Figurative Justice: Detecting metaphors in Hindi judgements with qualitative assessment and transformers
Questo articolo introduce l'Hindi Legal Metaphor Corpus (HiLeMe) e un modello di rilevamento basato su transformer per affrontare la mancanza di analisi delle metafore nei testi giuridici in hindi a basse risorse, con l'obiettivo di decodificare il processo decisionale giudiziario ed espandere gli strumenti automatizzati di discorso legale ad altre lingue indiane.
Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo
Il linguaggio in un'aula di tribunale è raramente solo uno strumento neutro per elencare fatti. Sebbene le leggi siano spesso immaginate come un insieme rigido di regole scritte in inchiostro semplice, le persone che le scrivono e le interpretano — giudici, avvocati e legislatori — si affidano frequentemente al linguaggio figurato per dare senso a idee astratte. Parlano di "mura" che separano la chiesa e lo stato, di "bilance" che equilibrano la giustizia o di "radici" di un contratto. Queste non sono semplici decorazioni ornamentali; sono potenti strumenti cognitivi che modellano il modo in cui i concetti giuridici vengono compresi, argomentati e decisi. Quando un giudice descrive una situazione come una "guerra" o un diritto come un "oggetto", sta facendo molto di più che usare una frase colorata; sta inquadrando la realtà del caso, influenzando potenzialmente la severità di una punizione o l'interpretazione di un diritto umano. Questo è particolarmente critico in lingue come l'hindi, dove le sfumature di tali metafore possono spostare l'intero significato di un argomento legale, eppure finora nessuno aveva costruito un modo affinché i computer potessero individuarle automaticamente nei documenti giudiziari indiani.
Un team di ricercatori dall'Estonia e dall'India ha compiuto il primo passo verso la risoluzione di questo problema, creando un dataset specializzato e un modello informatico progettato per trovare metafore nelle sentenze legali in hindi. Il loro lavoro, intitolato "Figurative Justice", affronta una lacuna significativa nel campo dell'intelligenza artificiale. Mentre i computer sono diventati molto bravi a leggere e comprendere l'inglese, lo spagnolo e altre lingue principali, faticano con le lingue "a basse risorse" come l'hindi, specialmente quando queste lingue sono utilizzate nell'ambiente complesso e ad alto rischio della legge. I ricercatori hanno iniziato raccogliendo migliaia di frasi da sentenze reali dei tribunali distrettuali dello stato indiano dell'Uttar Pradesh. Questi documenti erano scritti interamente in hindi e contenevano la materia prima del ragionamento giuridico. Per dare senso a questo testo, il team ha reclutato sei esperti legali per agire come insegnanti umani per il computer. Questi esperti hanno letto le frasi e hanno segnato ogni istanza in cui una parola veniva usata in senso figurato piuttosto che con il suo significato letterale, seguendo un metodo rigoroso e stabilito per l'identificazione delle metafore. Questo processo ha portato a una nuova collezione di dati, che i ricercatori hanno chiamato Hindi Legal Metaphor Corpus, contenente oltre 7.000 frasi e quasi 162.000 parole.
Con questi dati accuratamente etichettati in mano, i ricercatori hanno addestrato un sofisticato modello informatico per riconoscere la differenza tra linguaggio letterale e figurato. Hanno utilizzato un tipo di intelligenza artificiale noto come transformer, che è un sistema capace di comprendere il contesto delle parole all'interno di un'intera frase. Il modello è stato nutrito con le frasi in hindi e istruito per prevedere se una parte specifica del testo contenesse una metafora. I risultati hanno mostrato che il computer poteva distinguere tra linguaggio letterale e figurato con un'accuratezza complessiva di circa il 72 percento. Questo è un inizio promettente, che prova come sia possibile insegnare a una macchina vedere gli strati nascosti di significato nei testi legali in hindi. Tuttavia, lo studio ha anche rivelato la difficoltà del compito. Quando il modello cercava specificamente le metafore, era corretto circa la metà delle volte in cui faceva una supposizione, e mancava più di due terzi delle metafore effettivamente presenti nel testo. Ciò suggerisce che, sebbene il computer possa individuare esempi ovvi, fatica ancora con le metafore sottili, sfumate e altamente contestuali che spesso appaiono negli argomenti legali.
I ricercatori hanno scoperto che la sfida risiede in parte nella natura stessa del linguaggio legale, dove le metafore sono spesso profondamente incorporate nella struttura dell'argomento piuttosto che presentarsi come confronti evidenti. Nella loro analisi degli errori commessi dal modello, hanno osservato che il computer a volte confondeva termini legali standard con metafore e, altre volte, non riconosceva una metafora perché il contesto era troppo complesso. Lo studio non pretende di aver risolto il problema del rilevamento delle metafore nel diritto hindi, quanto piuttosto di aver costruito la prima mappa affidabile del terreno. Creando questo dataset e dimostrando che un modello informatico può raggiungere un livello base di successo, il team ha fornito una base per il lavoro futuro. Le loro scoperte suggeriscono che, per comprendere veramente le decisioni giudiziarie in hindi, e per garantire che il linguaggio figurato usato dai giudici non crei involontariamente pregiudizi nei risultati, abbiamo bisogno di strumenti che possano leggere tra le righe. Questa ricerca apre la porta all'applicazione di tecniche simili alle altre ventuno lingue programmate dell'India, con l'obiettivo di rendere visibile e aperto al controllo critico il potere nascosto delle metafore legali.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.