Transparência sobre o emprego de Inteligência Artificial no Judiciário: um modelo de governança

Autores

DOI:

https://doi.org/10.53798/suprema.2023.v3.n2.a231

Palavras-chave:

Inteligência Artificial, Transparência, Governança, Regulação

Resumo

O presente artigo propõe, com base em revisão bibliográfica de matriz de transparência apresentado por Kaminski5, um modelo de governança da transparência no Judiciário brasileiro sobre sistemas de Inteligência Artificial (como sistemas sociotécnicos), a partir da segmentação do objeto da transparência em: transparência sobre: o uso, a operação e os benefícios e riscos do sistema de Inteligência Artificial (IA). O modelo especifica quais seriam as questões-chave e indicações para definir o conteúdo informativo relevante e adequado para diferentes contextos e interlocutores, tanto participantes internos (servidores e magistrados, servidores de Tecnologia da Informação (TI), etc.) quanto destinatários externos (cidadãos, advogados, etc.). A matriz apresentada, além de possibilitar controle público democrático dos projetos de IA, serve de base para estudos empíricos sobre a transparência dos Tribunais em relação às ferramentas empregadas. Os Tribunais também poderão, a partir do modelo criado neste artigo, desenvolver políticas de governança de transparência internos e aplicáveis aos sistemas de IA que utiliza.

Downloads

Não há dados estatísticos.

Biografia do Autor

Juliano Souza de Albuquerque Maranhão, Universidade de São Paulo (São Paulo, SP, Brasil)

Professor Associado da Faculdade de Direito da USP, Diretor da Associação Lawgorithm de Pesquisa em Inteligência Artificial, Pesquisador Associado do Centro de Inteligência Artificial USP-IBM e da Fundação Alexander von Humboldt – Alemanha, Diretor da International Association on Artificial Intelligence and Law.

Tainá Aguiar Junquilho, Instituto de Direito Público (Brasília, DF, Brasil)

Doutora em Direito com ênfase em Inteligência Artificial pela Universidade de Brasília. Advogada, CEO da Sentelia e Pesquisadora. Professora de Direito, Inovação e Tecnologia no mestrado do IDP. Foi bolsista da FINATEC no Projeto de Pesquisa & Desenvolvimento de aprendizado de máquina (machine learning) sobre dados judiciais das repercussões gerais do Supremo Tribunal Federal – STF (Projeto Victor). Vice Líder do Grupo de Pesquisa Observatório de Políticas Públicas (GEOPP) UnB. Foi professora substituta de Direito empresarial na Universidade de Brasília de 2019 a 2021. Mestra em Direito pela Universidade Federal do Espírito Santo (UFES).

Fernando Antônio Tasso, Universidade Nove de Julho (São Paulo, SP, Brasil)

Doutor em Direito Empresarial pela Universidade Nove de Julho. MBA em Gestão e Governança de Tecnologia da Informação pela Faculdade de Informática e Administração Paulista. Membro da Comissão de Proteção de Dados da Corregedoria Nacional de Justiça. Membro do Comitê Consultivo de Dados e Proteção de Dados Pessoais do Conselho Nacional de Justiça. Membro do Grupo de Trabalho sobre inteligência artificial no Poder Judiciário. Coordenador de Direito Digital da Escola Paulista da Magistratura. Juiz de Direito no Tribunal de Justiça de São Paulo.

Referências

ANDERSON, Chris. The end of theory: the data deluge makes the scientific method obsolete. Wired, 23 June 2000. Disponível em: https://www.wired.com/2008/06/pb-theory/. Acesso em: 3 out. 2023.

ARRIETA, Alejandro Barredo et al. Explainable artificial intelligence (XAI): concepts, taxonomies, opportunities and challenges toward responsible AI. Information Fusion, v. 58, p. 82-115, June 2020. Disponível em: https://arxiv.org/pdf/1910.10045. Acesso em: 3 out. 2023.

BARFIELD, Woodrow (ed.). The Cambridge handbook of the law of algorithms. Cambridge: Cambridge University Press, 2021.

BURRELL, Jenna. How the machine thinks: understanding opacity in machine learning algorithms. Big Data & Society, v. 3, n. 1, Jan. 2016. Disponível em: https://doi.org/10.1177/2053951715622512. Acesso em: 3 out. 2023.

BUSUIOC, Madalina. Accountable artificial intelligence: holding algorithms to account. Public Administration Review, v. 81, n. 5, p. 825-836, Sept./Oct. 2021. Disponível em: https://onlinelibrary.wiley.com/doi/epdf/10.1111/puar.13293. Acesso em: 3 out. 2023.

COECKELBERGH, Mark. AI ethics. Cambridge, MA: MIT Press, 2020.

DIAKOPOULOS, Nicholas. Transparency. In: DUBBER, Markus D.; PASQUALE, Frank; DAS, Sunit (ed.). The Oxford handbook of ethics of AI. New York: Oxford University Press, 2020. p. 197-213.

