................................... 20
2.2.4 Hodnocení důkazních prostředků ................................................................ 22
2.3 Shrnutí a závěr kapitoly ......................................................................................... 23
3 Řešení právní stránky věci ........................................................................................... 25
3.1 Převedení zdrojů práva do strojově srozumitelného jazyka ............................ 25
3.1.1 Struktura právních předpisů ......................................................................... 25
2
3.1.2 Druhy norem .................................................................................................... 27
3.1.3 Převoditelnost abstraktních pojmů ............................................................... 30
3.1.4 Ostatní zdroje práva ........................................................................................ 31
3.2 Vyhledávání rozporů mezi normami .................................................................. 32
3.3 Shrnutí a zhodnocení kapitoly .............................................................................. 33
4 Rozhodnutí ve sporu .................................................................................................... 35
4.1 Pojem a obsah rozhodnutí soudu ......................................................................... 35
4.2 Metody automatizovaného rozhodování ............................................................ 36
4.2.1 Case based reasoning ...................................................................................... 36
4.2.2 Rule based reasoning ...................................................................................... 37
4.2.3 Model based reasoning ................................................................................... 38
4.2.4 Neural networks .............................................................................................. 38
4.3 Výběr vhodné metody ........................................................................................... 39
4.4 Shrnutí a závěr kapitoly ......................................................................................... 40
5 Závěr ............................................................................................................................... 41
6 Literatura ........................................................................................................................ 43
3
Úvod
Právo jako takové má na poli vědy mnoho definic. Jedna z nich definuje právo
jako jeden z normativních systémů, které regulují chování dnešní společnosti [1]. Na
rozdíl od ostatních regulačních systémů, jako je například etika či náboženství, jsou
zákony vynutitelné a vynucované státem jako autoritou i proti vůli subjektu.
Aplikace práva je realizace práva uskutečňovaná státními orgány, při níž
dochází kvalifikovanou formou k subsumpci konkrétního případu pod odpovídající
abstraktní právní rámec vyjádřený pomocí právní normy [2]. Mezi aplikaci práva
řadíme například všechna usnesení a rozsudky, která vydává soud, nebo
rozhodování katastrálních úřadů o vkladu práva k nemovitostem. Hlavní úlohou
soudu, jako orgánu aplikujícího právo, je realizace ochrany individuálních práv.
Jedním z požadavků moderní společnosti na orgán ochrany práva je co nejkratší
doba realizace této ochrany. Statistické údaje uvádějí, že doba trvání případu od jeho
zahájení až po vydání rozhodnutí činí 369 dní [3]. I přes to, že za velkou část této
velmi dlouhé doby mohou čekací lhůty, nezanedbatelnou část tohoto času vyžaduje
samotná příprava, jednání a rozhodování soudu. Je třeba zvážit možnosti, jak tuto
dobu zkrátit. Jednou z možností je zvážit využití moderních technologií v tomto
procesu.
Automatizace je proces, při němž je lidská řídící činnost při výrobě i mimo
výrobní proces nahrazována činností různých přístrojů a zařízení [4]. V mnoha
oborech přineslo zavedení robotů a počítačů značné zefektivnění práce a zkrácení
času nutného k výkonu této práce. Za splnění ideálního předpokladu by teoreticky
mohlo dojít až k úplnému vyřazení člověka z příslušného procesu. Jelikož
automatizace má potenciál zrychlit proces, na nějž je aplikována, jeví se jako jeden
z vhodných kandidátů ke zkrácení času nutného k aplikaci práva soudy.
Tato bakalářská práce odpovídá na otázku, do jaké míry lze automatizovat
proces aplikace práva. Z důvodu rozsahu práce je proces aplikace práva omezen jen
na aplikaci práva soudem v prvním stupni soukromoprávní sféry. V práci je
definován a analyzován pojem aplikace práva, rozebrány některé z jeho hlavních
vstupů a určen způsob jejich reprezentace pro systém. V práci je dále rozebrán proces
dokazování, jeho srovnání s dokazováním v matematice a vybrány příklady
systémů, které by bylo možné k automatizaci dokazování použít. Dále je zde
nastíněn problém hledání rozporů v právních normách. Nakonec se práce zabývá
4
analýzou rozhodování a možností automatické regulace nároku, popisem
rozhodovacích metod a výběrem vhodné metody pro proces aplikace práva.
5
1 Proces aplikace práva
Proces aplikace práva lze definovat jako „kvalifikovanou formu realizace práva
uskutečňovanou orgány veřejné moci, při níž dochází k podřazení konkrétní skutkové
podstaty pod příslušnou abstraktní právní podstatu vyjádřenou v právní normě“ [2].
Výsledkem procesu je akt aplikace práva, v němž orgány veřejné moci (např. soudy,
katastrální úřady, pracovní úřady apod.) rozhodují o konkrétních subjektivních
právech a právních povinnostech fyzických a právnických osob. Kvůli rozsahu práce
se nezabývám všemi druhy aplikace práva, ale zaměřuji se jen na aplikaci práva
soudy. Konkrétně jsem si vybral první stupeň soudního rozhodování
v občanskoprávních sporech. Oblast soudního rozhodování jsem si zvolil, protože si
myslím, že je typickým zástupcem procesu aplikace práva. Důvodem výběru
občanskoprávní části soudnictví je má znalost této oblasti z praxe z Městského soudu
v Brně.
1.1 Zásady občanského procesního práva
Proces aplikace práva se řídí určitými procesními pravidly. Pro
občanskoprávní soudnictví jsou tato pravidla obsažena především v zákoně
č. 99/1963 Sb., občanský soudní řád (dále jen OSŘ). Mimo tato pravidla byl určen
základní rámec hodnot, které je nutné v občanskoprávním soudním procesu
dodržovat. Tento rámec je vyjádřen v procesních zásadách občanskoprávního
soudního procesu. Jelikož tyto zásady tvoří hranice předmětného procesu aplikace
práva, nelze je při analýze dotyčného procesu opomenout. Procesní zásady jsou:
Nezávislost a nestrannost soudů a soudců
Soudy jako instituce musí být striktně odděleny od ostatních složek státu,
které je v jejich činnosti nesmějí ovlivňovat. Soudci jsou plně suverénní a nesmějí být
politicky ani jinak ovlivňováni v otázkách interpretace a aplikace práva
v individuálních případech [5]. Při implementaci elektronického soudce by mohlo
dojít k narušení této zásady, protože systémový správce by mohl mít vliv na systém
automatické aplikace práva. Tento problém by bylo možné vyřešit tím, že by
systémoví správci podléhali stejným podmínkám nezávislosti jako nynější soudci.
6
Zákonný soud a zákonný soudce
Soud musí být ustanoven zákonem. Složení soudu pro určitou kauzu nesmí
být libovolné nebo nahodilé, ale v zájmu objektivity musí být stanoveno zákonem [5].
V okamžiku implementace aplikačního systému by se tato zásada vztahovala pouze
na určení věcné a místní příslušnosti, jelikož by byl na každém soudu jen jeden
soudce.
Zásada rovnosti a kontradiktornosti
Princip rovnosti v civilním procesu znamená, že účastníci musí stát před
soudem v rovném postavení a žádná ze stran nesmí být zvýhodněna [5]. Zásada
kontradiktornosti se projevuje především v právu účastníků vyjádřit se ke všem
skutečnostem a důkazům. Z těchto zásad plyne nutnost zařadit do aplikačního
systému takové prvky, které umožňují zpracování vyjádření účastníků.
Zásada projednací
Zásada projednací znamená, že soud projednává v procesu to, co mu účastníci
k projednání předloží [5]. Soudce při rozhodování nesmí vzít v potaz jiné tvrzení,
než které tvrdí účastníci, i když ví, že ho lze dokázat a mohlo by ovlivnit výsledek
případu. Automatizovaný systém toto striktní pravidlo bude dodržovat spíše než
lidská bytost.
Zásada materiální pravdy
Proces je uzpůsoben tak, aby umožňoval zjištění skutečného skutkového stavu
a nekladl v tomto směru žádné překážky [5]. Forma prezentace není důležitá,
důležitý je obsah. Jelikož mnoho dnešních technologií je závislých na formě vstupů,
jejich užití v procesu aplikace práva může být problematické, protože v procesu
účastníky předložené materiály nemají vždy stejnou formu.
Zásada veřejnosti
Soudní jednání je zpravidla přístupné veřejnosti. Tato zásada představuje
jednu z garancí nezávislosti, nestrannosti i zákonného postupu soudu [5]. Každý se
může účastnit soudního jednání jako divák. Toto právo lze upřít jen ve výjimečných
situacích, kdy se jedná o citlivé záležitosti, nebo v případě, kdy divák narušuje
pokojný průběh jednání [6]. Terminál aplikačního systému by musel být umístěn
v jednací síni. Jelikož již dnes jsou v jednacích síních umístěny počítače napojené na
vnitřní síť soudu, je zde možnost jejich využití.
7
Zásada ústnosti
Zásada ústnosti znamená, že v procesu je podstatné to, co bylo soudu ústně
předneseno [5]. Účastník se může ústně od obsahu návrhu odchýlit. Od zásady
ústnosti se lze odchýlit v případě, kdy s tím obě strany sporu souhlasí. Z této zásady
vyplývá nutnost existence komponentu systému, který je schopen zachytit
a zpracovat lidskou řeč.
Zásada přímosti
Zásada přímosti znamená, že soud je v přímém, osobním a bezprostředním
kontaktu s účastníky řízení [5]. Soud má rozhodovat na základě důkazů před ním
provedených. Účastník má právo účastnit se každého provádění důkazů a má právo
se ke každému důkazu vyjádřit. Z této zásady vyplývá nutnost existence
komunikačního prvku aplikačního systému.
Zásada hospodárnosti
Zásada hospodárnosti vyjadřuje požadavek, aby ochrana práva byla
poskytnuta rychle, účinně a bez zbytečných průtahů [5]. V soudním jednání se tato
zásada projevuje především v možnosti soudce odmítnout provedení účastníky
navržených důkazů, pokud má již skutkový stav za dostatečně prokázaný [6]. Z této
zásady vyplývá nutnost existence komponentu aplikačního systému, který dokáže
rozhodnout o relevantnosti skutkového tvrzení účastníka k projednávané věci.
Zásada koncentrační
Tato zásada tvoří jeden z projevů zásady hospodárnosti. Zásada koncentrace
znamená, že určité úkony lze provést jen do určité fáze řízení [5]. Tato zásada má
zabraňovat zbytečnému prodlužování řízení ze strany účastníků v důsledku
navrhování stále nových důkazů a tvrzení. Stejně jako u zásady projednací je zde
větší pravděpodobnost striktního dodržování této zásady strojem, než u člověka.
Zásada volného hodnocení důkazů
Soudce hodnotí důkazy volně podle svého vnitřního přesvědčení. Neexistuje
žádná pevně stanovená váha či hodnota pro rozdílné důkazní prostředky [5].
Hodnotu jednotlivých důkazů je třeba určit ad hoc. Od této zásady se nikdy nelze
odchýlit. Tato zásada může tvořit překážku při automatizovaném hodnocení
důkazů.
8
1.2 Rozbor aplikace práva
Teorie práva dělí proces aplikace práva na tři stádia: zjišťování skutkového
stavu, řešení právní stránky věci a rozhodnutí ve věci [2]. Za vstup procesu lze
označit „případ“, který se dá definovat jako určitý děj, skládající se s událostí, jejichž
výsledkem má být určitá, právem definovaná, událost. „Případ“ na vstupu procesu je
vyjádřen formou nároku (požadovaný výstup procesu) a tvrzení účastnících se stran,
které popisují „případ“. Výstupem procesu je rozhodnutí o „případu“ resp. jaká
výsledná právní událost měla nastat. Z obsahu jednotlivých stádií lze vyvodit
následující schéma:
Obr. 1: Schéma aplikace práva dle teorie práva
V praxi se tato stádia prolínají a vzájemně ovlivňují, takže není jednoduché určit
jejich hranice. Pro efektivní proces ve stádiu zjišťování skutkového stavu je nutné mít
jen tvrzení potřebné pro dosažení nároku, aby nebylo prováděno nadměrné
dokazování. Tvrzení potřebná pro dosažení nároku se odvádí z norem, které by měly
být aplikovány až ve stádiu řešení právní stránky věci. Nárok samotný je většinou
příliš obecný na to, aby z něj samotného bez informací o tvrzeních v „případu“, bylo
možné vyvodit všechna potřebná obecná tvrzení pro jeho dosažení. V praxi se tyto
činnosti dějí víceméně intuitivně a jsou zprostředkovány soudcem. Na základě těchto
poznatků je třeba předchozí schéma pozměnit:
Obr. 2: Upravené schéma aplikace práva
9
Jako příklad lze uvést nárok na zaplacení peněžní částky. Ze samotného nároku
odvodím, že je třeba identifikovat ve skutkovém ději titul, na základě kterého je
odvozován nárok na zaplacení, a jakým způsobem určena výše částky. Tato tvrzení
jsou příliš obecná a je jich málo. Z tvrzení účastníků je třeba identifikovat základ
titulu. Pro výše zmíněný příklad zvolím titul náhrady škody. Z toho plynou dle
norem následující nutná tvrzení: Byla způsobena škoda. Byla zde protiprávní událost
vyvolána žalovaným. Tato protiprávní událost je v příčinné souvislosti se škodou
(tzv. kauzální nexus). Neexistuje důvod k vyvinění se žalovaného z odpovědnosti. Tato
tvrzení by už měla být dostatečná k potvrzení nároku na náhradu škody ve formě
peněžní náhrady škody. Následně se zjistí, zdali jsou tato tvrzení obsažena
v tvrzeních nárokované strany, dokážou se a je možno vydat rozhodnutí.
