Split Up (sistema experto)

Dado que la determinación de los bienes matrimoniales se basa en reglas, se implementa mediante grafos dirigidos . ^{[ 4 ] : 269}

Sin embargo, el porcentaje de reparto entre las partes es discrecional, ya que el juez tiene amplia discreción para considerar las contribuciones de cada parte al matrimonio, de conformidad con el artículo 79(4) de la Ley de Derecho de Familia de 1975. En términos generales, las contribuciones pueden ser financieras o no financieras. La parte que demuestre una mayor contribución a la relación matrimonial recibirá una mayor proporción de los bienes. El tribunal también puede considerar los recursos financieros y las necesidades futuras de cada parte, de conformidad con el artículo 75(2) de la Ley de Derecho de Familia de 1975. Estas necesidades pueden incluir factores como la imposibilidad de obtener un empleo, el cuidado continuo de un hijo menor de 18 años o los gastos médicos.

Esto significa que distintos jueces pueden llegar a conclusiones diferentes basándose en los mismos hechos, ya que cada juez asigna ponderaciones diferentes a cada factor. Split_up determina el porcentaje de reparto mediante una combinación de razonamiento basado en reglas y redes neuronales .

Para determinar cómo ponderan los jueces los diferentes factores, se utilizaron 103 sentencias escritas de casos comunes para establecer una base de datos que comprende 94 factores relevantes para la determinación del porcentaje de reparto. ^{[ 4 ] : 273}

Los factores relevantes para la determinación de un porcentaje de reparto son:

• Contribuciones pasadas de un marido en relación con las de una esposa.
• Las necesidades futuras del marido en relación con las de la esposa.
• La riqueza del matrimonio

Los factores relevantes para la determinación de contribuciones pasadas son:

• Las contribuciones relativas directas e indirectas de ambas partes
• La duración del matrimonio
• Las contribuciones relativas de ambas partes al rol de ama de casa

La jerarquía proporciona una estructura que se utiliza para descomponer la tarea de predecir un resultado en 35 subtareas. Los resultados de las tareas inferiores en la jerarquía se utilizan como entradas para las subtareas superiores. Cada subtarea se trata como un ejercicio de minería de datos independiente y más pequeño. Veintiún arcos sólidos representan inferencias realizadas mediante conjuntos de reglas. Por ejemplo, el nivel de riqueza de un matrimonio se determina mediante una regla que utiliza el valor del fondo común.

Por el contrario, los catorce arcos punteados establecen inferencias realizadas mediante redes neuronales . Estas reciben su nombre por su parecido con el sistema nervioso del cerebro . Consisten en numerosos elementos de procesamiento autoajustables que cooperan en una red densamente interconectada. Cada elemento de procesamiento genera una única salida que se transmite al siguiente. La señal de salida de un elemento de procesamiento depende de su entrada; es decir, cada entrada está modulada por un factor de ponderación que determina la influencia que tendrá sobre la salida. La intensidad de los factores de ponderación se ajusta de forma autónoma por el elemento de procesamiento a medida que se procesan los datos. ^{[ 2 ] : 196}

En Split_Up, la red neuronal es una técnica estadística para aprender los pesos de cada uno de los atributos relevantes utilizados en la determinación del porcentaje de división de los bienes matrimoniales.

Por lo tanto, las entradas a la red neuronal son las contribuciones, las necesidades futuras y la riqueza, y la salida es el porcentaje de reparto previsto.

En cada arco hay un peso estadístico. Mediante retropropagación, la red neuronal aprende el patrón necesario para reconocer la predicción. Se entrena exponiéndola repetidamente a ejemplos del problema y aprendiendo la importancia (pesos) de los nodos de entrada . ^{[ 2 ] : 196}

Se dice que la red neuronal utilizada por Split_up generaliza bien si la salida de la red es correcta (o casi correcta) para ejemplos no vistos durante el entrenamiento, lo que la clasifica como un sistema inteligente . ^{[ 4 ] : 274}

Dado que la forma en que se aprenden estos pesos es principalmente estadística, el conocimiento del dominio de las reglas y principios legales no se modela directamente. Sin embargo, las explicaciones de una conclusión legal en un dominio tan discrecional como la determinación de la distribución de bienes tras un divorcio son al menos tan importantes como la conclusión alcanzada. Por lo tanto, los creadores de Split_Up utilizaron estructuras de argumentos de Toulmin para proporcionar explicaciones independientes de las conclusiones alcanzadas. ^{[ 3 ] : 189}

Estos sistemas se basan en la premisa de que cada argumento formula una afirmación fundamentada en ciertos datos. La afirmación constituye su presunción. Dado que conocer los datos y la presunción no implica necesariamente que esta última se derive de los datos, se requiere un mecanismo para justificar la presunción a la luz de los datos. Esta justificación se conoce como garantía. El respaldo de un argumento avala la validez de dicha garantía. En el ámbito jurídico, esto suele consistir en una referencia a una ley o un precedente.

Aquí, una red neuronal (o reglas) produce una conclusión a partir de los datos de un argumento, y los datos, la justificación y el respaldo se reproducen para generar una explicación.

Cabe destacar, sin embargo, que la justificación de un argumento se reproduce como explicación independientemente de los valores de las alegaciones utilizadas. Esta falta de sensibilidad a las alegaciones debe ser superada por los distintos usuarios, es decir, el juez, los representantes de la esposa y los representantes del esposo, a quienes se les anima a utilizar el sistema para preparar sus casos, pero no a depender exclusivamente de su resultado.