Consequências e perspectivas da aplicação de inteligência artificial a casos penais

Gustavo Mascarenhas Lacerda Pedrina

doi:10.22197/rbdpp.v5i3.265

Autores/as

Gustavo Mascarenhas Lacerda Pedrina Universidade de São Paulo (USP)

DOI:

https://doi.org/10.22197/rbdpp.v5i3.265

Palabras clave:

Inteligência Artificial, Computação estatística, Análise preditiva, Cérebro.

Resumen

Este artigo tem como finalidade fazer uma análise da aplicação atual e das perspectivas do que se conhece popularmente por inteligência artificial ao direito penal. São analisadas duas vertentes do aprendizado da máquina (machine learning): a computação estatística e a análise preditiva. Discute-se as consequências e alternativas para o uso de técnicas de inteligência artificial diante dos avanços nas ciências do cérebro. Alguns pontos relevantes a respeito do tema são destacados para promover a discussão quanto a quais devem ser os próximos passos na área e quais as possíveis aplicações com o estado-da-arte da tecnologia atual.

Descargas

Los datos de descarga aún no están disponibles.

Biografía del autor/a

Gustavo Mascarenhas Lacerda Pedrina, Universidade de São Paulo (USP)

Doutorando, Mestre e Bacharel em Direito pela Universidade de São Paulo (USP). Research Fellow no Charles Houston Institute da Harvard Law School (EUA). Organizador do livro AP: 470: análise da intervenção da mídia no julgamento do mensalão. Assessor de Ministro no Supremo Tribunal Federal. gumascarenhas@hotmail.com.

Referencias

BARRET, Lisa Feldman. How emotions are made: the secret life of the brain. Boston: Houghton Mifflin Harcourt, 2017.

BERWICK, Robert C., CHOMSKY, Noam, Why only us: language and evolution. Cambridge: MIT Press, 2017.

CALISKAN-ISLAM, A. BRYSON, J.J, NARAYAAN, A. Semantics derived automatically from language corpora necessarily contain human biases. 2016. Princeton: Princeton University. Disponível em: http://randomwalker.info/publications/language-bias.pdf. Acesso em 19.04.2019.

FENOLL, Jordi Nieva, Inteligencia artificial y processo penal. Madrid: Marcial Pons, 2018.

KOTSIANTIS, S. B.; KANELLOPOULOS, D; PINTELAS, P. E. Data preprocessing for supervised learning. International Journal of Computer Science. Jornal digital. vol. 1, no. 2, 2006, p. 111-117.

MONAHAN, J; SKEEM, J. Risk Assessment in Criminal Sentencing. Virginia Public Law and Legal Theory Research Paper, n. 53. Disponível em: https://papers.ssrn.com/sol3/papers.cfm?abstract_id=2662082. Acesso em 19.07.2019.

RABOWITZ, N. C., PEBERT, F., SONG, H.F., ZHANG, C., ESLAMI, S.M.A., BOTVINIK, M., Machine Theory of Mind. Artigo digital: Cornell University, 2018. Disponível em https://arxiv.org/abs/1802.07740 Acesso em 16.07.2019.

STARR, S., Evidence-based sentencing and the scientific racionalization of discrimination. Stanford Law Review, Setembro de 2013. Disponível em: https://ssrn.com/abstract=2318940 Acesso em 16.07.2019

TURING, A. M., Computing machinery and intelligence. In: Mind, Vol. LIX, Outubro de 1950.

WINSTON, Patrick. The Strong Story Hypothesis and the Directed Perception Hypothesis. AAAI Fall Symposium Series, 2011. Artigo digital. Disponível em https://dspace.mit.edu/bitstream/handle/1721.1/67693/Submitted.pdf?sequence=1&isAllowed=y Acesso em 09.07.2019.

WINSTON, Patrick, HOLMES, Dylan, The Genesis enterprise: taking artificial intelligence to another level via computational account of human story understanding. Cambridge: MIT Computer Science and Artificial Intelligence Laboratory Center for Brains, Minds, and Machines, 2018.

YUDKOWSKY, E. The Ethics of Artificial Intelligence. In: FRANKISH, Keith; RAMSEY, William. The Cambridge Handbook of Artificial Intelligence. New York: Cambridge University Press, 2014.