Z vnějšího pohledu je nutné posuzovat proces aplikace práva jako entitu se
svými vstupy a výstupy. Na základě předchozího textu lze určit, že vstupy do
procesu budou „nárok účastníků“ a „skutková tvrzení účastníků“. Další položkou,
kterou bych označil rovněž jako vstup, jsou právní normy rozhodné pro případ
(„právo“). K tomuto rozhodnutí mě vede fakt, že pro každý individuální případ
může být rozhodná jiná množina norem v závislosti na časové, věcné či územní
působnosti norem. Výstupem procesu je rozhodnutí soudu. Tomuto popisu
odpovídá následující schéma:
Obr. 3: Vnější pohled na aplikaci práva
Podrobnějším rozborem vstupu „tvrzení účastníků“ se zabývám v kapitole 2.1.
Kapitola 3.1 analyzuje vstup označený jako „právo“.
1.3 Ostatní procesy
Při podrobnějším studiu OSŘ s přihlédnutím k praktickým zkušenostem lze
odvodit, že občanskoprávní soudní proces není jeden proces, ale je tvořen kombinací
několika samostatných procesů. Prostudováním OSŘ lze identifikovat přibližnou
strukturu procesu, úkony, které jsou nebo mohou být během procesu vykonány,
10
časovou souslednost těchto úkonů, jejich předpokládané vstupy a výstupy, kdo
může tyto úkony vykonat apod. Kromě hlavních procesů lze identifikovat řadu
kontrolních, řídících a obslužných procesů. Jedná se o procesy, které umožňují
samotnou aplikaci práva tím, že jejich prostřednictvím se manipuluje se vstupy či
jednotlivými stádii procesu aplikace práva. V rámci občanskoprávního soudního
procesu se jedná například o kontrolu návrhu na zahájení řízení, kontrolu věcné
a místní působnosti, stanovení poplatku za řízení, obstarávání důkazů, statistika
případů, poučování stran apod. Jelikož se jedná o méně komplexní procesy
s většinou přesně vymezenými pravidly, jsou tyto procesy vhodnými kandidáty pro
automatizaci. V následujících podkapitolách představuji příklady systémů, které
byly v rámci automatizace některých z výše zmíněných procesů použity.
V podkapitole proces kontroly místní a věcné příslušnosti se zabývám některými
z kontrolních procesů (kontrola místní a věcné příslušnosti) a vyjadřuji se k jejich
možné automatizaci.
1.3.1 ISAS
Termín ISAS (Informační systém administrativy soudu) označuje informační
systém používaný okresními soudy. Do provozu byl uveden od roku 1997 [7]. Plní
několik základních funkcí. Mezi tyto funkce patří podpora statistiky a výkaznictví,
podpora evidence spisů a agend v rejstříkové formě (obsahuje mimo jiné údaje
o jednotlivých rozhodnutích, spisech, či účastnících řízení), podporu přípravy
rozhodnutí ve formě různých formulářů, sledování stavu věci (kontrolují například
dodržování lhůt v jednotlivých případech) a také poskytování podkladů pro
informování veřejnosti [8]. Mezi známé problémy tohoto systému patří jeho
nekompatibilita s informačními systémy používanými na krajských a vrchních
soudech (ISVKS) [7] a jeho nestabilita. V budoucnosti se plánují tyto problémy
odstranit. Vhodnější by bylo zavést pro všechny soudy jednotný systém
1.3.2 CEPR
CEPR (Centrální elektronický platební rozkaz) je webová aplikace sloužící ke
správě a vydávání elektronického platebního rozkazu. Systém byl spuštěn od
listopadu roku 2012 na všech okresních a krajských soudech v České republice [9].
„CEPR je v české justici prvním využitím čistě elektronického vedení soudního spisu, který
již nebude podporován spisem listinným, a současně využíváním součinnosti provozovatele
11
poštovních služeb při vyhotovování listinné podoby soudní písemnosti“ [10]. Systém je
naplňován pomocí elektronických formulářů, které jsou následně automaticky
zpracovávány. Zpracování platebního rozkazu ještě není plně automatické a je
vyžadována součinnost s uživatelem, který slouží jako kontrolní prvek systému.
Není zde kontrolována místní a věcná příslušnost, ani zda je dostatečný titul
k vydání platebního rozkazu. Jelikož se jedná o novinku, neobsahuje ještě všechny
požadované funkce a postupně se, pomocí zpětné vazby s uživateli, systém
zdokonaluje.
Z užívání tohoto systému v praxi vyplynuly následující vady: Ovládání
systému není plně intuitivní a špatně se dostává k přílohám podání. Nelze se zabývat
v jednom čase pouze jedním případem, jelikož systém dlouho zpracovává jednotlivé
stádia případů. Samotná aplikace práva byla oproti tištěné formě (i na základě
předchozí výtky) zpomalena, tento nedostatek však kompenzuje značné snížení
administrativní činnosti.
1.3.3 Vzdálený přístup k evidencím
Elektronizací některých evidencí a jejich vzdálené zpřístupnění usnadnilo
obstarávání některých důkazních prostředků a informací potřebných k rozhodování.
Tento krok snížil administrativní náročnost tím, že soud nadále nemusí posílat
dožádání na ostatní státní orgány, které předmětné evidence spravují. Jedná se
především o Evidenci obyvatel, Insolvenční rejstřík, Katastr nemovitostí, Rejstřík
zástav, Trestní rejstřík a Obchodní rejstřík. Soud má k těmto evidencím speciální
přístup a dokumenty z nich stažené mají povahu veřejné listiny. Zpřístupnění
rejstříků se děje pod spisovou značkou případů a zabraňuje se tak zneužití přístupu.
Některé evidence, které by byly pro soud užitečné, však zpřístupněny nejsou. Jedná
se například o Evidenci daňového úřadu, Evidenci silničních vozidel apod.
Vzdálené zpřístupňování evidencí je klíčem k budoucímu automatickému
vyhledávání některých důkazních prostředků a jejich doplňování do spisu.
Zavedením jednotného informačního systému pro všechny státní orgány by vedlo
k výraznému snížení časových a finančních nákladů vynaložených na
administrativu.
12
1.3.4 Proces kontroly místní a věcné příslušnosti
Proces kontroly místní příslušnosti je založen na komparaci území, na kterém
působí daný soud (hranice okresu nebo kraje), a místa rozhodného pro „případ“.
Pravidla místní příslušnosti jsou obsažena v §84 - §89 OSŘ. Lze z nich odvodit tři
druhy místní příslušnosti: obecnou, zvláštní a alternativní. Obecná je založena na
bydlišti (sídle) žalovaného [6]. Identifikace bydliště je jednoduchá, jelikož je obsažena
buď v předkládaném návrhu, nebo je přístupná prostřednictvím Evidence obyvatel.
Ostatní druhy místní příslušnosti vyžadují analýzu skutkových tvrzení popřípadě
důkazních prostředků, jelikož se rozhodné místo odvíjí od událostí rozhodných pro
„případ“ (např. místo škodné události).
Proces kontroly věcné příslušnosti je stavěn na určení, zdali „případ“ spadá
pod okresní soud nebo pod krajský soud. Pravidla věcné příslušnosti jsou obsažena
v §9 a §9a OSŘ. Obecně jsou příslušné soudy okresní, krajské jsou příslušné ve
specifických případech. Většinou se jedná o specifické právní instituty. Z toho
vyplývá, že rovněž ke kontrole věcné příslušnosti je nutná analýza skutkových
tvrzení účastníků.
Tyto procesy ještě nebyly automatizovány, protože jejich automatizace
vyžaduje systém, který by dokázal analyzovat skutková tvrzení a důkazní
prostředky. Vývoj a implementace takového systémy by byl jistě nákladný a jeho
užití na tyto pro člověka jednoduše vykonatelné procesy by nepřineslo dostatečný
užitek, který by obhájil náklady na vývoj a implementaci. Při zavedení plně
automatizovaného aplikačního systému by mohla kontrola věcné příslušnosti
odpadnout, protože by o všem rozhodoval jeden systém bez ohledu na předmět.
1.4 Shrnutí a závěr kapitoly
Aplikace práva je komplexní proces skládající se z několika stádií, které se
vzájemně prolínají. Hranice tohoto procesu tvoří výše popsané procesní zásady.
Vstupem procesu aplikace práva jsou „skutková tvrzení“, „právo“ a „nárok účastníků“.
Výstupem procesu aplikace práva je „rozhodnutí“. V rámci procesu aplikace práva
existuje mnoho pomocných a kontrolních procesů, s jejichž automatizací se již
započalo.
Zatímco obslužné procesy aplikace práva jsou automatizovány, samotný proces
aplikace práva automatizován není a nejsou náznaky, že by se v brzké době v rámci
13
státní sféry na automatizaci procesu aplikace práva pracovalo. Jistou snahu
o automatizaci aplikace práva lze pozorovat v systému CEPR. Nicméně ani tento
neprovádí samotné rozhodování, nýbrž snižuje administrativní zátěž. Ze systému lze
ovšem odvodit, že elektronický spis je nutným komponentem k zavedení
automatizovaného systému rozhodování, protože veškeré prostředky nutné
k rozhodnutí je zapotřebí mít k dispozici v elektronické podobě tak, aby byly
přístupné aplikačnímu systému.
14
2 Zjišťování skutkového stavu
Hlavním účelem procesu zjišťování skutkového stavu je zjištění skutkového
stavu, o kterém není důvodných pochyb [2]. Vstupem procesu jsou především
skutková tvrzení účastníků a obecná tvrzení nutná k přiznání nároku. Skutkový stav
se zjišťuje pomocí dokazování. Výstup procesu nelze ztotožnit s objektivní pravdou,
protože prostředky vnímání nejsou dokonalé a poskytují pouze zkreslený pohled na
věc. V této kapitole práce se zabývám rozborem skutkových tvrzení a analýzou
možnosti automatizace procesu dokazování.
2.1 Skutková tvrzení
Předmětem dokazování a vstupem do procesu zjišťování skutkového stavu
jsou skutková tvrzení účastníků. Pro posouzení realizace automatizace procesu
dokazování je nutné analyzovat skutková tvrzení a posoudit možnosti jejich
převedení do počítačově srozumitelného jazyka.
V obecné rovině lze skutková tvrzení definovat jako oznamovací věty, u nichž
je možné a předmětné určit jejich pravdivostní hodnotu [11]. Laicky lze říct, že na ně
lze odpovědět ano, nebo ne. Skutková tvrzení navíc musí být ve vztahu k předmětu
sporu a popisovat skutečnost, resp. vyjadřovat děj, ze kterého vznikl „případ“.
Tvrzení musí být konkrétní. Nelze popsat „případ“ jen na základě obecných tvrzení,
která jsou nutná k přiznání nároků. Nelze napsat „Žalovaný způsobil škodu svým
protiprávním jednáním.“ Je nutné konkretizovat, jakého jednání se žalovaný dopustil.
