💻 computer science

Freeing the Law with LOCUS: A Local Ordinance Corpus for the United States

이 논문은 파편화된 출처로부터 OCR을 통해 추출한 거의 모든 공개된 미국 시 및 카운티 조례를 포함하는 포괄적이고 기계 판독 가능한 코퍼스인 LOCUS를 소개하며, 이는 대규모의 지방 법률 연구 및 분석을 가능하게 하는 조화된 접근 계층과 특화된 AI 모델을 동반한다.

원저자: Denis Peskoff, Joe Barrow, Christopher Vu, Diag Davenport

게시일 2026-06-19

📖 4 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Denis Peskoff, Joe Barrow, Christopher Vu, Diag Davenport

원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

법률을 거대하고 다층적인 도서관이라고 상상해 보십시오. 수년 동안 법률 AI(법을 이해하는 컴퓨터 프로그램)는 "큰 책들", 즉 연방법, 주 법전, 그리고 판례와 같이 국가 전체나 주 전체에 적용되는 규칙들을 읽는 데 매우 능숙했습니다.

하지만 이 도서관에는 오랫동안 잠겨 있고 먼지가 쌓여 있던 지하 층이 있습니다. 바로 **지역 조례(local laws)**입니다. 이것들은 용도 지역 설정(어디에 집을 지을 것인가), 소음 수준, 사업자 면허, 동물 통제와 같이 여러분의 도시나 카운티가 만드는 규칙들입니다.

이 논문은 LOCUS(미국 지역 조례 코퍼스)를 소개합니다. 이는 본질적으로 이 지하 층을 개방하고, 책들을 깨끗이 정리하여 컴퓨터가 마침내 읽을 수 있는 디지털 선반 위에 올려놓는 거대한 프로젝트입니다.

다음은 그들이 한 일을 쉬운 비유를 사용하여 정리한 내용입니다.

1. 문제점: 카탈로그가 없는 도서관

LOCUS 이전의 지역 법률을 찾는 것은 모든 마을마다 자신만의 요리책을 가지고 있지만, 다음과 같은 상황의 도서관에서 특정 레시피를 찾는 것과 같았습니다:

책들이 서로 다른 언어(형식)로 되어 있었습니다.
어떤 것은 손으로 썼고, 어떤 것은 타이핑되었으며, 어떤 것은 그저 복사본의 복사본(스캔된 PDF)이었습니다.
어느 마을에 어떤 책이 있는지 알려주는 마스터 리스트가 없었습니다.
검색 엔진(사서)에게 "미국의 모든 주차 관련 규칙을 알려줘"라고 물을 수 없었습니다. 왜냐하면 책들이 컴퓨터가 스캔하기 용이한 형식이 아니라 인간이 둘러보기 위해 설계된 수천 개의 서로 다른 웹사이트에 흩어져 있었기 때문입니다.

2. 해결책: "LOCUS" 프로젝트

저자들은 이를 해결하기 위한 거대한 파이프라인을 구축했습니다. 이것은 초강력 눈과 두뇌를 가진 로봇 팀이라고 생각하면 됩니다:

수집가(The Collectors): 그들은 로봇을 보내 수천 개의 시와 카운티 웹사이트를 방문하여 법률 책들을 다운로드했습니다.
번역가(OCR): 많은 법률이 텍스트가 담긴 사진(스캔된 PDF) 형태였기 때문에, 그들은 특수한 AI(LightOnOCR라고 불림)를 사용하여 사진을 "읽고" 이를 디지털 텍스트로 변환했습니다. 마치 손편지를 워드 문서로 변환하는 것과 같습니다.
정리 전문가(The Organizers): 그들은 페이지 번호나 헤더를 제거하여 텍스트를 정리하고, 거대한 책들을 개별 "법률" 단위로 잘게 나누었습니다(마치 하나의 요리책에서 단일 레시피를 분리하는 것과 같습니다).
라벨러(The Labelers): 그들은 AI를 사용하여 모든 법률에 "이것은 건물에 관한 것이다", "이것은 사업에 관한 것이다", 또는 "이것은 소음에 관한 것이다"와 같은 라벨을 붙였습니다.

