A UTILIZAÇÃO DE LARGE LANGUAGE MODELS NA TOMADA DE DECISÕES JUDICIAIS TRIBUTÁRIAS À LUZ DO DEVIDO PROCESSO LEGAL
DOI:
https://doi.org/10.47319/rdft.v1i5.82Abstract
O processo de tomada de decisão, sob a perspectiva jurídica e a nível de processo judicial, lida com as lacunas do Direito, evidenciando que a busca pela verdade absoluta é ineficaz. A fixação da melhor ou da única interpretação possível lida com questões axiológicas ínsitas a cada intérprete e sobre as quais pouca transparência existe. É nesse contexto que se insere a inteligência artificial generativa por meio de large language models. Tem se, assim, “linguagem sobre linguagem”, já que o ser humano apreende a realidade por meio de atos de consciência, convertendo a (a realidade) em algo passível compreensão por um modelo de inteligência artificial. Um LLM (large language models) não chegará a uma única ou à melhor decisão para o caso concreto. Ao invés disso, auxiliará na tomada de uma decisão razoável, com a publicização do mapa mental ou gráfico de conhecimento axiológico envolvido no processo interpretativo, permitindo o conhecimento quanto aos inputs fornecidos pelo magistrado na tomada de decisão. Um sistema dessa natureza se prestará a (i) conferir transparência aos valores que influenciam a confecção da “protodecisão” e que poderão ser mantidos ou rechaçados na decisão final; (ii) bem como retirará ruídos que, sob a perspectiva psicológica, ainda que não sejam valores, também afetam o processo de tomada de decisão. O presente artigo procura apresentar uma leitura crítica sobre a utilização dos chamados LLM na tomada de decisão em matéria tributária.
Downloads
Published
Issue
Section
License
The authors retain copyright and grant the journal the right of 1st publication, with the work simultaneously licensed under the Creative Commons Attribution-NonCommercial 4.0 International Licence, which allows sharing of the publication with acknowledgement of authorship and initial publication in this journal. Authors may enter into additional contracts separately for non-exclusive distribution of the version of the work published in this journal (e.g. publication in an institutional repository or as a book chapter), with acknowledgement of authorship and initial publication in this journal.