Např.: „Žalovaný dne 13. 2. 2013 vjel svým autem zn. Škoda Favorit na pozemek
žalovaného, přičemž poškodil bránu.“ Skutková tvrzení je nutné odlišovat od
hodnotových soudů a právního názoru účastníka. Příkladem skutkového tvrzení
může být věta „Žalovaný nezaplatil žalobci kupní cenu.“ Příkladem hodnotového soudu
či právního názoru může být věta „Žalovaný se tímto skutkem dopustil porušení §14
Občanského zákoníku.“ Při identifikaci skutkových tvrzení je rovněž nutné brát v potaz
existenci vět smíšených. Např.: „Žalovaný porušil §14 občanského zákoníku tím, že svým
autem zničil bránu.“
Na základě vlastností tvrzení lze pojem skutková tvrzení dát do souvislosti
s logickým pojmem výrok. Výrok lze definovat jako tvrzení, o němž má smysl
prohlásit, zda je pravdivé či nepravdivé [12]. Výrok se dá považovat za základní
15
stavební jednotku logiky. Jelikož existují logiky, které byly zpracovány a užívány
počítačem, skutková tvrzení by bylo možné pro případný automat interpretovat
jazykem (kalkulem) jedné z těchto logik. Logiky lze rozdělit na klasické
dvouhodnotové logiky a neklasické vícehodnotové [13]. Zásadní rozdíl v tomto
dělení je v počtu hodnot, kterých mohou výroky v jednotlivých logikách nabývat.
Mezi klasické logiky patří např. logika výroková nebo predikátová. Mezi neklasické
logiky řadíme např. logiku deontickou, aletickou či fuzzy logiku. V následujících
podkapitolách se podrobněji zabývám vybranými druhy logik.
2.1.1 Výroková logika
Výrokovou logiku můžeme označit za základní a nejdůležitější, protože se
jedná o nejjednodušší a nejsnadněji pochopitelnou logiku, ze které většina ostatních
logik vychází [12]. Předmětem zkoumání výrokové logiky jsou již zmíněné výroky.
Výroky se zkoumají z hlediska pravdivosti. Mohou nabývat hodnot pravda, nebo
nepravda. Z výroků lze skládat výroky složené pomocí logických spojek, které
reprezentují pravdivostní funkce (negace, konjunkce, disjunkce, implikace,
ekvivalence, exkluze atd.). Výroková logika se zabývá logickým vyplýváním, což je
proces, který pomocí přesně stanovených postupů dokazuje, zda pravdivost určitého
výroku nutně vyplývá z pravdivosti souboru jiných výroků [14].
Pro reprezentaci skutkových tvrzení se výroková logika nehodí kvůli
přílišnému zjednodušování výroků. Jedno skutkové tvrzení by tak odpovídalo
jednomu výroku bez ohledu na obsah výroku, čímž by došlo k velké ztrátě informací
ze skutkových tvrzení.
2.1.2 Predikátová logika
Predikátová logika rozšiřuje logiku výrokovou. Předmětem zájmu
predikátové logiky jsou predikáty, tj. tvrzení, že určitý subjekt nebo objekt má
nějakou vlastnost, nebo že je ve vztahu s nějakým jiným objektem nebo
subjektem [12]. Kromě vlastností a vztahů mezi objekty využívá predikátová logika
ještě kvantifikátorů, které vyjadřují, že se určitá vlastnost nebo vztah týká každého
prvku (obecný kvantifikátor), nebo některého prvku (existenční kvantifikátor) určité
třídy.
Predikátová logika je pro prezentaci skutkových tvrzení vhodnější než logika
výroková, jelikož je dokáže vyjádřit pomocí vztahů mezi objekty a jejich vlastnostmi.
16
Stále však není dostatečně přesná, jelikož se nezabývá obsahem těchto vztahů
a obsahem vlastností, které tak mohou být zaměnitelné. Aplikace predikátové logiky
pro reprezentaci skutkových tvrzení je ovšem problematická i v dalších oblastech,
které se koneckonců týkají i ostatních typů klasické logiky. Dokáže analyzovat pouze
pravdivost výroku nutnou logicky – tautologii. Nutnost pravdivostní hodnoty
nemusí být však pouze logická, ale také analytická, tedy vyplývající z analýzy
použitých pojmů. Tento typ pravdivostní hodnoty však klasická logika analyzovat
nedokáže [14]. Omezení klasických logik pouze na dvě hodnoty, kterých mohou
výrazy nabývat, také přináší značná omezení, neboť ve skutečném světě, a zvláště při
soudním procesu, nemusí být zcela jasné, jakou z těchto hodnot tvrzení nabývá.
2.1.3 Fuzzy logika
Fuzzy logika řeší problém omezení klasických logik na dvě hodnoty. Pokud
označíme pravdu hodnotou 1 a nepravdu hodnotou 0, hodnoty, kterých může výrok
ve fuzzy logice nabývat, se pohybují v intervalu <0, 1>. Výsledky logických funkcí lze
pak počítat za pomocí algebraických funkcí Booleovy algebry [14].
I když tato neklasická logika řeší problémy s hodnotami, neřeší ostatní
vymezené problémy klasických logik. Pro co možná nejlepší reprezentaci skutkových
tvrzení je potřeba, aby zvolená logika co nejvíce odpovídala přirozenému jazyku, ve
kterém jsou skutková tvrzení vyjádřena.
2.1.4 Transparentní intenzionální logika
Transparentní intenzionální logika se zabývá skutečným významem
jazykových výrazů různého druhu (slov, slovních spojení, vět apod.), a to především
přirozeného jazyka [15]. Předmětem této logiky jsou objekty různých typů. Klíčovou
kategorií dané logiky jsou konstrukce, které jsou využívány k analýze významu
objektů v rámci textu a jejich vzájemných vazeb. Konstrukce si lze představit jako
cestu k určitému cíli popsanou jazykovým výrazem [14]. Transparentní intenzionální
logika má čtyři typy konstrukcí: proměnné, trivializace, aplikace a abstrakce [15].
Díky konstrukcím dokáže tato logika pracovat i s tvrzeními, která mohou nabývat
různých významů v závislosti na čase či na stavu okolního světa.
Jelikož je transparentní intenzionální logika zaměřena na analýzu přirozeného
jazyka a skutková tvrzení jsou vyjádřena v přirozeném jazyku, jeví se mi jako
17
nejvhodnější pro reprezentaci skutkových tvrzení do počítačem srozumitelného
jazyka.
2.2 Dokazování
Dokazování je jádrem stádia zjišťování skutkového stavu. Za vstup
dokazování lze považovat tvrzení účastníků a důkazní prostředky, které slouží
k dokázání, tedy určení pravdivostní hodnoty, tvrzení. Výstupem dokazování jsou
pak ohodnocená tvrzení, ze kterých lze sestavit zjištěný skutkový stav. Proces
dokazování lze rozdělit na dvě fáze. První fází je seznamování se s obsahem
důkazních prostředků a druhou fází je hodnocení důkazních prostředků. V dalších
podkapitolách se podrobněji zabývám vymezením pojmu a obsahu dokazování
skutkového stavu, jeho srovnáním s dokazováním v matematice a analýzou
možností automatizace jednotlivých fází dokazování.
2.2.1 Pojem a obsah dokazování
Dokazování lze definovat jako „postup soudu a účastníků, procesním právem
zvlášť upravený, směřující k utvoření skutkových poznatků o rozhodovaných skutečnostech.
Předmět dokazování je to, co má být dokázáno, tedy zjištěno. Jsou to vždy určité skutečnosti,
které mají význam pro rozhodnutí soudu. Účelem procesního dokazování je dobrat se pokud
možno pravdivých poznatků o rozhodujících skutečnostech, jejichž poznání poslouží soudu
jako podklad pro spravedlivé, správné a zákonné rozhodnutí“ [5]. V rámci dokazování se
užívá dvou pojmů, které je rovněž vhodné definovat:
Důkazní prostředek
Jako důkazní prostředky označujeme „všechny prostředky, kterými lze zjistit
stav věci, zejména výslech svědků, znalecký posudek, zprávy a vyjádření orgánů a osob,
notářské a exekutorské zápisy a jiné listiny, ohledání a výslech účastníků“ [6]. Důkazní
prostředky lze rozdělit na přímé a nepřímé. Přímé umožňují bezprostřední poznání
určité skutečnosti (např. ohledání doličného předmětu), zatímco nepřímé jen
zprostředkovaně podávají zprávu o skutečnostech (např. výpis z katastru
nemovitostí).
Důkaz
„Důkazem ve smyslu procesním jsou výsledky (poznatky) získané pomocí
procesního dokazování“ [5]. Rovněž důkazy lze rozdělit na přímé a nepřímé. Z přímého
18
důkazu vyplývá platnost dokazovaného tvrzení přímo (např. výpověď svědka, že
viděl žalovaného na určitém místě, přímo dokazuje tvrzení, že žalovaný byl
přítomen na onom místě). U nepřímého důkazu je nutné další zpracování (dedukce,
indukce, aplikace zásady vyloučeného třetího, důkaz opaku apod.) k určení výsledku
(např. pokud svědek vypoví, že viděl žalovaného v místě svého bydliště, po aplikaci
zásady vyloučeného třetího tento důkaz vyvrací tvrzení, že žalovaný byl na místě
činu).
Některé skutečnosti není dle zákona třeba dokazovat. Jedná se o obsah
právních předpisů, které byly publikovány ve sbírce zákonů, skutečnosti vzešlé
z činnosti soudu, obecně známé skutečnosti (např. „V noci slunce nesvítí.“),
skutečnosti lokálně známé (např. „Přes řeku Ostravici vede ve Frýdku-Místku most.“)
a tvrzení, která obě strany prohlásily za bezrozporná.
V neposlední řadě je třeba ještě zmínit existenci právních domněnek a právní
fikce. Právní domněnka je „konstrukce užívaná v právu, jíž se za určitých okolností
v zájmu právní jistoty presumuje (předpokládá) právní skutečnost, o níž není jisto, zda
nastala. Je vyjádřením skutečnosti, že faktický stav je obvykle shodný s právním“ [16]. Jedná
se o tvrzení, která se považují za pravdivá, pokud není prokázán opak (např.
domněnka, že otcem dítěte je manžel matky). Právní fikce „vychází z určitého uměle
vytvořeného skutkového předpokladu, který má zpravidla jen legislativně-technický základ
a nemusí odpovídat skutečnosti“ [2] (např. fikce doručení při odmítnutí převzít zásilku).
2.2.2 Srovnání dokazování skutkového stavu s dokazováním v matematice
Jistou podobnost lze najít mezi dokazováním skutkového stavu (procesní
dokazování) a dokazováním v matematice (logické dokazování). Jelikož
v automatizaci dokazování matematických teorémů byl učiněn značný pokrok
a existují již mnohé systémy, které dokážou automaticky dokazovat, jako například
Prover9 [17], mohly by se poznatky z implementace těchto systémů použít při
implementaci automatického dokazování skutkového stavu.
Matematický důkaz můžeme definovat jako demonstraci nutné pravdivosti
tvrzení na základě množiny axiomů [18]. Axiom je tvrzení, které lze předem
považovat za platné. Tvrzení lze považovat za axiom, když k němu existuje důkaz.
Matematický důkaz se považuje za nejjistější známý způsob ověření pravdivosti
nějakého tvrzení, protože je jeho postup založen na používání přesně definovaných
19
logických axiomů a nepřipouští používání postupů, které jsou založeny na názoru,
intuici či experimentu.
Paralelu mezi skutkovým a matematickým dokazováním lze vidět v nutnosti
existence báze skládající se z axiomů. Za množinu axiomů používanou v rámci
dokazování skutkového stavu lze považovat všechna již dokázaná tvrzení, tvrzení,
která se nemusejí dokazovat, tvrzení, jejichž pravdivost je obecně známa a veškeré
vědomosti, které dokazující soudce za svůj život nabyl. Z tohoto faktu lze odvodit, že
báze axiomů se pro každý jednotlivý případ a soudce bude lišit. Sestavení báze
axiomů pro automat by byl proces složitý, ne-li nemožný za předpokladu, že by do
něj musely být zahrnuty všechny obecné poznatky o světě, které může člověk
vnímáním a rozumem nabýt. Oba druhy dokazování stavějí aspoň částečně na logice,
kdy dokazování skutkového stavu nesmí odporovat pravidlům logiky [5]
a matematické dokazování může probíhat jen na základě pravidel logiky.
Tyto dva druhy dokazování se liší především v metodách dokazování.
Zatímco jsou všechny matematické důkazy založeny na deduktivních důkazech [19],
dokazování skutkového stavu může využít i induktivních důkazů a ostatních
postupů, které jsou v matematickém dokazování vyloučeny. Deduktivní dokazování
je postup verifikace daného tvrzení na základě daných předpokladů pomocí
logických úvah, které lze rozdělit do konečně mnoha kroků, z nichž každý je
pouhým bezprostředním logickým důsledkem dříve dokázaných tvrzení [19].