3. 결과: "카운티 조화형" 지도

최종 결과물은 9,239개의 도시와 카운티를 포괄합니다. 그러나 연구를 위해 유용하게 만들기 위해, 그들은 **"카운티 조화형 액세스 레이어(County-Harmonized Access Layer)"**라는 단순화된 버전을 만들었습니다.

비유: 미국 전역의 날씨를 연구하고 싶다고 가정해 봅시다. 여러분은 모든 거리 모퉁이마다 별도의 보고서를 필요로 하는 것이 아니라, 모든 카운티에 대해 하나의 신뢰할 수 있는 보고서를 필요로 합니다.

모든 미국 카운티에 대해, LOCUS는 사용 가능한 가장 "큰" 지역 법률 책(해당 카운티의 책 또는 해당 카운티 내에서 가장 큰 도시의 책)을 선택합니다.
이것이 모든 지역적 질문(예: "내 뒷마당에 헛간을 지을 수 있는가?")을 해결한다는 뜻은 아니지만, 연구자들이 전국적으로 지역 법률을 연구할 수 있는 견고하고 비교 가능한 토대를 제공합니다.

4. 법률에 "성격 점수" 부여하기

이 논문의 가장 멋진 부분 중 하나는 그들이 단순히 텍xt를 정리한 것이 아니라, 법률에 네 가지 특정 성격 특성에 따른 "점수"를 부여했다는 점입니다. 그들은 AI를 훈련시켜 법률을 읽고 그것이 느껴지는 정도를 척도로 예측하게 했습니다:

불투명성 (Opacity - 혼란스러운가 vs 명확한가): 이 법은 평이한 영어로 쓰여 있습니까, 아니면 혼란스러운 전문 용어의 미로입니까?
가부장성 (Paternalism - 당신을 보호하는가 vs 타인을 보호하는가): 이 법은 당신이 스스로를 해치는 것을 막으려는 것입니까(예: 아이들을 위한 통행금지), 아니면 당신이 타인에게 해를 끼치는 것을 막으려는 것입니까(예: 소음 조례)?
집행 재량권 (Enforcement Discretion - 엄격한가 vs 유연한가): 이 법은 경찰관에게 무엇을 할지 결정할 수 있는 많은 재량을 줍니까, 아니면 엄격한 "예/아니오" 규칙입니까?
문제 현저성 (Problem Salience - 긴급한가 vs 사소한가): 이 법은 해당 문제를 거대한 비상사태로 취급합니까, 아니면 사소한 불편함으로 취급합니까?

예시: "16세 미만은 성인 없이 축제에 갈 수 없다"라는 법은 가부장성 점수가 높고(아이들을 보호함), 불투명성 점수는 낮습니다(매우 명확함).

5. 이것이 중요한 이유

저자들은 지역 법률이 단순히 무작위적인 혼란이 아니라는 것을 발견했습니다. 그것들은 숨겨진 구조를 가지고 있습니다.

**도시(Cities)**는 주로 "공해/방해(nuisance)"(소음, 반려동물, 공공 질서)에 집중하는 경향이 있습니다.
**카운티(Counties)**는 주로 "용도 지역(zoning)"(토지 이용, 건축 허가)에 집중하는 경향이 있습니다.
지역마다 법률의 "풍미(flavor)"가 다릅니다(예: 플로리다 법은 매우 혼란스럽거나 불투명한 경향이 있는 반면, 다른 주들은 더 명확합니다).

핵심 요약

이 논문은 지역 법률을 먼지 쌓이고 파편화된 형식에서 "해방"시켜 깨끗하고 검색 가능한 데이터셋으로 전환함으로써, 차세대 법률 AI를 위한 인프라를 구축했다고 주장합니다.

그들은 AI가 이제 판사 역할을 하거나 법률 자문을 제공할 수 있다고 주장하는 것이 아닙니다. 대신 이렇게 말하고 있습니다: "우리는 마침 finally 지도와 도서관을 만들었습니다. 이제 연구자들은 지역 법률이 어떻게 작동하는지, 지역 간에 어떻게 다른지, 그리고 그것이 사람들의 일상생활에 어떤 영향을 미치는지에 대한 거대한 질문들을 던질 수 있습니다."

