類似性に基づく法律AI
角田 篤泰（かくた とくやす）／中央大学国際情報学部教授
専門分野 人工知能・法情報学
1. はじめに
法律分野にAIを導入しようとする研究は1970年代には始まっていた。実験的な研究や理論的な研究が長く続いたが、近年ではLegalTechやRegTechなどとして、実際に法律関連業務での導入が始まっている。このような分野を「法律AI」と呼ぶことがあるので、筆者もそれに従う。筆者は80年代より、この分野での研究活動を続けてきたが、本稿では特に法律分野における「類似性」という観点から筆者の法律AI研究を紹介させて頂く。なお、法律AIについて類似性の観点から言及した論説は古い拙著文献になるが、2002年にも人工知能学会誌にて報告している[1]。
2. 司法と類似性
司法の分野では、英米のような判例法ベースの国々と独仏や日本のような制定法（成文法）ベースの国々では、裁判における判決を下す際の考え方が異なる。ここでは、まず、英米の判例法の考え方を述べておく。判例法の考え方の基本は、類似の事件には同じ判決を下す、というものである。もちろん、成文化された法令も適用するが、裁判官の法的推論の過程で類似の先例となる判決が、現判決への根拠となる。法思想史の専門家から、このような類似の事件への判決を重ねる中で、真の法とは何かを帰納的に発見していくことが、英国の法廷なのだと伺ったことがある。いわゆるイギリス経験主義的な発想がその根底にあるとのことであった。
このような判例法の発想で法的推論を行うとき、先例と現裁判の事例間における類似性は何か、という点が決め手となってくる。物事が「似ている」というのは、共通点があることであり、同じ性質を持っているということである。すると、どの性質に着目するかによって、共通のこともあれば、異なることもあるので、結局は、着目する性質が、当該事件の法的に本質的な性質かどうかが、重要ということになる。そこには様々な価値観や解釈、そして、文脈や文脈の切り取り方など、簡単には決められないことが多い。それでも、判断材料としては、そのような性質が可視化されて列挙されていれば、便利であるし、機械的なシミュレーションもある程度可能になる。法律AI分野の先駆的研究である、K・アシュレイによるHYPOという法的論争システムは[2]、まさに判例データとして、そのような本質的性質を分析して列挙し、内部データとして蓄積して、それらを基に事件と判例との類似性を判定し、対立する論証との強弱を判定していた。
近年のAIの主流であるニューラルネットワークによる学習を含む機械学習も、結局のところ多くの学習データから類似性を抽出して、一定の結論に導くものであるので、帰納的な推論と言える。そこで判例法の考え方との親和性も高い。ただし、これらのAIによる学習では、説明性が低いことが問題視されている。とくに法律分野では説明や証明が要になるので、最近の法律AI分野では、Neuro-Symbolicなアプローチと言って、第二次AIブームの時代に主流であった記号処理(Symbolicな情報処理)や知識に基づく推論方式が説明や証明に強かったことから、それらと現在のAIを組み合わせる方式の研究も見られるようになった。
なお、実際には、日本のような制定法国家でも、判例を参照することはしばしば行われる。最終的に法令などのルールに帰着させる形式をとるので、判例自体がいきなり、法として適用されるわけではないが、間接的には効力があると言えるだろう。さらに、制定法の国家の場合では、先例との類似性に依らず、法令を適用しているように見えるが、その法令とは、そもそも上記のような法的に重要な共通点を言語化して要件としたものとも言えるので、実は、類似性に着目していると考えることも可能である。
3. 立法と類似性
立法分野には、政治活動のようなものや国家の理念の考察のような様々な取り組みや学問分野が存在するが、本稿ではその中でも、まさに法令や条例などの法律条文を記述する側面について焦点を当てたい。
実際に自治体や中央省庁の職員の方々の意見を伺うと、中央省庁でも、自治体でも、法令や条例を作成する場合には、先例にならいたい（独自なことはなるべく避けたい）、という要望が強かった。また、少なくとも自治体法務では、ベンチマーキングなどの手法も浸透している。ベンチマーキングとは、他の自治体の条例をいくつか参照して、比較表（ベンチマーク表）を作り、それを自らの自治体の条例作成に生かす取り組みである。自治体法務を専門とする研究者も推奨している方式である[3]。したがって、立法分野でも、現場の条文を書き下す作業を実施する者にとっては、同じような政策目標があれば、同じような文言で同じような文章構成の条文を作りたくなるため、類似性が重視されている側面が浮かび上がってくる。