Naopak induktivní dokazování je založeno na vlastním poznání okolního světa, kdy
je teorie ověřena experimentem, jehož výsledky teorii buďto potvrdí, nebo vyvrátí
[20]. Procesní dokazování se s logickým dokazováním nekryje [5]. Dokazování
skutkového stavu obsahuje i takové postupy, které předmětem formálně-logického
dokazování vůbec nejsou, protože v tomto smyslu nejsou vůbec dokazováním (např.
ohledání zjišťuje stav věci pomocí smyslů a vnímání, což je v logickém dokazování
nepřípustné).
Z výše uvedeného lze odvodit, že metody uplatňované v rámci dokazování
v matematice lze alespoň částečně použít i u dokazování skutkového stavu, jelikož
logické dokazování, na kterém je matematické dokazování postaveno, tvoří část
dokazování procesního. Oblast jeho využití lze najít v rámci nepřímých důkazních
prostředků a nepřímých důkazů, kde se může uplatnit logické vyplývání a logické
zásady jako např. zásada vyloučení třetího, důkaz opakem apod.
20
2.2.3 Seznamování se s obsahem důkazních prostředků
Ve fázi seznamování se s obsahem důkazních prostředků je třeba analyzovat
důkazní prostředek a vyextrahovat z něj potřebné informace. Tuto fázi je třeba
rozdělit ještě na dvě další činnosti: provedení důkazu podle procesního práva
a samotné seznámení se s obsahem. K tomuto dalšímu rozdělení vede fakt, že často
soudci mají spis a důkazy nastudovány před samotným řízením, protože zkoumání
některých důkazů je časově náročný proces (příkladem může být smlouva o sto
a více stranách).
2.2.3.1 Provedení důkazů
K provádění důkazů obsahuje OSŘ mnoho pravidel, ale ani tyto nepokrývají
všechny možnosti, jelikož obsahují pouze demonstrativní výčet důkazních
prostředků a zákonem neupravený důkazní prostředek musí být proveden ad hoc. Je
nutné si připomenout, že se na provedení důkazů vztahuje několik zásad procesního
práva. Jedná se především o zásadu veřejnosti a ústnosti. Pravidla OSŘ pro
provádění důkazů lze ve zkratce shrnout takto:
• Listinné důkazní prostředky se provádějí přečtením.
• Svědci se vyslýchají tak, že nejdříve popíšou děj, pak se jich strany mohou
postupně ptát.
• Znalecké posudky se buď přečtou, nebo je vyslýchán znalec, který posudek
zpracoval.
• Fyzické předměty a místa použité jako důkazní prostředky je možno ohledat
před soudem nebo na místě. Soud musí konstatovat, co ohledáním zjistil.
• Ke všemu se mohou účastníci vyjádřit.
• Důkazní prostředky mohou být navrhovány i při samotném jednání
(s omezením zásadou koncentrace).
Automatizované provádění důkazů by vyžadovalo systémy, které by úkony
z předchozího odstavce musely zvládnout v relativně krátkém čase. Existence
předčítacího programu, jako je například Voice Reader [21], umožňuje alespoň
teoretické provedení listinných důkazů jakožto i znaleckých posudků. U ostatních
druhů provádění důkazních prostředků je situace složitější. K výslechu svědka by
21
bylo potřeba nahrávací zařízení, systém schopný extrahovat informace z výslechu1
a systém, který by zajišťoval interakci (ten je potřeba po celé jednání). Nahrávací
zařízení je dnes již snadno dostupné (např. digitální diktafony), stejně jako systémy
umožňující převod mluveného slova do textové podoby (např. LVCSR společnosti
Phonexia [23]), na které se pak dá provést datamining. Interakční systém, který by
splňoval nároky na řízení soudního jednání, dostupný není. Umělá inteligence
takového interakčního systému by musela být na úrovni blížící se lidské bytosti,
protože musí být schopna vnímat a reagovat na všechny události nastalé během
procesu (klást otázky svědkům, účastníkům, udělovat slovo, zajistit, aby
nedocházelo k ovlivňování svědků, narušení průběhu jednání veřejností apod.)
s rychlostí přibližné lidské reakční době. I když bylo dosaženo značného pokroku
v oblasti umělé inteligence, výše zmíněných nároků ještě nejsme schopni dosáhnout2.
Podobnou nedosažitelností trpí i důkaz ohledáním. Jistou podobnost lze
spatřit mezi ohledáním a vizuální automatickou kontrolou kvality. Ta je založena na
základě analýzy obrazu předmětu získaného kamerou a systému umělé inteligence
založeného na fuzzy logice, který rozhoduje, zdali zkoumaný předmět odpovídá
parametrům či nikoliv [24]. Tato kontrola je ale možná jen díky zaměření systému jen
na jeden druh předmětu. V rámci soudního procesu nelze předem určit, jaký
předmět bude předložen.
2.2.3.2 Seznámení se s obsahem
Předpokladem možnosti seznámit se s obsahem důkazního prostředku je
digitální podoba důkazního prostředku a systém schopný získávat data a informace
z této podoby. Jelikož je dnes vše v písemné podobě součástí spisu (výslech svědků,
připomínky účastníků atd.), je nutné nalézt systém, který dokáže s velkou přesností
převádět psaný text do digitální podoby. Zde by bylo možno využít např. DCMR
systému od společnosti Hewlett-Packard, který dosahuje díky sérii systému kontroly
kvality úspěšnosti 99,2% [25]. Ani takovouto úspěšnost ale nelze považovat za
dostatečnou pro proces dokazování, jelikož je tu stále možnost ztráty informací
důležitých pro proces.
1 automatizované získávání a analýza dat, více k tomuto tématu např. [22] 2 O nynější úrovni umělé inteligence viz např. [46] nebo [47]
22
2.2.4 Hodnocení důkazních prostředků
Po seznámení se s obsahem důkazních prostředků je nutné zabývat se jejich
zhodnocení a určení jejich váhy vzhledem k dokazovanému tvrzení. Potenciální
algoritmus musí brát v úvahu nejen samotný obsah důkazního prostředku, ale i jeho
věrohodnost. Je nutné zvážit různé faktory, které jsou pro každý důkazní prostředek
specifické. Například u výslechu svědka je při hodnocení nutné brát v potaz jeho
věrohodnost určenou na základě vztahu k účastníkům, jeho sociálního postavení,
trestní historie apod. [6]. U listin je nutné zvážit jejich původ (u veřejných listin platí
presumpce správnosti, u soukromých ne), věrohodnost atd.
V následujícím odstavci je popsána jedna z matematických multikriteriálních
vyhodnocovacích metod (konkrétně WSA), která dokáže brát dané faktory
v potaz [26].
Nejprve je nutné určit hodnotící kritéria (v tomto případě faktory ovlivňující
hodnotu důkazního prostředku) a určit jejich hodnotu vzhledem k hodnocené
variantě (důkaznímu prostředku). Tyto informace lze prezentovat pomocí matice.
V této matici f1, f2 ... fk odpovídají jednotlivým kritériím, a1, a2, ... ap hodnoceným
variantám. Označíme-li prvky matice yij, kde i = 1, 2, ..., p, j = 1, 2, ..., k, kriteriální
matici lze reprezentovat následovně: �� �� ⋯ �� ����⋮� ��� ��� ⋯ ������ ��� ⋯ ���⋮ ⋮�� �� ⋮⋯ ⋮���
Normalizací této matice získáme matici R = (rij). Normalizace se provádí pomocí
vzorce:
�� � ��� � ���� � ��
�� � ������� …��� �� � ������� …��� Pomocí tohoto vzorce se lineárně transformují kriteriální hodnoty tak, že j � ∈ ⟨0, 1⟩. Hodnocení jednotlivých variant se pak získá pomocí následujícího vzorce:
23
"#��$ � % ����&�
Za předpokladu, že jednotlivá kritéria nemají stejnou váhu, je nutno určit váhu
jednotlivých kritérií. Předpokládejme existenci vektoru ' � �'() , '(* , …'(+�, který
nese váhu jednotlivých kriterií, přičemž platí, že součet všech vah je roven jedné.
Hodnocení jednotlivých variant se získá pomocí vzorce:
"#��$ � % �� , '(-��&�
Metoda vychází z principu maximalizace užitku, dopouští se však
zjednodušení v tom, že předpokládá pouze lineární funkci užitku [27]. Pro určení
váhy jednotlivých důkazních prostředků v množině důkazních prostředků by však
tato metoda měla být dostačující. Problémem je vytvořit metodu pro určení vah
a ohodnocení jednotlivých kritérií. Jak již bylo řečeno v kapitole 1, občanskoprávní
proces se řídí zásadou volného hodnocení důkazů, která zakazuje formalizování
váhy důkazního prostředku. Nelze proto vytvořit tabulku, která by například
určovala, že svědek v příbuzenském vztahu k účastníkovi má menší váhu než
svědek v pracovním vztahu k účastníkovi apod. Samotné určení váhy důkazního
prostředku v procesu funguje na volném uvážení soudce, což se dá označit za proces
kognitivní a jako takový automatizovatelný jen pomocí umělé inteligence [28]. Pro
automatizaci tohoto procesu by musela být zásada volného hodnocení důkazů
odstraněna a bylo by nutné určit váhy a prvky, kterých mohou jednotlivé faktory
hodnocení nabývat.
2.3 Shrnutí a závěr kapitoly
Na základě analýzy skutkových tvrzení a různých klasických a neklasických
logik jsem pro reprezentaci skutkových tvrzení pro aplikační systém zvolil jako
nejvhodnější transparentní intenzionální logiku. K volbě této logiky mě vedl
především fakt, že dokáže nejlépe reprezentovat obecný jazyk do jazyka formálního.
Definoval jsem pojem dokazování skutkového stavu, seznámil jsem se s jeho
obsahem a srovnal jej s dokazováním v matematice. Vyšlo najevo, že dokazování
skutkových tvrzení je obsáhlejší, než dokazování v matematice, a uplatňují se v něm
postupy, které nelze v matematickém dokazování použít. Na základě rozboru
24
provádění dokazování jsem zjistil, že tento proces nelze s dostupnou technikou plně
automatizovat, jelikož v mnoha procesech nelze zatím stroji nahradit lidské myšlení
a kognitivní funkce. Nicméně by byla možná částečná automatizace některých
komponent procesu. Při posuzování možnosti automatizovaného hodnocení
důkazních prostředků se mi jako překážka jeví zásada volného hodnocení důkazů,
která brání vytvoření přesně stanovených hodnotících kritérií, která jsou potřebná
pro automatické ohodnocení důkazu např. pomocí metody WSA.
Proces dokazování nelze s dnešní technikou ještě plně automatizovat. Ačkoliv
již existují systémy, které dokážou v tomto procesu některé činnosti vykonávat místo
člověka, jejich užití by do dnešního procesu nepřineslo užitek, jelikož soudce tyto
činnosti zvládá vykonávat sám za podobný časový úsek a s větší přesností. Určitý
užitek by mohlo přinést zařízení LVCSR umožňující převod mluveného slova do
textové podoby pro přepis výslechu svědka, který se momentálně provádí ručně.
25
3 Řešení právní stránky věci
Po zjištění skutkového stavu aplikace práva vyžaduje zjištění relevantního
obsahu právních norem pro daný případ, aby bylo možné dále ve sporu
pokračovat [2]. Za vstup do tohoto stádia jsem v kapitole 1 označil právo, nárok,
informace ze zjišťování skutkového stavu a konečně zjištěný skutkový stav. V této
kapitole rozebírám především otázku převedení právních norem do počítačem
srozumitelného jazyka. S tímto tématem vyvstává zároveň otázka, zdali lze
automaticky hledat rozpory v právních normách.
3.1 Převedení zdrojů práva do strojově srozumitelného jazyka
Pro správné automatické právní posuzování skutkového stavu sporu je nutné
dodat automatu platná právní pravidla. Je potřeba zabývat se především otázkou,
jakým způsobem mu tato pravidla dodat. Poskytnutí sbírky zákonů v dnešní podobě
nemusí být efektivní, jelikož jsou zákony psané pro interpretaci lidmi, nikoliv stroji.
V následujících odstavcích se zabývám strukturou právních předpisů a norem
a teoretickou možností jejich převedení do strojově zpracovatelného jazyka.
3.1.1 Struktura právních předpisů
Právní předpisy mají přesně definovanou strukturu. Skládají se z jednotlivých
tematicky zaměřených hlav, hlavy pak z dílů a díly z jednotlivých paragrafů [2].
