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/