기술 요약: LOCUS를 통한 법률의 해방

문제 정의
법률 AI의 발전은 주로 연방법, 판례, 계약서에 집중되어 왔으며, 이로 인해 미국 법의 핵심적인 층위인 지방 조례(local ordinances)는 기계 판독 가능한 코퍼스(corpus)에서 크게 누락되어 있다. 지방 조례는 용도 지역제(zoning), 주거, 사업 면허, 공중 보건, 동물 통제와 같은 필수적인 일상 영역을 규율하지만, 상업적 벤더 플랫폼들은 대규모 연구보다는 인간의 탐색을 위해 설계되어 있어 파편화된 상태로 남아 있다. 이러한 플랫폼들은 중앙 등록 체계가 부족하고, 내비게이션 구조가 일관되지 않으며, 콘텐츠를 동적으로 생성되는 PDF나 스캔된 문서 형태로 제공하는 경우가 많다. 결과적으로, 지방법에 대한 체계적인 국가 규모의 접근이 불가능해졌으며, 이는 정보 검색, 비교 정책 분석, 그리고 중첩된 관할권(주, 카운티, 시)을 탐색해야 하는 법적 추론 벤치마크 개발을 저해하고 있다.

방법론
저자들은 LOCUS(Local Ordinance Corpus for the United States)라는 포괄적인 코퍼스와 카운티 단위로 조화된 접근 계층을 소개한다. 구축 파이프라인은 네 가지 주요 단계로 구성된다:

데이터 수집: 팀은 9,239개 시 및 카운티로부터 약 700만 페이지, 9,000개 이상의 PDF에 달하는 원시 데이터를 수집했다. 이들은 브라우저 자동화와 벤더별 로직을 사용하여 코드를 추출했으며, 이 과정에서 서버 측 PDF 조립 제한, 파일명 충돌, 안티 봇(anti-bot) 조치, 다수 카운티 통합 도시 등의 문제를 해결했다.
OCR 및 전처리: 다양한 문서 레이아웃(스캔본, 디지털 생성본, 단일/이중 열)을 처리하기 위해, 파이프라인은 Qwen-3 기반의 10억 파라미터 비전-언어 모델인 LightOnOCR-2-1B를 활용한다. 이 모델은 페이지 이미지를 마크다운(Markdown)으로 변환한다. 이후 후처리 과정에서는 아티팩트(헤더, 푸터)를 제거하고, 페이지 경계를 넘나드는 콘텐츠를 병합하며, 섹션 헤더를 기준으로 텍스트를 개별 법령으로 분절한다.
주석 및 분류:
- 실질성 필터링(Substantivity Filtering): GPT-5.4-nano를 이용한 제로샷(zero-shot) 접근 방식을 통해 구조적 콘텐츠(예: 목차)를 식별 및 제거하여 실질적인 법령만을 남긴다.
- 분류: 세 가지 분류기(ModernBERT-base로 학습됨)를 통해 법령을 기능(규칙, 집행, 구조, 맥락, 절차), 주제(건축, 비즈니스, 용도 지역, 유해 요소, 기타), 실질성에 따라 분류한다.
차원 점수 산정(Dimensional Scoring): 단순 분류를 넘어 법적 특성을 분석하기 위해, 저자들은 조례를 네 가지 연속적 차원인 집행 재량권(Enforcement Discretion), 불투명성(Opacity), 가부장성(Paternalism), **문제 현저성(Problem Salience)**에 대해 점수를 매기는 회귀 모델을 학습시켰다. 이 점수들은 "LLM-as-a-Judge" 쌍체 비교 방식(GPT-5.4-nano를 이용한 200,000회의 비교)을 통해 생성되었으며, TrueSkill 베이지안 레이팅 시스템을 사용하여 보정되었다. 생성된 점수는 최종 ModernBERT 회귀 모델을 학습시키기 위해 z-점수로 정규화되었다.
조화 전략(Harmonization Strategy): 사용 가능한 접근 계층을 만들기 위해, LOCUS는 투명한 단순화 방식을 채택한다. 각 3,144개 미국 카운티에 대해, 문서 길이를 기준으로 가장 실질적인 로컬 코드(카운티 조례 또는 가장 큰 시의 코드) 하나를 선택한다. 이를 통해 미국 인구의 대다수를 대표하는 2,309개 카운티를 커버한다.