Samotné paragrafy pak nesou jednu nebo více právních norem. Právní norma je
nejmenší dále nedělitelnou součástí právního řádu, obsahující v sobě jeden konkrétní
příkaz, zákaz, nebo zákonné dovolení [1]. Každá norma má danou svou vlastní
vnitřní strukturu. Obecně lze normu rozdělit na hypotézu, dispozici a sankci.
„Hypotéza je ta část právní normy, která stanoví podmínky, za nichž nastane
dispozice a popř. sankce“ [2].
„Dispozice nese jednotlivé žádoucí modality chování, tj. z hlediska normotvůrce
příkaz, zákaz, dovolení a z hlediska adresáta oprávnění a povinnost“ [2]. Je základním
kamenem normy a nelze ji na rozdíl od ostatních komponent v normě vynechat.
„Sankce je část právní normy, v níž je stanovena újma za porušení právních
povinností, stanovených v dispozici právní normy“ [2].
Obecně se pro právní normy uvádí tato struktura: jestliže je splněna hypotéza,
nastává dispozice, není-li dispozice, nastupuje sankce [2].
26
Na první pohled toto schéma odpovídá v programátorském jazyku dvěma
vnořeným podmínkovým blokům, kdy je možné jednotlivé části normy chápat jako
jednotlivé funkce a je nutné počítat s vedlejšími efekty:
if(hypotéza) {
if(!dispozice()){
sankce;
}
}
Tato struktura vyjadřuje možnou převoditelnost každé právní normy do strojově
srozumitelného jazyka. Na základě této hypotézy je možné zařadit každé pravidlo
jako sled příkazů zpracovatelných procesorem jako součást programu. V praxi je ale
nutné vykládat normy podle skutkového stavu. Například se může vyskytnout
situace, kdy je potřeba, aby při splnění hypotézy nastala dispozice, sankce není
důležitá:
Bool dispozice(){
If(hypoteza){
proveď dispozici;
return true;
}
return false;
}
Nutno však poznamenat, že kromě dispozice jsou ostatní části normy fakultativní,
tedy, nemusí se vyskytnout buď vůbec, nebo se naopak vyskytnou v jedné normě
vícekrát [2]. Plyne z toho, že přímý převod norem do programátorského jazyka
v podobě pevných pravidel by byl komplikovaný a obsahoval hodně redundance,
protože by každá norma musela být pojata několikrát podle výkladu. Navíc je nutné
vzít v potaz fakt, že velká množina případů se řídí zákony, které platily za dob
vzniku sporné věci3. Znalostní databáze by proto musela obsahovat jednotlivé verze
zákonů mnoho let do minulosti. Dalším problémem využitelnosti programovacích
3 Na tuto skutečnost ukazuje např. §763 zákona č. 513/1991 Sb., který říká, že se tímto zákonem řídí vztahy vzniklé od dne jeho účinnosti. Veškeré vztahy vzniklé před tímto dnem musíme posuzovat dle zákona tomuto zákonu předcházejícímu. Projevuje se tak zásada zákazu retroaktivity.
27
jazyků pro reprezentaci je nemožnost automaticky převádět text na programovací
jazyk.
Z výše uvedených důvodů se jeví jako lepší nástroj pro reprezentaci právních
textů do počítačem srozumitelného jazyka logický kalkul. Reprezentaci pomocí
logického kalkulu lze vytvářet rychle a automatizovaně [14] analýzou textu, což ji
činí výhodnější oproti programovacím jazykům. Další důvodem pro zvolení
logického kalkulu je fakt, že tento typ reprezentace byl zvolen i pro skutková tvrzení,
se kterými je nutné v tomto stádiu právo srovnávat. Srovnávání je daleko snáze
implementovatelné na datech stejného typu. Tzv. deontická logika se přímo zabývá
reprezentací norem.
Deontická logika [29] zkoumá jevy, které mohou nabývat hodnoty dovoleno,
přikázáno a zakázáno. Výroky, které mohou nabývat těchto hodnot, jsou označeny
jako normativní věty. Ostatní výroky, které nejsou normativními větami, jsou
analyzovány prostředky logiky výrokové či predikátové. Analýza těchto dvou druhů
výroků však od sebe není úplně oddělená a lze např. odvodit, zda byla splněna
povinnost stanovená v normativní větě pomocí logické implikace, kde antecedentem
bude nenormativní výrok a konsekventem bude normativní věta. Problémem této
logiky je, že nelze určit, zdali výrok vzniklý výše zmíněnou implikací je normativní
věta či obyčejný výrok, a nelze jej tedy dále pomocí této logiky zpracovávat.
Pro reprezentaci právních norem navrhuji použít transparentní intenzionální
logiku, protože deontická logika nedokáže zpracovávat výroky složené
z normativních vět a obyčejných výroků, a protože je vhodnější použít stejný logický
kalkul jak pro skutková tvrzení, tak pro normy z důvodu jejich vzájemné interakce.
3.1.2 Druhy norem
Normy lze rozdělit podle různých kategorií [2]. Každý druh norem je jistým
způsobem specifický a je nutné prozkoumat možnosti jejich převedení, aby bylo
možné odhalit slabiny dnešních právních norem. Nejsou tím myšleny chyby
v zákonech a nedostatky právní stránky norem, ale určitá neúplnost norem,
vyžadující jistou míru abstraktního myšlení a dedukce, kterou lze jen stěží
automatizovat.
28
3.1.2.1 Kogentní normy
„Kogentní normy jsou normy imperativně ustanovující pravidlo chování, práva
a povinnosti subjektu“ [2]. Subjekt se od těchto práv a povinností nemůže odchýlit.
Převoditelnost tohoto druhu norem by měla být poměrně jednoduchá, protože
přesně vymezuje práva a povinnosti subjektu bez možnosti odchýlení. Jsou to jasně
daná pravidla s konkrétními a přesně vymezenými hranicemi. Jako příklad lze uvést
§151 zákona č. 40/1964:
„Jestliže za trvání manželství společné jmění zaniklo, může být obnoveno jen
rozhodnutím soudu vydaným na návrh jednoho z manželů“ [30].
Hypotézou, tedy určujícími hranicemi v této normě, jsou trvání manželství, zaniklé
společné jmění manželů, návrh manžela a určení rozhodujícího orgánu, tedy soudu.
Dispozicí se rozumí obnova společného jmění manželů. Sankce není v této normě
uvedena.
Veškeré kogentní ustanovení civilního zákona lze převést do strojově
použitelného jazyka bez nutnosti dodat dodatečné informace k jejich interpretaci.
Soukromoprávní odvětví práva ale obsahuje i jiné typy norem, u kterých by proces
převedení vyžadoval další zdroje informací.
3.1.2.2 Dispozitivní normy
„Dispozitivní normy nestanoví buď vůbec vlastní pravidlo chování, nebo ho stanoví
pouze subsidiárně, a nechávají na adresátech, aby si je stanovili sami, tj. aby upravili
vzájemné vztahy svým vlastním projevem vůle“ [2]. Dispozitivní norma je tu pro případ,
kdy si účastníci vztahu neupraví smluvně oblast, kterou tato norma upravuje.
Vhodným řešením je k těmto normám přidat proces rozhodování, tj. zdali je uplatnit
v daném případě či nikoliv. Znamená to, že systém musí umět načíst a zanalyzovat
danou smluvní úpravu a zkontrolovat, zda neodporuje zákonům.
Normativní část smlouvy je možné poskytnout algoritmu, který bude
převádět ostatní zákony pro systém. Protože tuto úpravu budou vykonávat samy
subjekty vztahu, od kterých se nedá očekávat, že připraví dostatečně konkrétní
normu se všemi potřebnými prvky a dostatečnou precizností, zvyšuje se
pravděpodobnost špatné interpretace. Dispozitivních norem je v soukromém právu
většina, tudíž tento problém nabývá na velikosti. Jako snadné řešení těchto problémů
se jeví nahrazení dispozitivních norem kogentními. Počet jednotlivých situací, které
29
by bylo nutné právně ošetřit, by byl ovšem neúnosný a do práva by zanesl pro
běžného uživatele spíše větší nepřehlednost. Jiným možným řešením je nezkoumat
obsah smluv a jen v rámci zjišťování skutkového stavu říct, zdali je tato část
v pořádku a byla dobře uplatněna či nikoliv.
3.1.2.3 Normy taxativní
„Taxativní normy přesně stanoví podmínky, za nichž musí být uplatněny, a tím
vylučuje možnost svého použití na situace obdobné“ [2]. Úplný výčet všech podmínek
a situací, kdy se konkrétní norma má uplatnit, je pro automatizaci aplikace zásadní.
Převoditelnost tohoto druhu norem je tedy v rámci systému norem ta nejsnazší,
jelikož nese všechny potřebné informace k její interpretaci. Jako příklad taxativního
výčtu lze uvést §52 zákona č. 262/2006 Sb.:
„Zaměstnavatel může dát zaměstnanci výpověď jen z těchto důvodů:
a) ruší-li se zaměstnavatel nebo jeho část,
…
h) poruší-li zaměstnanec zvlášť hrubým způsobem jinou povinnost zaměstnance
stanovenou v § 301a“ [31].
Zaměstnavatel může dát výpověď jen z důvodů uvedených výslovně v tomto
paragrafu, jiné důvody by vedly k neplatnosti dané výpovědi. Působnost normy je
přesně vymezena a určit její použití je snadné. Pokud se prokáže v důkazním řízení,
že důvod výpovědi nastal a shoduje se s některým ze zákonných důvodů pro
výpověď, je výpověď platná. Pokud se shodovat nebude, je výpověď neplatná.
Samotné rozhodnutí je nakonec tedy redukováno na porovnání dvou tvrzení.
3.1.2.4 Normy demonstrativní
Demonstrativní normy upravují podmínky pouze formou příkladu a připouští
jejich použití i na obdobné případy [32]. Zde se vyskytuje, z technického pohledu,
vágnost dnešního právního řádu. V demonstrativních normách nejsou dány
konkrétní podmínky uplatnění dispozice, nýbrž je jen uvedeno pár nejčastějších
příkladů. Nastává zde otázka, zda je automat schopen posoudit, jestli je konkrétní
případ obdobný těm, které norma zmiňuje. Lze vycházet již z rozhodnutých případů,
na které byla tato norma uplatněna. Stále však existuje riziko, že takto získaným
výčtem nebude pokryta celá oblast, pro kterou byla norma navržena. Jako řešení se
nabízí nahrazení příkladů u každé takové normy určitými hranicemi, tedy
30
konkrétními znaky. V případě, že by tyto hranice daný případ splňoval, spadal by
pod tuto konkrétní normu. Určení těchto hranic není jednoduchý úkol, proto také
demonstrativní výčty existují.
Jako příklad demonstrativní normy lze uvést odstavec druhý §44 zákona
č. 513/1991 Sb.:
„Nekalou soutěží podle odstavce 1 je zejména:
a) klamavá reklama.
b) klamavé označování zboží a služeb,
…
h) porušování obchodního tajemství,
i) ohrožování zdraví spotřebitelů a životního prostředí“ [33].
Slovo “zejména“ značí, že výklad není kompletní. Pokud se daný případ shoduje
s jedním ve výčtu, je jasné, že spadá pod tento paragraf. Demonstrativnost tohoto
výčtu ale vytváří situaci, kdy je možné, že daný případ nebude ani jedním
z poskytnutého výčtu, ačkoliv by měl pod tento paragraf spadat. V tomto případě lze
uplatnit první odstavec stejného paragrafu:
„Nekalou soutěží je jednání v hospodářské soutěži nebo v hospodářském styku, které je
v rozporu s dobrými mravy soutěže a je způsobilé přivodit újmu jiným soutěžitelům,
spotřebitelům nebo dalším zákazníkům. Nekalá soutěž se zakazuje“ [33].
Z odstavce se dá vyčíst, že nekalosoutěžní jednání je každé, které splňuje tyto
podmínky: je to jednání v hospodářské soutěži nebo styku, je v rozporu s dobrými
mravy soutěže a je způsobilé přivodit újmu spotřebitelům, soutěžitelům atd. Pokud
jsou tyto jednotlivé pojmy ve znalostní databázi definovány a systém je dokáže
identifikovat, bude moci rozhodnout, jestli je dané jednání nekalosoutěžní, nebo ne.
Ne každý demonstrativní výčet má k sobě takovouto definici, tudíž by bylo nutné
tyto definice blíže určit.