4. 類似性に着目した法律AIとして
筆者の研究のうち、前述の類似性に着目したAIについて司法と立法の各分野での研究事例を簡単に紹介する。
(1) 法的類推シミュレーション（司法）
民事事件の裁判では、法律の条文を類推適用することが行われる。ここでは、現実の民法の条文の場合は難しくなるので、たとえば、簡単なルール「この公園には乗り物での入園を禁止する。」というものがあった場合を考えてみよう。乗り物と言えば、通常は、自動車や電車などを想像するだろう。また、オートバイや自転車が乗り物だと言っても多くの人にとって違和感は少ないだろう。しかし、乳母車やスケートボードとなるとどうなるだろうか？このような時には、制度趣旨として、乗り物の入園禁止が公園内で与える危険性を避けるものであったとすれば、乳幼児を載せた乳母車なら問題ないと思われても、スケートボードは危険と考える人もいるだろう。このように、法的類推では、類似性の観点を制度趣旨などで支持されているものであるかを勘案して、その類似性に従って、類推をしているケースが多い。そこで、その法的類推の様子を数理論理学的に形式化して、法的類推を行うAIを実現した研究成果を筆者は報告している[4]。
(2) eLen条例テンプレート自動合成（立法）
eLen条例データベースは、筆者が2012年に研究成果として発表し、現在、鹿児島大学で運営が続いている日本全国の自治体の条例と規則を格納したウェブ公開されているデータベースシステムである(https://elen.ls.kagoshima-u.ac.jp/)。全国自治体1790団体の約98%をカバーしており、年に3～4回の更新がある。このシステムは条例データを検索できるような通常のデータベース機能に加え、自治体職員が条例を作成する際に参照するという、前述のベンチマーク表を自動作成する機能も備えている。さらに、2022年より、条例執筆のための原案となる条例テンプレートを類似する条例のグループ(クラスタ)から自動合成して提示してくれる機能も備えるようになり、誰でも利用可能である[5]。これも立法作業における類似性に着目した研究の成果と言える。2025年には法律AIの国際会議であるICAILのデモ・プレゼンテーションの研究としても採択されて報告を行った[6]。
5. まとめ
本稿では、法律分野にAIを導入する際に類似性を手掛かりにした俯瞰が可能であり、実際にその視点を基にした筆者による法律AI研究の事例を簡単に紹介した。このような分野にも興味を持って頂く人が増えることを望んでいる。
[1] 角田篤泰, 原口誠 「法的推論と類似性 － 対話と議論の観点から」 人工知能学会誌, 第17巻, 第1号, pp.14-21, 2002年.
[2] Ashley, Kevin. "Modelling Legal Argument: reasoning with cases and hypotheticals". The MIT Press, 1990.
[3] 田中孝男 『条例づくりへの挑戦: ベンチマーキング手法を活用して』 信山社, 2002年.
[4] Kakuta, Tokuyasu and Haraguchi, Makoto. "A Demonstration of a Legal Reasoning System Based on Teleological Analogies". Proceedings of 7th ICAIL, pp.196-205, 1999.
[5] 角田篤泰, 島亜紀, 齋藤大地, 大谷忠 「全国自治体例規データベースeLenの構築と定量的例規調査」 情報ネットワーク・ローレビュー, 第13巻, 第1号, pp.14-33, 2014年.
[6] Kakuta, Tokuyasu, et al. "Ordinance Template Composition System -Supporting legislative drafting in the eLen database system". Proceedings of 20th ICAIL, pp.471-472, 2025.
角田 篤泰（かくた とくやす）／中央大学国際情報学部教授
専門分野 人工知能・法情報学1988年明治学院大学法学部卒業後、1992年まで(株)富士通SSLにてAI関連の開発に従事、1992年東京工業大学総合理工学研究科システム科学専攻前期・後期博士課程、1997年修了、同大学院より修士(理学)・博士(工学)、1997年北海道大学法学部・研究助手、1998年北海道大学大学院法学研究科・専任講師、2002年名古屋大学大学院法学研究科・助教授、2012年同特任准教授、2014年同特任教授、2016年中央大学研究開発機構・機構教授を経て2019年より現職。
- 記事を共有する