주요 기여

LOCUS-v1 코퍼스: 9,239개 관할 구역의 거의 모든 공개된 시 및 카운티 코드를 바탕으로 추출된 2,211,516개의 텍스트 청크(chunk)를 포함하는 데이터셋을 공개한다.
카운티 조화 접근 계층: 국가 규모의 검색과 비교를 가능하게 하는, 미국의 가장 큰 2,309개 카운티를 포괄하는 재현 가능한 지리적 기질(substrate)을 제공한다.
구조화된 메타데이터: 모든 세그먼트에 대한 기능 및 주제 라벨뿐만 아니라, 불투명성, 가부장성, 집행 재량권, 문제 현저성에 대한 연속적 점수를 포함한다.
모델 제품군: 다운스트림 분석을 촉진하기 위해 데이터셋과 함께 공개되는 ModernBERT 기반의 분류기 및 점수 산정 모델 모음이다.
처리 파이프라인: OCR과 LLM 기반 주석을 사용하여 파편화되고 기계 판독이 불가능한 지방법을 구조화된 마크다운으로 변환하는 개방형 방법론을 제시한다.

결과 및 분석

커버리지: 원시 코퍼스는 9,239개 시 및 카운티에 걸쳐 있다. 조화된 계층은 2,309개 카운티를 커버하며, 이는 미국 인구의 대다수를 차지한다.
콘텐츠 분포: 코퍼스의 대부분은 실질적인 법령(규칙 및 집행)으로 구성되어 있으며, 주로 건축, 사업 면허, 용도 지역 및 유해 요소 규제를 다룬다.
모델 성능: 학습된 BERT 기반 점수 산정 모델은 TrueSkill 정답(ground truth)과 높은 상관관관계를 보였으며, 네 가지 차원에 걸쳐 0.82에서 0.94 사이의 피어슨 상관계수를 기록했다.
경험적 발견:
- 불투명성 vs. 가부장성: 이 두 차원은 약한 상관관계( $r=0.11$ )만을 보여, 서로 별개의 법적 특성을 포착하고 있음을 나타낸다.
- 관할권 차이: 카운티 코드는 용도 지역 관련 자료를 훨씬 더 많이 포함하는 반면, 시 코드는 유해 요소 및 공공 질서 규제를 더 많이 포함한다.
- 지역적 변이: 플로리다 법은 다른 주들에 비해 유의미하게 더 불투명한 것으로 나타났다. 북동부 지역의 경우, 카운티는 전국 평균에 비해 용도 지역 비중이 낮고 집행 중심적인 경향을 보이는데, 이는 서로 다른 제도적 역사를 반영한다.
- 구조적 패턴: 지방 코드는 반복적인 문서 구조(예: 일반 규정 뒤에 비즈니스 규제, 그 다음 용도 지역이 오는 형태)를 보이며, 이는 코드 내의 위치가 의미론적 무게를 갖는다는 것을 시사한다.

의의 및 주장
본 논문은 LOCUS를 법적 권한에 대한 최종적인 이론이 아니라, 법적 검색, 규제 추출 및 비교 정책 분석을 위한 인프라로 정의한다. 저자들은 "법을 해방하는 것"이 단순히 접근성의 문제가 아니라 **표현(representation)**의 문제라고 주장한다. 지방법을 국가적 규모에서 관찰 가능하게 함으로써, LOCUS는 파편화된 공적 권한의 집합을 계산적 분석이 가능한 구조화된 객체로 변모시킨다.

저자들은 조화된 계층이 관할권의 복잡성을 단순화하긴 하지만, 중첩된 권한(주 vs. 지방, 시 vs. 카운티)에 대해 추론하는 능력을 테스트하기 위한 미래의 벤치마크를 위한 필수적인 기질을 제공한다고 강조한다. 이 데이터셋은 이전에는 불가능했던 규모로 법적 차원(불투명성 및 가부장성과 같은)을 연구할 수 있게 한다. 이는 법률 AI를 단순한 텍스트 검색에서 벗어나, 미국 법의 층위 구조를 탐색하는 데 필요한 추론 단계로 격상시킨다. 결론적으로, 본 논문은 지방법의 구조적, 기능적 변이를 인식하는 것이 신뢰할 수 있는 법률 AI 시스템을 구축하는 데 필수적임을 밝히고 있다.