3.1.3 Převoditelnost abstraktních pojmů
Počítačové systémy často vyžadují přesné a vyčerpávající definice pojmů, aby
byla možná jejich aplikace. V případě s nekalosoutěžním jednáním se například
vyskytuje pojem dobré mravy. Nejen, že tento institut není nikde v zákonech popsán
a definován, ale není možná ani jeho dodatečná definice, neboť nelze plně určit
hranice tohoto pojmu. Dnešní zákonodárce dává interpretaci tohoto pojmu do ruky
31
aplikujícího soudce, který si sám na základě vlastního přesvědčení a svého pohledu
na společnost a společenské hodnoty určí, zdali je ten konkrétní úkon proti dobrým
mravům či nikoliv. Obecná neurčitost tohoto pojmu a rychle se vyvíjejících faktorů,
které tento pojem ovlivňují, znemožňuje definovat tyto pojmy do té úrovně, aby
mohla být vytvořena definice.
Možným řešením problému nedefinovatelnosti pojmů je asistence uživatele
při rozhodování. Při odhalení abstraktního pojmu by byla pro uživatele
vygenerována otázka, zdali byl tento pojem naplněn nebo ne. Aby se zabránilo
neustálému ptaní se na každý úkon, který bude předložený ke zpracování, zavedla
by se presumpce korektnosti (veškeré úkony jsou korektní, dokud se nevznese
námitka nekorektnosti). Tímto by se omezil přezkum některých skutečností z úřední
povinnosti (absolutní neplatnost některých úkonů) a zavedl by se jen přezkum na
námitku. Jiným možným řešením je nalezení podobného případu, kde byl již pojem
řešen, a řešit ho podobně.
3.1.4 Ostatní zdroje práva
Z výše diskutovaných důvodů je evidentní, že převedení zákonů do stavu,
kdy budou strojově srozumitelné, není triviální záležitostí. V zákonech se vyskytují
pojmy nebo objekty, jejichž pravidla jsou neúplná. Většina v této kapitole navržených
úprav vyžaduje dodatečné informace k jednotlivým normám. Část těchto informací
obsahují komentáře, které jsou k zákonům vydávány. Dalším zdrojem mohou být již
vydaná rozhodnutí soudů, ve kterých byly konkrétní pojmy či objekty užity. Ovšem
ani jeden z těchto zdrojů není v našem normativním systému brán jako oficiální zdroj
práva a vyvstává tak otázka, zdali je možné je použít. Sporné může být čerpání
informace i z oficiální důvodové zprávy vydávané k jednotlivým zákonům.
Zákony a právní předpisy jsou jen jedním ze zdrojů, který náš právní systém
používá. Existují další oficiální zdroje, jako například mezinárodní smlouvy či
stanoviska Nejvyššího soudu. S cílem vytvoření dostatečné znalostní databáze pro
automatickou aplikaci práva by bylo nutné všechny tyto zdroje převést tak, aby bylo
zaručeno zachování komplexnosti právního řádu. Právo navíc stojí na základních
demokratických zásadách (např. spravedlnost), které se také při jeho aplikaci užívají
a tyto spadají, dle mého názoru, do stejné skupiny nedefinovatelných pojmů, jako
32
například výše diskutované dobré mravy. Vytvoření úplné znalostní databáze je tedy
nemožné.
3.2 Vyhledávání rozporů mezi normami
S potenciálním převedením všech norem do počítačově srozumitelného jazyka
se naskytuje možnost kontrolovat právní řád a hledat v něm rozpory. Tyto rozpory
jsou dvojího typu. První vznikají v rámci norem stejné síly (např. obchodní zákoník
a občanský zákoník), druhé v rámci norem rozdílné právní síly (např. občanský
zákoník a ústava). Pro vyhledávání rozporů v normách, které jsou reprezentovány
logickým kalkulem, se nabízí možnost využití některých logických postupů.
Rozpor prvního typu mezi normami lze popsat jako stav, kdy ze stejné
množiny hypotéz aplikovaných na stejný právní institut je implikována rozdílná
dispozice podle dvou rozdílných norem. K nalezení tohoto typu rozporu je možné
použít systematického vyhledávání v rámci norem vztahujících se k jednomu
právnímu institutu. V takto získané množině norem pak identifikujeme ty normy,
které mají stejné hypotézy nebo stejné dispozice. U těchto je poté provedena řada
náhodných vyhodnocení podle náhodně ohodnocených hypotéz a srovnává se, zdali
se výsledky shodují, či nikoliv.
Rozpor druhého typu lze popsat jako stav, kdy norma nižšího řádu porušuje
normu řádu vyššího. Pro větší abstraktnost norem vyššího řádu je nutné uvažovat
o použití deduktivních metod, kdy je třeba nejdříve konkretizovat abstraktní normu
na daný právní institut, v němž se nachází rozporná norma, a následně např. pomocí
logické rezoluce [34] zjistit, zdali vytvořené konkrétní normy nejsou v rozporu
s normami zkoumanými. Problémem v tomto postupu je většinou složitost
konkretizace norem vyššího řádu, jelikož jsou příliš obecné a nikde nejsou přesně
vyjádřeny jejich hranice působnosti. Co pod tyto normy spadá (příkladem takové
normy je právo na život) je většinou obsahem judikátů, které ale rovněž vymezují
obsah daného práva jen na konkrétní předmět. Na rozdíl od prvního typu rozporů
proto není u druhého typu možná automatizace.
Odstranění rozporu přímo systémem lze implementovat jen v případě rozporů
prvního typu. Odstranění rozporu prvního typu spočívá ve výběru jedné z kolizních
norem, kterou je možné uplatnit. Výběr normy se řídí dle tzv. derogačních klausulí:
„Norma zvláštní, později vydaná, ruší dřívější normu obecnou, mají-li stejnou právní sílu.“
33
A dále: „Norma pozdější ruší normu dřívější, mají-li stejnou právní sílu“ [2]. K správnému
výběru je nutné mít k dispozici metadata o normě, konkrétně kdy byla vydána a jaký
je její vztah k normě, se kterou je v rozporu. Nalezení druhého typu rozporu
znamená, že je zde podezření, že daná norma není v souladu s ústavním pořádkem.
Jelikož ústavnost může posoudit pouze ústavní soud [35], měl by kontrolní systém
v daném případě pouze na daný rozpor upozornit.
3.3 Shrnutí a zhodnocení kapitoly
V této kapitole jsem rozebral především strukturu a obsah právních norem
jakožto i ostatních zdrojů práva a zvolil jsem způsob reprezentace práva pro
případný systém aplikace práva. Po zhodnocení struktury norem se jako možnost
reprezentace jevila možnost použít programovací jazyky, jelikož struktura normy
odpovídá podmínkové konstrukci, která je běžně používána ve většině
programovacích jazyků. Jelikož ale musí být právo flexibilní a přizpůsobovat se dané
situaci, a reprezentace velkého množství norem programovacím jazykem je obtížně
automatizovatelný proces, vybral jsem pro reprezentaci norem reprezentaci pomocí
kalkulu logiky. Transparentní intenzionální logiku bych volil zejména proto, že
dobře reprezentuje obecný jazyk, ve kterém jsou normy psané. Dalším důvodem
výběru je skutečnost, že je transparentní intenzionální logika využívána i pro
reprezentaci skutkových tvrzení, na která je nutné právo aplikovat. Použitím
stejného typu kalkulu je tato práce usnadněna a nevyžaduje nalezení převodní
funkce mezi rozdílně prezentovanými informacemi.
Problém interpretace norem pro automatizovaný systém představují rovněž
některé typy norem, podobně jako užívání vágních pojmů. Ukázalo se, že
k důkladnému a úplnému výkladu práva je potřeba mít k dispozici hodně
dodatečných informací. Vzhledem k tomu, jaké oficiální zdroje informací právo
uznává, je obtížné tyto informace dodat, i když existují. V praxi není problém tyto
neoficiální zdroje použít, protože soudce pouze prohlásí dané informace za své.
V automatickém systému by se ovšem tyto zdroje informací musely stát oficiálními.
Jelikož tyto informace vznikají mimo zákonodárný proces, je jejich užití za tímto
účelem sporné.
Na základě praktických znalostí jsem naznačil možné postupy vyhledání
rozporů v právních normách. K odhalování rozporů mezi normami stejné právní síly
34
se naskytuje možnost využít logických procesů. V tomto směru bylo by vhodné vést
další výzkum. Vzhledem k tomu, že je v běžné právní praxi velmi obtížné najít
rozpory mezi normami rozdílné právní síly, je pravděpodobné, že by byla
automatizace daného procesu velmi obtížně proveditelná.
35
4 Rozhodnutí ve sporu
V okamžiku, kdy je zjištěn skutkový stav věci a jsou nalezeny patřičné normy,
je nutné rozhodnout, na čí straně stojí právo. V této části práce se nejprve zaměřuji na
popis druhů a typů rozhodnutí, které občanskoprávní soud při své činnosti vydává,
a dále blíže popisuji již existující metody automatizovaného rozhodnutí. Na základě
této analýzy zhodnotím metodu pro aplikaci práva nejvhodnější.
4.1 Pojem a obsah rozhodnutí soudu
Rozhodnutí soudu je cíl, ke kterému celý proces aplikace práva směřuje. Proces
je ukončen vydáním aktu aplikace práva (rozhodnutím). „Akt aplikace práva
(individuální právní akt) představuje rozhodnutí o konkrétních právech a povinnostech
účastníků“ [2]. Konkrétně v občanskoprávní soudní aplikaci práva nabývá akt
aplikace práva trojí podoby: rozsudku, usnesení, nebo platebního rozkazu.
Rozsudkem se rozhoduje v meritu (vlastním obsahu) věci a usnesením ve všech
ostatních případech (většinou se jedná o rozhodnutí o procesních úkonech). Platební
rozkaz je rozhodnutí vydané ve zkráceném řízení za předpokladu, že je nárokována
pouze peněžní částka.
Platebních rozkazů je více druhů: směnečný platební rozkaz, elektronický
platební rozkaz a evropský platební rozkaz. V občanskoprávním řízení existuje
rovněž více druhů rozsudku. Rozlišuje se rozsudek, rozsudek pro zmeškání
a rozsudek pro uznání. Rozsudkem pro zmeškání se rozhoduje v případě, kdy se
žalovaný po řádném předvolání nedostaví na první jednání soudu bez řádné
omluvy. Všechna tvrzení žalobce jsou prohlášena za nesporná, a pokud naplňují
nárok, je vyhlášen rozsudek. Rozsudek pro uznání se vydává za situace, kdy
žalovaný všechny nároky protistrany uznal. V obou případech neprobíhá
dokazování.
Všechna rozhodnutí mají předepsané formální náležitosti, bez kterých jsou tato
rozhodnutí neplatná. Pro rozsudek jsou tyto náležitosti vymezeny §157 OSŘ, pro
usnesení §169 stejného zákona. Obecně musí všechna rozhodnutí obsahovat výrok,
být odůvodněna a obsahovat poučení o opravných prostředcích [2]. V tomto směru
už byl jistý krok k automatizaci učiněn za pomocí vzorových rozhodnutí. Pro většinu
druhů rozhodnutí byl v občanskoprávním procesu vytvořen vzor. Pro další
36
usnadnění vzniku rozhodnutí jsou tyto vzory částečně doplňovány automaticky
prostřednictvím ISASu. Jediná část, kterou nelze automaticky doplnit, je výrok
a odůvodnění výroku, jelikož tyto části vznikají ad hoc při rozhodování soudce
o případu.
Při rozhodování o nároku má soudce v některých případech k dispozici
tzv. moderační právo. Moderační právo je právo soudce na základě svého uvážení
snížit velikost nároku. Tohoto práva se využívá většinou, když je výše nároku
nepřiměřená povaze případu. Nejčastěji se tak děje u výše úroků, smluvních pokut
a zadostiučinění. U výše úroků a smluvních pokut lze vycházet z judikatury, která
určuje přiměřenou maximální výši těchto institutů vzhledem k obsahu sporného
vztahu a je možné sestavit vzorec pro jejich automatizované porovnávání.
U zadostiučinění, kde se často aplikuje institut dobrých mravů, nelze dobře tento
proces automatizovat.
4.2 Metody automatizovaného rozhodování
O automatizaci rozhodování bylo již vytvořeno mnoho prací a teorií napříč
obory. V zásadě lze popsat několik metod, které se s větším či menším úspěchem
pokoušejí vyřešit problém automatizace rozhodování. Jednotlivé metody se mohou
prolínat a vytvářet hybridní metody.