DIGNUM, Virginia. Ethics in artificial intelligence: introduction to the special issue. Ethics and Information Technology, v. 20, n. 1, p. 1-3, 2018. Disponível em: https://link.springer.com/article/10.1007/s10676-018-9450-z. Acesso em: 3 out. 2023.

DIGNUM, Virginia. Responsible artificial intelligence: how to develop and use AI in a responsible way. Cham, Switzerland: Springer Nature, 2019. (Artificial intelligence: foundations, theory, and algorithms).

ENGSTROM, David Freeman; HO, Daniel E. Artificially intelligent government: a review and agenda. In: VOGL, Roland (ed.). Research handbook on big data law. Cheltenham, UK: Edward Elgar, 2021. p. 57-86. Disponível em: https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3551549. Acesso em: 3 out. 2023.

FLORIDI, Luciano. The end of an era: from self-regulation to hard law in the digital industry. Philosophy & Technology, v. 34, n.4, p. 619-622, Dec. 2021. Disponível em: https://link.springer.com/article/10.1007/s13347-021-00493-0. Acesso em: 5 out. 2023.

FLORIDI, Luciano et al. AI4people – an ethical framework for a good AI society: opportunities, risks, principles, and recommendations. Minds and Machines, v. 28, n. 4, p. 689-707, Nov. 2018. Disponível em: https://link.springer.com/article/10.1007/s11023-018-9482-5. Acesso em: 3 out. 2023.

FLORIDI, Luciano et al. capAI: a procedure for conducting conformity assessment of AI systems in line with the EU Artificial Intelligence Act. Oxford, UK: Saïd Business School, University of Oxford, 2022. Disponível em: https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4064091. Acesso em: 4 out. 2023.

GAETANI, Francisco; ALMEIDA, Virgilio. Inteligência artificial e democracia. Valor Econômico, São Paulo, 22 jul. 2021. Disponível em: https://valor.globo.com/opiniao/coluna/inteligencia-artificial-e-democracia.ghtml. Acesso em: 23 fev. 2023.

JOBIN, Anna; IENCA, Marcello; VAYENA, Effy. The global landscape of AI ethics guidelines. Nature Machine Intelligence, v. 1, p. 389-399, 2019. Disponível em: https://www.nature.com/articles/s42256-019-0088-2. Acesso em: 3 out. 2023.

JUNQUILHO, Tainá Aguiar. Inteligência artificial no direito: limites éticos. São Paulo: Juspodivm, 2022.

JUNQUILHO, Tainá Aguiar; SUGAI, Kin Modesto; VALENTE, Ana Cláudia de Souza. A inteligência artificial no TJDFT: estratégias de publicidade e princípio da transparência. In: FARRANHA, Ana Cláudia. Direito ao acesso à informação: perspectivas no âmbito da tecnologia e governança digital. Campinas: Pontes, 2022. p. 163-178.

KAMINSKI, Margot E. Understanding transparency in algorithmic accountability. In: BARFIEL, Woodrow (ed.). Forthcoming in Cambridge handbook of the law of algorithms. Cambridge, UK: Cambridge University Press, 2021. p. 121-140. Disponível em: https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3622657. Acesso em: 3 out. 2023.

LEHR, David; OHM, Paul. Playing with the data: what legal scholars should learn about machine learning. UC Davis Law Review, v. 51, n. 2, p. 653-717, Dec. 2017. Disponível em: https://lawreview.law.ucdavis.edu/issues/51/2/Symposium/51-2_Lehr_Ohm.pdf. Acesso em: 3 out. 2023.

MARANHÃO, Juliano Souza de Albuquerque; COZMAN, Fabio Gagliardi; ALMADA, Marco. Concepções de explicação e do direito à explicação de decisões automatizadas. In: VAINZOF, Rony; GUTIERREZ, Andriei Guerrero (coord.). Inteligência artificial: sociedade, economia e Estado. São Paulo: Revista dos Tribunais, 2021. p. 137-154.

MITTELSTADT, Brent. Principles alone cannot guarantee ethical AI. Nature Machine Intelligence, v. 1, 501-507, Nov. 2019. Disponível em: https://www.nature.com/articles/s42256-019-0114-4. Acesso em: 5 out. 2023.

PINHANHEZ, Claudio S. Expose uncertainty, instill distrust, avoid explanations: towards ethical guidelines for AI. In: NEURIPS 2021 WORKSHOP ON HUMANCENTERED AI, 2021, online. [Proceedings…]. Disponível em: https://arxiv.org/abs/2112.01281. Acesso em: 16 abr. 2023.

SALOMÃO, Luis Felipe (coord.). Inteligência artificial: tecnologia aplicada à gestão dos conflitos no âmbito do Poder Judiciário brasileiro. 2. ed. Rio de Janeiro: FGV Conhecimento Centro de Inovação, Administração e Pesquisa do Judiciário, 2022. Disponível em: https://ciapj.fgv.br/sites/ciapj.fgv.br/files/relatorio_ia_2fase.pdf. Acesso em: 2 fev. 2023.

