Decisões judiciais computacionalmente fundamentadas

uma abordagem a partir do conceito de explainable artificial intelligence

Autores

  • Gustavo Xavier de Camargo Universidade Federal de Santa Catarina

Resumo

Este artigo aborda a possibilidade e validade da utilização de aplicações desenvolvidas a partir de tecnologias de aprendizagem de máquina (machine learning) para a elaboração de decisões judiciais computacionalmente fundamentadas, a partir da equiparação das decisões humanas e computacionais quanto à dificuldade de estabelecimento de um método verificável capaz de garantir, a priori, integridade e correção, sendo a efetiva fundamentação a única forma de controle válida para ambos os tipos de decisão.

Biografia do Autor

Gustavo Xavier de Camargo, Universidade Federal de Santa Catarina

Mestrando em Direito pela Universidade Federal de Santa Catarina (UFSC).  Bacharel em Ciência da Computação pela Universidade Estadual de Campinas (UNICAMP). Bacharel em Direito pela UNOCHAPECÓ.  MBA Executivo pelo Insper.  Pós-graduado (lato sensu) em Direito Digital e Compliance pela Faculdade Damásio. E-mail: gustavo@xavierdecamargo.com.br.

Downloads

Publicado

2020-04-03

Edição

v. 1 n. 18 (2019): Edição Especial sobre Direito e Inteligência Artificial

Seção

30º Encontro Ibero Americano de Governo Eletrônico e Inclusão Digital

Licença

Autores que publicam nesta revista concordam com os seguintes termos:
  • Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons CC BY-NC-ND 2.0 BR que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
  • Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
  • Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado (Veja O Efeito do Acesso Livre).