4.2.1 Case based reasoning
Case based reasoning (CBR) představuje proces, který využívá v minulosti
řešené případy k analýze či vyřešení nových případů. Analyzuje, v čem si jsou
vybrané případy podobné, a v čem se naopak odlišují. Následně je minulé
rozhodnutí přizpůsobeno tak, aby splňovalo podmínky řešeného problému [36].
Existuje více projektů, které se snaží case based reasoner implementovat. Mezi první
pokusy lze zařadit systém HYPO [37] z roku 1990 nebo jeho následovníka CATO [38]
z roku 1997. Z novějších pokusů o implementaci lze zmínit například algoritmus IBP
vycházející z výše zmíněných systémů, který implementuje model CBR přímo
v právní praxi [39]. Tento algoritmus je navržen k předpovídání výsledků case based
právních případů i s odůvodněním, jak byl výsledek získán.
37
Výhodami CBR jsou:
• Relativní jednoduchost implementace, protože CBR nepotřebuje sestavit
modely či aplikační pravidla;
• automatické zvětšování znalostní databáze přidáváním vyřešeného
případu do databáze případů;
• aplikovatelnost CBR na oblasti, které nejsou dostatečně pokryté
pravidly [36].
Nevýhody CBR tvoří:
• Závislost na velikosti báze případů,
• náročnost efektivního hledání podobných případů,
• adaptace případů,
• velká procesní a časová náročnost [36].
4.2.2 Rule based reasoning
Rule based reasoning (RBR) představuje proces, který k řešení případů
používá sadu předdefinovaných pravidel. Tato pravidla jsou ve tvaru
IF-THEN-ELSE. Nejčastěji je používáno dvou postupů k nalezení výsledků. Prvním
je forward chaining [37], který na základní premisy aplikuje pravidla z databáze,
a snaží se tak v cyklech dojít k výsledku. Druhým je backward chaining [37], který
postupuje ve směru opačném. Jako vstup je mu dán cíl, kterého se snaží uživatel
dosáhnout. Proces následně cyklicky hledá cesty, které vedou od cíle k premisám.
RBR je nejpoužívanějším reasonerem v expertních systémech. Jako příklad systému,
který používá RBR, lze uvést online systém TOAST [40], který přijímá bázi znalostí
a sadu pravidel a vrací jak textový, tak i obrazový komentář k přijatelnosti
vznesených argumentů [41].
Výhodami RBR jsou:
• Modularita - každé pravidlo stojí samostatně jako samostatná
informace;
• uniformita - všechna pravidla jsou ve stejné formě, což přispívá k jejich
jednoduššímu zpracování;
• přirozenost reflektující lidskou tendenci popisovat činnost pomocí
pravidel [42].
38
Nevýhody RBR tvoří:
• velká komplexnost znalostní databáze, která musí obsahovat pravidlo
na každou možnou situaci, pokud se má dosáhnout vždy správného
výsledku;
• možná kontradiktornost pravidel a s tím spojené zacyklení procesu;
• velká náročnost na procesní výkon [42].
4.2.3 Model based reasoning
Model based reasoning (MBR) představuje proces založený na komparaci
skutečné události s modelem této události. MBR může být pojímán jako symbolické
zpracování explicitní reprezentace vnitřního fungování systému za účelem odhadu,
simulace, nebo vysvětlení výsledného chování složek systému [43]. Správně
vytvořený model může pokrýt všechny možnosti, které se v dané situaci mohou
vyskytnout. Pokrýt celou doménu, kterou se model zabývá, je v mnoha případech
nemožné. Pro svou schopnost porovnávat model se skutečným systémem se MBR
užívá především v diagnostických přístrojích [43]. Pro příklad MBR systému lze
uvést projekt RODON, který zkoumá rozdíly mezi pozorovaným a simulovaným
chováním k vytváření hypotéz o možných příčinách pozorovaného chování [44].
Výhody MBR tkví především v kompletnosti řešení, kdy model pokrývá celou
doménu a dokáže se vypořádat i s neočekávanými případy [43].
Hlavní nevýhodou MBR je komplexnost předpokládaných modelů a s tím
spojená náročnost na jejich vybudování [43].
4.2.4 Neural networks
Systém využívající metodu neural networks (NNs) funguje na podobném
principu jako lidský mozek. Systém je rozdělen do mnoha propojených
jednoduchých procesů (neuronů). Každý proces vytváří jeden výstup z jednoho nebo
více vstupů. Každý z těchto vstupů a výstupů je matematicky ohodnocen.
Propojování procesů a jejich ohodnocování se děje za pomocí učících technik. NNs
jsou výborné pro řešení komplexních problémů, používají se zejména pro predikci
statistických dat např. na burzách s cennými papíry [36].
Výhody NNs jsou:
• Schopnost učení,
• možnost jednoduchého „přeučení“,
39
• nezávislost na předtvořené znalostní bázi [45].
Nevýhodou NNs je:
• potřeba velkého množství trénovacích případů,
• velmi velká náročnost na kvalitu vstupních dat,
• možnost nelogického chováni NNs,
• velká procesní náročnost [45].
4.3 Výběr vhodné metody
Na první pohled se jako nejvhodnější metoda pro automatické rozhodování
soudních sporů v českém právním systému jeví metoda rule based reasoning. Jak
jsem již zmínil výše (viz. 3. kapitola), mají normy v českém právu do jisté míry
strukturu IF-THEN-ELSE. Po jejich převedení do strojového jazyka by byl položen
základ znalostní databáze pro RBR. Z té samé kapitoly ovšem vyplývá, že nejen
zákony, ale i jiné dokumenty jsou zdrojem práva, ze kterého se při rozhodování
čerpá. Navíc i zákony obsahují některé pojmy, které nejsou v zákoně definovány.
Pro odstranění těchto problémů se jeví vhodnou metoda case based reasoning.
Jak jsem uvedl, nedefinovatelné pojmy jsou řešeny ad hoc v případě. Metodou CBR
by mohly být v okamžiku výskytu těchto pojmů nalezeny obdobné již vyřešené
případy a použito kritérií pro rozhodnutí o nedefinovatelných pojmech z těchto
případů. Díky metody CBR by rozhodnutí soudu mohla být rovněž zdrojem
informací pro rozhodování, čímž by se alespoň částečně odstranil problém
s nedostatkem informací pro interpretaci.
Jako celkem schůdná a jednoduchá cesta, jak vytvořit rozhodovací systém, se
jeví použití modelů, které by obsahovaly obecná tvrzení a všechny možné druhy
obran, které by mohla druhá strana použít. Rozhodlo by se pouze pomocí srovnání
skutečnosti s tímto modelem. V praxi je toto ale pouze těžko uskutečnitelné, jelikož
metoda Model based reasoning by vyžadovala velmi rozsáhlé modely jednotlivých
právních oblastí tak, aby pokryly celou svou oblast zájmu. Tyto modely navíc nejsou
v dnešní době dostatečně popsány. Navíc by s rychlostí vývoje jednotlivých právních
odvětví rychle zastaraly.
Při vybírání správné metody je rovněž nutné vzít v potaz možnost
rekonstrukce procesu rozhodování za účelem vytvoření argumentace k rozhodnutí.
NNs lze v tomto případě vyloučit, protože neobsahují dostatečné informace o svém
40
chování. Nejjednodušeji se budou rekonstruovat procesy RBR, kde existuje seznam
pravidel užitých při rozhodování a dále seznam dat, na základě kterých byla tato
pravidla vybrána. Kombinace těchto informací ukazuje v každém okamžiku procesu
rozhodování, podle kterého se v daný okamžik reasoner rozhodl. Příkladový
algoritmus CBR, IBP, má již tuto funkci implementovánu.
Z výše zmíněných závěrů vyplývá, že pro rozhodování v občanském soudním
procesu by byla nejlepší kombinace metody CBR a RBR.
4.4 Shrnutí a závěr kapitoly
Po definování moderačního práva jsem dospěl k názoru, že nelze sestavit
algoritmus, který by byl vhodný pro řešení veškerých případů aplikace moderačního
práva, protože je k jeho uplatnění v některých případech nutné použít těžko
uchopitelných pojmů jako jsou např. dobré mravy. Po seznámení se s pojmem
a obsahem soudních rozhodnutí a s dostupnými metodami automatizovaného
rozhodování jsem jako vhodnou metodu pro soukromoprávní soudní aplikaci práva
vybral kombinaci metody rule based reasoning (RBR) a case based reasoning (CBR).
K této volbě mě vedl poznatek, že normy bez jakékoliv úpravy mohou tvořit
základní bázi pro RBR a nedostatky této báze kompenzuje CBR možností nalezení
rozhodnutí, které mohou napomoci obejít dané nedostatky.
41
5 Závěr
Aplikace práva je velmi komplexní proces, protože musí obsáhnout veškeré
myslitelné možnosti případu a musí vždy dospět k výsledku i přes neexistenci
rozhodných pravidel. Při rozboru pojmu aplikace práva a bližším studiu jeho obsahu
z pohledu právní teorie a jeho srovnáním s praxí jsem zjistil, že rozdělení procesu na
tři stádia (zjišťování skutkového stavu, řešení právní stránky věci, rozhodnutí ve
sporu) neodpovídá plně skutečnosti. Znalost rozhodných norem je potřebná již ve
fázi zjišťování skutkového stavu a pro nalezení rozhodných norem jsou potřebné
informace o skutkovém stavu. Dá se tedy říci, že tato stádia běží současně a vzájemně
se ovlivňují.
Srovnáním dokazování skutkového stavu s dokazováním v matematice jsem
zjistil, že se i přes určitou podobnost tyto druhy dokazování nekryjí. Dokazování
skutkových stavů velmi často používá k dokázání skutečností lidského vnímání, což
je v rámci důkazů v matematice nepřípustný postup. Při srovnávání rovněž vyšlo
najevo, že báze axiomů nutná pro dokazování skutkového stavu by byla velmi
obsáhlá a musela by zahrnovat veškeré skutečnosti o lidském světě, které člověk
považuje za obecný fakt (např. „slunce vychází na východě“). Samotný proces
hodnocení důkazních prostředků, který je pro proces dokazování nezbytný, nelze
bez porušení zásady volného hodnocení důkazů automatizovat. Tato zásada
zakazuje jakoukoliv formalizaci vah a kritérií důkazních prostředků, natož přesné
určení jejich hodnot.
Při analýze vstupu, zde pojmu „právo“, jsem usoudil, že samotné právní
normy na popsání a pokrytí celého právního systému nestačí, a je nutné do znalostní
báze přinést informace i z jiných, ať už oficiálních, nebo neoficiálních zdrojů práva.
Použití neoficiálních zdrojů práva se ale vzhledem k zavedenému právnímu systému
jeví problematické, jelikož tyto neoficiální zdroje neprošly řádným legislativním
procesem. Problematickým se mi též jeví výskyt nedefinovatelných pojmů v našem
právním systému, jako např. „přísnost zákona“, jelikož tyto nelze přesně vymezit,
což značně komplikuje jejich použitelnost v automatizovaném systému. Při volbě
potencionální rozhodovací metody jsem tento fakt vzal v potaz a jako alespoň
částečné řešení jsem navrhl použít metodu case based reasoning (CBR), která
vyhledává a srovnává obdobné případy, kde je možné nalézt vymezení
nedefinovatelných pojmů pro daný druh případů.
42
Při výběru rozhodovací metody pro případný automat jsem jako hlavní
metodu zvolil rule based reasoning (RBR), jelikož její znalostní bázi tvoří pravidla
o stejné struktuře, jakou je možné najít u právních norem. Vytvoření znalostní báze
by pak spočívalo v prostém převedení právních norem do strojově zpracovatelného
a srozumitelného jazyka. Nedostatky této znalostní báze by se kompenzovaly
pomocí metody case based reasoning (CBR), jak již bylo zmíněno výše.
Z výsledků práce vyplývá, že proces automatizace práva ani s omezením na
soukromoprávní soudní proces nelze plně automatizovat, a nahradit tak lidského
soudce přesnějším a předvídatelnějším stojem. I když jsem ukázal, že vstupy procesu
lze pomocí kalkulu intenzionální transparentní logiky převést do strojem
srozumitelného a zpracovatelného jazyka, samotný proces aplikace práva obsahuje
mnoho oblastí, jež nelze algoritmizovat (např. důkaz ohledáním). Pro plnou
automatizaci procesu aplikace by byl především potřebný systém založený na umělé
inteligenci, který by zvládal kognitivní procesy s alespoň stejnou kvalitou a rychlostí,
jako lidský soudce. I když umělá inteligence za poslední léta dosáhla značného
pokroku, tyto požadavky ještě nenaplňuje. Částečná automatizace procesu,
spočívající např. v analýze obsahu důkazních prostředků a vyhledávání rozhodných
norem, by mohla najít uplatnění v oblasti asistence soudce při rozhodování.