WISCHMEYER, Thomas. Artificial intelligence and transparency: opening the black box. In: WISCHMEYER, Thomas; RADEMACHER, Timo (ed.). Regulating artificial intelligence. Cham, Switzerland: Springer Nature, 2020. p. 75-101.

WISCHMEYER, Thomas; RADEMACHER, Timo (ed.). Regulating artificial intelligence. Cham, Switzerland: Springer Nature, 2020.

ZHONG, Jinfeng; NEGRE, Elsa. AI: to interpret or to explain? In: CONGRÈS INFORSID 2021: INFormatique des Organisations et Systèmes d’Information et de Décision, 39., 2021, Dijon, France. [Actes…]. Disponível em: https://hal.science/hal-03529203/document. Acesso em: 3 out. 2023.

BRASIL. Congresso Nacional. Senado Federal. Projeto de Lei n° 21, de 2020:Relatório final da Comissão de Juristas responsável por subsidiar a elaboração de substitutivo sobre inteligência artificial. Diário do Senado Federal, ano 77, n. 204, suplemento n. B, p. 3-915, 9 dez. 2022. Disponível em: https://legis.senado.leg.br/diarios/BuscaDiario?tipDiario=1&datDiario=09/12/2022&paginaDireta=3&indSuplemento=Sim&codSuplemento=B&desVolumeSuplemento=&desTomoSuplemento=&_gl=1*hulqbi*_ga*MjgwNzg1MDUzLjE2MjQ0ODA3Nzk.*_ga_CW3ZH25XMK*MTY5NjUzMDI1MS4yNS4xLjE2OTY1MzA3MDcuMC4wLjA. Acesso em: 2 abr. 2023.

BRASIL. Conselho Nacional de Justiça. Portaria nº 271, de 04/12/2020. Regulamenta o uso de Inteligência Artificial no âmbito do Poder Judiciário. DJe/CNJ, n. 393, p. 2-4, 14 dez. 2020. Disponível em: https://atos.cnj.jus.br/atos/detalhar/3613. Acesso em: 7 mar. 2023.

INSTITUTE OF ELECTRICAL AND ELECTRONICS ENGINEERS. IEEE 7000-2021: IEEE model process for addressing ethical concerns during system design. New York: IEEE, 2021. Disponível em: https://standards.ieee.org/ieee/24748-7000/11098/7000/6781/. Acesso em: 4 out. 2023.

INSTITUTE OF ELECTRICAL AND ELECTRONICS ENGINEERS. IEEE 7001-2021: IEEE standard for transparency of autonomous systems. New York: IEEE, 2021. Disponível em: https://standards.ieee.org/ieee/7001/6929/. Acesso em: 4 out. 2023.

INSTITUTE OF ELECTRICAL AND ELECTRONICS ENGINEERS. IEEE P2863: recommended practice for organizational governance of artificial intelligence. New York: IEEE, 2020. Disponível em: https://standards.ieee.org/ieee/2863/10142/. Acesso em: 4 out. 2023.

INSTITUTE OF ELECTRICAL AND ELECTRONICS ENGINEERS. IEEE P2894: IEEE draft guide for an architectural framework for explainable artificial intelligence. New York: IEEE, 2023. Disponível em: https://standards.ieee.org/ieee/2894/11296/. Acesso em: 4 out. 2023.

INSTITUTE OF ELECTRICAL AND ELECTRONICS ENGINEERS. IEEE P7003: algorithmic bias considerations. New York: IEEE, 2023. Disponível em: https://standards.ieee.org/ieee/7003/11357/. Acesso em: 4 out. 2023.

INTERNATIONAL ORGANIZATION FOR STANDARDIZATION. ISO/IEC TR 24027:2021: information technology – artificial intelligence (AI) – bias in AI systems and AI aided decision making. Geneva, Switzerland: ISO, 2021. Disponível em: https://www.iso.org/standard/77607.html. Acesso em: 4 out. 2023.

INTERNATIONAL ORGANIZATION FOR STANDARDIZATION. ISO/IEC 38507:2022: information technology – governance of IT – governance implications of the use of artificial intelligence by organizations. Disponível em: https://www.iso.org/standard/56641.html. Acesso em: 4 out. 2023.

UNIÃO EUROPEIA. Comissão Europeia. The Artificial Intelligence Act. Bruxelas: EU, 2021. Disponível em: https://artificialintelligenceact.eu/. Acesso em: 2 abr. 2023

Downloads

Publicado

2023-12-13

Como Citar

MARANHÃO, J. S. de A.; JUNQUILHO, T. A.; TASSO, F. A. Transparência sobre o emprego de Inteligência Artificial no Judiciário: um modelo de governança. Suprema - Revista de Estudos Constitucionais, Distrito Federal, Brasil, v. 3, n. 2, p. 145–187, 2023. DOI: 10.53798/suprema.2023.v3.n2.a231. Disponível em: https://suprema.stf.jus.br/index.php/suprema/article/view/231. Acesso em: 3 mar. 2024.