Odstranění překážek v procesu automatizace, navržení a následná implementace
soudního asistenčního systému jsou hlavními cestami, kterými by se měl další
výzkum v této oblasti ubírat.
43
6 Literatura
[1] PECINA, Tomáš. Právo. In: Iudirictum [online]. 2011 [cit. 2013-05-17].
Dostupné z: http://iuridictum.pecina.cz/w/Pr%C3%A1vo
[2] GERLOCH, Aleš. Teorie práva. 5., upr. vyd. Plzeň: Vydavatelství
a nakladatelství Aleš Čeněk, 2009, 308 p. ISBN 80-738-0233-3.
[3] Přehled o průměrných délkách řízení ode dne nápadu do dne právní moci
ve dnech. In: InfoData: Statistika a výkaznictví [online]. 2013 [cit. 2013-05-17].
Dostupné z: http://cslav.justice.cz/InfoData/servlet/FileServlet?tabulka=ccav_d
okument_sestavy&sloupec=obsah_dokumentu_html&where=id_dokumentu=
561821&typSloupce=html&fileName=null
[4] ŠVARC, Ivan. Automatizace: automatické řízení. Brno: CERM, 2002, 201 s.
ISBN 80-214-2087-1.
[5] WINTEROVÁ, Alena. Civilní právo procesní: vysokoškolská učebnice.
5. aktualiz. vyd. Praha: Linde, 2008, 751 s. Vysokoškolské právnické učebnice.
ISBN 978-807-2017-263.
[6] Zákon č. 99/1963 Sb., Občanský řád soudní, ve znění pozdějších předpisů.
[7] Soudní informační systém. Úřad pro státní informační systém [online]. [2010]
[cit. 2013-05-17]. Dostupné z: http://www.usiscr.cz/soudni.php
[8] STUPKA, Václav. eJustice [online]. Brno, 2010 [cit. 2013-05-17]. Dostupné z:
http://is.muni.cz/th/134455/pravf_m/stupka_diplomova_prace_final.pdf.
Diplomová práce. Masarykova univerzita. Vedoucí práce doc. JUDr. Radim
Polčák, Ph.D.
44
[9] Okresní a krajské soudy v České republice používají Centrální elektronický
platební rozkaz (CEPR) od CCA Group. In: CAA: Software to know more
[online]. 2012 [cit. 2013-05-17]. Dostupné z:
http://www.cca.cz/index.php/aktuality/novinky-a-udalosti-83/249-cepr
[10] KORBEL, František. Dopis Čj. 74/2011-LO-SP/34 [online]. 2012 [cit. 2013-05-17].
Dostupné z: http://www.cak.cz/images/cepr.pdf
[11] KEANE, Adrian. The modern law of evidence. 6th ed. New York: Oxford
University Press, 2006, lxxxviii, 727 p. ISBN 04-069-7579-5.
[12] KNAPP, Viktor a Aleš GERLOCH. Logika v právním myšlení. 3. aktualizované
vyd. Praha: Eurolex Bohemia, 2000, 230 p. ISBN 80-864-3202-5.
[13] PEREGRIN, Jaroslav. Logika a logiky: systém klasické výrokové logiky, jeho rozšíření
a alternativy. Vyd. 1. Praha: Academia, 2004, 205 s. ISBN 80-200-1187-0.
[14] PTAŠNIK, Adam. Automatizované zpracování právních textů [online]. Brno, 2006
[cit. 2013-05-17]. Dostupné z: http://theses.cz/id/41d1sk/. Disertační práce.
Masarykova univerzita. Vedoucí práce Jaromír Harvánek.
[15] MATERNA, Pavel. Logická analýza přirozeného jazyka. Vyd. 1. Praha: Grada,
1989, 144 s. ISBN 80-200-0027-5.
[16] PECINA, Tomáš. Právní domněnka. In: Iuridictum [online]. 2005
[cit. 2013-05-17]. Dostupné z:
http://iuridictum.pecina.cz/w/Pr%C3%A1vn%C3%AD_domn%C4%9Bnka
[17] NATIONAL SCIENCE FOUNDATION. Prover9 [online]. © 2005 - 2010
[cit. 2013-05-17]. Dostupné z: http://www.cs.unm.edu/~mccune/mace4/
[18] KRANTZ, Steven G. The History and Concept of Mathematical Proof [online]. 2007
[cit. 2013-05-17]. Dostupné z: http://www.math.wustl.edu/~sk/eolss.pdf
45
[19] BOURBAKI, Nicolas. Elements of the history of mathematics. New York: Springer,
© 1994, viii, 301 p. ISBN 35-401-9376-6.
[20] GARNIER, Rovan a John TAYLOR. Mathematical proof. Vyd. 1. New York: John
Wiley, 1996, 317 s. ISBN 04-719-6199-X.
[21] Voice reader. Linguatec: Breaking the language barrier [online]. 2013
[cit. 2013-05-17]. Dostupné z:
http://www.linguatec.cz/products/tts/voice_reader
[22] BRADLEY, P. S. Data Mining as an Automated Service. In: Advances
in Knowledge Discovery and Data Mining: 7th Pacific-Asia Conference, PAKDD
2003, Seoul, Korea, April 30 – May 2, 2003 Proceedings [online]. 2003
[cit. 2013-05-17]. ISBN 978-3-540-36175-6. DOI: 10.1007/354036175-8_1.
Dostupné z: http://link.springer.com/content/pdf/10.1007%2F3-540-36175-
8_1.pdf
[23] Phonexia [online]. © 2006 - 2013 [cit. 2013-05-17]. Dostupné z:
http://www.phonexia.com/
[24] HERAKOVIC, Niko, Marko SIMIC, Francelj TRDIC a Jure SKVARC.
A machine-vision system for automated quality control of welded rings.
In: Machine Vision and Applications [online]. 2011 [cit. 2013-05-17].
ISSN 1432-1769. DOI: 10.1007/s00138-010-0293-9. Dostupné z:
http://link.springer.com/content/pdf/10.1007%2Fs00138-010-0293-9.pdf
[25] YACOUB, Sherif. Automated quality assurance for document understanding
systems. In: IEEE Software [online]. 2003 [cit. 2013-05-17]. volume 20: issue 3.
ISSN 07407459. DOI: 10.1109/MS.2003.1196325. Dostupné z:
http://search.proquest.com/docview/215841454/fulltextPDF?source=fedsrch&a
ccountid=16531
46
[26] KORVINY, Petr. Teoretické základy vícekriteriálního rozhodování.
In: Multikriteriální analýza dálkově řízených prvků v distribučních sítích [online].
© 2006 - 2011 [cit. 2013-05-17]. Dostupné z:
http://korviny.cz/mca7/soubory/teorie_mca.pdf
[27] FIALA, Petr, Josef JABLONSKÝ a Miroslav MAŇAS. Vícekriteriální
rozhodování. 1.vyd. Praha: VŠE, 1994, 316 s. ISBN 80-707-9748-7.
[28] DENNING, Peter J. a Craig MARTELL. Automation Principles [online]. 2007
[cit. 2013-05-17]. Dostupné z:
http://cs.gmu.edu/cne/pjd/GP/summaries/gp_automation.pdf
[29] WEINBERGER, Ota. Základy právní logiky. Vyd. 1. Brno: Masarykova
univerzita, 1993, 263 s. Spisy Právnické fakulty Masarykovy univerzity v Brně,
sv. 125. ISBN 80-210-0827-X.
[30] Zákon č. 40/1964 Sb., Občanský zákoník, ve znění pozdějších předpisů.
[31] Zákon č. 262/2006 Sb., Zákoník práce, ve znění pozdějších předpisů.
[32] VEČEŘA, Miloš, Libor HANUŠ, Jaromír HARVÁNEK, Drahomíra
HOUBOVÁ, Radim POLČÁK, Martin ŠKOP a Roman VANĚK. Teorie práva
v příkladech. 2., přeprac. vyd. Praha: Wolters Kluwer Česká republika, 2011,
415 s. ISBN 978-807-3575-519.
[33] Zákon č. 513/1991 Sb., Obchodní zákoník, ve znění pozdějších předpisů.
[34] SVÁTEK, Vojtěch. Logické programování I. Vyd. 1. Praha: Oeconomica, 2003,
137 s. ISBN 80-245-0627-0.
[35] Zákon č. 1/1993 Sb., Ústava České republiky, ve znění pozdějších předpisů
47
[36] ZELEZNIKOW, John, Andrew STRANIERI a Daniel HUNTER. Beyond rule
based reasoning-the meaning and use of cases. In: The 11th Conference
on Artificial Intelligence for Applications [online]. 1995 [cit. 2013-05-17].
ISBN 0818670703. DOI: 10.1109/CAIA.1995.378809. Dostupné z:
http://ieeexplore.ieee.org/stamp/stamp.jsp?arnumber=378809
[37] ASHLEY, Kevin D. Modeling legal argument: reasoning with cases
and hypotheticals. Cambridge, Mass.: MIT Press, c1990, x, 329 p.
ISBN 02-620-1114-X.
[38] ALEVEN, Vincent. Teaching CaseBased Argumentation Through a Model
and Examples [online]. Pittsburgh, 1997 [cit. 2013-05-17]. Dostupné z:
http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.47.3347&rep=rep1&t
ype=pdf. Disertační práce. University of Pittsburgh.
[39] BRUNINGHAUS, Stefanie a Kevin D. ASHLEY. Predicting outcomes of case
based legal arguments. In: ICAIL '03: Proceedings of the 9th international
conference on Artificial intelligence and law [online]. 2003 [cit. 2013-05-17].
ISBN 1581137478. DOI: 10.1145/1047788.1047838. Dostupné z:
http://dl.acm.org/ft_gateway.cfm?id=1047838&ftid=300213&dwn=1&CFID=330
601711&CFTOKEN=32317121
[40] TOAST: The Online Argument Structures Tool. In: Argumentation research
group: Dundee [online]. 2012 [cit. 2013-05-17]. Dostupné z:
http://www.arg.dundee.ac.uk/toast/
[41] SNAITH, Mark a Chris REED. TOAST: online ASPIC+ implementation.
In: Proceedings of the Fourth International Conference on Computational Models
of Argument [online]. 2012 [cit. 2013-05-17]. Dostupné z:
http://www.arg.dundee.ac.uk/toast/snaith-reed-comma12.pdf
48
[42] O'DONNELL, M. James. Advantages and Disadvantages of Rule-based Reasoning
[online]. 2008 [cit. 2013-05-17]. Dostupné z:
http://arantxa.ii.uam.es/~modonnel/IC/03_RulesIII.pdf
[43] LEWIS, Andrew. RIMSAT DSS Project: Integrating Model-Based and Case-Based
Reasoning [online]. 2004 [cit. 2013-05-17]. Dostupné z:
http://dssresources.com/papers/features/lewis/lewis04052004.html
[44] BUNUS, Peter, Olle ISAKSSON, Beate FREY a Burkhard MÜNKER.
RODON - A Model-Based Diagnosis Approach for the DX Diagnostic Competition
[online]. 2009 [cit. 2013-05-17].
Dostupné z: http://www.ida.liu.se/~petbu/publications/downloads/PeterBunu
s_DX2009.pdf
[45] ISCANOGLU, Aysegul. Credit Scoring Methods and Accuracy Ratio [online].
Üniversiteler Mahallesi (Turecko), 2005 [cit. 2013-05-17]. Dostupné z:
http://www.scribd.com/doc/56001811/Iscanoglu-Aysegul-Credit-Scoring-
Methods-and-Accuracy-Ratio. Diplomová práce. Middle East Technical
University. Vedoucí práce Prof. Dr. Hayri Korezlioglu.
[46] LOHR, Steve. Algorithms Get a Human Hand in Steering Web. The New York
Times: Technology [online]. 2013 [cit. 2013-05-18]. Dostupné z:
http://www.nytimes.com/2013/03/11/technology/computer-algorithms-rely-
increasingly-on-human-helpers.html
[47] LOHR, Steve. I.B.M. Looks Ahead to a Sensor Revolution and Cognitive
Computers. The New York Times: Bits [online]. 2012 [cit. 2013-05-18].
Dostupné z: http://bits.blogs.nytimes.com/2012/12/17/ibm-looks-ahead-to-a-
sensor-revolution-and-cognitive-computers/